基于奇异值分解的卫星定位压制干扰识别方法

技术领域

本发明涉及卫星导航定位技术领域，尤其涉及一种基于奇异值分解的卫星定位压制干扰识别方法。

背景技术

全球导航卫星系统(Global Navigation Satellite System，GNSS)因其能提供全天候、实时化和高精度的定位、导航和授时等功能服务，在众多交通系统应用中均得到了广泛应用。特别地，在新型基于车载中心化的列车运行控制系统中，采用GNSS卫星定位技术实施列车位置、速度、方向等状态信息的感知，能够有效降低传统的列车运行控制系统设备对轨旁基础设施(如轨道电路、应答器等)的依赖，仅使用车载系统自身搭载的卫星定位接收机及特定车载辅助传感器，即可实现对列车运行状态的估计与决策，从而令其服务于列车运行控制指令的生成及执行。

卫星定位技术用于列车测速定位过程，需要车载天线实时获取足够数量导航卫星的观测信息，进而运用特定解算逻辑完成定位计算，因此，卫星信号的观测质量对于定位解算的性能具有决定性影响。然而，导航卫星运行于空间轨道上，所发射的卫星信号在经过远距离传播之后，达到地面接收机天线时信号功率已变得非常微弱，且导航卫星信号采用广播式的播发方式，信号传输过程直接暴露于开放空间中，在卫星导航信号格式与数据格式完全公开的情况下，接收机天线局域环境内存在的电磁信号只需要较低的定向功率即可能对有用GNSS信号形成干扰与压制。此外，随着经济社会形态的快速发展与转变，除了常规的无意信号干扰之外，一些出于蓄意、恶意目的卫星定位压制干扰进一步加大了基于GNSS的列车定位及运行控制过程的安全风险。因此，对新型基于卫星定位的列车运行控制系统施加主动干扰防护，对于提升卫星定位功能应用的可信性、安全性水平具有极其重要的意义。

目前，现有技术中的卫星定位干扰防护技术主要集中于卫星定位终端系统的抗干扰优化设计，需要针对常规的卫星定位天线、接收机终端实施特定的软硬件改造，其应用实时性、复杂性以及成本特性难以有效满足轨道交通系统的广泛应用需求。针对可能的导航卫星干扰模式实施干扰分析时，常规的变换域干扰检测技术中，针对不同类型的干扰信号，需要不同的干扰检测方法，难以有统一的处理流程和判别依据；基于接收机的干扰检测技术通过提取相关器后的参数，可以针对性地实现对特定干扰的高效检测，但由于在解扩过程中会丢失部分频谱信息，增加了干扰类型估计的难度。此外，现有的干扰检测分析手段中，主要将干扰信号类型作为处理目标，而未进一步涉及特定类型干扰在不同干扰强度下的识别确认。

因此，同时将干扰类型和干扰信号强度作为检测与识别的目标量，面向特定应用构建相应的干扰特征模型，进而以此为模板实现卫星导航压制干扰的准确识别，对于列车等定位载体在实时运行过程中的主动干扰防护、灵活配置响应具有重要的现实意义，亟待开展相关方法及技术的研究。

发明内容

本发明提供了一种基于奇异值分解的卫星定位压制干扰识别方法，以实现有效地实时检测与识别卫星定位压制干扰。

为了实现上述目的，本发明采取了如下技术方案。

一种基于奇异值分解的卫星定位压制干扰识别方法，包括：

在不同卫星定位压制干扰模式下，采集卫星定位接收机原始中频信号样本，构建离线干扰信号样本库；

对所采集的原始中频信号样本做奇异值分解，确定不同压制干扰模式下的奇异值序列，对所述奇异值序列进行数值变换得到对应的离散特征数据集；

对所述离散特征数据集进行插值处理得到扩展离散特征数据集，采用Logistic函数对所述扩展离散特征数据集进行拟合参数估计，得到不同压制干扰模式的拟合参数；

基于不同压制干扰模式的拟合参数，构建干扰模式特征向量，建立干扰模式特征向量集与干扰属性集之间的映射模型；

实时采集导航卫星中频信号，计算出实际干扰特征向量，根据所述实际干扰特征向量查询所述干扰模式特征向量集与干扰属性集之间的映射模型，估计当前时刻实际的压制干扰信号属性。

