CN108375779B - 一种基于Kalman滤波器的导航接收机干扰抑制方法 - Google Patents

一种基于Kalman滤波器的导航接收机干扰抑制方法 Download PDF

Info

Publication number
CN108375779B
CN108375779B CN201810037956.7A CN201810037956A CN108375779B CN 108375779 B CN108375779 B CN 108375779B CN 201810037956 A CN201810037956 A CN 201810037956A CN 108375779 B CN108375779 B CN 108375779B
Authority
CN
China
Prior art keywords
interference signal
interference
frequency
estimated value
signal
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201810037956.7A
Other languages
English (en)
Other versions
CN108375779A (zh
Inventor
王永庆
刘东磊
陈岩
张春
何宜根
杨娜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN201810037956.7A priority Critical patent/CN108375779B/zh
Publication of CN108375779A publication Critical patent/CN108375779A/zh
Application granted granted Critical
Publication of CN108375779B publication Critical patent/CN108375779B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/21—Interference related issues ; Issues related to cross-correlation, spoofing or other methods of denial of service

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Noise Elimination (AREA)

Abstract

本发明公开了一种基于Kalman滤波器的导航接收机干扰抑制方法，能够对导航接收机中具有锯齿型突变频率特性干扰进行有效的抑制，该抑制方法采用Kalman滤波器来估计表示接收信号的状态空间，通过将干扰信号估计值和接收信号对消完成对具有锯齿型突变频率特性干扰的有效抑制。本发明根据干扰扫频特性对Kalman滤波器过程和观测噪声方差进行自适应调整，提高了基于Kalman滤波器的干扰抑制方法对干扰信号瞬时频率估计误差的鲁棒性；采用时频分布的方法来提供干扰信号瞬时频率和调频斜率估计值，提高了Kalman滤波器估计干扰信号的精度。

