广播式自动相关监视（Automatic Dependent Surveillance-Broadcast,ADS-B）技术是新一代航行系统中非常重要的通信和监视技术,有助于空中交通管制员和飞行机组实时共享空中交通运行态势,提升航空安全运行水平、空域容量与运行效率。然而由于外界不确定因素,易造成机场航班ADS-B信号丢失,严重影响航空飞行安全。针对这种现象,本文基于深度学习目标检测网络模型和图像目标定位技术,以河南省郑州市新郑国际机场为例开展机场ADS-B信号场面视频补盲方法研究,主要取得以下研究成果:（1）提出和构建了一种适用于场面视频飞机的轻量级目标检测网络模型针对机场场面视频监控图像中存在由于拍摄距离远造成飞机目标较小、相互遮挡等问题,当前检测模型普遍结构复杂,在机场空管任务中难以满足实时性检测等问题。本文提出一种场面视频飞机实时检测网络―RPD（Realtime Planes Detection）,构建RPDNet4轻量化卷积特征提取骨干网络,其中设计了一种新的核心组件CBL（Conv（卷积层）、BN（批归一化）、Relu（激活函数））模块,以扩展神经网络中感受野范围;加入深度可分离卷积设计轻量级的通道调整模块Block,降低了网络模型结构参数;通过GIou Loss损失函数,提升网络模型训练收敛速度;设计四尺度预测模块,采用相邻尺度特征融合技术,对不同抽象层级的特征进行相邻特征融合,构建了一个具有低级到高级的特征金字塔结构,提高机场飞机小目标检测精度达到98.9%。实验结果表明:相比YOLOv3、SSD网络模型,RPD网络模型在检测精度上,提升4%、14.8%;相比SSD、YOLOv3、Faster-RCNN网络模型,RPD网络模型在参数上,降低33.7%、40.5%、80.2%。（2）提出了单视频源图像定位的ADS-B信号补盲方法针对机场航班在飞行、起降阶段发生信号丢失现象,基于针孔成像模型原理,针对单视频源视频设备,通过机场场面视频监控图像像素坐标系,图像物理坐标系,相机坐标系,地理坐标系四坐标系转换,提出了单视频源图像目标定位方法,通过该方法结合机场场面视频对ADS-B信号进行补盲,其补盲精度达到97.3%,与张氏算法、GA-BP算法相比,在补盲精度上分别提升5.3%、2.8%,证实了该补盲方法的有效和实用性。