一种基于时序QAR参数的飞行轨迹自适应平滑的方法

摘要

本发明公开了装置一种基于时序QAR参数的飞行轨迹自适应平滑的方法，所述方法具体为：S1：提取判定平滑飞机轨迹所需的QAR参数；S3：按照清洗后的所述QAR参数的取值提取飞机航段的地面阶段、第一飞行阶段和第二飞行阶段；S4：采用S‑G滤波平滑算法对地面阶段、第一飞行阶段进行平滑降噪处理；采用移动平均平滑算法对第二飞行阶段进行数据平滑处理；S5：识别并提取地面阶段中的转弯区间；S6：采用n阶贝塞尔曲线插值对转弯区间进行平滑处理。本发明提出的方法精确度高，根据不同阶段的轨迹特点采用不同的方法进行平滑处理，同时原理简单，稳定性较好，适合大量推广。

权利要求

1.一种基于时序QAR参数的飞行轨迹自适应平滑的方法，其特征在于：所述方法具体为：S1：提取判定平滑飞机轨迹所需的QAR参数，包括无线电高度、发动机转速、纵向加速度、空速、地速、垂直速度、襟翼状态、缝翼状态、起落架空地电门状态、扰流板状态、真实高度、俯仰角；

S2：对提取的QAR参数进行数据清洗；

S3：按照清洗后的所述QAR参数的取值提取飞机航段的地面阶段、第一飞行阶段和第二飞行阶段，其中，所述S3具体为：S31：按起落架空地电门状态将整个航段分为所述地面阶段和飞行阶段；

S32：根据每个轨迹点对应的空速是否超过空速阈值，将所述飞行阶段分为所述第一飞行阶段和所述第二飞行阶段；

所述第一飞行阶段对应着未超过空速阈值的阶段；所述第二飞行阶段对应着超过空速阈值的阶段；

所述空速阈值为245‑255节；

S4：采用S‑G滤波平滑算法对地面阶段、第一飞行阶段进行平滑降噪处理；采用移动平均平滑算法对第二飞行阶段进行数据平滑处理；

S5：识别并提取地面阶段中的转弯区间；

S6：采用n阶贝塞尔曲线插值对转弯区间进行平滑处理。

2.根据权利要求1所述的基于时序QAR参数的飞行轨迹自适应平滑的方法，其特征在于：所述S1具体为：S11：对民用航空器中的QAR参数进行译码解析，得到一个CSV文件；

S12：提取平滑飞行轨迹所需要的参数数据。

3.根据权利要求1所述的基于时序QAR参数的飞行轨迹自适应平滑的方法，其特征在于：对于所述地面阶段平滑降噪的处理采用二次多项式对窗口内的数据进行拟合；对于所述第一飞行阶段平滑降噪的处理采用三次多项式对窗口内的数据进行拟合。

4.根据权利要求1所述的基于时序QAR参数的飞行轨迹自适应平滑的方法，其特征在于：所述S5具体为：提取所述地面阶段的每个轨迹点的航向参数，并计算相邻轨迹点的变化速率，提取变化速率均大于变化速率阈值的时间区间。

5.根据权利要求1所述的基于时序QAR参数的飞行轨迹自适应平滑的方法，其特征在于：所述S6具体为：对于所述转弯区间，取首尾两个时间点对应的轨迹点P0、Pn为锚点，中间n‑1个轨迹点(P1，P2，…，Pn‑1)为控制点，即所述转弯区间的轨迹点的数量为n+1个，则令：在[0,1]范围内等距地取k个值，其中k＞＞n‑1；

