Метод стробирования данных АЗН-В и его вероятностные модели

В статье разработан метод стробирования, который позволяет оценить достоверность данных АЗН-В без необходимости проверки с помощью вторичного радиолокатора или многопозиционной системы наблюдения. Предложены вероятностные модели метода стробирования данных АЗН-В, а также алгоритм применения данных моделей. Проанализированы типовые ситуации, возникающие при определении местоположения воздушного судна с помощью систем АЗН-В, определяемые пороговыми значениями погрешностей навигации и пилотирования. Первая типовая ситуация предполагает невыход погрешностей пилотирования и навигации за пределы допуска, что позволяет сделать вывод о подтверждении достоверности данных АЗН-В. Вторая типовая ситуация предполагает выход погрешности пилотирования за пределы допуска при допустимой погрешности навигации, при этом диспетчер получает сообщение о корректной работе АЗН-В и о необходимости выдачи команды пилоту на корректировку полета. Третья типовая ситуация предполагает выход погрешности навигации за пределы допуска при допустимой или недопустимой погрешности пилотирования; в этом случае диспетчер получает сообщение о том, что достоверность данных АЗН-В не подтверждается и применять эти системы нельзя. Выполнено моделирование этих типовых ситуаций, при этом для реализации метода стробирования данных АЗН-В применялись распределения Рэлея и Райса. Результаты моделирования позволяют оценить требуемое количество накопленных данных АЗН-В для проведения достоверной оценки. Так, было установлено, что при выполнении оценки с применением распределения Рэлея достаточно накопления 15–20 измерений, что при передаче двух сообщений в секунду и при условии штатной работы оборудования АЗН-В потребует 8–10 с. При выполнении оценки с применением распределения Райса достаточно накопления 25–30 измерений, что потребует 13–20 с. Разработанный метод позволит применять системы АЗН-В на региональных аэродромах с низкой интенсивностью полетов как основное или единственное средство наблюдения. 

1. Kožović D.V. Air traffic modernization and control: ADS-B system implementation update 2022: a review / D.V. Kožović, D.Ž. Đurđević, M.R. Dinulović, S. Milić, B.P. Rašuo // FME Transactions. 2023. Vol. 51, no. 1. Pp. 117–130. DOI: 10.5937/fme2301117K

2. Rozel M. Construction of a radar crosssection database using ADS-B data from the OpenSky network / M. Rozel, N. Gonçalves, A. Reygrobellet, P. Bruneel // Engineering Proceedings. The Netherlands, Delft, 10–11 November 2022. Vol. 28 (1), no. 4. Pp. 1–10. DOI: 10.3390/engproc2022028004

3. Mba Andeme J.M.N., Liu Q., Hadi A. FAA Transition away from radar and towards ADS-B aircraft communication-based on accuracy // Data Mining and Big Data. DMBD 2021. Communications in Computer and Information Science. 2021. Vol. 1454. Pp. 358–374. DOI: 10.1007/978-981-16-7502-7_35

4. Kalintsev A., Rubtsov E., Povarenkin N. Application of ADS-B for providing surveillance at civil aviation regional aerodromes // Proceedings of 10th International Conference on Recent Advances in Civil Aviation. Lecture Notes in Mechanical Engineering, in O.A. Gorbachev, X. Gao, B. Li (eds). Springer, Singapore, 2023. Pp. 371–382. DOI: 10.1007/978981-19-3788-0_33

5. Левин Д.В., Паршуткин А.В., Тимошенко А.В. Достоверность селекции целей в сети разнесенных радиолокационных станций при совместной обработке радиолокационной информации в условиях ретранслированных помех // Информационно-управляющие системы. 2022. № 3 (118). С. 55–66. DOI: 10.31799/1684-8853-2022-3-55-66

6. Zhou H. Feature fusion based on Bayesian decision theory for radar deception jamming recognition / H. Zhou, C. Dong, R. Wu, X. Xu, Z. Guo [Электронный ресурс] // IEEE Access. 2021. No. 9. Pp. 16296–16304. DOI: 10.1109/ACCESS.2021.3052506 (дата обращения: 08.12.2022).

7. Ахмедов Р.М., Бибутов А.А., Васильев А.В. и др. Автоматизированные системы управления воздушным движением: новые информационные технологии в авиации: учеб. пособие. СПб.: Политехника, 2004. 446 с.

8. Богатюк А.С., Витушкин В.В., Затучный Д.А. Алгоритмы выявления различных навигационных погрешностей во время полета воздушного судна на основе комплексного использования информации // Труды Международного симпозиума «Надежность и качество». 2018. Т. 1. С. 287–290.

