TCAS II与ADS
—B数据融合新算法*

田士佳， 杨霄鹏， 姚　昆， 曹逸樵

(1.空军工程大学 信息与导航学院，陕西 西安 710077；2．94710 部队，江苏 无锡 214141)



计算与测试

TCAS II与ADS
—B数据融合新算法*

田士佳1， 杨霄鹏1， 姚昆1， 曹逸樵2

(1.空军工程大学 信息与导航学院，陕西 西安 710077；2．94710 部队，江苏 无锡 214141)

摘要:针对空中交通流量越来越大，TCAS II无法满足日益增长的防撞需求，提出了根据估计误差协方差最大特征值加权的数据融合算法。该算法首先分析TCAS II和ADS—B的原理和特点，阐述了结合ADS—B优势发展组合监视的必要性，重点介绍组合监视区域，采用Kalman滤波对飞机进行目标跟踪，对局部滤波得到的航迹进行加权融合，得到最优估计，对算法进行仿真，结果验证该算法能够得到较高精度数据，提高监视能力，增强防撞性能。

关键词：TCAS II； ADS—B； 组合监视； 数据融合； 卡尔曼滤波

0引言

随着世界航空业的发展，空中交通流量每年递增10 %以上，飞机之间发生冲突的概率大大增加。交通警戒与防撞系统(traffic alert and collision avoidance system,TCAS)的出现更好地帮助飞行员了解飞机周围的空域情况，提高了飞行的安全系数[1]。目前世界范围内使用的TCAS大多属于TCAS II系统，它在实际应用过程中暴露出虚警和不必要的告警等问题，而且冲突预测能力随着航路飞行复杂性的增加而大大降低[2]。广播式自动相关监视(automatic dependent surveillance-broadcast，ADS—B)具有更强的监视能力、精度误差更小、数据更新率快等优势，能够更即时、更准确地进行冲突检测[2]。现阶段直接用ADS—B主动监视代替TCAS II被动监视是不现实的，一旦卫星定位系统出现问题，将导致监视和冲突探测能力的丧失，而且ADS—B的性能需要大量测试和评估来验证[3]。因此,将TCAS II信息与ADS—B信息进行数据融合，发展组合监视是非常必要的。

本文提出了一种根据估计误差协方差最大特征值加权的数据融合算法，对局部滤波得到的航迹进行加权融合，得到最优估计。

1TCAS II与ADS—B相关理论

TCAS II是独立运行的空中交通防撞系统，可以判定飞机相对运动过程中的正确行动过程，并且提供垂直的修正、预防措施的决断告警，为装备应答机的飞机提供保护。TCAS II通过机载设备主动探测附近的飞机，根据高度层的不同，在距冲突20～48s时产生交通告警(TA)，在距冲突15～35 s时发出解脱建议决断告警(RA)[4]。

ADS—B是一种基于卫星定位和利用空—地、空—空数据链通信完成交通监视和信息传递的空管监视新技术[5]。ADS—B系统包含机载和地面设备两部分，机载设备以GPS进行实时定位后，周期性地将飞机的位置、速度、高度等数据信息向外广播，其周围的飞机和地面基站都能收到这些数据。

2TCAS II与ADS—B组合监视区域

由TCAS II和ADS—B技术构成的组合监视系统[6]，是在TCAS II的基础上，将TCAS II信息和ADS—B信息进行数据融合，将更精确的信息送入TCAS II决策模块，进而提供监视、警戒和避让信息。由于TCAS II和ADS—B监视范围不同，所以，构成的组合监视区域不同的区域监视手段不同，TCAS II的最大水平监视范围为40 n mile，主要是前向作用距离，在本机的侧面和后面的监视范围更小[7]，ADS—B的水平监视范围为圆形，且大于100 n mile[8]，TCAS II和ADS—B的水平方向组合监视区域和组合监视流程示意图分别如图1、图2所示。

图1　水平方向组合监视区域示意图Fig 1　Schematic diagram of in horizontal direction ofcombined surveillance area

