李新勝，李 綱

（1．四川大學(xué)計(jì)算機(jī)學(xué)院視覺合成圖形圖像技術(shù)國(guó)防重點(diǎn)學(xué)科實(shí)驗(yàn)室，四川成都610064；2．川北醫(yī)學(xué)院基礎(chǔ)醫(yī)學(xué)院，四川南充637007）

機(jī)場(chǎng)三維態(tài)勢(shì)呈現(xiàn)中IMMKF平滑ADS-B數(shù)據(jù)

李新勝1，李 綱2

（1．四川大學(xué)計(jì)算機(jī)學(xué)院視覺合成圖形圖像技術(shù)國(guó)防重點(diǎn)學(xué)科實(shí)驗(yàn)室，四川成都610064；2．川北醫(yī)學(xué)院基礎(chǔ)醫(yī)學(xué)院，四川南充637007）

針對(duì)基于廣播式自動(dòng)相關(guān)監(jiān)視（automatic dependent surveillance-broadcast，ADS-B）數(shù)據(jù)進(jìn)行機(jī)場(chǎng)三維態(tài)勢(shì)呈現(xiàn)的應(yīng)用，研究了在態(tài)勢(shì)顯示的第一步，ADS-B數(shù)據(jù)精度不高、不平滑問題，預(yù)處理后數(shù)據(jù)可以用于后續(xù)插值生成高幀率的航跡數(shù)據(jù)。交互式多模型卡爾曼濾波（interacting multiple model Kalman filter，IMMKF）算法可以較好地解決機(jī)場(chǎng)場(chǎng)面運(yùn)動(dòng)目標(biāo)ADS-B軌跡數(shù)據(jù)的實(shí)時(shí)平滑問題。首先，根據(jù)飛機(jī)的真實(shí)運(yùn)動(dòng)情況建立了飛機(jī)的勻加速運(yùn)動(dòng)、勻速轉(zhuǎn)彎運(yùn)動(dòng)及勻速運(yùn)動(dòng)模型，然后利用卡爾曼濾波Singer模型與IMM相結(jié)合的IMMKF算法對(duì)場(chǎng)面飛機(jī)的ADS-B軌跡進(jìn)行了跟蹤濾波，達(dá)到目標(biāo)軌跡光滑的效果。實(shí)驗(yàn)結(jié)果表明，與多種經(jīng)典的濾波方法相比，IMMKF方法在保證了光滑性的情況下跟蹤失敗概率低，可實(shí)時(shí)計(jì)算，精度能滿足要求。

機(jī)場(chǎng)三維態(tài)勢(shì)；廣播式自動(dòng)相關(guān)監(jiān)視；交互式多模型；卡爾曼濾波；軌跡平滑

0 引 言

廣播式自動(dòng)相關(guān)監(jiān)視（automatic dependent surveillance-broadcast，ADS-B）的精度和數(shù)據(jù)更新率比雷達(dá)高，提供的信息更全面，是未來監(jiān)視系統(tǒng)的發(fā)展方向［1-2］。ADS-B數(shù)據(jù)包含飛機(jī)的精確經(jīng)緯度位置，還包含時(shí)戳、地址碼、呼號(hào)、速度、高度等信息。

在部分基于ADS-B數(shù)據(jù)的機(jī)場(chǎng)管理系統(tǒng)中，所有飛機(jī)和機(jī)場(chǎng)內(nèi)的車輛都裝配了ADS-B終端，使它們都具備自主導(dǎo)航監(jiān)視、通信的功能［2］。但現(xiàn)在的場(chǎng)面管制模式顯示手段單一，態(tài)勢(shì)信息不直觀，一般都是管制員在場(chǎng)面活動(dòng)管制系統(tǒng)上看到飛機(jī)或車輛目標(biāo)進(jìn)行管制。目標(biāo)類型不同，在二維平面電子地圖上顯示的標(biāo)牌也不同。

為了避免跑道侵入等危險(xiǎn)事件的發(fā)生，NASA等將地面滑行管制的滑行路線與機(jī)場(chǎng)三維模型融合，合成機(jī)場(chǎng)場(chǎng)面視覺［3-4］。文獻(xiàn)［5- 6］提出了先進(jìn)遠(yuǎn)程塔臺(tái)計(jì)劃，即采集機(jī)場(chǎng)附近空域及其場(chǎng)面的各類目標(biāo)信息，傳輸至虛擬塔臺(tái)管制中心，通過虛擬現(xiàn)實(shí)和視覺合成技術(shù)實(shí)時(shí)展現(xiàn)機(jī)場(chǎng)態(tài)勢(shì)，進(jìn)行監(jiān)管、指揮。

