广播式自动相关监视(Automatic dependent surveillance-broadcast,ADS-B)是一种新型航行技术,被国际民航组织确定为未来主要的航行监视技术。由于ADS-B地面站受到众多不良因素的影响,比如所处地形环境和电磁环境以及地面站自身性能限制等,所以导致ADS-B的监视性能达不到我们需要的监视要求,但ADS-B监视数据提供的各项信息以及监视数据报文本身的一些表征能反应出这些不良因素带来的影响,因此通过对数据的分析来评估监视性能具有重要的意义。一致性监测是空中交通管制的一个重要功能,其最主要目的是监测飞机的飞行轨迹,并检测出其飞行路径的是否有任何的过度偏离。除了用于监测飞行轨迹的过度偏离外,一致性监测还有如航迹偏差跟踪等其他监测内容,以及多样的应用情景。本文在ADS-B数据信息能直观反映影响ADS-B运行性能的不良因素的思想基础上,首先对ADS-B数据报文进行接收、解析和保存;然后根据相关的指标,对ADS-B监视性能进行评估,包括精度与完好性、漏点率、离散度和跳点率,其中重点介绍了使用高斯过程对航迹数据建模,并以此分析位置的离散度和跳点率;最后针对中国民航飞行学院的实际数据来进行监视性能的评估分析。在各种一致性监测应用情景中,飞机位置坐标作为基础,是必不可少的基本状态值。现有的各种监视系统都能提供位置信息,本文采用ADS-B系统提供的位置数据作为测量状态值,使用机器学习中的高斯过程来建立模型,得到一致性监测模型框架,并给出具体的实验证明该框架的可行性。