Contributions to sensor modeling and bias estimation algorithms for air traffic surveillance

En esta tesis doctoral se aborda el desarrollo de algoritmos de seguimiento de aeronaves en el ámbito del control del tráfico aéreo. En concreto, esta tesis se centra en el modelado en la corrección de los errores sistemáticos (sesgos) de las medidas producidos por los sensores y en los métodos de estimación para corregir estos errores. Para la corrección de estos sesgos se desarrolla un modelo teórico de los sesgos de los sensores y se desarrolla un simulador con el que poder probar los algoritmos de estimación. Aparte del modelo teórico de los sensores se desarrollan algoritmos de estimación partiendo de algoritmos existentes y se proponen mejoras para la aplicación en entornos reales. Estos algoritmos y modelos son probados con datos procedentes de un sistema real. En el primer capítulo se realiza una introducción que describe un sistema de gestión del tráfico aéreo (ATM) donde se sitúa la estimación de sesgos y se describen los objetivos y la organización de la tesis. En el segundo capítulo se describen y modelan los errores sistemáticos de los sensores. Se presenta un modelo paramétrico que será utilizado en los métodos de estimación. Este capítulo está centrado en el modelo de radares secundarios y en los errores dependientes de las aeronaves. En el tercer capítulo se describen los métodos de estimación que se utilizan actualmente para la estimación de sesgos en la función de vigilancia de los sistemas ATM. En este capítulo se prueba la validez del modelo presentado en el capítulo anterior con los métodos actuales. En el capítulo cuatro se proponen mejoras para los métodos descritos en el capítulo 3. La primera de las mejoras son técnicas de inicialización de algoritmos. La segunda de las mejoras es un método para detectar la falta de observabilidad de los escenarios en tiempo real. Este método va acompañado de una descripción tanto analítica como geométrica de la observabilidad. En el quinto capítulo se proponen nuevos métodos para la estimación de sesgos. El primero de estos métodos es una extensión de modelo meteorológico con el uso de curvas de nivel para la estimación del sesgo de temperatura y presión utilizado en la medida de altura barométrica. El segundo es una modificación de un método de estimación de sesgos dependientes de la aeronave. El ultimo método propuesto es utilizado para la estimación de sesgos en la medida de velocidad de las aeronaves. ----------ABSTRACT---------- This Ph. D thesis deals with the development of tracking algorithms in Air Traffic Control Scenarios (ATC). It focuses specifically in the modeling and correction of the systematic error (biases) of the measurements produced by the sensors and in the estimation methods for the correction of these biases. For this correction it is developed a theoretical model for the sensor biases and it is developed a simulator for the testing of the estimation algorithms. Apart from the theoretical model for the sensors, some improvements for the current estimation methods are proposed for the applications in real scenarios. These algorithms and models are tested with both simulated and real data from a real system. The first chapter of the thesis is an introduction that describes an Air Traffic Management (ATM) system where the bias estimation topic is used and shows the goals and organization of this work. In the second chapter the systematic errors of the sensors used in ATM systems are described and modeled. The parametric models used in the estimation methods are presented. This chapter is focused in the model for the Secondary Surveillance Radar (SSR) and in the target dependent biases. In the third chapter the methods that are currently used are described the methods that are currently used for the estimation of the biases in the surveillance function of the ATM systems. In this chapter the validity of the model presented in the previous chapter is tested the validity of the model presented in the previous chapter using the estimation methods presented at the beginning this chapter. The fourth chapter proposes improvements for the estimation methods described in the chapter 3. The first improvements is an algorithm to get the best accuracy in the permanent regimen including initialization techniques for the reduction of instabilities in the initial stages. The second improvement is a method for the online detection of the lack of observability in the scenarios. In this section is described both analytically and geometrically the observability. The fifth chapter proposes new methods for the bias estimation. The first method is an extension for the meteorological model with the use of surfaces for the estimation of the pressure and temperature bias in the barometric altitude. The second method is a modification of an existent estimation method for the target dependent biases. The last proposed method is used for the estimation of the biases in the velocity measurement of the aircraft