Desarrollo de filtros de seguimiento en el dominio del tiempo para sistemas de vigilancia en TMA basados en multilateración

Abstract

The tracking filters are a fundamental part of the surveillance systems nowadays. These filters have had to adapt to the different existing radar technologies. In TMA areas, the detection has been done through primary and secondary radar typically, but the multilateration systems (MLAT) are intended to replace the secondary radar and constitute the basis of the surveillance infrastructures for the air traffic in TMA. Until now, the tracking filters are used to do the tracing of the objective coordinates in the space, to this strategy, it is needed a Kalman filter of 9 states. In this paper, it is proposed the use of the the filter g-h and Kalman in the time domain. In this way, it¿s possible to improve the precision of the TOA and as a result, an improvement in the position estimation. Furthermore, it is needed less resources because the Kalman filter in the time domain only need 2 or 3 states or his equivalent g-h applied to the reference station. The work proves that this strategy is more robust than the currently used, and when there are no measurements available, it is possible to predict positions with best precision and during more intervals of time.

Los filtros de seguimiento suponen una parte fundamental de los sistemas de vigilancia actuales que han ido adaptándose para las diferentes tecnologías de radar existentes. En áreas TMA, la detección se ha realizado mediante radar primario y secundario tradicionalmente, pero los sistemas de multilateración (MLAT) están destinado a sustituir al radar secundario y constituir los pilares de las infraestructuras de vigilancia para el tráfico aéreo en TMA. Hasta el momento, los filtros de seguimiento realizaban la vigilancia de las coordenadas del objetivo en el espacio, siendo necesario un filtro de Kalman de 9 estados para poder estimar la posición del blanco. Mediante este trabajo se propone la aplicación de los filtros g-h y de Kalman en el dominio del tiempo. De este modo, se consigue mejorar la precisión de los TOA y como consecuencia directa, la precisión en la estimación de la posición. Haciendo uso de menos recursos, ya que únicamente se necesitaría un filtro de Kalman de 2 o 3 estados o su correspondiente g-h aplicado a la estación de referencia. Se demuestra cómo esta estrategia es más robusta que la actual, y cómo en ausencia de medidas es capaz de predecir posiciones futuras con mejor precisión y durante periodos más largos.