科研之友
微信
新浪微博
Facebook
分享链接
摘要
广播式自动相关监视（ADS-B）系统因其准确性和高效性而广泛应用于空管监视领域，但其依赖于全球导航卫星系统（GNSS）工作，采用明文格式广播数据，且缺乏消息认证和数据加密机制，极易遭受恶意攻击。目前已被提出的基于深度学习的ADS-B异常检测模型仅适用于固定航线的特定航班，或仅对于巡航阶段的航班有效，无法对航班起飞和进近着陆阶段的ADS-B异常数据进行检测，适用范围较窄。论文给出了一种融合K-Means聚类及LSTM神经网络的ADS-B异常数据检测模型，通过对航班进行飞行阶段划分，模型能够有针对性地学习航班各个飞行阶段的航迹特征。对比实验表明，论文提出的混合模型对航班在起飞、巡航及进近着陆各飞行阶段中出现的ADS-B异常数据均具有较高的精确率和召回率，整体检测效果较好，适用性更广，且适用于真实异常事件的检测。
- 单位