依次令t等于每个k值代入曲线方程，计算出k个插值点 替换掉n‑1个控制点(P1，P2，…，Pn‑1)，B(t)表示由点 构成的贝塞尔曲线。

说明书

一种基于时序QAR参数的飞行轨迹自适应平滑的方法

技术领域

[0001] 本发明涉及航空信息可视化领域，具体的，涉及一种基于时序QAR参数的飞行轨迹自适应平滑的方法。

背景技术

[0002] 航段轨迹还原是较为基础也较为广泛的QAR参数用法，但经纬度参数的采集存在误差和真实高度参数方面的小幅跳变，这是由于在不同飞行阶段，不同探测器取得的高度参数准确度不同。真实高度参数实际为当前飞行阶段准确度更高的高度参数值的组合，因此在转变使用的参数时，会出现小幅度跳变。例：无线电高度50英尺以下使用无线电高度，50英尺以上使用海压修正高度。这样使得还原出的轨迹不那么真实。

发明内容

[0003] 有鉴于此，本发明的目的是提供一种基于时序QAR参数的飞行轨迹自适应平滑的方法，精确度高，根据不同阶段的轨迹特点采用不同的方法进行平滑处理。

[0004] 本发明的目的是通过以下技术方案实现的：

[0005] 一种基于时序QAR参数的飞行轨迹自适应平滑的方法，所述方法具体为：

[0006] S1：提取判定平滑飞机轨迹所需的QAR参数，包括无线电高度、发动机转速、纵向加速度、空速、地速、垂直速度、襟翼状态、缝翼状态、起落架空地电门状态、扰流板状态、真实高度、俯仰角；

[0007] S2：对提取的QAR参数进行数据清洗；

[0008] S3：按照清洗后的所述QAR参数的取值提取飞机航段的地面阶段、第一飞行阶段和第二飞行阶段；

[0009] S4：采用S‑G滤波平滑算法对地面阶段、第一飞行阶段进行平滑降噪处理；采用移动平均平滑算法对第二飞行阶段进行数据平滑处理；

[0010] S5：识别并提取地面阶段中的转弯区间；

[0011] S6：采用n阶贝塞尔曲线插值对转弯区间进行平滑处理。

[0012] 进一步，所述S1具体为：

[0013] S11：对民用航空器中的QAR参数进行译码解析，得到一个CSV文件；

[0014] S12：提取平滑飞行轨迹所需要的参数数据。

[0015] 进一步，所述S3具体为：

[0016] S31：按起落架空地电门状态将整个航段分为所述地面阶段和飞行阶段；

[0017] S32：根据每个轨迹点对应的空速是否超过空速阈值，将所述飞行阶段分为所述第一飞行阶段和所述第二飞行阶段；

[0018] 所述第一飞行阶段对应着未超过空速阈值的阶段；所述第二飞行阶段对应着超过空速阈值的阶段；

[0019] 所述空速阈值为245‑255节。

[0020] 进一步，对于所述地面阶段平滑降噪的处理采用二次多项式对窗口内的数据进行拟合；对于所述第一飞行阶段平滑降噪的处理采用三次多项式对窗口内的数据进行拟合。

[0021] 进一步，所述S5具体为：

[0022] 提取所述地面阶段的每个轨迹点的航向参数，并计算相邻轨迹点的变化速率，提取变化速率均大于变化速率阈值的时间区间。

[0023] 进一步，所述S6具体为：

[0024] 对于所述转弯区间，取首尾两个时间点对应的轨迹点P0、Pn为锚点，中间n‑1个轨迹点(P1，P2，…，Pn‑1)为控制点，即所述转弯区间的轨迹点的数量为n+1个，则令：

[0025]

[0026] 在[0,1]范围内等距地取k个值，其中k＞＞n‑1；

[0027] 依次令t等于每个k值代入曲线方程，计算出k个插值点替换掉n‑1个控制点(P1，P2，…，Pn‑1)，B(t)表示由点 构成的贝塞尔
曲线。

[0028] 本发明的有益效果是：

[0029] 本发明基于QAR数据，将飞机的航段分为地面阶段、第一飞行阶段和第二飞行阶段，利用S‑G滤波平滑算法对地面阶段和第一飞行阶段进行飞行轨迹的处理，采用移动平均平滑算法对第二飞行阶段飞行轨迹平滑处理，并识别转弯阶段数据，采用n阶贝塞尔曲线插值对其进行平滑处理，本发明提出的方法精确度高，根据不同阶段的轨迹特点采用不同的方法进行平滑处理，同时原理简单，稳定性较好，适合大量推广。