本文基于ADS-B數(shù)據(jù)針對(duì)機(jī)場(chǎng)態(tài)勢(shì)進(jìn)行三維呈現(xiàn)，在態(tài)勢(shì)顯示的第一步，對(duì)ADS-B數(shù)據(jù)精度不高、不平滑、失真較大的特性，如何提高飛機(jī)場(chǎng)面活動(dòng)ADS-B數(shù)據(jù)平滑性進(jìn)行了研究，并用機(jī)場(chǎng)的實(shí)際數(shù)據(jù)進(jìn)行了實(shí)驗(yàn)。

1 IMMKF平滑原理及對(duì)比分析

用ADS-B進(jìn)行三維態(tài)勢(shì)顯示，需處理以下問題：ADS-B是依靠全球衛(wèi)星定位系統(tǒng)確定飛機(jī)的精確位置，這樣當(dāng)飛機(jī)航向是非坐標(biāo)軸方向時(shí)，ADS-B呈一定角度的“之”字形，如圖1所示。如果直接用于插值顯示，飛機(jī)的航向會(huì)難以推算，或計(jì)算出機(jī)頭擺動(dòng)運(yùn)動(dòng)的錯(cuò)誤狀態(tài)，需要采用平滑濾波算法使航跡更加光滑，消除機(jī)頭擺動(dòng)的情況。

圖1 ADS-B航跡呈“之”字形直行和靜止“飄移”

所以，當(dāng)收到大于2個(gè)以上的ADS-B航跡數(shù)據(jù)時(shí)，采用KF Singer模型與交互式多模型（interacting multiple model，IM M）相結(jié)合的交互式多模型卡爾曼濾波（interacting multiple model Kalman filter，IM MKF）算法對(duì)每一架飛機(jī)的ADS-B數(shù)據(jù)進(jìn)行預(yù)處理，使目標(biāo)軌跡平滑。對(duì)預(yù)處理后的數(shù)據(jù)，再插值生成高幀率航跡數(shù)據(jù)，三維顯示效果才與真實(shí)態(tài)勢(shì)基本相符。

對(duì)于機(jī)場(chǎng)態(tài)勢(shì)三維態(tài)勢(shì)呈現(xiàn)問題，飛機(jī)在機(jī)場(chǎng)場(chǎng)面運(yùn)動(dòng)時(shí)，一般有靜止、推出、直線滑行、轉(zhuǎn)彎、跑道加速起飛、跑道降落、機(jī)場(chǎng)可視范圍內(nèi)的加速上升、低速下降這幾種運(yùn)動(dòng)情況。不同機(jī)型的飛機(jī)運(yùn)動(dòng)性能不同，相對(duì)于飛機(jī)在空中的運(yùn)動(dòng)，地面加減速的范圍比較大，所以飛機(jī)在地面的運(yùn)動(dòng)濾波比在空中運(yùn)動(dòng)更為復(fù)雜。

IMM主要解決結(jié)構(gòu)或參數(shù)都發(fā)生變化的估計(jì)問題［7］。IMM中目標(biāo)的狀態(tài)估計(jì)是多個(gè)模型所得估計(jì)的融合，按概率在各模型之間進(jìn)行“切換”來綜合估計(jì)目標(biāo)狀態(tài)［8］。部分學(xué)者研究對(duì)模型、濾波器以及數(shù)據(jù)融合技術(shù)等方面的改進(jìn)［9-12］。有些學(xué)者將IMM應(yīng)用于各個(gè)領(lǐng)域，如