图2　组合监视流程示意图Fig 2　Schematic diagram of combined surveillance process

3TCAS II与ADS—B数据融合算法

3.1数据融合结构

针对TCAS II在实际应用中暴露出的问题，结合ADS—B具有更强监视能力的特点，采用分布式融合方法[9]，由于部分任务在局部航迹估计中完成，大大减少了中央处理器的工作量，既提高了数据处理的效率，又提高了整个系统的精度和可靠性，融合结构框图如图3所示。

图3　分布式融合结构原理图Fig 3　Principle diagram of distributed fusion structure

3.2数据融合算法

将TCAS II和ADS—B当作两个监视子系统，分别利用Kalman滤波方法对子系统的监视信息进行滤波，得到状态估计信息，状态方程和量测方程为

X(k+1)=F(k)X(k)+Γ(k)W(k),

(1)

Z(k)=H(k)X(k)+V(k),

(2)

式中X(k)为k时刻的系统状态向量；F(k)为系统状态转移矩阵；Γ(k)为噪声矩阵；W(k)为过程演化噪声，为方差Q(k)的零均值、高斯白噪声；Z(k)为k时刻对系统状态的量测向量；H(k)为量测矩阵；V(k)为量测噪声，为方差R(k)的零均值、高斯白噪声。

若使用的是第i个滤波器，对局部状态Xi(k)最优估计的算法如下：

初始条件为

(3)

2)一步提前估计值和估计误差的协方差阵分别是

(4)

Pi(k+1|k)=F(k)Pi(k|k)FT(k)+

Γ(k)Q(k)ΓT(k),

(5)

3)获取新的量测Zi(k+1)后，滤波更新值和相应的滤波误差的协方差阵分别为

(6)

Pi(k+1|k+1)=[1-Ki(k+1)Hi(k+1)]×

Pi(k+1|k),

(7)

(8)

考虑整体最优状态为局部估计的线性组合，本文采用加权平均的方法，因为两个子系统的监视是相互独立且同时进行的，所以,认为两个系统局部状态估计之间的协方差为零，可以用单传感器估计误差协方差的最大特征值来确定局部状态估计的权重，得到两个特征值中较大的说明估计误差较大，应该给一个较小的权重;相反，特征值较小所占的权重较大，整体最优融合估计[10]为

(9)

(10)

(11)

式中λj(P1),λj(P2)分别为TCAS Ⅱ和ADS—B估计误差协方差矩阵的第j个特征值。

由此可得，通过对TCAS Ⅱ信息和ADS—B信息进行按估计误差协方差最大特征值加权，能够得到目标飞机的最优融合估计。

4数据融合仿真实验

在验证数据融合算法仿真实验中，验证的是组合监视区域的仿真，TCAS II系统和ADS—B技术的采样周期为1 s，假设TCAS II系统和ADS—B技术的观测误差分别为60 dB和40 dB，且均为高斯白噪声，飞机在飞行阶段垂直方向上均无速度和加速度，水平初始速度为300 m/s，按照此状态飞行50 s，然后以5 m/s2的加速度飞行50 s，然后再按恒定速度飞行50 s,融合算法仿真结果如图4、图5、图6和图7所示。

图4　位置估计误差图Fig 4　Position estimation error chart

图5　估计位置与真实位置比较图Fig 5　Comparison between estimated position and real position

图6　估计速度与真实速度比较图Fig 6　Comparison between estimated speed and real speed

图7　估计加速度与真实加速度比较图Fig 7　Comparison between estimated acceleration andreal acceleration

以上仿真结果表明，数据融合后的位置估计误差比任何一个单独传感器估计都要小，并且融合之后的误差变化更加稳定。根据航空无线电技术委员会(RTCA)和欧洲民用航空设备组织(EUROCAE)文件对ADS—B监视精度的要求，在航路5 n mile间隔和终端区域3 n mile内位置精度要求分别为558 m和186 m，而且TCAS Ⅱ的位置精度要求更低，所以，数据融合后的状态估计满足要求[11]，取得了较好的效果。

