基于融合算法的机场场面监视方案研究*

徐 扬，刘建良，杨一璜

(中南大学 信息科学与工程学院，湖南 长沙 410083)

0 引 言

随着经济的发展，当前民航运输量有着显著的增加。机场飞机起降密度的增加造成了机场空中和地面交通拥挤，存在飞机碰撞的潜在威胁，解决该问题可以从两个方面着手：1)增加跑道数量，即扩大机场的规模；2)采用先进的机场场面监视技术，使机场以最大的容量安全有序快速运行。显然，后者可以达到事半功倍的效果。利用各种机场监视设备，精确地监视机场场面活动区的所有移动目标，及时报告飞机滑行中的跑道冲突，并实现对滑行路线重新规划，以保证飞机安全。

目前，常用的监测技术有多点定位多点监视技术(multi-lateration,MLAT)和广播式自动相关监视(automatic dependent surveillance-broadcast,ADS-B)[1]。本文采用多种监视方法并行的策略[2]，构建硬件和软件的冗余，以提高监视系统的安全性和可靠性。

1 系统模型建立

1.1 移动目标动态模型

将机场场面视为一个2维平面坐标系，移动目标视为质点，用2维坐标(ξ,η)描述其位置。定义目标的连续动态：x=[ξη]T∈R4，其中ξ,,η,分别表示X轴坐标、X轴向速度、Y轴坐标、Y轴向速度。假设目标仅有3个状态：匀速直行(constant velocity,CV)，左转(left turn,LT)，右转(right turn,RT)。分别用1，2，3表示CV，LT，RT这3种状态。本文采用随机线性混合系统(SLHS)描述质点的连续状态，如下

x(k+1)=Aq(k+1)x(k)+Bq(k+1)u(k)+Fq(k+1)w(k)

(1)

式中q(k+1)为k+1时刻质点的状态，q(k+1)∈Q={1,2,3}；u(k)为输入系统的控制矩阵；w(k)∈R4为一个高斯白噪声过程；Aq，Bq和Fq为质点处于q状态时的系统矩阵。文中质点自由移动，因此，u(k)=0。

1.2 传感器观测模型

假设系统中有M只传感器，定义u为系统中传感器集合，u:={1,…,M}。本文M=2，传感器1为MLAT，传感器2为ADS-B。如下给出第m个传感器的观测模型

Zm(k)=Cmx(k)+vm(k)

(2)

式中 上标m∈u，为传感器序号；Zm(k)为k时刻的观测值；Cm为观测矩阵，为常矩阵；vm(k)为观测噪声，采用高斯白噪声模拟。

2 融合方案选择

本文中提出了2种数据融合方案，一种基于传感器切换算法[3]，另一种基于估计值融合[4]。

图1 基于传感器切换的方案结构

基于估计值融合的方案如图2所示，其结构特点是采用两个估计器分别对传感器1和传感器2的数据进行处理，之后再将两个估计的输出值利用融合算法进行计算，得到最终结果[6]。在该方案中，两估计器保持对传感器数据实时采样，后级的数据融合算法对数据进行实时处理。与之前的方案相比，该方案的精度明显提高，且实时性明显提升，但数据量较大，需要占用较多通信资源和计算资源，因此，该方案适合用于精度要求较高的场合。在机场场面移动目标监视的应用中，出于安全考虑，对监视系统的精度以及实时性要求较高，所以本文选用基于估计值融合的方案。

图2 基于估计值融合的方案结构

3 传感器融合算法

3.1 融合处理的原则

融合算法是数据融合处理的核心，其思想是根据估计的输出计算传感器测量值可靠性，对2只传感器的数据进行相应的处理[7，8]。具体原则如下：

1)ADS-B和MLAT均正常运行时，认为2只传感器的状态估计结果相互独立，选取其中之一作为最终结果。

2)ADS-B有故障而MLAT正常运行时，将ADS-B输出的结果丢弃，采用MLAT输出的估计结果。

3)MLAT有故障而ADS-B正常运行时，将MLAT输出的结果丢弃，采用ADS-B输出的估计结果。

4)ADS-B和MLAT均有故障时，根据两者输出值误差大小确定其权重。将结果按照权重结合，计算最终结果。

3.2 误差量化处理

文中传感器均为非理想，其测量值存在一定的误差。为更好地判断传感器误差大小，需要将误差进行量化。针对传感器m，根据估计器的输出，定义其误差量化函数

ρm(k)：=(rm(k))T(Λm(k))-1rm(k)

