留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

加权K-Means与DRSS定位结合的GNSS干扰源定位方法

程涵清 张国梅 彭可军

程涵清, 张国梅, 彭可军. 加权K-Means与DRSS定位结合的GNSS干扰源定位方法[J]. 全球定位系统, 2024, 49(4): 113-120, 126. doi: 10.12265/j.gnss.2024025
引用本文: 程涵清, 张国梅, 彭可军. 加权K-Means与DRSS定位结合的GNSS干扰源定位方法[J]. 全球定位系统, 2024, 49(4): 113-120, 126. doi: 10.12265/j.gnss.2024025
CHENG Hanqing, ZHANG Guomei, PENG Kejun. Localization for GNSS interference sources based on weighted K-Means combined with DRSS positioning[J]. GNSS World of China, 2024, 49(4): 113-120, 126. doi: 10.12265/j.gnss.2024025
Citation: CHENG Hanqing, ZHANG Guomei, PENG Kejun. Localization for GNSS interference sources based on weighted K-Means combined with DRSS positioning[J]. GNSS World of China, 2024, 49(4): 113-120, 126. doi: 10.12265/j.gnss.2024025

加权K-Means与DRSS定位结合的GNSS干扰源定位方法

doi: 10.12265/j.gnss.2024025
基金项目: 国家部委基金资助项目(EEY22684X023);陕西省自然科学基础研究计划(2023-JC-YB-519)
详细信息
    作者简介:

    程涵清:(2001—),男,硕士,研究方向为大数据聚类、卫星导航的干扰监测、源定位等. E-mail:1522193685@qq.com

    张国梅:(1978—),女,博士,副教授,研究方向为智能无线通信、GNSS抗干扰、通导一体化等. E-mail: zhanggm@mail.xjtu.edu.cn

    彭可军:(1997—),男,硕士,研究方向为神经网络、卫星导航的干扰检测与识别等. E-mail:pengkejun@stu.xjtu.edu.cn

    通信作者:

    张国梅 E-mail: zhanggm@mail.xjtu.edu.cn

  • 中图分类号: P228.41

Localization for GNSS interference sources based on weighted K-Means combined with DRSS positioning

  • 摘要: 针对基于载噪比(carrier to noise ratio,CNR)的GNSS干扰源定位,在存在多个干扰源、多径传输且接收机间距较远时定位难度大、精度低的问题,提出了一种加权K均值(K-Means)聚类算法与基于差分接收信号强度(differential received signal strength,DRSS)的方程解算定位相结合的多干扰源定位方法. 在假设干扰源个数确定以及单个接收机只受到一个干扰源影响的前提下,设计了改进的加权K-Means聚类算法实现对多个干扰源位置的初步估计. 为了进一步降低在观测接收机相距较远时加权K-Means方法的定位误差,在聚类后选取各簇内受干扰影响显著的接收CNR构建基于DRSS的定位方程组,通过方程解算得到更加精细的定位结果. 仿真结果表明,所提出的定位方案可以实现对多干扰源的定位,结合DRSS参数定位后,单干扰源场景下定位误差可降低19%以上,存在两个单音干扰源的场景下定位误差可降低38%以上.

     

  • 图  1  大规模多接收站系统场景图

    图  2  接收站受到干扰源的影响示意图

    图  3  单干扰源场景下Mean-Shift算法定位误差分布

    图  4  单干扰源场景下加权K-Means算法定位误差分布

    图  5  双干扰源场景下加权K-Means算法定位误差分布

    图  6  单干扰源场景下两种算法定位平均误差对比

    图  7  双干扰源场景下两种算法定位误差分布

    表  1  4种压制式干扰信号的数学模型

    干扰类型 信号模型
    单音干扰(STI) $ I\left( t \right) = \sqrt {2P} \cos \left( {2{\text{π}}ft + \varphi } \right) $
    多音干扰(MTI) $ I\left( t \right) = \sqrt {2P} \displaystyle\sum\limits_{i = 1}^N {\cos \left( {2{\text{π}}{f_i}t + {\varphi _i}} \right)} $
    线性扫频干扰(LFMI) $ I\left( t \right) = \sqrt {2P} {\text{rect}}\left( {{t \mathord{\left/ {\vphantom {t T}} \right. } T}} \right){e^{j\left( {2{\text{π}}{f_0}t + {\text{π}}K{t^2} + \varphi } \right)}} $
    脉冲干扰(PI) $I\left( t \right) = \displaystyle\sum\limits_{i = 0}^{N - 1} {\sqrt {{P \mathord{\left/ {\vphantom {P \tau }} \right. } \tau }} } \left[ {u\left( {t - iT} \right) - u\left( {t - iT - \tau T} \right)} \right]$
    下载: 导出CSV