Description

一种基于Kalman滤波器的导航接收机干扰抑制方法
技术领域
本发明属于导航接收机干扰抑制技术领域，具体涉及一种基于Kalman滤波器的导航接收机干扰抑制方法。
背景技术
自上世纪七十年代开始，各个国家和地区先后积极建立各自的卫星导航系统，例如美国全球定位系统(GPS)、俄罗斯GLONASS系统、欧盟Galileo系统、中国北斗卫星导航系统和日本准天顶卫星系统。这些导航系统可以统称为全球导航卫星系统(GNSS)。由于具有高精度、全天候、全球覆盖和方便灵活等特点，GNSS近年来在越来越多的军事和民用领域得到广泛应用。
GNSS信号采用直接序列扩频调制(DSSS)方式而具有一定的抗干扰能力。但是由于GNSS信号在到达接收天线时通常极其微弱，接收机基带信号处理模块容易受到周围环境干扰信号的影响，出现定位精度下降甚至跟踪环路失锁的现象。干扰机广播GNSS频带内的频率调制(FM)干扰信号，其大量的出现给GNSS接收机带来了更多的挑战。
为了提高接收机抗干扰能力，接收机中通常需要一个干扰处理模块，完成干扰检测和抑制等功能。由于干扰信号可以建模为一个自回归过程，将干扰信号和接收信号分别表示成三系数FIR滤波器和状态空间。在2005年《Signal Processing》第85期第625至635页由K.R.Rao等人发表的“A nonlinear adaptive filter for narrowband interferencemitigation in spread spectrum systems”一文中，提出了在扩频接收机中采用ASACM滤波器来估计窄带干扰信号及其瞬时频率，以用于干扰抑制。但是将ASACM滤波器用于GNSS接收机时，存在如下三个问题，导致干扰抑制效果差：
(1)GNSS干扰机广播的FM干扰信号具有锯齿型突变频率特性，用于表示干扰信号的三系数FIR滤波器模型不再准确；
(2)不同于扩频接收机，导航接收机中期望信号功率远低于噪声基底，这使得状态空间的观测噪声依然可以认为是高斯的；
(3)ASACM滤波器的瞬时频率估计精度较差，影响滤波器干扰估计性能。
发明内容
有鉴于此，本发明提供了一种基于Kalman滤波器的导航接收机干扰抑制方法，能够对具有锯齿型频率突变特性的干扰机的干扰信号进行有效抑制。
本发明的基于Kalman滤波器的导航接收机干扰抑制方法是通过以下技术方案来实现的，包括如下步骤：
步骤1，构建接收信号r[n]的状态空间：
Xn＝FnXn-1+Gen
zn＝HXn+vn (4)
其中，Xn＝[u[n] u[n-1]]T为状态矢量，上标T表示转置；zn＝r[n]，r[n]＝u[n]+s[n]+w[n]，其中，u[n]为干扰信号，s[n]为期望信号，w[n]为噪声，n为信号采样时刻；
en为服从高斯分布的过程噪声，观测噪声vn为期望信号s[n]和噪声w[n]之和；矩阵Fn、矩阵G以及矩阵H为：
Figure BDA0001548566540000031
G＝[1 0]T
H＝[1 0] (5)
其中，f[n]为干扰信号的瞬时频率；f′[n]为瞬时频率f[n]的一阶导数，即调频斜率；
步骤2，利用接收信号的时频分布，获得干扰信号瞬时频率和调频斜率估计值，基于干扰信号瞬时频率、调频斜率估计值、过程噪声方差以及观测噪声方差，利用Kalman滤波器在每个时刻进行更新以获得状态矢量估计值，状态矢量估计值中的第一个元素即为干扰信号估计值；
步骤3，将干扰信号估计值和接收信号对消，实现干扰抑制。
其中，所述步骤2中，通过检测所有时刻的干扰信号调频斜率估计值，得到干扰信号调频斜率估计值的局部极小值，所述局部极小值应的时刻即为瞬时频率突变点时刻，根据瞬时频率突变点时刻，对Kalman滤波器过程噪声方差和观测噪声方差进行自适应调整。
其中，所述干扰信号调频斜率估计值获得方式为：
根据n时刻的干扰信号瞬时频率估计值，定义一个包括2K+1个时间量以及对应干扰信号瞬时频率估计值f(·)的观测矩阵：
Figure BDA0001548566540000032
其中，K为按所述干扰抑制方法的计算精度和复杂度要求设置的正整数；
所述观测矩阵的相关矩阵的最大特征值所对应的特征矢量的斜率即为n时刻的干扰信号调频斜率估计值。
有益效果：
(1)本发明通过包含调频斜率信息来修正表示干扰信号的三系数FIR滤波器模型，采用Kalman滤波器来估计表示接收信号的状态空间，通过将干扰信号估计值和接收信号对消完成对具有锯齿型突变频率特性干扰的有效抑制；
(2)本发明根据干扰扫频特性对Kalman滤波器过程和观测噪声方差进行自适应调整，提高了基于Kalman滤波器的干扰抑制方法对干扰信号瞬时频率估计误差的鲁棒性；
(3)本发明采用时频分布的方法来提供干扰信号瞬时频率和调频斜率估计值，提高了Kalman滤波器估计干扰信号的精度。
附图说明
图1为本发明的基于Kalman滤波器的导航接收机干扰抑制方法流程图。
具体实施方式
下面结合附图并举实施例，对本发明进行详细描述。
本发明所提出的干扰抑制方法，能够对导航接收机中具有锯齿型突变频率特性干扰进行有效的抑制，该抑制方法采用Kalman滤波器来估计表示接收信号的状态空间，通过将干扰信号估计值和接收信号对消完成对具有锯齿型突变频率特性干扰的有效抑制。
本发明所提出的干扰抑制方法，包括如下步骤：
步骤1，干扰信号模型可以表示为：
Figure BDA0001548566540000041
其中Au为干扰信号的幅度，f[n]为干扰信号的瞬时频率，φu为干扰信号的初始相位，n为信号采样时刻；
将干扰信号表示为三系数FIR滤波器：
Figure BDA0001548566540000051
把(1)代入(2)可得，三系数分别为：
Figure BDA0001548566540000052
可见，在滤波器系数中包含了瞬时频率f[n]的一阶导数，即调频斜率，调频斜率f′[n]＝f[n]-f[n-1]，能够应对干扰信号的突变频率特性；
步骤2，基于干扰信号的三系数FIR滤波器，将接收信号表示成状态空间如式(4)所示：
Figure BDA0001548566540000053
其中，Xn＝[u[n] u[n-1]]T为状态矢量，上标T表示转置，zn＝r[n]，r[n]＝u[n]+s[n]+w[n]，其中，r[n]为接收信号，s[n]为期望信号，w[n]为噪声；en是服从高斯分布的过程噪声，vn是观测噪声，vn为期望信号s[n]和噪声w[n]之和；Fn为状态转移矩阵，矩阵Fn以及矩阵G、H分别定义为：
Figure BDA0001548566540000054
在相关前阶段，期望信号s[n]完全淹没在噪声w[n]基底中，观测噪声vn仍然是高斯的；
基于干扰信号瞬时频率、调频斜率估计值、过程噪声方差以及观测噪声方差，利用Kalman滤波器在每个时刻进行更新以获得状态矢量估计值，状态矢量的第一个元素即为干扰信号估计值；
其中，在Kalman滤波器更新过程中，利用基于时频分布的方法来提供干扰信号瞬时频率和调频斜率估计值：利用接收信号的时频分布，得到干扰信号瞬时频率估计值；所述干扰信号调频斜率估计值获得方式为：
根据n时刻的干扰信号瞬时频率估计值，定义一个包括2K+1个时间量以及对应干扰信号瞬时频率估计值f(·)的观测矩阵:
Figure BDA0001548566540000061
其中，K为按所述干扰抑制方法的计算精度度和复杂度要求设置的正整数；
计算所述观测矩阵的相关矩阵并对其进行特征值分解，最大特征值对应特征矢量的斜率即为n时刻的干扰信号调频斜率估计值；
所述步骤2中，通过检测所有时刻的干扰信号调频斜率估计值，得到干扰信号调频斜率估计值的局部极小值，所述局部极小值应的时刻即为瞬时频率突变点时刻，根据瞬时频率突变点时刻，可以对Kalman滤波器过程噪声方差和观测噪声方差进行自适应调整，以减轻干扰信号瞬时频率估计误差对Kalman滤波器估计性能的影响。自适应调整具体方式为：根据瞬时频率突变点时刻，设置瞬时频率突变点及其左右两侧共2W个时刻内以及时频观测窗边界及其左侧和右侧W时刻的过程噪声方差和观测噪声方差比值小于1，其中，W的取值根据时频分布的边界效应所影响的采样点数目来确定；此外，时频观测窗内时频观测窗左边界到其右侧W时刻之间的区间、时频观测窗右边界到其左侧W时刻之间的区间过程噪声方差和观测噪声方差的比值也设置为小于1。设置其余时刻过程噪声方差与观测噪声方差比值大于1，过程噪声方差与观测噪声方差具体数值通过经验设定。通过对Kalman滤波器过程噪声方差和观测噪声方差的自适应调整，本发明所述方法不但能有效抑制强功率的干扰，还能提高对干扰信号瞬时频率估计误差的鲁棒性。
步骤3，将干扰信号估计值和接收信号对消，实现干扰抑制。
综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (2)

