CN118038715A - 一种基于振动传感器的飞行器监测方法及装置 - Google Patents
一种基于振动传感器的飞行器监测方法及装置 Download PDFInfo
- Publication number
- CN118038715A CN118038715A CN202410170006.7A CN202410170006A CN118038715A CN 118038715 A CN118038715 A CN 118038715A CN 202410170006 A CN202410170006 A CN 202410170006A CN 118038715 A CN118038715 A CN 118038715A
- Authority
- CN
- China
- Prior art keywords
- aircraft
- signal
- vibration sensor
- frequency
- vibration
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G5/00—Traffic control systems for aircraft
- G08G5/70—Arrangements for monitoring traffic-related situations or conditions
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于振动传感器的飞行器监测方法及装置,所述方法通过将振动传感器接收到的振动信号从时域转换到频域,选择振幅峰值对应的频率进行采样获取采样数据,再选取匹配飞行器信号特征的采样数据获取所述振动信号的时间‑频率参数,通过所述时间‑频率参数获得飞行器的中心频率、飞行速率和飞行轨迹相对所述振动传感器的最短距离,以监测所述飞行器的状态。本发明通过确定对应空中交通事件的飞行器信号特征,从振动传感器接收到的振动信号中筛选匹配对应的信号数据,从而准确地监测和量化飞行器的中心频率、飞行速率和飞行轨迹相对所述振动传感器的最短距离,从而实现对飞行器的飞行状态的实时监测。
Description
技术领域
本发明涉及飞行器飞行状态监测技术领域,尤其涉及一种基于振动传感器的飞行器监测方法及装置。
背景技术
现有技术中,一般通过雷达监测或者“自动相关监视-广播(ADS-B)”的方式监测飞行器的飞行状态如飞行轨迹、飞行速率和相对于地面具体地点的距离等等。但是雷达监测法对于低空飞行的飞机,以及隐身飞机等可能存在监测盲区;而ADS-B飞行跟踪系统的原理基于飞机主动以特定频段持续对外广播其身份、高度、速度、坐标等飞信参数,本质上是一种被动监测。如果要针对飞行器进行主动监测,则雷达检测法和ADS-B飞行跟踪系统的放置地点都会受限,且无法监测低空飞行或隐身飞行的飞行器,导致应用场景狭窄。
在地震学领域,在全球广泛设置有地震仪等振动传感器,通过地震仪观测台阵中的振动传感器可以记录到各种地面运动信号,包括地震事件、风和植被建筑等的相互作用、道路轨道交通、以及空气和地表耦合产生的信号。然而,在传统的地震研究中,往往忽略了空中交通事件对地震波形的影响,也没有针对空中交通事件与振动波信号的关系的研究,导致振动传感器无法很好地应用于飞行器的监测领域。
因此,现有技术还有待于改进和发展。
发明内容
鉴于上述现有技术的不足,本发明的目的在于提供一种基于振动传感器的飞行器监测方法,以解决现有技术中振动传感器无法应用于飞行器监测领域,导致对于飞行器的监测受到场景限制的问题。
本发明的技术方案如下:
本发明第一方面公开了一种基于振动传感器的飞行器监测方法,其中,所述方法包括:
获取第一振动传感器接收到的第一振动信号;
将所述第一振动信号从时域转换为频域,选择振幅峰值对应的频率进行采样,获取第一采样数据;
选取匹配飞行器信号特征的所述第一采样数据,获取对应所述第一采样数据的第一时间-频率参数,其中所述飞行器信号特征包括按时序相连的第一信号、第二信号和第三信号,所述第一信号对应的第一频率大于所述第三信号对应的第三频率,所述第二信号对应的第二频率逐渐减少以平滑连接所述第一信号和所述第二信号,且所述飞行器信号特征的长度大于100秒;
根据所述第一时间-频率参数,获得飞行器的中心频率、飞行速率和飞行轨迹相对所述第一振动传感器的最短距离,以监测所述飞行器的状态。
在一种实施方式中,所述根据所述第一时间-频率参数,获得飞行器的中心频率、飞行速率和飞行轨迹相对所述第一振动传感器的最短距离,以监测所述飞行器的状态,包括:
针对所述飞行器的所述中心频率、所述飞行速率、所述飞行轨迹相对所述第一振动传感器的最短距离和所述飞行器发出所述第一振动信号的时间,确定飞行器状态模型;
根据多普勒效应原理,确定所述第一振动传感器对于所述第一振动信号的接收频率与观测频率的关系;
基于所述接收频率与所述观测频率的关系,根据所述第一时间-频率参数,迭代所述飞行器状态模型,获得所述飞行器的所述中心频率、所述飞行速率和所述飞行轨迹相对所述第一振动传感器的最短距离,以监测所述飞行器的状态。
在一种实施方式中,所述方法还包括:
获取第二振动传感器接收到的第二振动信号;
根据所述第二振动信号获取第二采样数据,选取匹配飞行器信号特征的所述第二采样数据,获取对应所述第二采样数据的第二时间-频率参数;
基于所述第一时间-频率参数、所述第二时间-频率参数以及所述第一振动传感器与所述第二振动传感器的位置关系,获取所述飞行器的飞行轨迹方向。
在一种实施方式中,所述基于所述第一时间-频率参数、所述第二时间-频率参数以及所述第一振动传感器与所述第二振动传感器的位置关系,获取所述飞行器的飞行轨迹方向,包括:
基于所述第一时间-频率参数和所述第二时间-频率参数,获取所述第一振动传感器和所述第二振动传感器接收同一振动信号的时间差;
根据所述时间差、所述飞行速率以及所述第一振动传感器与所述第二振动传感器的位置关系,获取所述飞行器的所述飞行轨迹方向。
在一种实施方式中,所述方法还包括:
获取第三振动传感器接收到的第三振动信号;
根据所述第三振动信号获取第三采样数据,选取匹配飞行器信号特征的所述第三采样数据,获取对应所述第三采样数据的第三时间-频率参数;
基于所述第二时间-频率参数,获取飞行轨迹相对所述第二振动传感器的最短距离,基于所述第三时间-频率参数,获取飞行轨迹相对所述第三振动传感器的最短距离;