优选地，所述的在不同卫星定位压制干扰模式下，采集卫星定位接收机原始中频信号样本，构建离线干扰信号样本库，包括：

步骤S1.1，向卫星定位接收机同步注入压制干扰信号j

λ

其中：i代表干扰信号类型，p为干扰信号强度，λ

步骤S1.2，利用卫星信号采集终端采集不同卫星定位压制干扰模式下的原始射频信号R

优选地，所述的对所采集的原始中频信号样本做奇异值分解，确定不同压制干扰模式下的奇异值序列，对所述奇异值序列进行数值变换得到对应的离散特征数据集，包括：

步骤S2.1，基于特定卫星定位压制干扰模式所得的中频数字信号，截取长度为l的中频数据信号序列X

将所述中频数字信号序列X

对矩阵A

其中，奇异值序列W

步骤S2.2，针对奇异值序列W

步骤S2.3，重复步骤S2.1、S2.2，遍历各个卫星定位压制干扰模式直至所得离散特征数据集覆盖全部干扰信号类型、干扰信号强度。

优选地，所述的对所述离散特征数据集进行插值处理得到扩展离散特征数据集，采用Logistic函数对所述扩展离散特征数据集进行拟合参数估计，得到不同压制干扰模式的拟合参数，包括：

步骤S3.1，对离散特征数据集H

其中，(c

步骤S3.2，采用Logistic函数对所获得的扩展离散特征数据集I

其中，

步骤S3.3，设置拟合权重集

其中，α

步骤S3.4，根据所得拟合权重集B

其中，

优选地，所述的基于不同压制干扰模式的拟合参数，构建干扰模式特征向量，建立干扰模式特征向量集与干扰属性集之间的映射模型，包括：

步骤S4.1，计算不同卫星定位压制干扰模式下通过精拟合所得Logistic模型

步骤S4.2，重复步骤4.1，遍历各个卫星定位压制干扰模式，汇总不同卫星定位压制干扰模式所得干扰模式特征向量，组成干扰模式特征向量集{χ

优选地，所述的实时采集导航卫星中频信号，计算出实际干扰特征向量，根据所述实际干扰特征向量查询所述干扰模式特征向量集与干扰属性集之间的映射模型，估计当前时刻实际的压制干扰信号属性，包括：

步骤S5.1，在实际列车运行过程中，根据给定的干扰检测周期T

将所述中频数字信号序列X(t

步骤S5.2，对所得奇异值序列W(t

步骤S5.3，计算精拟合模型

步骤S5.4，根据t

由上述本发明提供的技术方案可以看出，本发明提供一种基于奇异值分解的卫星定位压制干扰识别方法，旨在利用不同压制干扰信号的相关特征样本，建立干扰信号奇异值序列模型，为快速、准确地检测与识别卫星干扰信号类型与强度提供可行途径。

本发明附加的方面和优点将在下面的描述中部分给出，这些将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例提供的一种基于奇异值分解的卫星定位压制干扰识别方法的流程图。

图2为本发明实施例提供的一种基于干扰信号强度为-70dBm条件下的CWI压制干扰模式所得中频数字信号截取的中频数字信号序列。

图3为本发明实施例提供的一种基于干扰信号强度为-70dBm条件下的CWI压制干扰模式所得离散特征数据集。

图4为本发明实施例提供的一种CWI干扰特征向量集与CWI属性集之间的映射模型。

图5为本发明实施例提供的一种CWI压制干扰模式下测试干扰信号强度为p＝-58dBm的干扰信号属性估计结果。

具体实施方式

下面详细描述本发明的实施方式，所述实施方式的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施方式是示例性的，仅用于解释本发明，而不能解释为对本发明的限制。

本技术领域技术人员可以理解，除非特意声明，这里使用的单数形式“一”、“一个”、“所述”和“该”也可包括复数形式。应该进一步理解的是，本发明的说明书中使用的措辞“包括”是指存在所述特征、整数、步骤、操作、元件和/或组件，但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、组件和/或它们的组。应该理解，当我们称元件被“连接”或“耦接”到另一元件时，它可以直接连接或耦接到其他元件，或者也可以存在中间元件。此外，这里使用的“连接”或“耦接”可以包括无线连接或耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的任一单元和全部组合。

本技术领域技术人员可以理解，除非另外定义，这里使用的所有术语(包括技术术语和科学术语)具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是，诸如通用字典中定义的那些术语应该被理解为具有与现有技术的上下文中的意义一致的意义，并且除非像这里一样定义，不会用理想化或过于正式的含义来解释。