從觀察得知，飛機(jī)在地面運(yùn)動(dòng)的ADS-B數(shù)據(jù)觀測(cè)與目標(biāo)動(dòng)態(tài)參數(shù)間呈現(xiàn)出一種非線性的關(guān)系，用傳統(tǒng)的卡爾曼濾波（Kalman filier，KF）算法不易處理。理論上，在傳統(tǒng)的工程實(shí)現(xiàn)中應(yīng)用擴(kuò)展卡爾曼濾波（extended Kalman filter，EKF）和無跡卡爾曼濾波（unscented Kalman filter，UKF）來實(shí)現(xiàn)對(duì)雷達(dá)目標(biāo)的狀態(tài)跟蹤估計(jì)，雖然理論上認(rèn)為對(duì)非線性運(yùn)動(dòng)情況有更精確的跟蹤性能，但要求量測(cè)噪聲是高斯噪聲。在實(shí)際環(huán)境中，非平穩(wěn)非高斯的量測(cè)噪聲會(huì)嚴(yán)重地衰減KF、EKF或UKF的濾波性能，降低目標(biāo)跟蹤精度［1617］。并且，UKF是依靠UT變換得到一系列協(xié)方差范圍內(nèi)的σ點(diǎn)來估計(jì)狀態(tài)值，隨著時(shí)間的進(jìn)展，協(xié)方差可能不斷地增大，當(dāng)協(xié)方差增大到一定程度，UKF濾波結(jié)果就發(fā)散了，這時(shí)就無法預(yù)測(cè)出真實(shí)的狀態(tài)。

蒙特卡羅方法和貝葉斯理論結(jié)合的粒子濾波器（particle filter，PF）在非高斯非線性系統(tǒng)中被廣泛研究與應(yīng)用，雖然有較高的精度，但是它需要比KF、EKF和UKF高幾十倍的運(yùn)算時(shí)間，很難滿足工程實(shí)時(shí)處理的要求。

針對(duì)這些復(fù)雜的運(yùn)動(dòng)狀態(tài)，用單一的模型無法準(zhǔn)確預(yù)測(cè)目標(biāo)的運(yùn)動(dòng)狀態(tài)，必然會(huì)導(dǎo)致濾波位置不準(zhǔn)確，跟蹤效果差。同時(shí)，三維態(tài)勢(shì)呈現(xiàn)中目標(biāo)位置精度雖然重要，但是更重要的是運(yùn)動(dòng)的光滑性，讓目視效果看起來更真實(shí)，能保持一種運(yùn)動(dòng)的平穩(wěn)狀態(tài)。若采用IMMUKF、IMMPF等非線性濾波方法，因?yàn)閁KF和PF本身就存在濾波后軌跡不夠光滑和發(fā)散跟蹤失敗的情況，所以在此基礎(chǔ)上采用IMM同樣有目標(biāo)軌跡光滑度不夠并發(fā)散的問題，其濾波結(jié)果無法用于三維呈現(xiàn)的插值。

綜合以上的考慮，本文考慮用IMMKF方法對(duì)ADS-B數(shù)據(jù)進(jìn)行預(yù)處理。將IM MKF算法進(jìn)行簡(jiǎn)化，并在IMM的框架下采用Singer模型進(jìn)行卡爾曼濾波，提高ADS-B軌跡的光滑性，并將它用于機(jī)場(chǎng)的三維態(tài)勢(shì)呈現(xiàn)。IMMKF既利用多個(gè)模型考慮了飛機(jī)目標(biāo)運(yùn)動(dòng)的多種運(yùn)動(dòng)方式，又利用線性運(yùn)動(dòng)估計(jì)方法保持了目標(biāo)運(yùn)動(dòng)的光滑性，能夠達(dá)到三維態(tài)勢(shì)呈現(xiàn)的要求。多傳感器融合系統(tǒng)、衛(wèi)星定位目標(biāo)位置濾波以及手機(jī)定位跟蹤等［13-15］。從結(jié)構(gòu)原理上，IMM模型適用于飛機(jī)在地面運(yùn)動(dòng)情況多變的情形，文獻(xiàn)［16］將IMM應(yīng)用到機(jī)場(chǎng)場(chǎng)面監(jiān)視雷達(dá)對(duì)運(yùn)動(dòng)目標(biāo)的跟蹤中，認(rèn)為交互式多模型無跡卡爾曼濾波（IMM unscented Kalman filter，IMMUKF）跟蹤算法在雷達(dá)場(chǎng)面跟蹤方面具有比交互式多模型擴(kuò)展卡爾曼濾波（IMM extended Kalman filter，IMMEKF）更好的效果，但文獻(xiàn)［16］僅做了仿真實(shí)驗(yàn)。

