CN112099057A - 一种基于模糊逻辑的双门限协作gnss干扰检测算法 - Google Patents

Abstract

本发明公开了一种基于模糊逻辑的双门限协作GNSS干扰检测算法，对基于随机共振的双阈值能量检测算法得到的检测统计量和两个检测阈值进行比较，并输出两个所述检测阈值外的硬判决结果和两个所述检测阈值内的模糊处理结果，接着，在融合中心对接收的本地判决结果采取两步协作判决算法得到最终判决结果，大大降低系统的网络开销，节省了频谱资源，可以在不增加计算复杂度和虚警概率的前提下提高检测性能。

Description

一种基于模糊逻辑的双门限协作GNSS干扰检测算法

技术领域

本发明涉及GNSS干扰检测技术领域，尤其涉及一种基于模糊逻辑的双门限协作GNSS干扰检测算法。

背景技术

近年来，随着智能设备的普及以及科学技术的发展，基于全球导航卫星系统(GNSS)的应用需求日益增长，引起了人们的广泛关注。然而随着人们的需求越来越多样化和智能化，无线通信基础设施越来越多，其带来的带外能量会对 GNSS接收器造成影响，常见的GNSS干扰信号主要分为两类：压制式干扰和欺骗式干扰。研究结果表明，压制式干扰是目前GNSS干扰体制中对接收机影响最大的一种干扰。目前，针对GNSS压制式干扰，多种干扰检测算法被提出用来检测干扰。根据应用场景，GNSS干扰检测主要分为两类，一类是基于GNSS 接收机的干扰检测，另一类是基于GNSS干扰监测系统中的GNSS干扰探测设备(interference detection equipment,IDE)的干扰检测。实际GNSS导航系统在某些复杂电磁环境的场景中，面对的干扰具有复合性、背景噪声具有时变性。因此要实现快速准确检测系统是否存在干扰，采用单节点算法如时域检测算法、时频域检测算法和统计域检测算法比较难实现，并且检测性能不高。

发明内容

本发明的目的在于提供一种基于模糊逻辑的双门限协作GNSS干扰检测算法，提高检测性能。

为实现上述目的，本发明提供了一种基于模糊逻辑的双门限协作GNSS干扰检测算法，包括以下步骤：

基于随机共振的双阈值能量检测算法对干扰信号进行检测，得到本地判决结果；

在融合中心对接收的所述本地判决结果采取两步协作判决算法输出判决结果。

其中，基于随机共振的双阈值能量检测算法对干扰信号进行检测，得到本地判决结果，包括：

对基于随机共振的双阈值能量检测算法得到的检测统计量和两个检测阈值进行比较，并输出大于或小于两个所述检测阈值的硬判决结果。

其中，基于随机共振的双阈值能量检测算法对干扰信号进行检测，得到本地判决结果，还包括：

对两个所述检测阈值之间的区域进行模糊处理，并对得到的干扰信号的概率函数利用量化隶属函数进行表示。

其中，在融合中心对接收的所述本地判决结果采取两步协作判决算法输出判决结果，包括：

根据所述本地判决结果的数据格式，利用融合中心将接收的所述本地判决结果的数据格式分为全为一比特数据、全为二比特数据和混合比特数据。

其中，在融合中心对接收的所述本地判决结果采取两步协作判决算法输出判决结果，还包括：

若接收的数据存在所述一比特数据，对多个干扰检测设备发送的所述一比特数据，采用或准则对所述一比特数据进行融合，对融合输出进行第一步判决；

若第一步判决结果为存在干扰信号或接收的数据不存在所述二比特数据，则不再进行第二步判决；输出的判决结果为第一步判决结果；

若第一步判决结果为不存在干扰信号或接收的数据不存在所述一比特数据，则执行第二步判决。

其中，在融合中心对接收的所述本地判决结果采取两步协作判决算法输出判决结果，还包括：

对第二步判决采用基于信任因子的模糊判决对获取的所述二比特数据的模糊输入集进行模糊判决，并对根据模糊规则集得到的模糊输出进行解模糊化后，利用历史感测信息进行对应赋值，得到第二步判决结果，则输出判决结果为第二步判决结果。

