摘要：近年来,无线电干扰严重危害民航通信导航设备运行,利用无人机携带测向设备定位干扰源是无线电干扰源监测研究的热点。针对自主开发的无线电干扰源空中监测定位系统只能在地图中显示干扰源二维位置而不能显示三维位置的问题,在GIS软件Google Earth的基础上进行二次开发,设计了一套民航无线电干扰源三维定位系统,将GIS的空间分析能力与民航无线电监测相结合,通过建立监测区域的三维模型,直接显示干扰源三维位置。利用开发的三维定位系统进行了空中无线电监测及交叉定位测试,测试结果验证了定位系统的可行性。

摘要：传统干扰源信号类型识别方法在提取干扰信号的细微特征时,存在干扰信号调制类型分类精度低、识别效果差等缺点。对此,本文提出一种基于深度神经网络的ADS-B干扰信号调制类型识别算法。首先将ADS-B信号和干扰波形进行叠加混合,通过控制矢量信号发生器(VSG)进行仿真信号发射,并在接收端进行采集;接着对接收的基带I、Q数据进行人为添加随机噪声,并据此构造各种信噪比场景下的张量训练样本数据集;最后,利用训练样本数据对本文设计的神经网络进行训练,并在样本数据集上将传统分类算法和本文所提出的神经网络算法两者的识别性能进行对比分析。实验结果表明本文所提的神经网络算法相比于现有的传统识别算法,具有更好的识别性能。

摘要：针对海面搜寻航空器效率低下的问题,为保障搜寻救援效率和相关人员的生命及财产安全,提出了一种基于YOLO架构的卷积神经网络对无人机拍摄的海面图像中的航空器进行识别检测方法,对航空器特殊情况下的最新检测和识别方法的性能进行了测试。在“You Only Look Once”方法的基础上,测试了两个较为常用的一步目标检测神经网络架构YOLO V.3和TINY YOLO V.3。在卷积神经网络体系结构的基础上,构建专门的图像数据库和测试数据库并投入使用。研究表明,该模型能够准确识别海面目标航空器,并具有较高的图像处理速度、识别能力、定位精度和实时处理速度。该方法可以有效实现海面目标航空器的识别,达到搜寻海面航空器的目的。

摘要：研究了两架飞机在飞行过程中之间的侧向航行安全的问题。首先采用EVENT模型建立了飞机侧向碰撞率计算公式,根据航路形式和导航方式提出VOR/DME导航下影响侧向间隔的因素,推导出传统导航下平行航路的侧向重叠率。通过对EVENT模型碰撞率计算公式的改进,使侧向碰撞率的计算更加简便。对京沪平行航路上两架机型运行运用编写的程序进行计算模拟,结果表明:给定的京沪平行航路的侧向碰撞率小于规定值并且机型差异对碰撞率的影响很小,改进的EVENT模型的计算公式和模拟计算程序正确且满足现实要求。

摘要：从航迹规范角度研究了进近过程航空器的尾流间隔安全,并提出了一种新的尾流安全检测算法。首先对依据障碍物评估面-OAS面以及所需性能导航(RNP)所设计的航空器进场初步规划,考虑RNP的容差后进行进一步的航迹规范,接着针对可能发生的尾流间隔不足问题提出一种新的检测算法,最后用软件计算,模拟了航空器进近过程。结果表明:使用该算法检测后尾流间隔不足问题能够及时发现并且与传统碰撞模型的测评方法具有同等效力,证明了算法的正确性和初步的可实现性。