[0030] 本发明的其他优点、目标和特征在某种程度上将在随后的说明书中进行阐述，并且在某种程度上，基于对下文的考察研究对本领域技术人员而言将是显而易见的，或者可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。

附图说明

[0031] 为了使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明作进一步的详细描述，其中：

[0032] 附图1为本发明流程图；

[0033] 附图2为n阶贝塞尔曲线插值效果图。

具体实施方式

[0034] 以下将参照附图，对本发明的优选实施例进行详细的描述。应当理解，优选实施例仅为了说明本发明，而不是为了限制本发明的保护范围。

[0035] 本实施例提出了一种基于时序QAR参数的飞行轨迹自适应平滑的方法，如图1所示，方法具体为：

[0036] S1：提取判定平滑飞机轨迹所需的QAR参数；

[0037] S11：对民用航空器中的QAR参数进行译码解析，得到一个CSV文件；

[0038] S12：提取平滑飞行轨迹所需要的参数数据，包括无线电高度、发动机转速、纵向加速度、空速、地速、垂直速度、襟翼状态、缝翼状态、起落架空地电门状态、扰流板状态、真实高度、俯仰角。

[0039] S2：对提取的QAR参数进行数据清洗；

[0040] 原始QAR数据由于译码错位或采集误差等因素，会存在部分数据字段错位或信息缺失等明显异常情况。结合异常数据所处时间点附近一段时间内，飞机状态的所有参数数据，对异常数据进行识别、删除和推断补全。

[0041] 异常数据识别范围：CSV文件不完整，没有从起飞到着陆的全过程；CSV文件为出发地和目的地都相同的飞行训练数据；译码输出的CSV文件参数错位，即在参数1那一列中的某一行，显示参数2的数据；参数取值超出理论取值范围；参数取值出现不合逻辑的跳变等。

[0042] 删除操作：对于上述提到的CSV文件格式异常情况，视作无效数据而弃用；对于CSV文件本身格式正确，仅是参数取值偶有异常的数据，仅删去CSV文件中的异常数据，之后结合其他参数推断补全。

[0043] 推断补全的方法：对于速度、经纬度、高度等连续数值类参数，一般取前后平均值；对于襟翼状态、缝翼状态等离散的状态类参数，一般取前值或后值填充。

[0044] S3：按照清洗后的所述QAR参数的取值提取飞机航段的地面阶段、第一飞行阶段和第二飞行阶段；

[0045] S31：按起落架空地电门状态将整个航段分为地面阶段和飞行阶段；

[0046] 其中飞机接地点的判断方法为：采用空地电门转换识别飞机着陆的时间点，QAR数据中的起落架状态的参数是通过空地电门传感器变化来识别起落架状态的，空地电门转换就是使用起落架状态参数。

[0047] S32：根据每个轨迹点对应的空速是否超过空速阈值，将飞行阶段分为第一飞行阶段和第二飞行阶段，空速阈值为245‑255节，第一飞行阶段对应着未超过空速阈值的阶段；第二飞行阶段对应着超过空速阈值的阶段。

[0048] S4：采用S‑G滤波平滑算法对地面阶段、第一飞行阶段进行平滑降噪处理；采用移动平均平滑算法对第二飞行阶段进行数据平滑处理；

[0049] S‑G滤波平滑算法介绍：将一段区间的等间隔的2m+1个点记为X集合，其中中点为a，S‑G滤波平滑就是利用在为Xa‑m,Xa‑(m‑1),…,Xa,…,Xa+(m‑1),Xa+m的数据的多项式拟合值来取代Xa,，然后依次移动，直到把数据遍历完。

[0050] S‑G滤波平滑算法的优点在于：在去除噪声的同时可以确保原数据的形状等特征不变。由于经纬度数据存在采集误差，将原数据可视化后会看呈明显的锯齿状，由此可假定采集误差为白噪声，即随机扰动。而S‑G滤波能有效去除此类白噪声数据，同时保持原数据的形状特征。