2 IMMKF算法關(guān)鍵步驟

ADS-B是已經(jīng)經(jīng)過濾波處理過的數(shù)據(jù)，位置精度已經(jīng)得以提升，所以預(yù)處理算法目標(biāo)不再追求更高的濾波位置精度，而處理ADS-B數(shù)據(jù)后有更優(yōu)的平滑性。將部分因素簡(jiǎn)化處理，將過程噪聲協(xié)方差Q，量測(cè)噪聲協(xié)方差R均設(shè)為常數(shù)；在進(jìn)行狀態(tài)預(yù)測(cè)時(shí)不再考慮過程噪聲對(duì)預(yù)測(cè)的影響，認(rèn)為狀態(tài)預(yù)測(cè)是一種理想的情況，表示為公式（1）。

這里僅列出單個(gè)模型濾波的預(yù)測(cè)步驟，IMM方法詳見參考文獻(xiàn)［8］，這里不再列出。單模型濾波步驟及符號(hào)表示如下：

步驟1 狀態(tài)預(yù)測(cè)。對(duì)于每個(gè)模型j，分別計(jì)算狀態(tài)值和協(xié)方差矩陣

式中，^Xoj（k－1|k－1）是交互后輸出的狀態(tài)值；Poj（k－1| k－1）是交互后的狀態(tài)協(xié)方差矩陣；Fj是狀態(tài)估計(jì)模型；過程噪聲協(xié)方差Q為常數(shù)矩陣。

步驟2 量測(cè)預(yù)測(cè)殘差vj（k）及新息協(xié)方差陣Sj（k）計(jì)算。對(duì)每個(gè)模型j，分別計(jì)算

式中，每個(gè)模型j采用相同的量測(cè)模型H；zk是k時(shí)刻的量測(cè)值；量測(cè)噪聲協(xié)方差R為常數(shù)矩陣。

因?yàn)轱w機(jī)均在平面上滑行，所以沒有考慮高度的濾波。本文采用的3個(gè)模型中一個(gè)是標(biāo)準(zhǔn)的Singer模型F1，考慮了坐標(biāo)中X和Y兩個(gè)方向上的位置、速度和加速度，一個(gè)順時(shí)針轉(zhuǎn)彎模型F2（ω＞0），另一個(gè)逆時(shí)針轉(zhuǎn)彎模型F3（ω＜0）。本實(shí)驗(yàn)中F2的ω＝0.8，F(xiàn)3的ω＝－0.8，周期T＝0.5 s。

本實(shí)驗(yàn)中初始的模型i轉(zhuǎn)移到模型j的轉(zhuǎn)移概率Πij設(shè)置為

一維的過程噪聲協(xié)方差為

量測(cè)噪聲協(xié)方差為

狀態(tài)誤差協(xié)方差矩陣初始值為

各個(gè)模型的概率初始值為

3 實(shí)驗(yàn)結(jié)果與分析

實(shí)驗(yàn)針對(duì)2011年5月30日成都雙流國(guó)際機(jī)場(chǎng)飛機(jī)近機(jī)場(chǎng)活動(dòng)的ADS-B數(shù)據(jù)進(jìn)行了濾波處理。

3.1 濾波前后軌跡對(duì)比

本文分析了30多架次飛機(jī)機(jī)場(chǎng)場(chǎng)面活動(dòng)濾波結(jié)果，列出了兩個(gè)有代表性的情景，對(duì)比了PF、UKF、KF-Singer、IMMUKF和本文算法IMMKF 5種方法的濾波效果。

3．1．1 情景1

航班ZH9149從第二跑道降落，滑行至停機(jī)位，部分原始航跡位置與濾波結(jié)果如圖2所示。

3．1．2 情景2

航班ZH9188，從停機(jī)位推出后，上滑行道，滑行至第一跑道，起飛后左轉(zhuǎn)爬升，部分原始航跡位置與濾波結(jié)果如圖3和圖4所示。

3.2 實(shí)驗(yàn)結(jié)果分析

3．2．1 光滑性比較分析

從多架次飛機(jī)濾波效果來看，用傳統(tǒng)的KF Singer跟蹤模型算法在目標(biāo)轉(zhuǎn)彎時(shí)濾波軌跡位置誤差大，不光滑，因?yàn)镾inger所采用的狀態(tài)估計(jì)模型只有F1，F(xiàn) 1是典型的直線運(yùn)動(dòng)模型，無法估計(jì)轉(zhuǎn)彎時(shí)目標(biāo)的狀態(tài)，其轉(zhuǎn)彎的位置靠協(xié)方差推算出來，所以用KF-Singer無法解決其光滑性問題。