(3)

式中rm(k)为传感器估计值残差；Λm(k)为残差方差。

3.3 权重计算与融合计算

1)若{ρ1(k)≤τ1}∩{ρ2(k)≤τ2}，则δ1=1,δ2=δ3=δ4=0；

2)若{ρ1(k)≤τ1}∩{ρ2(k)>τ2}，则δ2=1,δ1=δ3=δ4=0；

3)若{ρ1(k)>τ1}∩{ρ2(k)≤τ2}，则δ3=1,δ1=δ2=δ4=0；

4)若{ρ1(k)>τ1}∩{ρ2(k)>τ2}，则

(4)

PCOM(k)：=[(P1(k))-1+(P2(k))-1]-1,

(5)

(6)

4 仿真实验与结果分析

采用MATLAB程序进行仿真，运用所提出的融合算法，通过跟踪平面内自由运动质点的轨迹[9]，验证方案以及算法的性能。

4.1 仿真参数设定

首先确定目标动态模型的参数。取采样时间Ts=1 s。CV,LT,RT 3种状态下，质点的速率保持恒定v=10 m/s，对LT状态取ω=-10°/s，对RT状态取ω=10°/s。所有的噪声均取均值为0，方差为1的高斯白噪声。质点的运动状态在CV，LT，RT中按照齐次马尔科夫链进行跳转，马氏链转移概率如下

(7)

确定2只传感器的测量矩阵，如下

(8)

4.2 仿真结果与分析

目标从原点出发，自由运动80 s，共采样80个点，目标轨迹及其不同方案下的跟踪结果如图3所示。

图3 质点轨迹与跟踪结果

图3中的4条曲线中，一条目标的真实轨迹，其余3条曲线分别3种情况下的跟踪结果。可以明显地看出:经过传感器数据融合处理后位置估计与目标原运动轨迹基本一致，而其他2种情况下则会出现较大误差，表明融合算法能够显著提高跟踪的精度。

为定量研究目标位置估计误差，本文引入了误差均方根(root mean square,RMS)的计算，具体形式如下

(9)

将上述仿真实验运行200次，分别计算3种情况下每个采样点估计误差的RMS，结果如图4所示。可以看出:融合处理后的误差RMS始终维持在较低的水平，实验数据表明本文提出的融合算法能够明显降低估计误差。

图4 位置估计误差均方根

5 结 论

针对单一监视技术高误差率和低可靠性，提出了一种基于融合算法的机场场面监视方案，采用ADS-B和MLAT 2种监视技术并行的方式，并采用融合算法处理数据，从而实现精度的提高。仿真实验表明，本文提出的方案以及算法，可以有效地提高目标动态监视的精度。

[1] 张 睿.机场场面监视技术的比较及发展[J].中国西部科技,2010,9(1)：34-36.

[2] 徐 工,曲国庆.基于多传感器融合的移动测绘系统应用评述[J].传感器与微系统,2014,33(8)：1-4.

[3] Wang Jinkuan,Yan Dongmei.Sensor scheduling algorithm target tracking-oriented[J].Wireless Sensor Networks,2011,3(8):295-299.

[4] 赵辰冰,齐占辉.基于信息融合技术的多传感器大气波导探测研究[J].传感器与微系统,2014,33(4)：41-44.

[5] Lin X G,Xu S S.VMulti-sensor hybrid fusion algorithm based on adaptive square-root cubature Kalman filter[J].Journal of Marine Science and Application,2013,12(1):106-111.

[6] Ruan Dianxu,Zhang Xiaoguang,Li Lijun.Safety data fusion algorithm in wireless sensor networks[J].Journal of Networks,2013,8(5):1121-1129.

[7] 刘庆贵,周冬桥.基于多传感器融合的卷烟机自诊断系统设计[J].传感器与微系统,2012,31(3)：136-139.

[8] 陈庆文，孙凯明，王 琨.泵体参数多传感器融合技术的研究[J].自动化技术与应用，2015,34(12)：120-123.

[9] 卢 宇,刘昌忠.基于机场地理信息的多传感器融合跟踪[J].光电工程,2012,39(4)：27-31.