根据所述飞行轨迹相对所述第一振动传感器的最短距离、所述飞行轨迹相对所述第二振动传感器的最短距离、所述飞行轨迹相对所述第三振动传感器的最短距离以及所述飞行轨迹方向,获取所述飞行器的飞行高度。
在一种实施方式中,所述第一振动传感器、所述第二振动传感器和所述第三振动传感器均为多个子传感器组成的传感器阵列,且所述传感器阵列中相邻所述子传感器之间的间距小于所述第一振动信号、所述第二振动信号和所述第三振动信号的波长。
在一种实施方式中,所述方法还包括:
平移叠加所述传感器阵列接收到的多个振动信号,获取叠加后最强的波列信号对应的时间差;
基于所述时间差和所述传感器阵列中相邻所述子传感器之间的间距,获取所述飞行器的方位角和仰角。
在一种实施方式中,所述方法还包括:
在时间-频率图上拟合所述第一采样数据,获取拟合图像中符合所述飞行器信号特征的特征数量;
当所述特征数量为0时,判定无飞行器飞过;
当所述特征数量为1时,判定所述飞行器为飞机;
当所述特征数量大于1时,判定所述飞行器为直升机。
本发明第二方面提供了一种基于振动传感器的飞行器监测装置,其中,包括:
信号获取模块,用于获取第一振动传感器接收到的第一振动信号;
信号采样模块,用于将所述第一振动信号从时域转换为频域,选择振幅峰值对应的频率进行采样,获取第一采样数据;
信号处理模块,用于选取匹配飞行器信号特征的所述第一采样数据,获取对应所述第一采样数据的第一时间-频率参数,其中所述飞行器信号特征包括按时序相连的第一信号、第二信号和第三信号,所述第一信号对应的第一频率大于所述第三信号对应的第三频率,所述第二信号对应的第二频率逐渐减少以平滑连接所述第一信号和所述第二信号,且所述飞行器信号特征的长度大于100秒;
飞行器状态监测模块,用于根据所述第一时间-频率参数,获得飞行器的中心频率、飞行速率和飞行轨迹相对所述第一振动传感器的最短距离,以监测所述飞行器的状态。
本发明第三方面还提供了一种智能终端,其中,所述智能终端包括存储器和一个以上的处理器;所述存储器存储有一个以上的程序;所述处理器运行所述程序时,执行如上任一所述的基于振动传感器的飞行器监测方法。
综上所述,本发明公开了一种基于振动传感器的飞行器监测方法及装置,所述方法通过将振动传感器接收到的振动信号从时域转换到频域,选择振幅峰值对应的频率进行采样获取采样数据,再选取匹配飞行器信号特征的采样数据获取所述振动信号的时间-频率参数,通过所述时间-频率参数获得飞行器的中心频率、飞行速率和飞行轨迹相对所述振动传感器的最短距离,以监测所述飞行器的状态。本发明通过确定对应空中交通事件的飞行器信号特征,从振动传感器接收到的振动信号中筛选匹配对应的信号数据,从而准确地监测和量化飞行器的中心频率、飞行速率和飞行轨迹相对所述振动传感器的最短距离,从而实现对飞行器的飞行状态的实时监测。
附图说明
图1为本发明所述基于振动传感器的飞行器监测方法流程图。
图2为本发明所述基于振动传感器的飞行器监测方法的一种实施方式中,使用一台振动传感器监测飞行器飞行状态的示意图。
图3为本发明所述基于振动传感器的飞行器监测方法的一种实施方式中,使用两台振动传感器监测飞行器飞行状态的示意图。
图4为本发明所述基于振动传感器的飞行器监测方法的一种实施方式中,使用传感器密集阵列监测飞行器飞行状态的示意图。
图5为本发明所述基于振动传感器的飞行器监测方法中接收到的振动信号振幅-时间图。
图6为本发明所述基于振动传感器的飞行器监测方法中接收到的振动信号的频率-时间图。
图7为本发明所述基于振动传感器的飞行器监测方法中监测到航运客机和直升飞机的频率-时间图的对比示意图。
图8为本发明所述基于振动传感器的飞行器监测方法接收并采样振动信号后的拟合模拟示意图。
具体实施方式
本发明提供一种基于振动传感器的飞行器监测方法及装置,为使本发明的目的、技术方案及效果更加清楚、明确,以下对本发明进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
需要说明的是,除非文中对于冠词有特别限定,否则“一”与“所述”可泛指单一个或复数个。若本发明实施例中有涉及“第一”、“第二”等的描述,则该“第一”、“第二”等的描述仅用于描述目的,而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外,各个实施例之间的技术方案可以相互结合,但是必须是以本领域普通技术人员能够实现为基础,当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在,也不在本发明要求的保护范围之内。
全球广泛分布有地震仪,以监测地震波,提供地震预警。地震仪接收到的观测数据基本都是公开的,但是现有技术中并没有开发出针对此观测数据在预测地震以外的应用,导致上述公开数据处于未充分利用的状态下,造成资源浪费。本发明提供一种基于振动传感器的飞行器监测方法及装置,通过振动传感器,尤其是地震仪传感器接收振动信号,再确定对应空中交通事件的飞行器信号特征,从振动传感器接收到的振动信号中筛选匹配对应的信号数据,从而准确地监测和量化飞行器的中心频率、飞行速率和飞行轨迹相对所述振动传感器的最短距离,从而实现对飞行器的飞行状态的实时监测。这样一来结合地震领域的信号分析技术与空中交通领域的飞行器飞行状态监测技术,有效拓展了应用场景,有利于市场推广。
具体地,本发明所述基于振动传感器的飞行器监测方法中,数据来源于公开的全球地震仪观测数据,或通过在计划监测区域设置观测台站,在观测台站中设置振动传感器以记录连续的振动信号,例如连续地震波形。这样记录到的波形数据不仅包含天然地震的信号,也包括各种人类活动产生的振动信号,例如空中交通事件的振动信号等,这些信号共同耦合形成观测台网记录到的连续波形数据。通过设置不同的观测台站,可以实现对于飞行器飞行状态不同参数的监测,如图2所示为设置一个观测台站的单台法示意图,以监测飞行器的飞行速率、飞行器中心频率以及飞行器的飞行轨迹距离振动传感器的最短距离,其中飞行器中心频率一般由飞行器发动机工作产生,一架飞机对应一个中心频率,而对于直升飞机则存在对应发动机和螺旋桨的多个中心频率;如图3所示为设置两个观测台站的双台法示意图,以监测飞行器的飞行轨迹方向;如图4所示为设置多个子传感器的密集阵列法示意图,通过观测组网并进行波形聚束分析,可以监测飞行器的方位角和仰角,确定飞行器的具体位置。可选地,本发明所述基于振动传感器的飞行器监测方法中,可以使用地震仪振动传感器,也可以使用声音振动传感器或分布式光纤振动传感器等,利用现有的振动传感器资源实现对空中交通事件的监测,从而实现对飞行器飞行状态的实时、准确监测。