5结束语

本文针对TCAS Ⅱ单一传感器在实际应用中暴露出的问题，采用TCAS Ⅱ和ADS—B组合监视的方法，以TCAS II原有的功能为基础，将TCAS Ⅱ信息和ADS—B信息进行数据融合，利用提出的估计误差特征值加权的算法对数据进行融合，通过仿真实验验证算法能够减小目标飞机的状态估计误差。但是，本次实验仿真未涉及TCAS Ⅱ信息和ADS—B信息的数据处理问题，目前ADS—B技术方兴未艾，未来将会与TCAS Ⅱ更好地结合起来，为扩大飞机监视区域、提高监视精度和增强防撞性能开辟了广阔的前景。

参考文献:

[1]Yepes Javier Lovera,Hwang Inseok,Rotea Mario.New algorithms for aircraft intent inference and trajectory prediction[J].Journal of Guidance,Control and Dynamics Conference,2007,30(2)：370-382.

[2]张军.现代空中交通管理[M].北京：北京航空航天大学出版社，2005.

[3]何桂萍.ADS—B与雷达组合监视数据融合方法研究[D].广汉：中国民用航空飞行学院，2011.

[4]RTCA DO—300.Minimum operational performance standards(MOPS)for traffic alert and collision avoidance system Ⅱ(TCAS Ⅱ)hybrid surveillance[S].

[5]顾春平.空中交通管制监视新技术简介[J].现代雷达，2010，32(9):1-5.

[6]何桂萍，徐亚军.基于TCAS II和ADS—B的组合监视防撞系统研究[J].电光与控制,2011,18(4):61-64.

[7]Aeroflex,XPDR/DME/TCAS/ADS—B/TIS/TIS—B test set IFR 6000 operation manual 1002—5800—290[S].2007.

[8]RTCA.Minimum operational performance standards for 1 090 MHz extended squitter automatic dependent surveillance-broadcast(ADS—B)and traffic information services-broadcast(TIS—B)volume 1[S].DO—260A,RTCA,Inc,2006.

[9]Vitale A,Corraro F,Bernard M,et al.Unscented Kalman filtering for reentry vehicle identification in the transonic regime[J].Journal of Aircraft,2009,46(5)：1649-1659.

[10] 申功勋，孙建峰.信息融合理论在惯性/天文/GPS组合导航系统中的应用[M].北京：国防工业出版社，1998.

[11] 李自俊.一种基于ADS—B、WAM和雷达的组合监视方法及其架构[J].航空电子技术，2008，39(1)：24-27.

A novel algorithm for TCAS II and ADS—B data fusion*

TIAN Shi-jia1， YANG Xiao-peng1， YAO Kun1， CAO Yi-qiao2

(1.College of Information and Navigation,Air Force Engineering University,Xi’an 710077,China；2.94710 Unit,PLA,Wuxi 214141,China)

Abstract:With increasing air traffic flow,TCAS II can’t meet growing demand for collision avoidance,data fusion algorithm based on the maximum eigenvalue weighting of estimation error covariance is proposed.Principle and characteristics of TCAS II and ADS—B are analyzed,the necessity of development of combining monitoring combined with advantages of ADS—B is expounded,and combined monitoring area is introduced.Kalman filtering is used for target tracking of aircraft,and the optimal estimation is obtained by weighted fusion of tracks obtained by local filtering.The algorithm is simulated and the results show that the algorithm can get higher precision of data,improve monitoring ability,and enhance performance of collision avoidance.

Key words:TCAS II； ADS—B； combined surveillance; data fusion; Kalman filtering

DOI:10.13873/J.1000—9787(2016)03—0130—03

收稿日期：2016—02—15

*基金项目：国家自然科学基金资助项目(61202490)；航空科学基金资助项目(20150896010)

中图分类号：V 249

文献标识码：A

文章编号：1000—9787(2016)03—0130—03

作者简介:

田士佳(1992-)，男，河北石家庄人，硕士研究生，主要研究方向为军事航空通信。