CN102692630B - 一种基于支持向量机的gnss高斯干扰检测方法 - Google Patents

Abstract

本发明公开了一种基于支持向量机的GNSS高斯干扰检测方法，包括：首先获取GNSS接收机待检信号，计算待检信号的功率谱密度；然后计算功率谱密度在GNSS信号频谱主瓣带宽上的最大值与平均值的比值：对于比值大于评估值的在GNSS信号频谱主瓣带宽上提取样本，对于比值小于预定值的以功率谱密度最大值对应频率处为中心提取样本，计算待训练信号的功率谱密度，根据待检信号的宽窄带特性提取样本，添加样本标识属性之后进行训练；最后把待检信号送入分类机诊断，判断有无干扰及干扰类型。本发明从直接提取信号的特征参数出发，物理意义明确，充分利用支持向量机的诊断功能，计算量简单，编程容易实现，运算效率高。

Description

一种基于支持向量机的GNSS高斯干扰检测方法

技术领域

本发明属于导航技术领域，涉及GNSS干扰检测技术，具体涉及一种基于支持向量机的GNSS高斯干扰检测方法。

背景技术

随着国民经济对导航定位的日趋依赖和国防建设对卫星导航定位的迫切需求，卫星导航技术有着飞速的发展,卫星导航定位已经成为现代社会不可或缺的重要组成部分。GNSS本质上是一种无线电导航系统，无线电信号的脆弱性导致GNSS对干扰的易损性。卫星导航信号具有固有的脆弱性，功率为1W的干扰机可以使85公里以内的C/A码接收机无法工作，干扰功率每增加6dB，有效干扰距离就增加1倍。针对GNSS信号易受干扰的特点，研究不同的干扰对GNSS的影响也就越来越重要。

目前，常用的干扰检测方法主要可以分为两种类型，接收机相关前的干扰检测和相关后的干扰检测。相关前干扰检测主要是通过天线、AGC增益、ADC以及载噪比等接收机观测量的提取来实现，而相关后干扰检测是通过观测相关器输出功率、相关器输出功率方差，以及相关后的FFT运算来进行。

题为“Jamming detection and blanking for GPS receivers”的美国专利No.6,448,925，通过链接相关器的输出的增加，或者通过不存在温度变化时时钟漂移的存在，或者通过接收GPS信号的信噪比(S/N)的突变，检测周期性干扰的存在。美国专利No.6,448,925依赖于存在干扰时替换GPS位臵确定的航位推测方法。

题为“Global positioning system interference detection”的美国专利No.6,842,498，调谐滤波器在一定的频率范围，在每一次较大的频率增加时，计算一组带通滤波器系数，把改组系数送到数字滤波器，重复把具有最少两位量化电平的模数转换器的结果送到一带通滤波器，从上述数字滤波器输出抽样值，计算抽样的平均值，最后把该平均值和一个门限值比较，继而可检测出超过门限的峰值，判断有无干扰的存在。

题为“Jamming detector and jamming detecting method”的美国专利，通过GPS接收机接收到的信号的分布与特定参考信号的分布进行比较，从比较的结果得出接收信号与参考信号的分布偏差，通过偏差判断干扰的存在，如果信号分布明显偏离参考分布，意味着干扰的存在。

题为“Time-frequency interfering detector”的欧洲专利，基于GNSS接收机结构的时频特性，利用窗函数的方法计算接收信号的频谱特性，从而根据频谱特性检测干扰的存在与否；通过存储单元中的频谱特性与接收到信号的频谱特性进行比较达到干扰检测的目的。

综上，GNSS干扰检测室一个综合性、跨学科的研究项目，虽然已有了一些检测方法，但是大多都存在一定局限性，例如利用GNSS接收信号的分布情况来检测会造成计算量太大的问题；而直接从接收信号的频谱特性检测会造成灵敏度较低的问题。

发明内容

本发明的目的在于针对现有的GNSS干扰检方法中计算量大、灵敏度低的问题，提出了一种基于支持向量机的GNSS高斯干扰检测方法。该方法从直接提取信号的特征参数功率谱密度出发，物理意义明确，充分利用支持向量机的小样本学习方法，基本上不涉及概率统计问题，避开了从归纳到演绎的传统过程，大大简化了通常的分类和回归等问题。

一种基于支持向量机的GNSS高斯干扰检测方法，包括以下几个步骤：

步骤1：GNSS接收机接收到卫星发射的低功率无线电信号后，将GNSS接收机相关前信号设臵为待检信号，对待检信号进行T时间长的采样，得到样本X＝{x₁,...,x_N}，N为总的采样点数，F_s为其采样频率，x₁，...,x_N为待检信号幅值；