本发明的一种基于模糊逻辑的双门限协作GNSS干扰检测算法，对基于随机共振的双阈值能量检测算法得到的检测统计量和两个检测阈值进行比较，并输出两个所述检测阈值外的硬判决结果和两个所述检测阈值内的模糊处理结果，接着，利用融合中心对接收的本地判决结果进行两步协作判决得到判决结果，大大降低系统的网络开销，节省了频谱资源，可以在不增加计算复杂度和虚警概率的前提下提高检测性能。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1是本发明提供的一种基于模糊逻辑的双门限协作GNSS干扰检测算法的步骤示意图。

图2是本发明提供的GNSS协同干扰检测系统模型。

图3是本发明提供的IDE中的信号检测框图。

图4是本发明提供的检测概率与随机共振噪声强度的关系曲线图。

图5是本发明提供的不同噪声不确定度下采样点数与INR的关系。

图6是本发明提供的干扰信号的隶属函数模糊。

图7是本发明提供的不同协作接收机数目下检测概率与INR的关系曲线图

图8是本发明提供的不同噪声确定度、不同采样点数下检测性能与INR的关系曲线图。

图9是本发明提供的三种算法在不同噪声不确定度下检测概率与INR关系曲线对比图。

图10是本发明提供的不同虚警概率下检测概率与INR关系曲线对比图。

图11是本发明提供的本发明所提算法和Referenc算法二者检测性能与INR 的关系曲线对比图。

图12是本发明提供的基于模糊逻辑的双门限协作GNSS干扰检测算法的流程示意图。

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

在本发明的描述中，“多个”的含义是两个或两个以上，除非另有明确具体的限定。

请参阅图1至图12，本发明提供一种基于模糊逻辑的双门限协作GNSS干扰检测算法，包括以下步骤：

S101、基于随机共振的双阈值能量检测算法对干扰信号进行检测，得到本地判决结果。

具体的，GNSS干扰检测系统由多个干扰源IS、多个IDE和一个融合中心 FC组成。同时考虑了背景噪声的不确定性。我们假设所有IDE、干扰源和FC 彼此独立，数据从IDE传输到融合中心没有误差。GNSS协同干扰检测系统模型如图2所示。

当GNSS中存在宽带干扰和窄带干扰等复合干扰时，可以采用基于拟合优度和时频分析的检测算法。在噪声不确定的情况下，这些检测算法需要精确地检测噪声方差，这增加了计算复杂度。能量检测算法对宽带干扰和窄带干扰具有相同的检测性能。因此，在GNSS干扰监测系统中，每个IDE都进行局部能量检测。IDE的检测过程可以表示为基于干扰信号是否存在的二元假设过程。由于到达全球导航卫星系统的卫星信号已经淹没在噪声中。GNSS系统的干扰检测被认为是无声检测。然后具体表达式可以简化为：

其中H₀和H₁分别表示在检测的频段内无干扰信号存在和有干扰信号存在。 y_i(t)表示第i个IDE接收到的中频信号。n_i(t)表示第i个IDE所处环境的背景噪声，为均值为0，方差为

