基于KF联合EKF参数辨识的短时4D航迹预测

taptap下载安装安卓学报

• 民用航空 • 下一篇

基于KF联合EKF参数辨识的短时4D航迹预测

章涛¹，高阳¹，张成伟²，吴仁彪¹

（1.taptap下载安装安卓天津市智能信号和图像处理重点实验室，天津300300；2.民航深圳空中交通管理站，深圳518128）

收稿日期:2015-11-10 修回日期:2016-01-07 出版日期:2016-10-19 发布日期:2016-12-06
作者简介:章涛（1989—），男，河北衡水人，硕士研究生，研究方向为4D航迹预测.
基金资助:
国家自然科学基金项目（F011206）

Short-term 4D trajectory prediction based on KF joint EKF parameter identification

ZHANG Tao¹, GAO Yang¹, ZHANG Chengwei², WU Renbiao¹

(1. Intelligent Signal and Image Processing Key Lab of Tianjin, CAUC, Tianjin 300300, China;2. Shenzhen Air Traffic Management Station, Shenzhen 512128, China)

Received:2015-11-10 Revised:2016-01-07 Online:2016-10-19 Published:2016-12-06

摘要/Abstract

摘要：

提出了一种KF（Kalman filter）和EKF（efxtended Kalman filter）联合算法辨识运动模型参数的4D航迹预测
方法。该方法在等角航迹飞行模型的基础上，运用KF 和EKF 联合算法辨识航空器的地速，以此计算航空器未来特征位置的过点时间。仿真实验结果表明，该方采用航空器的经纬度作为观测变量分别更新的方法，可降低运算复杂度，并能够较精确地预测航空器等速巡航阶段的短期飞行航迹。

关键词: 卡尔曼滤波, 扩展卡尔曼滤波, 参数辨识, 等角航迹, 4D 航迹预测

Abstract:

A method based on KF-EKF jointed algorithm is proposed to identify motion model parameters for 4D trajectory prediction. On the basis of isometric track flight model, KF-EKF jointed algorithm is employed to identify the ground speed of aircraft, then the arriving time of aircraft爷s scheduled position is calculated. Latitude and longitude of aircraft are taken as observed variables and are updated respectively. Simulation result shows that it could reduce complexity of the computation and accurately predict the short-term flight track of constant speed cruise phase.

Key words: Kalman filter, extended Kalman filter, parameter identification, isometric track, 4D trajectory prediction

中图分类号:

TN959.4

章涛，高阳，张成伟，吴仁彪. 基于KF联合EKF参数辨识的短时4D航迹预测[J]. taptap下载安装安卓学报.

ZHANG Tao, GAO Yang, ZHANG Chengwei, WU Renbiao. Short-term 4D trajectory prediction based on KF joint EKF parameter identification[J]. .

参考文献 13

[1]	SOLOMOS G, URLASS S, BHADRA D, et al. Capacity Needs in the National Airspace System: An Analysis of Airport and Metropolitan Area Demand and Operational Capacity in the Future[R]. The MITRE Center for Advanced Aviation System Development, 2004.
[2]	卢奕羽. 初始飞行计划4D 航迹生成及仿真系统研究[D]. 南京:南京航空航天大学, 2014.
[3]	伊群. 美国新一代空中交通管理系统运行概念[J]. 中国民用航空,2007, 80(8): 27-31.
[4]	吕小平.中国民航新一代空中交通管理系统发展总体框架[J]. 中国民用航空, 2007, 80(8): 24-26.
[5]	PREVOST C G, DESBIENS A, GAGNON E. Extended Kalman Filter for State Estimation and Trajectory Prediction of a Moving Object Detected by an Unmanned Aerial Vehicle[C]//AmericanControlConference,NewYork,IEEE, 2007: 1805-1810.
[6]	LYMPEROPOULOS I, LYGEROS J. Sequential Monte Carlo methods for multi-aircraft trajectory prediction in air traffic management[J]. International Journal of Adaptive Control and Signal Processing, 2010, 24(10): 830-849.
[7]	吴鹍,潘薇.基于数据挖掘的四维飞行轨迹预测模型[J]. 计算机应用, 2007, 27(11): 2637-2639.
[8]	SLATTERY R, ZHAO Y. Trajectory synthesis for air traffic automation[J]. Journal of Guidance, Control and Dynamics, 1997, 20(2): 232-238.
[9]	王超,郭九霞,沈志鹏.基于基本飞行模型的4D航迹预测方法[J].西南交通大学学报, 2009, 44(2): 295-300.
[10]	CHESTERG,WILLIAMNC. Using Flight Manual Data toDeriveAero-Propulsive Models for Predicting Aircraft Trajectories[C]//AIAA Aircraft Technology, Integration and Operations (ATIO) 2002 Technical. California: AIAA, 2002: 1-7.
[11]	徐琴, 汤新民, 韩松臣,等.基于参数辨识的短期4D 航迹预测[J].信息与控制, 2014, 43(4): 501-505.
[12]	杨宏,李亚安, 李国辉. 一种改进扩展卡尔曼滤波新方法[J]. 计算机工程与应用, 2010, 46(19): 18-20.
[13]	吴晓光, 张军峰,蒋海行. GRIB 数据及其在航迹预测中的应用[J].航空计算技术, 2013, 43(6): 59-62.

基于KF联合EKF参数辨识的短时4D航迹预测

Short-term 4D trajectory prediction based on KF joint EKF parameter identification

可视化

摘要/Abstract

引用本文

使用本文

参考文献 13

相关文章 3

编辑推荐

Metrics

本文评价

[1]	杨永刚, 丁有闯. 磁流变阻尼器Bouc-Wen 模型参数辨识研究[J]. taptap下载安装安卓学报, 2021, 39(1): 22-27.
[2]	刘鹏，赵言正，闫维新. 基于改进遗传算法的管道机器人摩擦参数辨识[J]. taptap下载安装安卓学报, 2018, 36(6): 54-58.
[3]	刘海涛，吴松，金鑫，李冬霞. 天津滨海国际机场ADS-B系统监视性能评估[J]. taptap下载安装安卓学报, 2018, 36(2): 1-5.