步骤2：获取步骤1中得到的N个采样点的单边功率谱密度，得的功率谱密度为psd₁,...,psd_N/2；

步骤3：根据步骤2得到的单边功率谱密度，获取在待检信号频谱主瓣带宽BW上功率谱密度的最大值psd_max和平均值psd_mean的比值；

步骤4：根据步骤3中得到的比值k提取不同的特征样本，当k小于临界值ε，在待检信号整个频谱主瓣带宽BW上提取样本P；当k大于等于临界值ε，对待检GNSS信号以功率谱密度最大值对应频率f_max为中心提取样本Q；

步骤5：获取待检GNSS信号窄带特性情况下所需待训练GNSS相关前信号样本的功率谱密度；

步骤6：对步骤5中的M个待训GNSS相关前信号样本中提取样本N₁,...,N_M，并添加样本标识属性列；

步骤7：则对步骤6中添加了标识属性列的样本

送入SVM故障诊断系统中进行训练；之后把样本P送入已完成对样本

训练的故障诊断系统中进行诊断；转至步骤11；

步骤8：获取待检GNSS信号宽带特性情况下所需待训练GNSS相关前信号样本的功率谱密度；

步骤9：对步骤8中的M个待训GNSS相关前信号样本中提取样本W₁,...,W_M，并添加样本标识属性列；

步骤10：则对步骤9中添加了标识属性列的样本

送入SVM故障诊断系统中进行训练；之后把样本Q送入已完成对样本

训练的故障诊断系统中进行诊断；转至步骤11；

步骤11：根据SVM故障诊断系统输出的结果判断待检信号干扰的有无情况。

本发明的优点在于：

（1）直接提取GNSS接收信号的特征参数，物理意义明确，并可以通过改变所提取的特征参数使方法具有可扩展性；

（2）利用了支持向量机少数支持向量决定最终结果的特性，不但可以抓住关键样本，还可以剔除大量冗余样本，使得该方法不仅算法简单，而且具有较好的鲁棒性。

附图说明

图1是本发明的方法流程图；

具体实施方式

下面将结合附图和实施例对本发明作进一步的详细说明。

本发明是一种基于支持向量机的GNSS高斯干扰检测方法，流程如图1所示，包括以下几个步骤：

步骤1：GNSS接收机接收到卫星发射的低功率无线电信号后，将GNSS接收机相关前信号设臵为待检信号，对待检信号进行T时间长的采样，得到样本X＝{x₁,...,x_N}，N为总的采样点数，F_s为其采样频率，x₁，...,x_N为待检信号幅值；

步骤2：采用周期图法获取步骤1中得到的N个采样点的单边功率谱密度，得的功率谱密度为psd₁,..,psd_N/2；

步骤3：根据步骤2得到的单边功率谱密度，获取在待检信号频谱主瓣带宽BW上功率谱密度的最大值psd_max和平均值psd_mean的比值。

具体为：

3.1：由步骤2中得到的单边功率谱密度，获取在待检信号频谱主瓣带宽BW上的功率谱密度值：psd_m,...,psd_n，其中对应的下标从m到n逐渐增大，且1<m<n<N/2，psd_m和psd_n分别为待检信号主瓣频率最小值和最大值对应的功率谱密度，则有信号的主瓣带宽 $\mathrm{BW}=\frac{n-m}{N}\mathrm{Fs};$

3.2：确定步骤3.1中频谱主瓣带宽BW上功率谱功率谱密度值psd_m,...,psd_n中的最大值psd_max和平均值psd_mean，同时令

其中psd_max对应的频率位臵为f_max；

步骤4：根据步骤3中得到的比值k提取不同的特征样本，当k小于临界值ε，在待检信号整个频谱主瓣带宽BW上提取样本P；当k大于等于临界值ε，对待检GNSS信号以功率谱密度最大值对应频率f_max为中心提取样本Q；

具体为：

4.1：设臵临界值ε，本发明中35＜ε＜45，具体实施过程中可选取ε为中间值40，对步骤3中得到的k值进行判断：若k≥ε，则待信号具有窄带特性，以ηKHZ等间隔取λ个参考点的功率谱密度，其中2＜η＜6，15＜λ＜25，当λ取奇数时，取最大值频率f_max处的点作为一个参考点；当λ取偶数时，最大频率处的点不予选取，其中λ个点中取两个点距最大频率的距离为η/2KHz，再根据点与点之间ηKHZ的关系选取其他的点，可使选取的参考点以最大值频率f_max为中心，λ为奇数或偶数不影响检验结果，在具体实施过程中可分别选取η为中间值4，λ为中间值20，λ个功率谱密度分别记作psdn₁,...,psd_nλ，其中psd_n1为频率最小参考点处对应的功率谱密度，psd_nλ为频率最大参考点处对应的功率谱密度，且令样本P＝{psd_n1，...,psd_nλ}，转入步骤5；若k＜ε，则转至步骤4.2；