圖2 5種方法對(duì)ZH9149滑行轉(zhuǎn)彎的濾波結(jié)果

圖3 5種方法對(duì)ZH9188從停止到推出的濾波結(jié)果

UKF實(shí)驗(yàn)表明，在某些轉(zhuǎn)彎位置和少數(shù)的直線行駛位置航跡偏離原始航跡過多，不準(zhǔn)確，原因是誤差累積造成結(jié)果發(fā)散。同時(shí)，UKF也是采用單模型進(jìn)行狀態(tài)預(yù)測(cè)的，對(duì)于機(jī)動(dòng)變化大的目標(biāo)，濾波精度會(huì)大大降低。

從PF方法的實(shí)驗(yàn)結(jié)果看，雖然PF軌跡與原始軌跡比較接近，但是其光滑性太差，還不及原始數(shù)據(jù)。

IM MUKF存在與UKF同樣的問題，誤差累積到一定程度后，濾波值會(huì)發(fā)散，并且也存在目標(biāo)軌跡光滑度不夠的問題，其濾波結(jié)果無法用于三維呈現(xiàn)的插值。

從濾波前后的軌跡對(duì)比來看，IMMKF方法既能處理目標(biāo)機(jī)動(dòng)方式多、變化大的情況，又通過簡(jiǎn)化噪聲項(xiàng)的狀態(tài)預(yù)測(cè)提高光滑性。主要原因是采用了多個(gè)模型進(jìn)行濾波，飛機(jī)在地面上運(yùn)動(dòng)主要就是勻加速模型和順／逆時(shí)針勻速模型，每個(gè)模型采用KF濾波恰恰又沒有誤差累積發(fā)散的缺點(diǎn)，所以再將3個(gè)模型的濾波結(jié)果進(jìn)行加權(quán)組合能取得較好的效果。

圖4 5種方法對(duì)ZH9188滑行轉(zhuǎn)彎的濾波結(jié)果

3．2．2 誤差及效率比較分析

由于實(shí)驗(yàn)數(shù)據(jù)來自于實(shí)際的空中交通管制數(shù)據(jù)，沒有類似于仿真實(shí)驗(yàn)中的真實(shí)值，所以無法估計(jì)濾波結(jié)果與真實(shí)值之間的均方根誤差（root mean square error，RMSE）。ADS-B數(shù)據(jù)在得到之前已經(jīng)是經(jīng)過其他系統(tǒng)濾波處理后的結(jié)果，它的精度在20 m以內(nèi)。對(duì)于三維態(tài)勢(shì)呈現(xiàn)問題，運(yùn)動(dòng)的光滑性讓目視效果看起來更真實(shí)，能保持一種運(yùn)動(dòng)的平穩(wěn)狀態(tài)。所以這里最實(shí)際的優(yōu)劣權(quán)衡標(biāo)準(zhǔn)是人工觀察對(duì)比濾波結(jié)果與觀測(cè)數(shù)據(jù)的光滑接近程度、計(jì)算時(shí)間（見表1）、濾波結(jié)果與觀測(cè)數(shù)據(jù)之間距離的RMSE（見表2）。

表1 不同方法的運(yùn)行時(shí)間比較s

表2 不同方法的RMSE m

實(shí)驗(yàn)所用主機(jī)配置為i5－2320 2．69G，4 GB內(nèi)存，編程環(huán)境是Matlab 2010b。情景1有4 577個(gè)航跡點(diǎn)，情景2處理2 815個(gè)航跡點(diǎn)。

PF算法所需運(yùn)算時(shí)間比KF、EKF和UKF高幾十倍，無法滿足工程實(shí)時(shí)處理的要求，并且目標(biāo)運(yùn)動(dòng)的光滑性也不能保證。其他4種方法耗時(shí)在PF方法的1／10以下，可以應(yīng)用于實(shí)時(shí)計(jì)算，IMMKF時(shí)間上僅多于KF-Singer方法，效率已經(jīng)足夠高。

從實(shí)驗(yàn)濾波后的軌跡與觀測(cè)數(shù)據(jù)的RMSE來看，幾種方法都在2．5 m以下，并且大部分都在1 m以下，均有較好的精度，都可以滿足濾波精度要求。IMMKF的RMSE精度僅低于KF-Singer。