9. Калинцев А.С., Рубцов Е.А., Плясовских А.П. Подтверждение данных АЗН-В в аэродромной зоне методом стробирования // T-Comm: Телекоммуникации и транспорт. 2021. Т. 15, № 7. С. 39–49. DOI: 10.36724/2072-8735-2021-15-7-39-49

10. Вентцель Е.С., Овчаров Л.А. Теория вероятностей и ее инженерные приложения. 2-е изд., стер. М.: Высшая школа, 2000. 480 с.

11. Шерстнева А.А. Оценка параметров одномерного и двумерного распределения случайных величин // Вестник Новгородского государственного университета им. Ярослава Мудрого. 2020. № 5 (121). С. 63–67. DOI: 10.34680/2076-8052.2020.5(121).63-67

12. Облакова Т.В. Математические и инженерные примеры законов распределений случайных величин в ЦОС Nomotex / Т.В. Облакова, К.М. Зубарев, А.А. Сальникова, Д.С. Шинаков [Электронный ресурс] // Дневник науки. 2022. № 12 (72). ID: 58. DOI: 10.51691/2541-8327_2022_12_29 (дата обращения: 08.12.2022).

13. Перов А.И. Статистическая теория радиотехнических систем: учеб. пособие для вузов. М.: Радиотехника, 2003. 400 с.

14. Пицык В.В., Суховерхова Л.В., Дмитриев С.А. Модель оценки точности управления робототехническим комплексом с использованием усеченного справа распределения Рэлея // Пожары и чрезвычайные ситуации: предотвращение, ликвидация. 2020. № 1. С. 54–59. DOI: 10.25257/FE.2020.1.54-59

15. Пахотин В.А. Раздельное обнаружение сигналов в радиолокации / В.А. Пахотин, К.В. Власова, М.В. Богач, В. Бессонов // Цифровая обработка сигналов и ее применение (DSPA-2022): сборник трудов 24-й Международной конференции. Москва, 30 марта – 01 апреля 2022 г. М.: РНТОРЭС им. А.С. Попова, 2022. Т. XXIV. С. 192–196.

16. Яковлева Т.В. Свойство устойчивости статистического распределения Райса: теория и применение в задачах измерения фазового сдвига сигналов // Компьютерные исследования и моделирование. 2020. Т. 12, № 3. С. 475–485. DOI: 10.20537/2076-76332020-12-3-475-485

17. Das D., Subadar R. Performance analysis of QAM for L-MRC receiver with estimation error over independent Hoyt fading channels // AEU-International Journal of Electronics and Communications. 2019. Vol. 107. Pp. 15–20. DOI: 10.1016/j.aeue.2019.05.005

18. Jia H. Ergodic capacity analysis for FSO communications with UAV-equipped IRS in the presence of pointing error / H. Jia, J. Zhong, M.N. Janardhanan, G. Chen // 2020 IEEE 20th International Conference on Communication Technology (ICCT), 2020. Pp. 949–954. DOI: 10.1109/ICCT50939.2020.9295740

19. Simon M.K., Alouini M.-S. Digital communication over fading channels. A unified approach to performance analysis. John Wiley & Sons, 2000. 546 p.

20. Beckmann P. Statistical distribution of the amplitude and phase of multiply scattered field // Journal of Research of the National Bureau of Standards. 1972. Vol. 66D, no. 3. Pp. 231–240.

21. Al-Hmood H., Al-Raweshidy H. Performance analysis of physical-layer security over fluctuating Beckmann fading channels [Электронный ресурс] // IEEE Access. 2019. Vol. 7. Pp. 119541–119556. DOI: 10.1109/ACCESS.2019.2937631 (дата обращения: 08.12.2022).

22. Sawicki D. Microfacet distribution function: To change or not to change, that is the question // Proceedings of the16th International Conference on Computer Graphics Theory and Applications (VISIGRAPP 2021), 2021. Vol. 1. Pp. 209–220. DOI: 10.5220/0010252702090220

23. Shawkat S.B. Fundamental capacity analysis for identically independently distributed Nakagami-Q Fading / S.B. Shawkat, Md. MazidUl-Haque, Md. Sohidul, B. Sarker // International Journal of Advanced Computer Science and Applications. 2020. Vol. 11, no. 9. Pp. 659–663. DOI: 10.14569/ijacsa.2020.0110978

24. Md. Mazid-Ul-Haque, Md. Islam S. Data rate limit in low and high SNR regime for Nakagami-Q Fading Wireless Channel // International Journal of Advanced Computer Science and Applications. 2020. Vol. 11, no. 7. Pp.636–641. DOI: 10.14569/IJACSA.2020.0110776