的高斯白噪声，g_i(t)为第i个IDE接收到的卫星信号，η_i(t) 为第i个IDE接收到的干扰信号，其均值为μ，方差为

由于噪声的不确定性，我们假设实际环境的噪声方差在一定范围内服从均匀分布，表示为

为IDE的标称噪声功率，ρ_i(ρ_i≥1)表示噪声的不确定系数。

为了提高检测性能，在信号通过能量检测器之前，采用随机共振(SR)系统来提高信号的INR。那么基于SR的信号模型可以表示为：

其中，d_i(t)其中表示强度为ε_i的直流噪声。图3显示了IDE中的信号检测框图。

使用数理统计，测试统计定义为：

其中，K表示样本数。假设所有IDE使用相同数量的采样点。当K足够大时，根据中心极限定律，检验统计量近似服从如下正态分布：

其中，ν_0,i、

ν_1,i和

为：

假设能量检测阈值为λ_i，判定结果R_i定义如下：

根据判定结果可得第i个IDE的检测概率P_d,i和虚警概率P_f,i为：

其中，Q(·)是标准正态分布的右尾函数。在固定的虚警概率下，检测阈值的计算公式为：

检测概率的表达式为：

图4直观地显示P_d,i和ε_i之间的关系。在这个模拟中，我们有INR＝-10dB，

μ_i＝0.05，P_f,i＝0.05和K＝3000。ε_i存在最优值使得检测概率最大。对检测概率的分析有：Q(·)函数是单调递减函数，则随机共振噪声度ε_i的值为最优值

时，检测概率最大，也就是：

当干扰信号的均值μ_i较小，干噪比较低时有：

此时将上式公式简化为：

求最优值可得：

由于噪声的不确定性，很难确定准确的检测阈值。双重门限检测算法已应用于噪声存在不确定性的场景来提高检测性能。根据阈值的计算公式，两个阈值的表达式可以是由最小和最大方差确定为：

在噪声存在不确定性时，存在一个INR墙。INR墙的值与ρ_i有关。当ε_i＝0，采样点数与INR的关系如下：

其中，

则有：当γ_i接近

时，采样点数趋于无穷大，此时即使无穷尽地增加采样点数、延长感知时间，也无法提高检测概率、改善检测性能。在不同噪声不确定度下，采样点数与INR的关系如图5所示：

对基于随机共振的双阈值能量检测算法得到的检测统计量和两个检测阈值进行比较，并将得到的比较结果分为两种情况，即双阈值外的硬判决结果和双阈值之间的模糊处理。其中，输出大于或小于两个所述检测阈值的硬判决结果为：

在这种情况下，IDE直接将L_i发送到融合中心FC。否则，进行模糊处理。

对于两个所述检测阈值之间的不确定区域，采用模糊处理。干扰信号的概率函数如下：

其中，A_i＝λ_l,i+D_i，B_i＝λ_l,i+D_i，C_i＝B_i+D_i和D_i＝(λ_h,i-λ_l,i)/4。为了减少系统开销，采用量化隶属函数表示如下：

从图6提供的干扰信号的隶属函数模糊可以看出，在第一级Low和第二级 Verylow等级下，干扰信号的可能性相对较小，即不存在干扰信号的可能性相对较高。此时，我们认为干扰信号不存在。当干扰信号不存在时令值为-1，以及干扰信号存在时的值1。因此，基于双阈值之间存在或不存在干扰信号的可信度的模糊函数值如下：

由于模糊函数的值已经被量化和固定，我们假设融合中心知道模糊函数的值。模糊函数值对应的2位数据规则如下：

最终本地判决结果如下：

S102、在融合中心对接收的所述本地判决结果采取两步协作判决算法输出判决结果。

具体的，在融合中心，本文提出一种两步协作的判决检测算法来获得最终的检测结果。我们考虑由N个IDE组成的GNSS干扰检测系统。根据融合中心接收到的本地判决结果的值，在融合中心的数据有三种情况，分别为：一比特数据(全为1比特数据)、二比特数据(全为2比特数据)和混合比特数据(1 比特和2比特数据共存)，融合和协作策略可以描述如下：

1：N个IDE都发送1比特数据，由于此时检测数据不受噪声不确定度的影响，具有很高的可信度，因此在此情况下本文采用‘或’准则进行第一步判决，不再进行第二步判决。最终判决结果用R表示：