为便于对本发明实施例的理解，下面将结合附图以几个具体实施例为例做进一步的解释说明，且各个实施例并不构成对本发明实施例的限定。

本发明实施例提供一种基于奇异值分解的卫星定位压制干扰识别方法，旨在利用不同压制干扰信号的相关特征样本，建立干扰信号奇异值序列模型，为快速、准确地检测与识别干扰信号类型与强度提供可行途径，从而针对性做出有效响应，提高列车卫星定位的准确性和安全性，支持北斗卫星导航系统在安全相关的交通系统应用中发挥预期作用。

实施例一

步骤S1，在不同卫星定位压制干扰模式下，采集卫星定位接收机原始中频信号样本，构建离线干扰信号样本库；

步骤S2，对所采集的原始中频信号样本做奇异值分解，确定不同压制干扰模式下的奇异值序列，对所述奇异值序列进行数值变换得到对应的离散特征数据集；

步骤S3，对所述离散特征数据集进行插值处理得到扩展离散特征数据集，采用Logistic函数对所述扩展离散特征数据集进行拟合参数估计，得到不同压制干扰模式的拟合参数；

步骤S4，基于不同压制干扰模式的拟合参数，构建干扰模式特征向量，建立干扰模式特征向量集与干扰属性集之间的映射模型；

步骤S5，实时采集导航卫星中频信号，计算出实际干扰特征向量，根据所述实际干扰特征向量查询所述干扰模式特征向量集与干扰属性集之间的映射模型，估计当前时刻实际的压制干扰信号属性。

优选地，步骤S1具体包括：利用干扰信号注入设备，在特定卫星定位信号观测环境中生成干扰信号强度不同的原始干扰信号。所述的卫星定位压制干扰模式指在同一个卫星定位信号观测环境下，向卫星定位接收机同步注入压制干扰信号j

λ

其中：i代表干扰信号类型，p为干扰信号强度，λ

利用卫星信号采集终端采集不同卫星定位压制干扰模式下的原始射频信号R

优选地，步骤S2具体包括：

步骤S2.1，基于特定卫星定位压制干扰模式所得中频数字信号，截取长度为l的中频数据信号序列X

将上述中频数字信号序列X

对矩阵A

其中，奇异值序列W

步骤S2.2，对特定卫星定位压制干扰模式所得奇异值序列W

步骤S2.3，重复步骤S2.1、S2.2，遍历各个卫星定位压制干扰模式直至所得离散特征数据集覆盖全部干扰信号类型、干扰信号强度。

优选地，所述步骤S3包括：

步骤S3.1，对所得的离散特征数据集H

其中，(c

步骤S3.2，采用Logistic函数对所获得的扩展离散特征数据集I

其中，

步骤S3.3，设置拟合权重集

其中，α

步骤S3.4，根据所得拟合权重集B

其中，

优选地，所述步骤S4包括：

步骤S4.1，计算不同卫星定位压制干扰模式下通过精拟合所得Logistic模型

步骤S4.2，重复步骤4.1，遍历各个卫星定位压制干扰模式，汇总不同卫星定位压制干扰模式所得干扰模式特征向量，组成干扰模式特征向量集{χ

优选地，所述步骤S5包括：

步骤S5.1，在实际列车运行过程中，根据给定的干扰检测周期T

将上述中频数字信号序列X(t

步骤S5.2，采用类似步骤S2、S3所述流程，对所得奇异值序列W(t

步骤S5.3，计算精拟合模型

步骤S5.4，调用步骤S4.2所得干扰模式特征向量集与干扰属性集之间的映射模型f，基于t

实施例二

本实施例提供的一种基于奇异值分解的卫星定位压制干扰识别方法的具体处理流程如图1所示，包括如下步骤：

步骤S1，在不同卫星定位压制干扰模式下，采集卫星定位接收机原始中频信号样本，构建离线干扰信号样本库。

步骤S2，对所采集的原始中频信号样本做奇异值分解，确定不同压制干扰模式下的奇异值序列，对奇异值序列进行数值变换得到对应的离散特征数据集。

步骤S3，对离散特征数据集进行插值处理得到扩展离散特征数据集，采用Logistic函数对所获得的扩展离散特征数据集进行拟合参数估计，得到不同压制干扰模式的拟合参数。

步骤S4，基于不同压制干扰模式的拟合参数，构建干扰模式特征向量，建立干扰模式特征向量集与干扰属性集之间的映射模型。

步骤S5，在实际运行过程中实时采集导航卫星中频信号，基于固定时间窗提取即时窗内样本序列，计算实际干扰特征向量。根据所述实际干扰特征向量查询所述干扰模式特征向量集与干扰属性集之间的映射模型，估计出当前时刻实际的压制干扰信号属性。