利用振动传感器获得振动信号后,如图5和图6所示,观测到的原始波形数据为振幅与时间的关系,经过傅里叶变换从时域转换到频域后,进行即时的时间-频率分析,以实时监测和分析飞机、直升机等空中交通事件。将波形数据从时域转换到频域,并选择振幅峰值对应的频率进行采样获取采样数据,如果接收到的振动信号中存在对应空中交通事件(即飞行器飞行行为)的信号,则在频率-时间图上对采样数据拟合后可以清晰地得到对应空中飞行事件的飞行器信号特征,如图6和图8所示,飞行器信号特征在频率-时间图上起点是一段相对平坦的高频信号,然后频率平缓下降,最后以一段相对平坦的低频信号结束,整个过程持续上百秒。通过飞行器信号特征即可迅速筛选得到匹配飞行器飞行状态的振动信号相关参数,从而可以确定所述飞行器的飞行状态,实现对飞行器飞行状态的实时、准确监测。
进一步地,利用所述飞行器信号特征可以确定飞行器的种类,如图7所示,图7的(a)中对应飞机如航运客机的飞行器信号特征为单一的一条,而图7的(b)中对应直升飞机的飞行器信号特征为多条相对平行的飞行器信号特征。这是由于航运客机在飞行状态中,中心频率仅为发动机,因此只有一条飞行器信号特征;而直升飞机的振动源更加复杂,往往包括对应发动机和螺旋桨的飞行器信号特征,这些信号的特性相近,只因为频率源的差异在频率的大小上有区别,从而形成了多条相对平行的飞行器信号特征。这样通过所述飞行器信号特征即可分辨飞行器的种类,完成对飞行器的快速分类。
进一步地,筛选获取与飞行器的飞行器信号特征匹配的采样数据后,获取对应所述采样数据的时间-频率参数,利用多普勒效应的原理建立参数方程,对所述时间-频率参数进行模拟和拟合,以获取飞行器的距离、飞行速率、中心频率等参数。具体流程包括:
首先,根据多普勒效应原理,当一个运动源发出波动信号时,振动传感器接收到的波动频率会发生变化,这一变化遵循公式:
其中,f0是运动源的中心频率,即飞行器与振动传感器距离最短时飞行器的发出频率,在这一位置,飞行器在和振动传感器连线方向上相对速度为零。V0是飞行器飞行速度,这里假定飞行器做如图2所示的近似匀速直线运动;l是飞行器和振动传感器的最短间距,即从振动传感器朝飞行器的飞行轨迹做垂线所得到的距离;c是声波在空气中的传播速度(~343m/s)。t是飞行器飞到某一点的时间,在t时刻,飞行器发出的声波在t′时刻被振动传感器接收,t′可表示为:
考虑t′>t,由(2)式可以求得:
考虑任意参考时间t′0,带入(3)式可得:
(4)式中有4个未知模型参数,设为m0=[f0 v0 l t′0]T,作为飞行器状态模型,则振动传感器接收到的波动频率f(t′)=f(m0;t′),可由(1)式和(4)式求得;振动传感器观测到的波动频率表示为fob(t′)。通过建立初始模型参数m0,则模型参数的最终解可由下式迭代得到:
m=m0+(GTG)-1GT[fob(t′)-f(m0;t′)],#(5a)
将振动信号从时域转换为频域后采样时,选择振幅峰值对应的频率,匹配飞行器信号特征的采样点如图8中黑点所示,其中黑色曲线是模型拟合得到的时间-频率曲线,即为当前接收到的振动信号中对应的飞行器的飞行信号特征,通过拟合迭代可以得到此振动信号对应的飞行器中心频率为130.1938Hz,飞行速率为108.9854m/s,且所述飞行器的飞行轨迹与振动传感器的最短距离为4605.579m。这样通过时间-频率参数,结合所述飞行器状态模型,根据多普勒效应原理得到振动信号的接收频率与观测频率之间的关系,即可迭代解出所述飞行器的中心频率、飞行速率、飞行轨迹相对振动传感器的最短距离以及参考时间,从而实现对飞行器飞行状态的实时监测。
进一步地,当飞行器为直升飞机时,对(1)式两边同时取对数,可以得到:
可见,对直升飞机而言,即使存在不同振动源,接收到的时频谱也仅有(5a)式的第一项存在差异,第二项都是相同的。反映在如图7的(b)中所示的时间-频率图中就是多条形态相同的曲线。因此,针对每条观测曲线都采用(1)-(5)式的方法,即可很好的拟合直升机的时间-频率信号,得到多个中心频率以及唯一的飞行速率和飞行轨迹相对振动传感器的最短距离。
进一步地,利用单台法确定飞行器的飞行速率以及相对振动传感器的距离后,可以通过双台法(即设置两个位于不同位置的振动传感器)确定飞行器的飞行方向。
设飞行器飞行轨迹上的参考点为方向向量为/>参考时间为t'0。如图3所示,在不同位置设有两个振动传感器S1和S2,在t'=t'01时,第一振动传感器S1接收到飞行器在点A1发射的波动信号。代入(4)式可得:/>这意味着振动信号的波从A1传播到S1需要花费时间/>其中,l1为第一振动传感器与飞行器飞行轨迹的最短距离,而l2为第二振动传感器与飞行器飞行轨迹的最短距离,c是声波在空气中的传播速度(按照343m/s计算),v0为所述第一振动传感器和所述第二振动传感器分别监测到的飞行器飞行速率的平均值。因此,可以计算得到:并且:
同样地,对第二振动传感器S2也可以计算得到:
将(7)、(8)两式相减可得:
设第一振动传感器S1和第二振动传感器S2的位置分别由向量和/>表示,则 如图3所示,根据几何关系,可得:
代入t2-t1=|A1S1|/v0,可得:
式中的参考时间t'01和t'02可以根据观测数据并由(5a)式反演得到;为飞行器飞行轨迹的方向向量,满足ex 2+ey 2+ez 2=1,因此只有两个独立未知参数。所以设置两个振动传感器的双台法就可以求得飞行器运行轨迹的方向向量/>从而得到飞行器的飞行轨迹方向。
进一步地,通过再增加一个振动传感器的三台法,可以进一步确定飞行器的三维坐标位置。
飞行轨迹上的参考点坐标向量和l的关系可由勾股定理得到:
选定坐标原点在地面;式中指第一振动传感器的坐标向量,/>指第二振动传感器的坐标向量,/>指第三振动传感器的坐标向量,是通过三个振动传感器的位置关系可以获得的已知量;l1为第一振动传感器与飞行器飞行轨迹的最短距离,而l2为第二振动传感器与飞行器飞行轨迹的最短距离,l3为第三振动传感器与飞行器飞行轨迹的最短距离,均可通过(5a)式迭代求得;/>是对应飞行轨迹方向的方向向量,可由(11)式求得,因此根据(12)式即可以得到飞行轨迹的参考点坐标/>其垂向分量即为飞行器的飞行高度,联合轨迹方向向量/>即可得到飞行器的航行轨迹。
