《飞行计划管理中航迹关联算法》由会员分享，可在线阅读，更多相关《飞行计划管理中航迹关联算法（11页珍藏版）》请在金锄头文库上搜索。
1、飞行计划管理中航迹关联算法 Vo131。 No6June，xx火力与指挥控制Fire Control and CommandControl第31卷第6期xx年6月1002一O640 (xx)06003404飞行计划管理中航迹关联算法李芳(沈阳炮兵学院，辽宁沈阳110162)摘要针对传统飞行计划管理中的缺限，基于MKNN航迹关联算法思想，提出了一种利用方向因子、速度因子、偏航因子、时差因子和区域因子对综合航迹和计划航迹进行比较关联的方法。 通过仿真，分析比较了该算法与其它算法的综合性能，验证了MKNN算法在计划管理中的科学性和可行性。 用改进的MKNN算法为基本算法实现对飞行计划实施的动态监控，
2、能够提高飞行计划管理的准确性和可靠性。 关键词综合航迹，计划航迹，航迹关联，动态监控中圈分类号TN9117A Discussionon TrackAssociation Algorithmto FlightPlan Management LIFang(Shenyang ArtilleryAcademy，Shenyang110162，China)AbstractAiming atthe shortingof theconventional flight plan management，based onthe algorithmof MK-N NTrack association，a method
3、is presentedto associateintegrated trackand plan track，which adoptOff-Course-Factor(OCF)，TimeLagFactor(TLF)，DirectionFactor(DF)，VelocityFactor(VF)，and AreaFactor(AF)By thesimulation，we analyzedthe integratedperformance ofthis algorithmand paredit withthe othersThe resultindicates thatthis algorithmo
4、f MKNN Trackassociation isscientific andfeasible inflight planmanagementThis method will improve theflightplanmanagem entin auracyand reliabilityKey wordsintegration track，plantrack，tracks association，dynamic monitoring引言航空兵作战、训练中航线规划有许多限制和要求，长期以来各种约束条件都是依靠指挥员人工把握。 在制定航线过程中的时间计算以及对生成航线的错误(冲突)判断同样依靠人
5、工推演来实现，对飞行计划的管理和监控没有一个完整的、科学的平台。 飞行计划的管理主要解决的问题是综合航迹与计划航迹的关联以及关联后对关联航迹的动态监控。 多传感器数据融合中的航迹关联技术无疑是解决这一难题的关键技术。 通过对各种航迹关联算法性能的综合比较以及算法实现的难易程度，对MK一xx1205修回日期xx0302作者简介李芳(1972一)，女，辽宁锦州人，讲师，主要从事数学教学和数学应用研究。 NN算法进行适当改进即能解决这一难题。 为了评价各种算法的综合性能，根据计算速度、存储量、通信量、正确关联率、适应环境、对局部跟踪器和参数设置要求等几个方面，采用定量与定性相结合的方法，综合比较、评
6、价了NN法、加权法、修正法、独立序贯法、相关序贯、独立双门限、相关双门限、K-NN和MKNN等9种算法的优劣。 其中双门限法和MKNN法选68规则1，如下页表1所示。 通过比较发现，KNN、MKNN作为在NN算法基础上发展起来的基于统计的数学处理方法，其处理速度与独立双门限法接近，但明显快于序贯和相关双门限法，并且存储量与通信量远低于序贯和双门限法，它们的性能略差于双门限和独立序贯，但好于相关序贯；算法的复杂度与双门限法类似，需要事先设置K参数。 从适用环境来看，MKNN法也兼顾了密集目标下和或交叉、分岔机动航迹较多的场合，比较适合飞行训练及其目标环境的特点。 李芳飞行计划管理中航迹关联算法(
