城市复杂环境下干扰源定位策略研究

马志成 陈文君 王海亮 赵艳

摘 要 针对传统的干扰监测体系将难以满足GNSS 系统在城市复杂环境中的服务性能的保障需求，无法解决城市复杂环境下的干扰源定位的问题，提出利用空地协同的机制解决城市复杂多径环境下的干扰源定位问题，首先介绍了城市复杂环境下的干扰信号模型，指出了传统的干扰源定位方法的特点和应用限制，然后介绍了基于空地协同的干扰源定位原理，分析了其应用特点并仿真分析了其定位性能，为城市复杂环境下的干扰源排查提供了一种新的解决思路。

关键词 空地协同；干扰定位；测向；卡尔曼滤波

随着卫星导航在金融、电力、通信等国家经济命脉行业，以及民用航空、自动驾驶等生命安全领域的深入应用，GNSS 干扰检测与定位技术成为国际卫星导航领域的研究热点。由于城市空间地理环境复杂，GNSS 信号极易被各种无意或有意电磁信号干扰，传统的无线电干扰检测设备覆盖面积小、响应迟缓，针对城市复杂环境下的北斗/GNSS 定位授时服务的安全使用需求，迫切需要开展城市复杂环境下干扰源定位技术的研究。

本文采用空地协同多次观测的形式能够有效解决城市复杂环境下干扰源的定位问题，并通过仿真分析了其定位性能。

1 复杂城市环境模型

城市复杂环境下的多径主要是由于干扰信号障碍物的反射或散射，障碍物的几何尺寸、物理参数（表征为电磁特性）以及与干扰源和监测天线的相对空间位置关系共同作用，导致复杂环境下对干扰源的测向精度变差。

下图是地面多径信号的示意图。这些来自不同路径的信号因传播路径的不同而在接收点具有不同的相位，因此在接收点将对接收信号形成干涉场，从而使信号的包络幅度产生深度且快速的衰落。其快速衰落的衰落深度可达30～40dB，从而影响对信号的侦收[1]。

2 双站联合干扰源定位算法

传统的干扰源定位方法是通过一个站在不同的观测点多次观测，确定干扰源的位置，或是通过双站或多站同时观测，联合确定干扰源位置。其中，双站干扰源定位模型如下图所示：

上图中，干扰源的位置坐标可用如下公式计算，

假设监测站多次观测，则可近似为多条示向度线的垂直距离之和为最小值处作为干扰源位置的估计值，对其进行求导零后得到多次观察的干扰源位置估计值，则每一次观测都有：

定位误差由测向误差和观测站自身定位误差引起，经过变换可以得到觀测模型为

这是根据三角定位原理，该方法在干扰源与观测点相对位置不发生变化时，观测效果较好。由于多径和遮挡影响，采用固定双站监测的方法可能会存在发现不了干扰的情况，因此需要建立运动条件下的监测模型来规避多径和遮挡条件的影响[2]。

3 空地协同干扰源定位算法

采用空地协同的策略可有效规避上述影响，但是三角定位模型不适应空地协同运动模型的干扰源定位，因此，需要建立一个运动的模型，来匹配监测节点运动对干扰源定位的影响。该模型的建立原则是既能满足监测节点实际机动需求，又能不大幅增加计算量，提高定位精度。

卡尔曼滤波算法是大部分导航系统状态估计的理论基础，广泛应用于卫星导航、目标定位及多种数据融合算法中。在空地协同干扰源定位中，地面的监测设备采用移动监测车，空中可采用无人机，当地面监测车发现干扰后，无人机升空，联合对干扰源进行定位，并在定位过程中不断优化模型来达到最优的定位结果，该方法可描述为：

在上式中代表系统的状态转移矩阵，描述了系统在前后相邻的两个时刻的状态转移关系。与依次代表系统在时刻和时刻的状态量，代表系统的观测噪声，卡尔曼滤波算法对系统噪声的假设是零均值的或者是非零均值的白噪声[3]。

以上公式便是随机线性离散系统的卡尔曼滤波公式，实际实现中，需要首先建立系统的卡尔曼滤波模型，并且得到能够准确反映系统观测噪声的噪声矩阵，在设定好状态量以及方差阵的初值之后便可进行迭代，得到时刻的系统状态量。

采用卡尔曼滤波的方法建立车载平台和无人机平台的运动状态模型，并在测量过程中对模型不断进行修正，具体的测量过程如下图所示：

采用空地协同的方式，通过监测车和空中无人机的不断测向和运动，对多次观测数据的不断优化，可实现城市复杂环境中的干扰源定位[4]。

4 性能仿真与分析

分析在城市复杂环境下空地协同的干扰定位性能，假设测向精度为3°，自身定位精度为5m，分析不同基线长度下的定位性能。当两个站相距0.5Km时的定位精度如下图所示

从上图中可以看出，在基线的正前方区域内，1km处的定位误差约为11%R。在两站法线方向上精度较高，在两站连线的地方精度较差，但是由于采用空地协同的形式，两个站的位置都可以规划，并且可在不断运动过程中采用卡尔曼滤波的方法对模型进行拟合提高定位精度。

继续增大两个站的间距，将基线长度扩大到1.5km，定位精度如下图所示

从上图中可以看出，在基线的正前方区域内，1km处的定位误差约为4%R，2km处的定位精度约为7%R，从几幅图的对比中可以看出：随着基线的增大，在相同距离上的定位精度会得到提升[5]。

5 结束语

城市复杂环境下的干扰源排查定位一直以来都是一个技术难题，本文提出一种基于空地协同的城市复杂环境下干扰源定位的解决思路，采用空中无人机和地面监测车联合排查定位的方式能够有效解决城市复杂环境下多径和遮挡问题，提升定位精度。仿真结果也表明，在能够形成恰当基线的条件下，能够实现1km内4%的定位精度，能够实现干扰源的快速排查。

参考文献

[1] 楚恒林，李献球.卫星网络干扰信号的监测与定位技术[J].无线电通信技术，2010，36（3）：48-50.

[2] Sun Z B，Ye S F. Satellite interference location using cross ambiguity function[J]. Chinese journal of radio science，2004，19（5）：525-529.

[3] 范广伟，晁磊，刘莉.卫星导航干扰监测技术[J].四川兵工学报，2013，34（6）：125-128.

[4] 赵欣，战兴群，杜刚，等.全球导航卫星系统脆弱性计算机仿真环境设计及其评估方法实现[J].计算机测量与控制，2014，22（9）：2847-2850.

[5] 刘冰，卢伟.浅谈卫星信号监测和干扰定位方法[J].无线互联科技，2012，（4）：106-107.