进一步地,为了进一步提高监测精度,还可以采用如图4所示的由多个子传感器组成的密集子阵列作为所述第一振动传感器、所述第二振动传感器和所述第三振动传感器。通过将振动传感器设置为密集子阵列的观测组网,对阵列的观测进行波形聚束分析,可以增强波形信号,并获得波场的传播方向,即飞行器所在的位置方向。
具体地,设置密集子阵列时需要相邻子传感器之间的间距小于探测声波的波长,否则相位差会存在周期倍数的不确定性。本发明所述基于振动传感器的飞行器监测方法中,基于飞机和直升机主要频带区间的0-200赫兹,要求密集子阵列中各子传感器之间的间距小于~1.7米。
波形聚束法在地震学中常被应用于地震定位,在此同样可以应用于飞行器定位。其原理为,如图4所示,假定飞行器方位角即所述飞行器与子传感器的连线在水平面上的投影与相邻子传感器连线的夹角为θ,飞行器的仰角即所述飞行器与子传感器的连线与水平面的夹角为φ,振动传感器中相邻子传感器的间距为d0,则子传感器A和子传感器C接收到的波列的时间差为
对后至的两组波列信号进行平移,然后叠加波列,当叠加的波列信号最强时,即可得到对应最强波列信号的时间差,则结合所述时间差和相邻子传感器之间的间距,即可求得所对应的飞行器的方位角θ和仰角φ的组合,从而进一步确定所述飞行器的飞行状态。将所述第一振动传感器、所述第二振动传感器和所述第三振动传感器替换为多个子传感器组成的传感器阵列,可以在不影响监测飞行器飞行状态的同时提高监测精度,从而实现对飞行器相关空中交通事件的准确监测和轨迹参数求解,为空中交通管理和安全提供技术支持。
本发明通过所述基于振动传感器的飞行器监测方法,将振动传感器接收到的振动信号从时域转换到频域,选择振幅峰值对应的频率进行采样获取采样数据,再选取匹配飞行器信号特征的采样数据获取所述振动信号的时间-频率参数,通过所述时间-频率参数获得飞行器的中心频率、飞行速率和飞行轨迹相对所述振动传感器的最短距离,以监测所述飞行器的状态。本发明通过确定对应空中交通事件的飞行器信号特征,从振动传感器接收到的振动信号中筛选匹配对应的信号数据,从而准确地监测和量化飞行器的中心频率、飞行速率和飞行轨迹相对所述振动传感器的最短距离,从而实现对飞行器的飞行状态的实时监测。
如图1所示,本发明所述基于振动传感器的飞行器监测方法中包括步骤:
S100、获取第一振动传感器接收到的第一振动信号。
可选地,所述第一振动传感器可以是现有的地震仪振动传感器或已布设的声学传感器、分布式光纤传感器等,或是在计划监测区域专门设置的振动传感器。
进一步地,如图1所示,本发明所述基于振动传感器的飞行器监测方法在步骤S100之后,包括:
S200、将所述第一振动信号从时域转换为频域,选择振幅峰值对应的频率进行采样,获取第一采样数据。
通过傅里叶变换将所述第一振动信号从时域转换为频域,再选择振幅峰值对应的频率进行采样获取所述第一采样数据,以获取在时间-频率图上尽可能多的采样点,方便后续的拟合模拟。
进一步地,如图1所示,本发明所述基于振动传感器的飞行器监测方法在步骤S200之后,包括:
S300、选取匹配飞行器信号特征的所述第一采样数据,获取对应所述第一采样数据的第一时间-频率参数。
由于原始的第一振动信号中包括各种振动产生的信号如天然地震振动信号、人类活动振动信号以及空中交通事件振动信号,因此需要通过数据分析提取对应飞行器的振动信号。其中,飞行器信号特征在时间-频率图上呈现出十分明显的特点,即按时序相连的第一信号、第二信号和第三信号。如图6和图7所示,所述第一信号对应起点处一段相对平坦的高频信号,所述第二信号对应中间频率平缓下降部分的信号,而所述第三信号对应最后一段相对平坦的低频信号。所述第一信号对应的第一频率大于所述第三信号对应的第三频率,所述第二信号对应的第二频率逐渐减少以平滑连接所述第一信号和所述第二信号,且所述飞行器信号特征的长度大于100秒。通过拟合图像中符合所述飞行器信号特征的特征数量,可以确定所述飞行器的类型,其中当所述特征数量为0时,判定无飞行器飞过;当所述特征数量为1时,判定所述飞行器为飞机;当所述特征数量大于1时,判定所述飞行器为直升机。
通过将所述第一采样数据在时间-频率图上拟合,确定符合所述飞行器信号特征的采样数据,从而筛选得到匹配飞行器相关振动信号的所述第一时间-频率参数,再通过模拟和拟合获取所述飞行器的相关飞行状态,实现对所述飞行器飞行状态的监测。
进一步地,如图1所示,本发明所述基于振动传感器的飞行器监测方法在步骤S300之后,包括:
S400、根据所述第一时间-频率参数,获得飞行器的中心频率、飞行速率和飞行轨迹相对所述第一振动传感器的最短距离,以监测所述飞行器的状态。
由于所述飞行器相对于所述第一振动传感器运动,则振动信号的频率对于所述第一振动传感器来说存在观测频率和接收频率的差异,基于所述观测频率和所述接收频率的差异,再结合所述第一时间-频率参数,可以迭代确定的飞行器状态模型,从而获得所述飞行器的所述中心频率、所述飞行速率和所述飞行轨迹相对所述第一振动传感器的最短距离,以监测所述飞行器的状态。
具体地,首先确定多普勒效应对所述第一振动传感器接收到的第一振动信号接收频率和观测频率的变化,其中假定飞行器做匀速直线运动,而声波在空气中的传播速度取343m/s,这样可以得到所述第一振动传感器接收到所述第一振动信号的时间与飞行器实际发出所述第一振动信号的时间之间的关系。再结合任意参考时间,可以将飞行器状态模型表示为包含4个未知模型参数的模型m0=[f0 v0 lt t'0]T,其中f0是飞行器的中心频率,v0是飞行器的飞行速率,l是飞行器和振动传感器的最短距离,t'0为参考时间。迭代解出所述飞行器状态模型的参数即可获得所述飞行器的所述中心频率、所述飞行速率和所述飞行轨迹相对所述第一振动传感器的最短距离,以监测所述飞行器的状态。
进一步地,对于具有多个中心频率的直升飞机来说,即使存在不同振动源,接收到的时频谱也仅有中心频率这一项存在差异,其他项都是相同的。反映在时间-频率图中就是多条形态相同的曲线。因此,针对每条观测曲线都采用相同的方法处理,即可很好的拟合直升机的时间-频率信号,得到多个中心频率以及唯一的飞行速率和飞行轨迹相对振动传感器的最短距离,从而实时、准确地监测直升飞机的飞行状态。