[0051] 设滤波窗口的宽度为n＝2m+1，各测量点为x＝[‑m,‑(m‑1),…,‑1,0,1,…,m‑1,m],采用k‑1次多项式对窗口内的数据点进行拟合，有：

[0052] y＝a0+a1x+a2x2+...+ak‑1xk‑1

[0053] 其中：i＝(‑m，‑m+1，···，0,1，m‑1，m)，于是有了n个这样的方程，构成了k元线性方程组。要使方程组有解则n应大于等于k，一般选择n>k，通过最小二乘法拟合确定拟合参数A。由此得到：

[0054]

[0055] 用矩阵表示为：

[0056] Y(2m+1)×1＝X(2m+1)×k·AK×1+E(2m+1)×1

[0057] A的最小二乘解为：

[0058]

[0059] Y的模型预测值或滤波值为

[0060] B＝X·(XT·X)‑1·XT

[0061] 其中B为滤波系数矩阵，由且仅由X矩阵决定，B矩阵为(2m+1)×(2m+1)阶矩阵，根据系数矩阵即可获得S‑G平滑拟合方程。

[0062] 对于地面阶段和第一飞行阶段，对窗口内的数据分别采用二次多项式和三次多项式进行拟合，即令S‑G滤波平滑算法的K值分别为3和4。K值越大，对噪声的识别阈值越小，原始信息保留程度越高。地面阶段时，飞机速度较低，轨迹点相对密集，误差对轨迹的影响很大，需尽量减少噪声，使用二次拟合后，可视化效果更好。飞行阶段时，飞机速度较快，轨迹点相对离散，使用三次拟合也能有较好的可视化效果，同时保留了更多的原始信息。平滑窗口宽度2m+1中的m，是与空速成反比的变量。平滑窗口宽度越大，平滑效果越好。当空速较大时，每个轨迹点间距离较大，减小平滑窗口宽度也能达到较好平滑效果，同时优化了计算效率。

[0063] 为了说明S‑G平滑算法的效果，采用如下算例进行证明：

[0064] 表1

[0065]   原数据 处理后数据1 ‑8.7 ‑8.25
2 ‑7.2 ‑7.82
3 ‑7.9 ‑7.63
4 ‑7.25 ‑7.09
5 ‑4.85 ‑4.82
6 ‑2.15 ‑2.4
7 ‑0.95 ‑0.96
8 ‑0.1 0.5
9 1.65 0.2
10 ‑1.4 0.28
11 1.95 1.03
12 3.25 3.56
13 4.75 4.65
14 5.05 4.39
15 3.9 5.56
16 8.8 6.96
17 7.9 9.4
18 10.8 9.39
19 9.6 11.13
20 12.9 11.7
21 11.45 11.73
22 10 10.25

[0066] 如表1所示，假设原数据的前20个点为地面阶段，使用S‑G5点2次平滑，即窗口宽度2m+1＝5，多项式次数k‑1＝2。解3元线性方程组计算得出，5点2次平滑的平滑系数如下表：

[0067] 表2

[0068]a‑2 a‑1 a a+1 a+2
‑0.08571429 0.34285714 0.48571429 0.34285714 ‑0.08571429

[0069] 对于第3‑18个数据点，当前点a的数据使用[a‑2，a+2]区间内的原数据乘上平滑系数后的和替换。以第4个点为例，平滑后数据＝(‑0.08571429*(‑7.2))+(0.34285714*(‑7.9))+(0.48571429*(‑7.25))+(0.34285714*(‑4.85))+(‑0.08571429*(‑2.15))＝‑7.09[0070] 对于第1，2个数据点，对平滑窗口内的缺失值，使用第一个数据点进行填充。即第一个数据点平滑窗口内的数据为：[‑8.7，‑8.7，‑8.7，‑7.2，‑7.9]，第二个数据点平滑窗口内的数据为：[‑8.7，‑8.7，‑7.2，‑7.9，‑7.25]。