    表  2  求解式(16)的格网搜索步长设置

    变量 最小值 最大值 步长
    $ {x_J} $ (X–15) km (X+15) km 1 km
    $ {y_J} $ (Y–15) km (Y+15) km 1 km
    $ \alpha $ 1 2 0.02
      注:(XY)为加权K-Means的初步定位坐标.
    下载: 导出CSV

    表  3  各场景下Mean-Shift算法平均定位误差

    场景干扰类型定位误差均值/km
    单源单音9.44
    多音9.24
    线性扫频10.21
    脉冲9.54
    下载: 导出CSV

    表  4  各场景下加权K-Means算法平均定位误差

    场景干扰类型定位误差均值/km
    单源单音9.59
    多音9.73
    线性扫频8.96
    脉冲9.06
    双源单音9.85
    多音8.77
    线性扫频10.77
    脉冲10.78
    下载: 导出CSV

    表  5  各场景下加权K-Means结合DRSS算法平均定位误差

    场景干扰类型定位误差均值/km
    单源单音3.48
    多音7.74
    线性扫频5.80
    脉冲7.27
    双源单音6.08
    下载: 导出CSV
  • [1] WESSON K D, GROSS J N, HUMPHREYS T E, et al. GNSS signal authentication via power and distortion monitoring[J]. IEEE transactions on aerospace electronic systems, 2018, 54(2): 739-754. DOI: 10.1109/TAES.2017.2765258
    [2] SHAFIEE E, MOSAVI M R, MOAZEDI M. Detection of spoofing attack using machine learning based on multi-layer neural network in single-frequency GPS receivers[J]. Journal of navigation, 2018, 71(1): 169-188. DOI: 10.1017/s0373463317000558
    [3] WU Z, ZHAO Y, YIN Z, et al. Jamming signals classification using convolutional neural network [C]//IEEE International Symposium on Signal Processing and Information Technology, 2017.
    [4] JAHROMI A J, BROUMANDAN A, NIELSEN J, et al. GPS spoofer countermeasure effectiveness based on signal strength, noise power, and C/N0 measurements[J]. International journal of satellite communications and networking, 2012, 30(4): 181-191. DOI: 10.1002/sat.1012
    [5] GAO P, SUN S L, ZENG Z , et al. GNSS spoofing jamming recognition based on machine learning[C]//The 3rd international conference on signal and information processing, networking and computers (ICSINC), 2017.
    [6] 邓旭. 基于载噪比的GNSS欺骗式干扰检测方法研究 [D]. 郑州: 战略支援部队信息工程大学, 2022.
    [7] 靳睿敏, 甄卫民. 基于接收机位置信息的GNSS干扰源定位技术[J]. 全球定位系统, 2020, 45(1): 51-55.
    [8] 聂大惟, 朱海, 吴飞, 等. 基于RSSI概率分布与贝叶斯估计的加权定位方法[J]. 全球定位系统, 2022, 47(2): 52-59. DOI: 10.12265/j/gnss.2021080902
    [9] 刘禹秾. 基于终端聚类的导航信号干扰定位 [D]. 北京: 北京邮电大学, 2021.
    [10] PSIAKI M L, AKOS D M, THOR J. A comparison of direct RF sampling and down-convert & sampling GNSS receiver architectures[C]//The 16th International Technical Meeting of the Satellite Division of the Institute of Navigation (ION GPS/GNSS 2003), 2003: 1941-1952.
    [11] SHARAWI M S, AKOS D M, ALOI D N. GPS C/N0 estimation in the presence of interference and limited quantization levels[J]. IEEE transactions on aerospace and electronic systems, 2007, 43(1): 227-238. DOI: 10.1109/TAES.2007.357129
    [12] PAULUZZI D, BEAULIEU N. A comparison of SNR estimation techniques for the AWGN channel[J]. IEEE transactions on communications, 2000, 48(10): 1681-1691. DOI: 10.1109/26.871393
    [13] 朱海, 史文森, 蔡鹏, 等. 压制式干扰环境中GPS信号的载噪比估计算法[J]. 弹箭与制导学报, 2014, 34(3): 209-212. DOI: 10.3969/j.issn.1673-9728.2014.03.054
    [14] LIU R, YANG Z W, CHEN Q, et al. GNSS multi-interference source centroid location based on clustering centroid convergence [J]. IEEE access, 2021(9): 108452-108465. DOI: 10.1109/ACCESS.2021.3101250
    [15] 刘睿, 杨志伟, 陈奇东, 等. 基于信号传播修正的GNSS干扰源质心定位方法[J]. 系统工程与电子技术, 2021, 43(8): 2083-2089. DOI: 10.12305/j.issn.1001-506X.2021.08.08
  • 加载中
图(7) / 表(5)
计量
  • 文章访问数:  67
  • HTML全文浏览量:  27
  • PDF下载量:  8
  • 被引次数: 0
出版历程
  • 收稿日期:  2024-01-31
  • 录用日期:  2024-01-31
  • 网络出版日期:  2024-07-05

目录

    /

    返回文章
    返回