相對(duì)于其他幾種方法，本文所采用的IMMKF方法在保證了光滑性的情況下跟蹤失敗概率低，可實(shí)時(shí)計(jì)算，精度能滿足要求。

4 結(jié) 論

機(jī)場(chǎng)三維態(tài)勢(shì)呈現(xiàn)的ADS-B數(shù)據(jù)精度不高、不平滑問題是三維態(tài)勢(shì)顯示第一步必須要處理的問題。用傳統(tǒng)的方法PF、UKF、KF-Singer、IMMUKF或軌跡不夠光滑，或發(fā)散跟蹤失敗，或無法滿足實(shí)時(shí)性。本文以ADS-B數(shù)據(jù)進(jìn)行三維態(tài)勢(shì)呈現(xiàn)的數(shù)據(jù)預(yù)處理問題為研究?jī)?nèi)容，將IMM模型與KF-Singer模型相結(jié)合，用3個(gè)模型（標(biāo)準(zhǔn)的Singer模型F1，順時(shí)針轉(zhuǎn)彎模型F 2逆時(shí)針轉(zhuǎn)彎模型F3）在Markov鏈下進(jìn)行模型概率切換，可以更好地估計(jì)飛機(jī)在地面的運(yùn)動(dòng)狀態(tài)。綜合平滑性，可以得到精度和效率比PF、UKF、KFSinger、IMMUKF更優(yōu)的飛機(jī)軌跡，實(shí)驗(yàn)結(jié)果表明該方法可較好地顯示機(jī)場(chǎng)的三維態(tài)勢(shì)。

野值是影響3D態(tài)勢(shì)顯示的重要因素，如何在統(tǒng)一的框架下剔除野值，是下一步需研究的內(nèi)容。由于篇幅有限，三維態(tài)勢(shì)顯示的其他方法，如插值計(jì)算和仿真計(jì)算高幀率航跡的方法將另撰文描述。

［1］Gu C P．Introduction of new ATC surveillance techniques［J］．Modern Radar，2010，32（9）：1- 5．（顧春平．空中交通管制監(jiān)視新技術(shù)簡(jiǎn)介［J］．現(xiàn)代雷達(dá)，2010，32（9）：1- 5．）

［2］Doc．9830-AN／452．Advanced surface movement guidance and control systems（A-SMGCS）manual［S］．Montreal：International Civil Aviation Organization，2004．

［3］Sachs G，M?ller H，Dobler K，et al．Synthetic vision and precision navigation for aircraft taxi guidance in low visibility［C］∥Proc.of the International Conference on Navigation and Control，1994：1202- 1211.

［4］Koeners J，Kerstens K．Pictorial representation of ATC instructions for airport surface operations：design and evaluation［C］∥Proc. of the 20th Conference on Digital Avionics Systems，2001：1- 10.

［5］Schmidt M，Rudolph M，Papenfuss A，et al．Remote airport traffic control center with augmented vision video panorama［C］∥Proc.of the 28th Digital Avionics Systems Conference，2009：1- 15.

［6］Fürstenau N，Schmidt M，Rudolph M，et al．Augmented vision video panorama system for remote airport tower operation［C］∥Proc.of the 26th Congress of International Council of the Aeronautical Sciences，2008，6：569- 578.

［7］Blom H A P，Bar-Shalom Y．The interacting multiple model algorithm for systems with Markovian switching coefficients［J］．IEEE Trans.on Automatic Control，1988，33（8）：780- 783.

［8］Mazor E，Averbuch A，Bar-Shalom Y，et al．Interacting multiple model methods in target tracking：a survey［J］．IEEE Trans. on Aerospace and Electronic Systems，1998，34（1）：103- 123.

［9］Daeipour E，Bar-Shalom Y．IMM tracking of maneuvering targets in the presence of glint［J］．IEEE Trans.on Aerospace and Electronic Systems，1998，34（3）：996- 1003.

［10］Li X R，Bar-Shalom Y．Performance prediction of the interacting multiple model algorithm［J］．IEEE Trans.on Aerospace and Electronic Systems，1993，29（3）：755- 771.