进一步地,增加与所述第一振动传感器处于不同位置的第二振动传感器,以监测所述飞行器的飞行轨迹方向。具体地,包括步骤:
H100、获取第二振动传感器接收到的第二振动信号。
H200、根据所述第二振动信号获取第二采样数据,选取匹配飞行器信号特征的所述第二采样数据,获取对应所述第二采样数据的第二时间-频率参数。
H300、基于所述第一时间-频率参数、所述第二时间-频率参数以及所述第一振动传感器与所述第二振动传感器的位置关系,获取所述飞行器的飞行轨迹方向。
其中,首先基于所述第一时间-频率参数和所述第二时间-频率参数,根据空间几何关系与已求得的飞行器飞行速率,获取所述第一振动传感器和所述第二振动传感器接收同一振动信号的时间差;再根据所述时间差、所述飞行速率以及所述第一振动传感器与所述第二振动传感器的位置关系,根据几何关系可以将所述时间差表示为所述第一振动传感器的位置向量、所述第二振动传感器的位置向量、所述飞行器的飞行速率以及所述飞行器的飞行轨迹方向的函数,而对于飞行器飞行轨迹的方向向量满足ex 2+ey 2+ez 2=1,因此在已知所述时间差、所述第一振动传感器的位置向量、所述第二振动传感器的位置向量和所述飞行器的飞行速率的情况下,此函数只有两个独立未知参数。所以设置所述第一振动传感器和所述第二振动传感器就可以求得飞行器运行轨迹的方向向量/>从而得到飞行器的飞行轨迹方向。
进一步地,增加与所述第一振动传感器和所述第二振动传感器处于不同位置的第三振动传感器,且所述第一振动传感器、所述第二振动传感器和所述第三振动传感器不处于同一条直线,以监测所述飞行器的飞行轨迹方向。具体地,包括步骤:
M100、获取第三振动传感器接收到的第三振动信号。
M200、根据所述第三振动信号获取第三采样数据,选取匹配飞行器信号特征的所述第三采样数据,获取对应所述第三采样数据的第三时间-频率参数。
M300、基于所述第二时间-频率参数,获取飞行轨迹相对所述第二振动传感器的最短距离,基于所述第三时间-频率参数,获取飞行轨迹相对所述第三振动传感器的最短距离。
M400、根据所述飞行轨迹相对所述第一振动传感器的最短距离、所述飞行轨迹相对所述第二振动传感器的最短距离、所述飞行轨迹相对所述第三振动传感器的最短距离以及所述飞行轨迹方向,获取所述飞行器的飞行高度。
具体地,可由勾股定理得到所述飞行器的具体位置在三维坐标系中的坐标向量与所述飞行轨迹相对所述第一振动传感器的最短距离、所述飞行轨迹相对所述第二振动传感器的最短距离以及所述飞行轨迹相对所述第三振动传感器的最短距离之间的关系,通过所述第一振动传感器、所述第二振动传感器和所述第三振动传感器的三组数据,即可得到所述飞行器具体位置的三维坐标,从而确定所述飞行器的飞行高度,最后结合方向向量即可得到飞行器的航行轨迹。
进一步地,为了进一步提高监测精度,还可以将所述第一振动传感器、所述第二振动传感器和所述第三振动传感器设置为多个子传感器组成的传感器阵列,且所述传感器阵列中相邻所述子传感器之间的间距小于所述第一振动信号、所述第二振动信号和所述第三振动信号的波长。这样通过平移叠加所述传感器阵列接收到的多个振动信号,即可获取叠加后最强的波列信号对应的时间差,再基于所述时间差和所述传感器阵列中相邻所述子传感器之间的间距,获取所述飞行器的方位角和仰角,即可确定所述飞行器的具体飞行状态。而通过设置传感器阵列,可以通过所述第一振动传感器、所述第二振动传感器和所述第三振动传感器获得更高监测精度的所述飞行器的中心频率、飞行速率和飞行轨迹相对所述第一振动传感器的最短距离,以及所述飞行器的飞行轨迹方向、所述飞行器的飞行高度和所述飞行器的方位角和仰角,从而保证实时、准确地监测所述飞行器的飞行状态。
通过本发明所述基于振动传感器的飞行器监测方法,本发明可以实现对空中交通事件的准确监测和轨道参数的求解,为空中交通管理和安全提供重要的技术支持。
在一种实施方式中,本发明还提供一种基于振动传感器的飞行器监测装置,包括:
信号获取模块500,用于获取第一振动传感器接收到的第一振动信号;
信号采样模块600,用于将所述第一振动信号从时域转换为频域,选择振幅峰值对应的频率进行采样,获取第一采样数据;
信号处理模块700,用于选取匹配飞行器信号特征的所述第一采样数据,获取对应所述第一采样数据的第一时间-频率参数。其中所述飞行器信号特征包括按时序相连的第一信号、第二信号和第三信号,所述第一信号对应的第一频率大于所述第三信号对应的第三频率,所述第二信号对应的第二频率逐渐减少以平滑连接所述第一信号和所述第二信号,且所述飞行器信号特征的长度大于100秒;以及
飞行器状态监测模块800,用于根据所述第一时间-频率参数,获得飞行器的中心频率、飞行速率和飞行轨迹相对所述第一振动传感器的最短距离,以监测所述飞行器的状态。
在一种实施方式中,本发明还提供一种智能终端,其中所述智能终端包括存储器和一个以上的处理器;所述存储器存储有一个以上的程序;所述处理器运行所述程序时,执行如上任一所述的基于振动传感器的飞行器监测方法。
综上所述,本发明公开了一种基于振动传感器的飞行器监测方法及装置,所述方法通过将振动传感器接收到的振动信号从时域转换到频域,选择振幅峰值对应的频率进行采样获取采样数据,再选取匹配飞行器信号特征的采样数据获取所述振动信号的时间-频率参数,通过所述时间-频率参数获得飞行器的中心频率、飞行速率和飞行轨迹相对所述振动传感器的最短距离,以监测所述飞行器的状态。本发明通过确定对应空中交通事件的飞行器信号特征,从振动传感器接收到的振动信号中筛选匹配对应的信号数据,从而准确地监测和量化飞行器的中心频率、飞行速率和飞行轨迹相对所述振动传感器的最短距离,从而实现对飞行器的飞行状态的实时监测。
应当理解的是,本发明的应用不限于上述举例,对本领域普通技术人员来说,可以根据上述说明加以改进或变换,所有这些改进和变换都应属于本发明所附权利要求的保护范围。
Claims (10)
1.一种基于振动传感器的飞行器监测方法,其特征在于,所述方法包括:
获取第一振动传感器接收到的第一振动信号;
将所述第一振动信号从时域转换为频域,选择振幅峰值对应的频率进行采样,获取第一采样数据;