[0071] 对于第19，20个数据点，虽然平滑窗口内的第21，22个数据点都处于下个阶段，但仍使用原数据作为平滑窗口内的数据，如第20个数据点的平滑窗口内的数据为[10.8，9.6，12.9，11.45，10]。

[0072] 移动平均平滑算法介绍：将一段区间的等波长间隔的2m+1个点记为X集合，其中中点为a，S‑G滤波平滑就是利用在为Xa‑m，Xa‑(m‑1)，…，Xa，…，Xa+(m‑1)，Xa+m的数据的均值来取代Xa，，然后依次移动，直到把数据遍历完(一般取m＝2，同时保证平滑效果和计算效率)。

[0073] 移动平均算法的前半部分移动的方法与S‑G滤波算法相同，但此算法是取区间内点的平均值，S‑G滤波是取多项式拟合值。对比起来，MA算法的平滑效果更好，但不像S‑G算法那样能保留数据的形状特征，针对于当飞机进入稳定飞行状态后，航向，速度等几乎都不会主动改变，且轨迹点相对分散的情况，适合用MA算法进行平滑操作。

[0074] S5：识别并提取地面阶段中的转弯区间；

[0075] 提取地面阶段的每个轨迹点的航向参数，并计算相邻轨迹点的变化速率，提取变化速率均大于变化速率阈值的时间区间，如果大于阈值，则认为正在转向。

[0076] S6：采用n阶贝塞尔曲线插值对转弯区间进行平滑处理，将直角折线处理为平滑的曲线。

[0077] 贝塞尔曲线的凸包性很适合解决经纬度采集中存在的随机误差问题，且贝塞尔曲线会利用转弯段所有点的信息作为控制点，使得平滑后的轨迹兼具真实感和美感。

[0078] 对于转弯区间，取首尾两个时间点对应的轨迹点P0、Pn为锚点，中间n‑1个轨迹点(P1，P2，…，Pn‑1)为控制点，即所述转弯区间的轨迹点的数量为n+1个，则令：

[0079]

[0080] 在[0,1]范围内等距地取k个值，其中k＞＞n‑1；

[0081] 依次令t等于每个k值代入曲线方程，计算出k个插值点替换掉n‑1个控制点(P1，P2，…，Pn‑1)，B(t)表示由点 构成的贝兹曲
线。

[0082] 为了说明n阶贝塞尔曲线插值的效果，采用如下算例进行证明：

[0083] 原始数据有四个轨迹点(P0，P1，P2，P3)取值为((0,0),(2.236,1),(2.528,2),(0,3))，以P0,P3为锚点，P1,P2为控制点，使用3阶贝塞尔曲线进行插值。3阶贝塞尔曲线方程为：

[0084] B(t)＝P0(1‑t)3+3P1(1‑t)2t+3P2(1‑t)t2+P3t3，t∈[0，1]

[0085] 如图2所示，等距的取t为[0,1]内不同值，计算插值点B(t)，得新的轨迹点：((0.0,0.0),(0.2171,0.1),(0.421,0.2),(0.6116,0.3),(0.7886,0.4),(0.9519,0.5),(1.1013,
0.6),(1.2366,0.7),(1.3575,0.8),(1.4639,0.9),(1.5556,1.0),(1.6323,1.1),(1.694,
1.2),(1.7404,1.3),(1.7713,1.4),(1.7865,1.5),(1.7858,1.6),(1.7691,1.7),
(1.7361,1.8),(1.6866,1.9),(1.6204,2.0),(1.5375,2.1),(1.4374,2.2),(1.3201,
2.3),(1.1854,2.4),(1.0331,2.5),(0.8629,2.6),(0.6747,2.7),(0.4683,2.8),
(0.2434,2.9),(0,3))

[0086] 最后说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本技术方案的宗旨和范围，其均应涵盖在本发明的权利要求范围当中。