本發明涉及數據處理,特別涉及一種空地協同干擾分級的檢測方法及相關設備。
背景技術:
1、全球導航衛星系統(gnss)是一種利用衛星的無線電波導航系統,它利用數十顆衛星在全球任何地區隨時提供位置和視覺服務,接收機價格低廉,誤差小,具有多種功能。gnss的衛星導航信號使用極低的信號功率,民用使用單頻,衛星導航系統的結構向公眾開放,便于電波混信裝置的制作,容易造成電波混信。電波混信的種類包括電波干擾(jamming),它是將強度大于gnss信號的信號發射到gnss信號頻帶或相鄰頻帶,使導航服務無法提供的行為。產生與gnss導航信號相同的仿射導航信號,并以高于實際gnss導航信號的信號強度進行傳輸,從而導致位置信息誤差的一種被gnss入侵的人氣欺騙(spoofing)以及接收gnss導航信號,只延遲時間然后重播的行為,主要用于擾亂飛機航向的航向混亂(meaconing)等。
2、航空無線電頻率的安全使用是民航飛行安全的前提和基礎。近年來,隨著無線電技術的飛速發展,無線電臺(站)數量日益增多,民航無線電頻率遭受無線電干擾幾率不斷加大。自2019年起,多家航空公司反映其機載gps、ads-b、無線電高度表等系統分別在全國多地發生干擾事件,及觸發虛假gpws警告事件,已造成多起航班復飛或中止進近、備降等,對飛行正常與安全造成不利影響,如何實時對此進行檢測,并有效的防止相關干擾源的持續產生,是本領域技術人員急需解決的技術問題。
3、需要說明的是,在上述背景技術部分公開的信息僅用于加強對本公開的背景的理解,因此可以包括不構成對本領域普通技術人員已知的現有技術的信息。
技術實現思路
1、本技術的目的在于提供一種空地協同干擾分級的檢測方法及相關設備,至少在一定程度上克服現有技術存在的問題,實時獲取全國航班的快速存取記錄器數據,針對不同的航空公司或不同機型設置不同的數據異常檢測模型。當檢測到數據異常時,對異常數據進行劃分,當異常等級大于特地警告等級時,實時對相關異常數據進行干擾檢測處理,獲取相應的干擾源位置。
2、本技術的其他特性和優點將通過下面的詳細描述變得顯然,或部分地通過本發明的實踐而習得。
3、根據本技術的一個方面,提供一種空地協同干擾分級的檢測方法,包括:獲取訓練樣本集和目標數據集,其中,所述訓練樣本集包括全國航班實時飛行時的快速存取記錄器數據,所述目標數據集包括目標航班實時飛行時的快速存取記錄器數據和目標航班的屬性信息;對所述訓練樣本集進行預處理,生成帶有標識信息的訓練樣本集,其中,所述標識信息用于表征與所述目標航班的屬性信息相匹配的其他航班的快速存取記錄器數據存在異常;基于標識信息獲取與所述目標數據集相匹配的預設干擾源檢測模型;基于所述帶有標識信息的訓練樣本集對預設干擾源檢測模型進行處理,生成目標干擾源檢測模型;基于所述目標干擾源檢測模型對所述目標數據集進行處理,生成檢測結果,其中,所述檢測結果為干擾源地址信息。
4、在本技術的一個實施例中,所述對所述訓練樣本集進行預處理,生成帶有標識信息的訓練樣本集,包括:對全國航班實時飛行時的快速存取記錄器數據進行處理,生成定位信號缺失的目標時間信息和地址信息;對定位信號缺失的目標時間信息和地址信息進行特征處理,生成異常分類信息,其中,所述異常分類信息包括定位信號丟失的高頻時間段和與定位信號丟失的不同飛行階段信息;基于所述異常分類信息生成帶有標識信息的訓練樣本集,所述帶有標識信息的訓練樣本集包括與目標航班相同航司的飛機或其他航司當中與目標航班相同機型的飛機。
5、在本技術的一個實施例中,所述基于所述帶有標識信息的訓練樣本集對預設干擾源檢測模型進行處理,生成目標干擾源檢測模型,包括:基于預設處理規則對所述訓練樣本集進行處理,生成訓練集和測試集,其中,所述訓練集和所述測試集均包含帶有標識信息的數據樣本;基于所述訓練集對所述預設干擾源檢測模型進行處理,生成訓練后的干擾源檢測模型;基于所述測試集對所述訓練后的干擾源檢測模型進行處理,生成目標干擾源檢測模型。
6、在本技術的一個實施例中,所述基于所述目標干擾源檢測模型對所述目標數據集進行處理,生成檢測結果,包括:基于所述目標干擾源檢測模型對所述目標數據集進行處理,生成數據異常等級;基于所述數據異常等級生成目標數據集的處理優先級;基于所述目標數據集的處理優先級獲取目標航班的飛行軌跡;基于所述目標干擾源檢測模型對所述目標航班的飛行軌跡和所述目標航班的屬性信息進行處理,生成檢測結果。