选取匹配飞行器信号特征的所述第一采样数据,获取对应所述第一采样数据的第一时间-频率参数,其中所述飞行器信号特征包括按时序相连的第一信号、第二信号和第三信号,所述第一信号对应的第一频率大于所述第三信号对应的第三频率,所述第二信号对应的第二频率逐渐减少以平滑连接所述第一信号和所述第二信号,且所述飞行器信号特征的长度大于100秒;
根据所述第一时间-频率参数,获得飞行器的中心频率、飞行速率和飞行轨迹相对所述第一振动传感器的最短距离,以监测所述飞行器的状态。
2.根据权利要求1所述的基于振动传感器的飞行器监测方法,其特征在于,所述根据所述第一时间-频率参数,获得飞行器的中心频率、飞行速率和飞行轨迹相对所述第一振动传感器的最短距离,以监测所述飞行器的状态,包括:
针对所述飞行器的所述中心频率、所述飞行速率、所述飞行轨迹相对所述第一振动传感器的最短距离和所述飞行器发出所述第一振动信号的时间,确定飞行器状态模型;
根据多普勒效应原理,确定所述第一振动传感器对于所述第一振动信号的接收频率与观测频率的关系;
基于所述接收频率与所述观测频率的关系,根据所述第一时间-频率参数,迭代所述飞行器状态模型,获得所述飞行器的所述中心频率、所述飞行速率和所述飞行轨迹相对所述第一振动传感器的最短距离,以监测所述飞行器的状态。
3.根据权利要求2所述的基于振动传感器的飞行器监测方法,其特征在于,所述方法还包括:
获取第二振动传感器接收到的第二振动信号;
根据所述第二振动信号获取第二采样数据,选取匹配飞行器信号特征的所述第二采样数据,获取对应所述第二采样数据的第二时间-频率参数;
基于所述第一时间-频率参数、所述第二时间-频率参数以及所述第一振动传感器与所述第二振动传感器的位置关系,获取所述飞行器的飞行轨迹方向。
4.根据权利要求3所述的基于振动传感器的飞行器监测方法,其特征在于,所述基于所述第一时间-频率参数、所述第二时间-频率参数以及所述第一振动传感器与所述第二振动传感器的位置关系,获取所述飞行器的飞行轨迹方向,包括:
基于所述第一时间-频率参数和所述第二时间-频率参数,获取所述第一振动传感器和所述第二振动传感器接收同一振动信号的时间差;
根据所述时间差、所述飞行速率以及所述第一振动传感器与所述第二振动传感器的位置关系,获取所述飞行器的所述飞行轨迹方向。
5.根据权利要求3所述的基于振动传感器的飞行器监测方法,其特征在于,所述方法还包括:
获取第三振动传感器接收到的第三振动信号;
根据所述第三振动信号获取第三采样数据,选取匹配飞行器信号特征的所述第三采样数据,获取对应所述第三采样数据的第三时间-频率参数;
基于所述第二时间-频率参数,获取飞行轨迹相对所述第二振动传感器的最短距离,基于所述第三时间-频率参数,获取飞行轨迹相对所述第三振动传感器的最短距离;
根据所述飞行轨迹相对所述第一振动传感器的最短距离、所述飞行轨迹相对所述第二振动传感器的最短距离、所述飞行轨迹相对所述第三振动传感器的最短距离以及所述飞行轨迹方向,获取所述飞行器的飞行高度。
6.根据权利要求5所述的基于振动传感器的飞行器监测方法,其特征在于,所述第一振动传感器、所述第二振动传感器和所述第三振动传感器均为多个子传感器组成的传感器阵列,且所述传感器阵列中相邻所述子传感器之间的间距小于所述第一振动信号、所述第二振动信号和所述第三振动信号的波长。
7.根据权利要求6所述的基于振动传感器的飞行器监测方法,其特征在于,所述方法还包括:
平移叠加所述传感器阵列接收到的多个振动信号,获取叠加后最强的波列信号对应的时间差;
基于所述时间差和所述传感器阵列中相邻所述子传感器之间的间距,获取所述飞行器的方位角和仰角。
8.根据权利要求1-7任一项所述的基于振动传感器的飞行器监测方法,其特征在于,所述方法还包括:
在时间-频率图上拟合所述第一采样数据,获取拟合图像中符合所述飞行器信号特征的特征数量;
当所述特征数量为0时,判定无飞行器飞过;
当所述特征数量为1时,判定所述飞行器为飞机;
当所述特征数量大于1时,判定所述飞行器为直升机。
9.一种基于振动传感器的飞行器监测装置,其特征在于,包括:
信号获取模块,用于获取第一振动传感器接收到的第一振动信号;
信号采样模块,用于将所述第一振动信号从时域转换为频域,选择振幅峰值对应的频率进行采样,获取第一采样数据;
信号处理模块,用于选取匹配飞行器信号特征的所述第一采样数据,获取对应所述第一采样数据的第一时间-频率参数,其中所述飞行器信号特征包括按时序相连的第一信号、第二信号和第三信号,所述第一信号对应的第一频率大于所述第三信号对应的第三频率,所述第二信号对应的第二频率逐渐减少以平滑连接所述第一信号和所述第二信号,且所述飞行器信号特征的长度大于100秒;
飞行器状态监测模块,用于根据所述第一时间-频率参数,获得飞行器的中心频率、飞行速率和飞行轨迹相对所述第一振动传感器的最短距离,以监测所述飞行器的状态。
10.一种智能终端,其特征在于,所述智能终端包括存储器和一个以上的处理器;所述存储器存储有一个以上的程序;所述处理器运行所述程序时,执行如权利要求1-8中任一所述的基于振动传感器的飞行器监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410170006.7A CN118038715B (zh) | 2024-02-06 | 一种基于振动传感器的飞行器监测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410170006.7A CN118038715B (zh) | 2024-02-06 | 一种基于振动传感器的飞行器监测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118038715A true CN118038715A (zh) | 2024-05-14 |
CN118038715B CN118038715B (zh) | 2025-08-01 |
Family
ID=
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN119580537A (zh) * | 2024-11-27 | 2025-03-07 | 应运科技(广州)有限公司 | 融合频域特征与多维度评估指标的航迹分析方法及系统 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1081011A (zh) * | 1992-05-19 | 1994-01-19 | 休斯航空公司 | 无源飞行器监视系统 |