步骤S1进一步包括如下子步骤：

子步骤S1.1，本实施例以单频干扰信号(CWI)压制干扰模式为例，在同一个卫星定位信号观测环境下，向卫星定位接收机同步注入CWI信号j

λ

其中：字符CWI代表干扰信号类型为CWI信号，p为干扰信号强度，λ

子步骤S1.2，

以单频干扰信号(CWI)压制干扰模式为例，利用卫星信号采集终端采集CWI卫星定位压制干扰模式下、不同干扰强度下的原始射频信号R

步骤S2进一步包括如下子步骤：

子步骤S2.1，基于CWI卫星定位压制干扰模式所得中频数字信号，截取长度为l＝1×10

不同压制干扰强度水平下的序列X

将上述中频数字信号序列X

对矩阵A

其中，奇异值序列W

子步骤S2.2，对奇异值序列W

图3显示了本实施例中基于干扰信号强度为-70dBm条件下的CWI压制干扰模式所得离散特征数据集H

步骤S3进一步包括如下子步骤：

子步骤S3.1，对所得的离散特征数据集H

在此基础上，进一步剔除H

其中，(c

子步骤S3.2，采用Logistic函数对所获得的扩展离散特征数据集I

其中，

子步骤S3.3，设置拟合权重集

子步骤S3.4，根据所得拟合权重集B

其中，

步骤S4进一步包括如下子步骤：

子步骤S4.1，计算通过精拟合所得Logistic模型

子步骤S4.2，重复子步骤S4.1，遍历CWI压制干扰模式下的不同干扰信号强度，令所构建的干扰模式特征向量覆盖全部干扰信号强度水平，并汇总所得的干扰模式特征向量组成CWI干扰特征向量集{χ

优选地，本实施例中CWI干扰特征向量集{χ

对于二维向量[φ

f(χ)＝λ，χ＝[φ

其中，φ

其中，边界参数κ

其中，

图4显示了按照上述方式所建立的CWI干扰特征向量集{χ

步骤S5进一步包括如下子步骤：

子步骤S5.1，在实际列车运行过程中，根据给定的干扰检测周期T

将上述中频数字信号序列X(t

对矩阵A(t

其中，奇异值序列W(t

子步骤S5.2，对所得奇异值序列W(t

本实施例使用线性插值法对离散特征数据集H(t

在此基础上，剔除H(t

其中，(c

采用Logistic函数对所获得的扩展离散特征数据集I(t

其中，

设置拟合权重集

根据所得拟合权重集B(t

其中，

子步骤S5.3，计算通过精拟合所得Logistic模型

子步骤S5.4，调用子步骤S4.2所得干扰模式特征向量集与干扰属性集之间的映射模型f，基于t

综上所述，本发明面向卫星定位应用对安全性的需求，提供了一种基于奇异值分解的卫星定位压制干扰识别方法，该方法不需要对现有的车载卫星定位终端进行大幅的软硬件扩增，仅从卫星定位信号接收与处理流程的中间环节提取特定数据，并通过一定的数据处理运算量构建卫星定位压制干扰的相关特征模型，利用样本模型的构建以及基于该模型的相关检测，能够动态运用实际运行过程中的数据实施相应的干扰特征判别，确定运行环境中可能存在压制干扰的实际类型及强度水平。从本发明所提出方法的核心思想、主要流程以及实施方式来看，可知该方法具有明确的低成本特性、实施便捷性、应用适应性，结合大量的卫星定位压制干扰模式样本，能够达到优良的干扰特征覆盖度和识别性能。

本发明提供的基于奇异值分解的卫星定位压制干扰识别方法，能够以较低的实施成本嵌入既有道路车辆、轨道交通列车等载体所含卫星定位终端，在传统卫星定位接收机终端实施自主故障检测诊断的基础上，进一步叠加相应的压制干扰监测功能，从而为基于GNSS的载体机动定位提供额外的干扰防御加固，为复杂道路网、轨道交通线网环境提供卫星定位干扰特征库的主动监测、预警及标定途径，为卫星定位具体应用创造更优的信息安全保障机制。

本领域普通技术人员可以理解：附图只是一个实施例的示意图，附图中的模块或流程并不一定是实施本发明所必须的。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以权利要求的保护范围为准。