［11］Lan J，Li X R，Jilkov V P，et al．Second-order Markov chain based multiple-model algorithm for maneuvering target tracking［J］．IEEE Trans.on Aerospace and Electronic Systems，2013，49（1）：3- 19.

［12］Li W，Jia Y．Consensus-based distributed multiple model UKF for jump Markov nonlinear systems［J］．IEEE Trans.on Automatic Control，2012，57（1）：227- 233.

［13］Zhang G Y，Wang F J，Wei Z S．Interacting multiple model algorithm used in multi-sensor fusion system［C］∥Proc.of the 8th International Conference on Electronic Measurement and Instruments，2007：135- 139.

［14］Lopez R，Malarde JP，Royer F，et al．Improving argos Doppler location using multiple-model Kalman filtering［J］．IEEE Trans.on Geoscience and Remote Sensing，2013，52（8）：4744- 4755.

［15］Li W，Jia Y．Location of mobile station with maneuvers using an IMM-based cubature Kalman filter［J］．IEEE Trans.on Industrial Electronics，2012，59（11）：4338- 4348.

［16］Gong S L，Wang B F，Wu H L，et al．Tracking of moving targets on airport surface based on IMM algorithm［J］．Systems Engineering and Electronics，2011，33（10）：2322- 2326.（宮淑麗，王幫峰，吳紅蘭，等．基于IMM算法的機(jī)場(chǎng)場(chǎng)面運(yùn)動(dòng)目標(biāo)跟蹤［J］．系統(tǒng)工程與電子技術(shù)，2011，33（10）：2322- 2326．）

［17］Lv X B，Zhou Q B，Chen Z M，et al．Unscented particle filter and its application to radar target tracking［J］．Journal of System Simulation，2007，19（9）：2097- 2100．（呂學(xué)斌，周群彪，陳正茂，等．一種改進(jìn)粒子濾波器在雷達(dá)目標(biāo)跟蹤中的應(yīng)用［J］．系統(tǒng)仿真學(xué)報(bào)，2007，19（9）：2097- 2100．）

Smooth ADS-B data by IMMKF for 3D display of airport situation

LI Xin-sheng1，LI Gang2
（1.Key Laboratory of Fundamental Science on Synthetic Vision，College of Computer Science，Sichuan University，
Chengdu 610064，China；2.School of Basic Medical Science，North Sichuan Medical College，Nanchong 637007，China）

In order to realize the 3D situation display of airport based on the automatic dependent surveillance-broadcast（ADS-B）data，its smoothing method is developed in the first step of airport 3D display．The ADS-B data must be pretreated because it is unsmooth with low accuracy for 3D display of the moving aircraft on airport surface．After smooth pretreatment，ADS-B data can be interpolated to high-frequency track data which is used for 3D display．So the interacting multiple model Kalman filter（IMMKF）algorithm is used to smooth the track．First，according to the actual movement of aircraft，three motion models with respect to constant acceleration，constant turn and constant velocity are constructed separately．Second，the IMMKF algorithm which combines IMM and Kalman Singer filter is used to track and smooth ADS-B data．Compared with other several classical filters，the experiment results indicate that this method achieves the lower failure probability of tracking with enough smoothness，realtime calculation and high accuracy．

3D situation of airport；automatic dependent surveillance-broadcast（ADS-B）；interacting multiple model（IMM）；Kalman filter；track smoother

TP 391

A

10．3969／j．issn．1001-506X．2015．01．33

李新勝（1977-），男，助理研究員，博士，主要研究方向?yàn)閳D像處理、虛實(shí)融合。

E-mail：lixinsheng＠scu．edu．cn

李 綱（1978-），男，講師，博士，主要研究方向?yàn)橛?jì)算機(jī)圖形學(xué)。

E-mail：lswmailcd＠gmail．com

1001-506X（2015）01-0206-06

網(wǎng)址：www．sys-ele．com

2013- 12- 25；

2014- 07- 05；網(wǎng)絡(luò)優(yōu)先出版日期：2014- 09- 24。

網(wǎng)絡(luò)優(yōu)先出版地址：http：／／w ww．cnki．net／kcms／detail／11．2422．TN．20140924．1118．005．html

國(guó)家高技術(shù)研究發(fā)展計(jì)劃（863計(jì)劃）（2013AA013802）；川北醫(yī)學(xué)院科研發(fā)展計(jì)劃（CBY12-A-ZP10）資助課題