4.2：若k＜ε，则待检信号具有宽带特性，在待检信号的频谱整个主瓣宽带BW上等间隔均匀取τ个参考点的功率谱密度，其中15＜τ＜25，τ为奇数或偶数不影响检验结果，具体实施过程中可选取τ为中间值20，分别记作psd_w1，...,psd_wτ，其中psd_w1为频率最小值处对应的功率谱密度，psd_wτ为频率最大值处对应的功率谱密度，令样本Q＝{psd_w1，...,psd_wτ}，转入步骤8；

步骤5：获取待检GNSS信号窄带特性情况下所需待训练GNSS相关前信号样本的功率谱密度；

具体为：

5.1：取已有的待训练GNSS相关前信号样本M个，其中40＜M＜80，具体实施过程中可选取M为中间值60，分别记作S₁,...,S_M，其中包括无干扰GNSS相关前信号样本M/2个，有干扰GNSS相关前信号样本M/2个，M/2个样本中干信比k₁,k₂,k₃（20dB＜k₁,k₂,k₃＜55dB）的样本各占M/6个，其中待训练GNSS信号样本是在已知的情况下对接收机相关前信号以F_s采样频率进行N点采样得到的；

5.2：利用周期图法求步骤5.1中M个待训练GNSS相关前信号N采样点样本的单边功率谱密度；

步骤6：对步骤5中的M个待训GNSS相关前信号样本中提取样本N₁,...,N_M，并添加样本标识属性列；

具体为：

6.1：分别对步骤5中的M个待训练相关前信号样本以最大频率f_max为中心，以ηKHZ等间隔取λ个参考点的功率谱密度，其中2＜η＜6，15＜λ＜25，参考点的选取方法与步骤4.1中相同，在具体实施过程中可分别选取η为中间值4，λ为中间值10，分别记作 $N_1=\{{\mathrm{psd}}_{n1}^1,...,{\mathrm{psd}}_{\mathrm{n\&lambda;}}^1\},...,N_M=\{{\mathrm{psd}}_{n1}^M,...,{\mathrm{psd}}_{\mathrm{n\&lambda;}}^M\},$ 其中

分别为M个待训练GNSS相关前信号样本频率最小参考点处对应的功率谱密度，

分别为M个待训练GNSS相关前信号样本频率最大参考点处对应的功率谱密度；

6.2：对样本N₁,...,N_M添加样本标识属性列：由有干扰待训练GNSS相关前信号获得的样本添加标识属性2，由无干扰待训练GNSS相关前信号获得的样本添加标识属性1；步骤7：则对步骤6中添加了标识属性列的样本

送入SVM故障诊断系统中进行训练；之后把样本P送入已完成对样本

训练的故障诊断系统中进行诊断；转至步骤11；

步骤8：获取待检GNSS信号宽带特性情况下所需待训练GNSS相关前信号样本的功率谱密度；

具体为：

8.1：取已有的待训练GNSS相关前信号样本M个，其中40＜M＜80，具体实施过程中可选取M为中间值60，分别记作S₁,...,S_M，其中包括无干扰GNSS相关前信号样本M/2个，有干扰GNSS相关前信号样本M/2个，M/2个样本中干信比k₁,k₂,k₃（20dB＜k₁,k₂,k₃＜55dB）的样本各占M/6个，其中待训练GNSS信号样本是在已知的情况下对接收机相关前信号以F_s采样频率进行N点采样得到的；

8.2：利用周期图法求步骤5.1中M个待训练GNSS相关前信号N采样点样本的单边功率谱密度；

步骤9：对步骤8中的M个待训GNSS相关前信号样本中提取样本W₁,...,W_M，并添加样本标识属性列；

具体为：

9.1：分别对步骤8中的M个待训练相关前信号样本在GNSS信号的频谱整个主瓣宽带BW上等间隔均匀取τ个参考点的功率谱密度，其中15＜τ＜25，参考点的选取方法与步骤4.2中相同，具体实施过程中可选取τ为中间值20，分别记作 $W_1=\{{\mathrm{psd}}_{w1}^1,...,{\mathrm{psd}}_{\mathrm{w\&tau;}}^1\},...,W_M=\{{\mathrm{psd}}_{w1}^M,...,{\mathrm{psd}}_{\mathrm{w\&tau;}}^M\},$ 其中

分别为M个待训练GNSS相关前信号样本频率最小参考点处对应的功率谱密度，分别为M个待训练GNSS相关前信号样本频率最大参考点处对应的功率谱密度；

9.2：对样本W₁,...,W_M添加样本标识属性列：由有干扰待训练GNSS相关前信号获得的样本添加标识属性2，由无干扰待训练GNSS相关前信号获得的样本添加标识属性1；

步骤10：则对步骤9中添加了标识属性列的样本送入SVM故障诊断系统中进行训练；之后把样本Q送入已完成对样本训练的故障诊断系统中进行诊断；转至步骤11；

步骤11：根据SVM故障诊断系统输出的结果判断待检信号干扰的有无情况。若步骤4中k≥ε：故障诊断系统输出的结果为1，说明待检信号不含干扰；故障诊断系统输出结果为2，说明待检信号含有窄带高斯干扰；若步骤4中k＜ε：故障诊断系统输出结果为1，说明待检信号不含干扰；故障诊断系统输出结果为2，说明待检信号含有宽带高斯干扰。

Claims (1)

1.一种基于支持向量机的GNSS高斯干扰检测方法，其特征在于，包括以下几个步骤： 

步骤1：GNSS接收机接收到卫星发射的低功率无线电信号后，将GNSS接收机相关前信号设置为待检信号，对待检信号进行T时间长的采样，得到样本X＝{x₁,...,x_N}，N为总的采样点数，F_S为其采样频率，x₁,...,x_N为待检信号幅值； 

步骤2：获取步骤1中得到的N个采样点的单边功率谱密度，得的功率谱密度为psd₁,...,psd_N/2，当N为奇数时，没有物理含义； 

步骤3：根据步骤2得到的单边功率谱密度，获取在待检信号频谱主瓣带宽BW上功率谱密度的最大值psd_max和平均值psd_mean的比值； 

步骤4：根据步骤3中得到的比值k提取不同的特征样本，当k小于临界值ε，在待检信号整个频谱主瓣带宽BW上提取样本P，转入步骤8；当k大于等于临界值ε，对待检GNSS信号以功率谱密度最大值对应频率f_max为中心提取样本Q，转入步骤5； 

所述的步骤4具体包括： 

4.1：设置临界值ε，35＜ε＜45，对步骤3中得到的k值进行判断：若k≥ε，则待检信号具有窄带特性，以ηKHZ等间隔取λ个参考点的功率谱密度，其中2＜η＜6，15＜λ＜25，当λ取奇数时，取最大值频率f_max处的点作为一个参考点；当λ取偶数时，最大频率处的点不予选取，其中λ个点中取两个点距最大频率的距离为η/2KHz，再根据点与点之间ηKHZ的关系选取其他的点，使选取的参考点以最大值频率f_max为中心，λ个功率谱密度分别记作psd_n1,...,psd_nλ，其中psd_n1为频率最小参考点处对应的功率谱密度，psd_nλ为频率最大参考点处对应的功率谱密度，且令样本P＝{psd_n1,...,psd_nλ}，转入步骤5；若k＜ε，则转至步骤4.2； 

4.2：若k＜ε，则待检信号具有宽带特性，在待检信号的频谱整个主瓣宽带BW上等间隔均匀取τ个参考点的功率谱密度，其中15＜τ＜25，分别记作psd_w1,...,psd_wτ，其中psd_w1为频率最小值处对应的功率谱密度，psd_wτ为频率最大值处对应的功率谱密度，令样本Q＝{psd_w1,...,psd_wτ}，转入步骤8； 

步骤5：获取待检GNSS信号窄带特性情况下所需待训练GNSS相关前信号样本的功率谱密度； 

步骤6：对步骤5中的M个待训GNSS相关前信号样本中提取样本N₁,...,N_M，并添加样本标识属性列； 

步骤7：则对步骤6中添加了标识属性列的样本

送入SVM故障诊断系统中进行训练；之后把样本P送入已完成对样本

训练的故障诊断系统中进行诊断；转至步骤11； 

步骤8：获取待检GNSS信号宽带特性情况下所需待训练GNSS相关前信号样本的功率谱密度； 

步骤9：对步骤8中的M个待训GNSS相关前信号样本中提取样本W₁,...,W_M，并添加样本标识属性列； 

步骤10：则对步骤9中添加了标识属性列的样本

送入SVM故障诊断系统中进行训练；之后把样本Q送入已完成对样本

训练的故障诊断系统中进行诊断；转至步骤11； 

步骤11：根据SVM故障诊断系统输出的结果判断待检信号干扰的有无情况。 

Images