1.一种基于Kalman滤波器的导航接收机干扰抑制方法，其特征在于，包括如下步骤：
步骤1，构建接收信号r[n]的状态空间：
Figure FDA0003065057990000011
其中，Xn＝[u[n] u[n-1]]T为状态矢量，上标T表示转置；zn＝r[n]，r[n]＝u[n]+s[n]+w[n]，其中，u[n]为干扰信号，s[n]为期望信号，w[n]为噪声，n为信号采样时刻；
en为服从高斯分布的过程噪声，观测噪声vn为期望信号s[n]和噪声w[n]之和；矩阵Fn、矩阵G以及矩阵H为：
Figure FDA0003065057990000012
其中，f[n]为干扰信号的瞬时频率；f′[n]为瞬时频率f[n]的一阶导数，即调频斜率；
步骤2，利用接收信号的时频分布，获得干扰信号瞬时频率和调频斜率估计值，基于干扰信号瞬时频率、调频斜率估计值、过程噪声方差以及观测噪声方差，利用Kalman滤波器在每个时刻进行更新以获得状态矢量估计值，状态矢量估计值中的第一个元素即为干扰信号估计值；
步骤3，将干扰信号估计值和接收信号对消，实现干扰抑制；
所述干扰信号调频斜率估计值获得方式为：
根据n时刻的干扰信号瞬时频率估计值，定义一个包括2K+1个时间量以及对应干扰信号瞬时频率估计值f(·)的观测矩阵：
Figure FDA0003065057990000021
其中，K为按所述干扰抑制方法的计算精度和复杂度要求设置的正整数；
所述观测矩阵的协方差矩阵的最大特征值所对应的特征矢量的斜率即为n时刻的干扰信号调频斜率估计值。
2.如权利要求1所述的一种基于Kalman滤波器的导航接收机干扰抑制方法，其特征在于，所述步骤2中，通过检测所有时刻的干扰信号调频斜率估计值，得到干扰信号调频斜率估计值的局部极小值，所述局部极小值对应的时刻即为瞬时频率突变点时刻，根据瞬时频率突变点时刻，对Kalman滤波器过程噪声方差和观测噪声方差进行自适应调整。
CN201810037956.7A 2018-01-16 2018-01-16 一种基于Kalman滤波器的导航接收机干扰抑制方法 Active CN108375779B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810037956.7A CN108375779B (zh) 2018-01-16 2018-01-16 一种基于Kalman滤波器的导航接收机干扰抑制方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810037956.7A CN108375779B (zh) 2018-01-16 2018-01-16 一种基于Kalman滤波器的导航接收机干扰抑制方法

Publications (2)

Publication Number Publication Date
CN108375779A CN108375779A (zh) 2018-08-07
CN108375779B true CN108375779B (zh) 2021-09-10