CN101915919A (zh) * | 2010-07-12 | 2010-12-15 | 北京航空航天大学 | 利用北斗卫星信号的双基sar成像系统 |
US20170299427A1 (en) * | 2014-08-19 | 2017-10-19 | Alouette Technology Inc. | Interferometric vibration observation device, vibration observation program, recording medium, vibration observation method and vibration observation system |
RU2643168C2 (ru) * | 2016-07-04 | 2018-01-31 | Акционерное общество "Уральское проектно-конструкторское бюро "Деталь" | Способ измерения высоты, истинной скорости летательного аппарата и наклона вектора скорости летательного аппарата относительно горизонта, устройство бортовой радиолокационной станции, использующее способ |
CN110441735A (zh) * | 2019-08-15 | 2019-11-12 | 陕西金蝌蚪智能科技有限公司 | 一种低空无人机被动声探测装置及方法 |
US20200191643A1 (en) * | 2018-12-13 | 2020-06-18 | Benjamin T. Davis | Human Activity Classification and Identification Using Structural Vibrations |
US20200200890A1 (en) * | 2018-12-20 | 2020-06-25 | Thales | Method and system for neutralizing the effect of vibrations in a rotary-wing aircraft for airborne doppler radar |
CN112596101A (zh) * | 2020-12-25 | 2021-04-02 | 吉林大学 | 基于地震检波器阵列的低空飞行目标定位和跟踪方法 |
CN114152912A (zh) * | 2021-11-22 | 2022-03-08 | 吉林大学 | 基于双交叉函数的喷气式飞机定位方法 |
WO2023187285A1 (fr) * | 2022-03-28 | 2023-10-05 | Institut National Des Sciences Appliquées Lyon | Méthode de surveillance du régime moteur d'un aéronef |
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1081011A (zh) * | 1992-05-19 | 1994-01-19 | 休斯航空公司 | 无源飞行器监视系统 |
CN101915919A (zh) * | 2010-07-12 | 2010-12-15 | 北京航空航天大学 | 利用北斗卫星信号的双基sar成像系统 |
US20170299427A1 (en) * | 2014-08-19 | 2017-10-19 | Alouette Technology Inc. | Interferometric vibration observation device, vibration observation program, recording medium, vibration observation method and vibration observation system |
RU2643168C2 (ru) * | 2016-07-04 | 2018-01-31 | Акционерное общество "Уральское проектно-конструкторское бюро "Деталь" | Способ измерения высоты, истинной скорости летательного аппарата и наклона вектора скорости летательного аппарата относительно горизонта, устройство бортовой радиолокационной станции, использующее способ |
US20200191643A1 (en) * | 2018-12-13 | 2020-06-18 | Benjamin T. Davis | Human Activity Classification and Identification Using Structural Vibrations |
US20200200890A1 (en) * | 2018-12-20 | 2020-06-25 | Thales | Method and system for neutralizing the effect of vibrations in a rotary-wing aircraft for airborne doppler radar |
CN110441735A (zh) * | 2019-08-15 | 2019-11-12 | 陕西金蝌蚪智能科技有限公司 | 一种低空无人机被动声探测装置及方法 |
CN112596101A (zh) * | 2020-12-25 | 2021-04-02 | 吉林大学 | 基于地震检波器阵列的低空飞行目标定位和跟踪方法 |
CN114152912A (zh) * | 2021-11-22 | 2022-03-08 | 吉林大学 | 基于双交叉函数的喷气式飞机定位方法 |
WO2023187285A1 (fr) * | 2022-03-28 | 2023-10-05 | Institut National Des Sciences Appliquées Lyon | Méthode de surveillance du régime moteur d'un aéronef |
Non-Patent Citations (1)
Title |
---|
申江江;邸亚洲;周玉平;曲建岭;: "某型直升机振动信号采集系统设计", 仪表技术, no. 07, 15 July 2016 (2016-07-15) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN119580537A (zh) * | 2024-11-27 | 2025-03-07 | 应运科技(广州)有限公司 | 融合频域特征与多维度评估指标的航迹分析方法及系统 |
CN119580537B (zh) * | 2024-11-27 | 2025-07-11 | 应运科技(广州)有限公司 | 融合频域特征与多维度评估指标的航迹分析方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7423934B1 (en) | System for detecting, tracking, and reconstructing signals in spectrally competitive environments | |
US7530266B2 (en) | Acoustic profiler for wind, temperature, and turbulence | |
US8633699B2 (en) | Techniques for determining physical properties of underground structures using lightning | |
CN107272005B (zh) | 基于可靠声路径下目标回波到达时延和到达角度的主动定位方法 | |
CN110045341B (zh) | 雷达高度表低截获性能测试方法 | |
Rowell et al. | Three-dimensional volcano-acoustic source localization at Karymsky Volcano, Kamchatka, Russia | |
CN103149457A (zh) | 空间电磁强度分布分析方法 | |
CN113687308A (zh) | 一种基于弯曲波的冰上震源定位方法 | |
CN104614709A (zh) | 一种基于声学和电磁学的雷声定位系统及方法 | |
Blumrich et al. | Medium-range localisation of aircraft via triangulation | |
Sinitsyn et al. | Determination of aircraft current location on the basis of its acoustic noise | |
Maher et al. | Evidence for near-source nonlinear propagation of volcano infrasound from Strombolian explosions at Yasur Volcano, Vanuatu | |
CN103089232B (zh) | 测井设备的检测和一致性校正方法 | |
Yamada et al. | Real-time estimation of fault rupture extent using envelopes of acceleration | |
CN118038715A (zh) | 一种基于振动传感器的飞行器监测方法及装置 | |
CN118038715B (zh) | 一种基于振动传感器的飞行器监测方法及装置 | |
Finn et al. | The feasibility of unmanned aerial vehicle-based acoustic atmospheric tomography | |
CN117907950A (zh) | 一种机载涡旋雷达系统目标散射回波模拟方法 | |
Moran et al. | Acoustic array tracking performance under moderately complex environmental conditions | |
Finn et al. | Improving unmanned aerial vehicle–based acoustic atmospheric tomography by varying the engine firing rate of the aircraft | |
Mizutani et al. | Network-controlled measurement of mean spatial temperature using a sound probe with a long baseline | |
Kozick et al. | Signal processing and propagation for aeroacoustic sensor networks | |
RU2625094C1 (ru) | Способ определения пеленга и дальности до источника сигналов | |
Blanford et al. | An in-air synthetic aperture sonar dataset of target scattering in environments of varying complexity | |
CN118642049B (zh) | 一种海洋声学释放器的定位方法、介质及电子装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |