地形感知与告警系统(TAWS)的目的是避免可控飞行撞地(CFIT)事故，提高航空安全。基于模式三的告警原理，对飞机发生掉高后的正常轨迹以及规避轨迹进行建模。在大量飞行事件中统计无告警事故率和告警事故率作为系统性能指标，并基于SOC曲线的掉高阈值包线生成方法获得模式三告警包线。仿真结果和实际使用包线一致，表明模型合理性和算法有效性。

空中交通防撞的主要功能是对本机和入侵目标机位置的预测以及在预测后对冲突的处理。在防撞过程中，入侵飞机的轨迹突然发生比较大的机动，则原有的防撞策略失效。 2009年欧洲航空安全局认证通过了自动驾驶仪在避撞时与防撞系统耦合的方法，使问题得到了一定的解决。对避撞系统加入自动驾驶仪的方法进行了研究建模，并且对解决的情况进行了仿真，为民航空中交通避撞提出了一种新的思路。

随着空中交通流量的日益上升，空中交通警戒和防撞系统(TCAS)在保障飞行安全方面的作用越发重要。机动策略是TCAS的关键技术。介绍了TCAS机动策略的原理。具体论述了目标冲突过程中TCAS的交通咨询和决策咨询。建立数学模型，分析了空中交通警戒和防撞系统在不同空域情况下的机动策略。详细推导了TCAS的垂直规避算法和水平规避算法。最后对提出的算法进行了数字仿真和性能分析，验证了机动策略的可行性。

提出了一种采用ADSB的冲突飞机选择算法，满足未来空域复杂交通态势对自由飞行的需求。算法利用ADSB提供丰富航行信息及高速更新率等特点，在本机周围40~100 nmile范围内，选择出有可能发生冲突的飞机。运用Matlab进行功能仿真，并通过MonteCarlo方法分析其性能，结果表明算法在排除无威胁飞机方面性能良好，选择效果明显。该算法可以作为飞机冲突概率预测的预处理算法，对保证自由飞行下的飞行安全有着积极的意义。

飞机环境监视系统AESS是由地形感知与告警系统、空中交通警戒与防撞系统、S模式应答机、机载气象雷达等构成，是大型民机航电系统的重要组成部分，它的研制对于提高飞行安全有非常重要的意义。根据ARINC-768等适航标准，对AESS各分系统的功能进行分析，提出一种系统功能集成方案，给出系统综合的接口设计，制定综合画面显示和语音告警的系统输出策略。基于高层体系结构构建AESS分布式仿真系统，实现了分系统间的互联、信息交互以及仿真同步，并基于Vega Prime实现了飞行环境仿真分系统用于同步演示三维飞行环境。该仿真系统可对AESS的关键技术进行验证。

综述了民机地形感知警告系统(TAWS)及其前视功能的产生背景、发展过程，介绍了TAWS前视功能的主要原理。对前视功能的报警阈值时间设置方法进行了研究，给出了报警阈值时间设置的分析算法模型，并利用Matlab工具进行了仿真，得到了相应的仿真结果。最后，对进一步提高TAWS前视功能仿真精确度，以及TAWS产品性能优化方法提出了建议。

本文针对高杂波密集环境下边跟边扫雷达实时警戒系统中的数据初始互联问题，提出了一种新的自适应有限记忆法。该方法利用雷达的检测概率和接收机的虚警率，结合所记忆的有限个周期的点迹数估计出可能起始航迹的数目；然后，通过自适应地调整互联相关域的大小及正规化残差平方和阀值，保留可能性较大的量测序列，抑制假航迹。算法分析和仿真结果表明，将雷达的动态检测信息和有限周期的量测相结合，能较好地解决实时系统中的数据初始互联问题。

Dvorak 等人提出的基于卫星云图的云型和云系特征的热带气旋强度估计方法已被世界气象组织推荐给全球使用。本文尝试从历史数据中自动发现典型的云型模式,实现Dvorak 模板图像的自动选取、匹配和识别。采用SOM 对12000 多幅红外云图进行聚类,采用提出的局部统计信息等特征,分析了某些距离作为相似性度量存在而只能发现球形簇的缺点;对不同的特征和相似性度量进行了对比试验,并分析了SOM 拓扑误差和量化误差。从实验结果可以看出,局部精特征有着最小的量化误差,但聚类准确度较低。原始图像作为输入特征时,有着较高的聚类准确度及拓扑保持度。局部统计信息特征比局部情特征量化误差大,但有着更高的聚类准确度。这些结论为采用无监督聚类方法来发现云型模式并找到最佳的特征和较好的相似性度量以取得更好的结果提供了重要的参考,也有助于避免目前云图自动化分析研究中对特征和度量选取的随意性。

图像分割实现目标与背景分离后,需要定位目标并提取其特征。传统像素标记方法易出现重复标记与判断现象,效率非常低。本文提出了一种“数据重组”(DRG)算法用于目标的提取,利用为重兵器靶场试验搭建的空中测试平台上的传感器采集的地面红外图像序列,实现了地面控制点在图像中的实时检测和提取。DRG 算法只对目标图像扫描一次仅提取与目标有关的有效数据,将图像问题转化为简单的数据结构问题,降低了问题的复杂度,无需繁琐的标记处理,没有重复性问题,而且简单、实现方便。结果表明,算法对目标的定位具有一定的准确性和可靠性,具有相当的抗干扰与抗噪声能力,并适合于具连通性的各类形状和大小的目标的提取。

The bias estimation of passive sensors is considered based on information fusion in multi-platform multi-sensor tracking system. The unobservable problem of bearing-only tracking in blind spot is analyzed. A modified maximum likelihood method, which uses the redundant information of multi-sensor system to calculate the target position, is investigated to estimate the biases. Monte Carlo simulation results show that the modified method eliminates the effect of unobservable problem in the blind spot and can estimate the biases more rapidly and accurately than maximum likelihood method. It is statistically efficient since the standard deviation of bias estimation errors meets the theoretical lower bounds.