Family

ID=63016669

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810037956.7A Active CN108375779B (zh) 2018-01-16 2018-01-16 一种基于Kalman滤波器的导航接收机干扰抑制方法

Country Status (1)

Country Link
CN (1) CN108375779B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109067695B (zh) * 2018-10-12 2020-11-17 苏州大学 基于级联卡尔曼滤波器减少噪声干扰的方法及系统
CN109672487B (zh) * 2018-12-13 2021-04-16 宁波连鸿电子科技有限公司 一种鲁棒性自适应可变负载滤波器的干扰调节方法
CN113985451B (zh) * 2021-10-25 2022-11-15 湘潭大学 一种基于卡尔曼滤波跟踪环路的导航欺骗检测方法和装置

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105652246A (zh) * 2015-12-29 2016-06-08 河海大学 一种基于盲源分离的雷达抗主瓣干扰方法
CN106842148A (zh) * 2016-12-29 2017-06-13 西安电子科技大学 基于frft的线性调频雷达干扰快速抑制方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6904110B2 (en) * 1997-07-31 2005-06-07 Francois Trans Channel equalization system and method
US20150051880A1 (en) * 2013-08-13 2015-02-19 David Arditti Ilitzky Adaptive mitigation of platform-generated radio-frequency interference
CN103675842B (zh) * 2013-11-26 2015-11-25 航天恒星科技有限公司 一种空频联合抗干扰实现方法
CN104079318B (zh) * 2014-07-08 2016-01-06 山东大学 基于非线性Chirp脉冲的超宽带通信系统多窄带干扰抑制方法

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105652246A (zh) * 2015-12-29 2016-06-08 河海大学 一种基于盲源分离的雷达抗主瓣干扰方法
CN106842148A (zh) * 2016-12-29 2017-06-13 西安电子科技大学 基于frft的线性调频雷达干扰快速抑制方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"A nonlinear adaptive filter for narrowband interference mitigation in spread spectrum systems";K.Deergha Rao等;《Signal Processing》;20050331;第85卷(第3期);第625-635页 *
"New approach for suppression of FM jamming in GPS receivers";K.Deergha Rao等;《IEEE transactions on aerospace and electronic systems》;20061031;第42卷(第2期);第1464-1474页 *

Also Published As

Publication number Publication date
CN108375779A (zh) 2018-08-07

Similar Documents

Publication Publication Date Title
Mosavi et al. Narrowband interference suppression for GPS navigation using neural networks
CN108375779B (zh) 一种基于Kalman滤波器的导航接收机干扰抑制方法
Vagle et al. Performance analysis of GNSS multipath mitigation using antenna arrays
US9874624B2 (en) Interference detection and rejection for wide area positioning systems using maximal ratio combining in the correlation domain
CN110118978B (zh) 基于低轨卫星的导航抗干扰系统及导航抗干扰方法
US8063818B2 (en) Cross-PRN phase correction for GPS processing
CN110850445B (zh) 一种基于空时采样协方差求逆的脉冲干扰抑制方法
CN101482605A (zh) 加宽零陷的高动态卫星导航系统干扰抑制方法
Daneshmand et al. Integration of GNSS and INS with a phased array antenna
CN110146901A (zh) 基于径向基神经网络和无迹卡尔曼滤波多径估计方法
CN104360355A (zh) 抗干扰方法和装置
CN109507696B (zh) 一种基于自适应滤波的gnss伪距多路径消除方法
Vilà-Valls et al. Multi-frequency GNSS robust carrier tracking for ionospheric scintillation mitigation
Rao et al. New approach for suppression of FM jamming in GPS receivers
CN109738916A (zh) 一种基于压缩感知算法的多径参数估计方法
CN115616628B (zh) 基于角跟踪环路的gnss天线阵接收机盲波束形成方法
Kim et al. Frequency tracking and mitigation method based on CPHD filter and adaptive multiple linear Kalman notch filter for multiple GNSS interference
Anantharamu et al. Space-time equalization techniques for new GNSS signals
CN108107452B (zh) 一种基于自适应分段子空间投影的干扰抑制方法
Wu et al. A BDS-3 B1C/B2a dual-frequency joint tracking architecture based on adaptive Kalman filter and extended integration time
CN104880714A (zh) 一种基于两级滤波结构的gnss天线阵抗干扰方法
KR20210015814A (ko) Gnss 수신기에서의 조인트 채널 및 시간 추정의 수행 방법 및 장치
Nguyen et al. An adaptive bandwidth notch filter for GNSS narrowband interference mitigation
CN116636151A (zh) 用于卫星导航接收器的自适应窄频带和宽频带干扰抑制
Elghamrawy Narrowband jamming mitigation in vector-based GPS software defined receiver

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant