GNSS干扰调制方式识别方法研究＊

陈奇东，甄卫民

（中国电波传播研究所，山东 青岛266107）

0 引 言

全球导航卫星系统（GNSS）在军事和民用领域一直提供着高精度的导航、定位、授时等服务，受到越来越多的用户所依赖。然而，随着工业的发展，电磁环境越来越复杂，GNSS受到电磁干扰的严重威胁，制约着其应用。

为了有效的控制干扰，人们采用了多种手段，包括对干扰的监测、查找，排除非法干扰；研制抗干扰接收机，对干扰进行抑制等。均有必要对干扰的调制方式进行识别，以确定干扰的特征，从而有利于查找干扰源，或者在接收机中采用有针对性的抗干扰算法对干扰进行抑制［1］。

1 干扰的关键特征提取

通常，GNSS干扰是来自周围的无线电通信、广播的无意干扰，或是来自敌方的有意干扰，干扰的调制方式种类繁多，但是所有的调制方式均是用调制信号对载波的幅度、频率、相位参数进行调整，从而达到利用载波承载信息的目的。因此，对调制方式的识别，应该从提取干扰的幅度、频率、相位的关键特征开始。主要的关键特征有:

1）归一化瞬时幅度的方差σaa［2］

式中，acn（i）为归一化中心瞬时幅度值，

而

式中，a（i）为幅度的采样值。

2）归一化中心瞬时幅度的功率谱密度的最大值γ［2－3］max

式中，acn（i）是归一化中心瞬时幅度值，定义同式（1）．

式中变量acn（i）定义同式（1）．

式中:

式中，f（i）为频率的采样值。

式中:

式中，φ（i）为相位的采样值。

2 常见干扰调制方式的识别

2．1 常见干扰的数学表达

1）AM干扰

式中:ma为调制指数，0＜ma＜100%；fx为干扰的调制频率；fc为干扰的载波频率，下同。

2）DSB干扰

3）SSB干扰

式中，y（t）为x（t）的希尔伯特变换

因此，SSB调制信号可以表示为

4）角度调制（FM、PM）干扰

式中，β为调制指数。对于PM信号β表示为βp＝Kp，Kp为相位偏移常数；对于FM信号β表示为

式中，gT（t）为矩形不归零脉冲。

6）2FSK干扰

5）2ASK干扰

7）2PSK干扰

式中:an为双极性二进制数字序列；gT（t）为脉冲成型滤波器的冲击响应。

8）QPSK干扰

式中:Ts为四进制符号间隔，｛θi；i＝1，2，3，4｝为正弦载波的相位，有4种可能状态。

2．2 常见干扰调制方式的识别流程

针对上述的常见干扰调制方式，提取并分析其关键特征，利用不同的关键特征，对各种调制方式的干扰进行分类、识别，图1示出了对不同干扰调制方式干扰的识别流程。

图1 常见干扰调制方式的识别流程

从图1可以看出，通过归一化瞬时幅度的方差，将干扰分成两类:AM、ASK、DSB和PSK、FSK、QPSK、SSB、FM、PM，分别对两类干扰进行识别。

针对AM、ASK、DSB干扰，通过归一化中心瞬时幅度的功率谱密度的最大值识别出AM干扰；利用归一化瞬时幅度的方差，识别出ASK干扰和DSB干扰。

针对PSK、FSK、QPSK、SSB、FM、PM 干扰，首先，利用归一化瞬时频率的累积量将该类干扰分成QPSK、PSK和FSK、SSB以及FM、PM 三类；然后，分别利用归一化瞬时相位的累积量和瞬时幅度的累积量将干扰识别开来。

3 干扰调制方式识别的性能评估

通过上述分析，对常见干扰的关键特征进行提取，对关键特征进行分类，识别出常见干扰的调制方式，当干信比为10dB时，各种调制方式的识别准确率如表1所示。

表1 识别准确率（干信比为10dB）

当干信比较高时，该方法能得到很高的识别准确率。随着干信比的提高，识别准确率会继续提高，直至达到100%；反之，识别准确率将降低。图2示出了识别准确率随干信比的变化。

图2 干扰调制方式识别的准确率

当干扰电平超过信号电平时，即干信比超过0 dB，该方法可以对常见干扰调制方式进行识别，但识别准确率只有30%左右，随着干信比的增加，干扰调制方式识别准确率提高，可以达到较好的识别效果。

4 结 论

通过对干扰的关键特征提取，对常见干扰进行分析，给出干扰调制方式的识别流程，通过仿真，验证该识别方法的有效性，在干信比达10dB以上时，识别准确率可以超过95%，针对GNSS信号而言，由于其采用了扩频体制，其抗干扰能力可达30 dB以上，因此，对于常见的对GNSS有威胁的干扰，利用所提到的方法都可以有效识别。

［1］ KUNDU A，MUKHOPADHYAY M，SARKAR B K．Incorporation of anti－jamming techniques in a GPS receiver［C］／／IEEE－International Conference on Signal Processing，India，Jan．4－6，2008．

［2］ NAND A K，AZZOUZ E E．Automatic analogue modulation recognition［J］．Signal Processing ，1995（46）:211－222．

［3］ WONG M L D，NANDI A K．Automatic digital modulation recognition using artificial neural network and genetic algrithm［J］．Signal Processing，2004（84）:351－365．

［4］ AZZOUZ E E，NANDI A K．Automatic modulation recognition［M］．London:Elsevier Science Ltd，1997．