7、总第31-435)35表1分布式多传感器融合统计航迹关联算法综合比较情况1模拟中等密度目标环境，开始进入公共区目标为60批；情况2模拟密集目标环境，开始进入公共区的目标为120批；为正确关联概率。 1算法描述11算法思想MKNN航迹关联算法思想令局部节点1的航迹i和局部节点2的航迹j；在z时刻的状态估计差为f(z)一又(tt)一又(t1)一，(1，z)，“(2，z)，?，(，z)；iU1，JU2式中的，分别为节点l对目标i和节点2对目标的状态估计值，是状态估计的维数，、分别为节点1与节点2的航迹号集合。 设阈值矢量为P一(P，e，?e一)。 现取两个正整数和K，其中2，2K，为关联检验次数。
8、如果在次关联检验中有K次使式 (1)为真，则判断航迹i与航迹为关联航迹。 G，(Z)=(I(1，Z)I de1)(I(2，Z)I de2)?(I0(刀，)Ide一)l-1，2，N，iU1，JU2 (1)若有两个以上的航迹被确定为与航迹i关联，则选择使位置差(z)范数最小的那条航迹为关联航迹，、被称为航迹关联的规则。 这里，设阈值矢量由以下几个因子构成。 (1)偏航因子d(z)综合航迹在z时刻与某计划航迹i的距离(当前航迹点到航路段的垂直距离)。 航线飞行时，它反映该航迹点处于该航路段的可能性大小；空域飞行时，它反映该点在空域内的可能性大小。 其门限阈值分别为d和d。 (2)时差因子tij(z)
9、将综合航迹-在z时刻的航迹点在计划航迹i上投影，根据飞行计划可以计算飞机到达该投影位置的时间，该预计时间与当前时间z的差值t(z)，它可以在时间上反映该航迹点偏离计划航路的程度，其门限阈值为tL2。 (3)方向因子i(z)飞行计划是有方向的，若z时刻综合航迹-的方向与计划航迹i交角越小，则该航迹点与该计划航迹i的关联可能性越高，其门限阈值为aL2J。 (4)速度因子73(z)飞行目标是有速度的，飞行计划中也规定了巡航时速，如果z时刻综合航迹-的速度与计划航迹i中的巡航时速差别越大，则当前目标航迹点与飞行计划关联的可能性就越小，反之亦然，其门限阈值为73。 (5)区域因子(z)这是个条件因子，为
10、逻辑变量，若飞行计划是空域飞行，()一l，否则为0，其默认值为0。 同时增加一个逻辑监视变量c默认值为0，表示综合航迹j；在计划空域i外，否则在计划空域内。 监控时，利用偏航因子判断目标出域程度，即时报警。 在以上5个因子中，偏航因子与时差因子反映的是航迹点在时间和空间上偏离计划航迹的程度，他们所起的作用是等同的；而方向因子和速度因子是决定性因子，若方向和速度不对，则所有关联均是错误的；区域因子是一个特殊的条件因子，若有效，则只利用区域因子和偏航因子监控飞行计划。 据此，飞行计划管理算法描述如下首先，引入三个逻辑变量，即F(Z)=(I哦f(Z)I 当(z)一0，即非空域飞行时，为保证关联的准确
11、性并减少运算量，分别取k=6，一8，即采用636(总第31-436)火力与指挥控制xx年第6期8规则f厶j(z)=f wj(z)s(z)?i z一1，2，3，kk，8?航线飞行时，当在8次关联检验中有6次使式 (2)为真，则判断综合航迹J与计划航迹i关联，否则不关联。 当()一1，即空域飞行时，若计划空域内的综合航迹数与计划航迹数相同，且目标高度与计划高度层一致，然后，利用逻辑变量cjY(Id(z)来监控飞行计划的实施情况；若在计划空域内综合航迹数与计划航迹数不同，或逻辑变量Y(Jdq()J一K；iU1，U2 (3)则在z时刻停止航迹i与J的关联检验。 因为无论后续的判决结果如何，按照检验准则，到l一时刻必将判决航迹i与为非关联对。 这是因为在z一1时刻已有式 (3)成立，那么当z=N时，一定存在rni,(1=)6以后，从正确关联概率和漏关联概率曲线来看，无疑MKNN为最优算法。 虽然独立序贯在错误关联方面优于MKNN，但航迹关联的目标追求的是最大正确和最小的错误和最小的疏漏。 与序贯和双门限法相比，KNN与MKNN算法还有一个最大的优点就是它对不能直接提供状态估计方差的系统同样适用，因为该算法10090807060504，圈1正确关联曲线，圈2错误关联曲线1234567891O111