7、在本技術的一個實施例中,所述基于所述目標干擾源檢測模型對所述目標航班的飛行軌跡和所述目標航班的屬性信息進行處理,生成檢測結果,還包括:基于所述目標數據集的處理優先級獲取目標數據集的處理等級;若所述目標數據集的處理等級高于其他數據集的處理等級,則基于所述目標干擾源檢測模型對所述目標數據集進行處理,生成實時3d空間圖像,其中,所述實時3d空間圖像包括目標航班的飛行軌跡和與所述飛行軌跡相對應的地圖信息;基于所述目標干擾源檢測模型對所述實時3d空間圖像進行空間核密度處理,生成定位信號丟失的空間核密度信息;基于所述定位信號丟失的空間核密度信息生成干擾源地址信息,其中,所述干擾源地址信息為空間核密度高于預設閾值。
8、在本技術的一個實施例中,所述基于所述目標干擾源檢測模型對所述目標航班的飛行軌跡和所述目標航班的屬性信息進行處理,生成檢測結果,還包括:所述目標干擾源檢測模型包括用于獲取空間核密度的計算公式,所述公式為:其中,r為查找半徑,scale為柵格中心點到點、線對象的距離與查找半徑的比例,所述空間核密度包括線密度和點密度。
9、在本技術的一個實施例中,所述基于所述目標干擾源檢測模型對所述目標航班的飛行軌跡和所述目標航班的屬性信息進行處理,生成檢測結果,還包括:獲取其他航班的實時定位信號丟失信息;基于所述其他航班的實時定位信號丟失信息對所述目標航班的飛行軌跡進行處理,生成目標航班的預設定位信號丟失信息;基于所述目標航班的屬性信息對所述目標航班的預設定位信號丟失信息進行處理,生成目標航班的數據預警信息,其中,所述目標航班的數據預警信息為目標航班在預設時間段內發生定位信號丟失的概率。
10、本技術的另一個方面,一種空地協同干擾分級的檢測裝置,其特征在于,包括:獲取模塊,用于獲取訓練樣本集和目標數據集,其中,所述訓練樣本集包括全國航班實時飛行時的快速存取記錄器數據,所述目標數據集包括目標航班實時飛行時的快速存取記錄器數據和目標航班的屬性信息;處理模塊,用于對所述訓練樣本集進行預處理,生成帶有標識信息的訓練樣本集,其中,所述標識信息用于表征與所述目標航班的屬性信息相匹配的其他航班的快速存取記錄器數據存在異常;基于標識信息獲取與所述目標數據集相匹配的預設干擾源檢測模型;基于所述帶有標識信息的訓練樣本集對預設干擾源檢測模型進行處理,生成目標干擾源檢測模型;基于所述目標干擾源檢測模型對所述目標數據集進行處理,生成檢測結果,其中,所述檢測結果為干擾源地址信息。
11、根據本技術的再一個方面,一種電子設備,其特征在于,包括:第一處理器;以及存儲器,用于存儲所述第一處理器的可執行指令;其中,所述第一處理器配置為經由執行所述可執行指令來執行實現上述的空地協同干擾分級的檢測方法。
12、根據本技術的又一個方面,提供一種計算機可讀存儲介質,其上存儲有計算機程序,所述計算機程序被第二處理器執行時實現上述的空地協同干擾分級的檢測方法。
13、根據本技術的又一個方面,提供一種計算機程序產品,包括計算機程序,其特征在于,所述計算機程序被第三處理器執行時實現上述的空地協同干擾分級的檢測方法。
14、本技術所提供的一種空地協同干擾分級的檢測方法及相關設備,由服務器獲取訓練樣本集和目標數據集,其中,訓練樣本集包括全國航班實時飛行時的快速存取記錄器數據,目標數據集包括目標航班實時飛行時的快速存取記錄器數據和目標航班的屬性信息;對訓練樣本集進行預處理,生成帶有標識信息的訓練樣本集,其中,標識信息用于表征與目標航班的屬性信息相匹配的其他航班的快速存取記錄器數據存在異常;基于標識信息獲取與目標數據集相匹配的預設干擾源檢測模型;基于帶有標識信息的訓練樣本集對預設干擾源檢測模型進行處理,生成目標干擾源檢測模型;基于目標干擾源檢測模型對目標數據集進行處理,生成檢測結果,其中,檢測結果為干擾源地址信息。實時獲取全國航班的快速存取記錄器數據,針對不同的航空公司或不同機型設置不同的數據異常檢測模型。當檢測到數據異常時,對異常數據進行劃分,當異常等級大于特地警告等級時,實時對相關異常數據進行干擾檢測處理,獲取相應的干擾源位置。
15、應當理解的是,以上的一般描述和后文的細節描述僅是示例性和解釋性的,并不能限制本公開。