2：每个IDE向融合中心发送2位数据。在这种情况下，由于没有1比特数据，认为第一步判决结果为干扰信号不存在，最终的决策结果由第二步模糊决策的结果确定。由于噪声的不确定性，即使干扰信号不存在，检测统计量也可能处于任何模糊水平。因此，为了确保低虚警概率，我们采用的模糊规则集如表1所示。

表1模糊判决规则集

为了适用模糊输入数量可变，用函数表示所有参与协作的干扰检测接收机 (IDR)的模糊输入集合为Λ，有：

模糊规则集的模糊输出表示为Ω：

其中，λ_F表示模糊逻辑的决策阈值，与参与协作的IDE数量有关。由于每个IDE所处的环境不一样，其所处环境的噪声不确定度可能不同，为了获得更好的检测性能，在融合中心采用基于信任因子的模糊判决，其信任因子t_i表示如下：

其中，un_i为第i个IDE的以dB形式表示的噪声不确定度的值。此时基于信任因子的所有干扰检测接收机的模糊输入集合为Λ_t，有：

此时，基于信任因子的模糊判决的模糊规则集与无信任因子的模糊规则集的判决条件一样，表示为Ω_t：

最后进行解模糊化，本文采用的解模糊化规则为Θ，表示为

其中，UN表示不确定干扰信号是否存在。由于干扰检测的感知时间很短，因此干扰信号的状态在这段时间内是不变的。也就是说，检测结果在时间上有一定的相关性。在这种情况下，我们使用历史感测信息进行赋值，最终检测结果表示如下：

其中，R'表示为融合中心上次的检测结果。

3：融合中心接收到的数据同时有1比特和2比特两种数据格式，假设有M 个本地检测接收机发送1比特数据，其中0＜M＜N，则有N-M个本地检测发送 2比特数据。此时两步协作判决算法为：第一步判决对M个1比特数据采用第一种判决方法，得出判决结果R₁，若R₁＝1认为干扰信号存在，最终判决R＝R₁，结束判决，若R₁＝0，采用第二步判决。第二步判决为对N-M个2比特数据采用模糊逻辑进行判决，得出判决结果R₂，最终判决R＝R₂，结束判决。

由于能量检测算法对多种干扰具有相同的检测效果。本实验拟对GPS系统 L1载波上的P码进行仿真测试。假定P码信号受到单音信号干扰。这个单音干扰信号可以表示为：

η_i(t)＝A_i sin(2πf_ηt)+μ_i

其中，A_i是单音信号的幅度，μ_i是单音信号的均值，f_η是单音信号的中频频率。为了得到检测结果，采用蒙特卡洛方法进行实验。具体实验仿真参数如下表2所示：

表2干扰信号仿真实验参数

假设所有IDE都有相同的虚警概率，记为P_f，以及每个IDE所处环境的标称噪声功率相同，为

同时，对所有的检测分析过程中，均假定所有IDE 的噪声不确定度相同，为un。

图7为不同协作接收机数目下检测概率与INR的关系曲线图。其仿真参数为P_f＝0.05，采样点数K＝5000，干扰信号均值为μ＝0.05，噪声不确定度为un＝3dB。从中分析知，随着参与协作的接收机数目增多，干扰信号的检测概率增大，但随着接收机数目增大到一定程度，增大参与协作的接收机数目，检测性能的提高效率会逐渐降低。实际检测中，考虑每个GNSS干扰监测站监测的区域有限，参与协作的IDE数目越多，其网络开销越多，但检测性能却提升不多，故需根据实际环境选择适量干扰检测接收机，本文选取5个IDE参与协作。

图8为所提检测算法在不同噪声确定度、不同采样点数下检测性能与干噪比的关系曲线图，其仿真参数为P_f＝0.05，参与协作接收机数目N＝5，噪声不确定度un分别为0.5dB、1dB、3dB、5dB，采样点数K分别为1000、3000、5000、 7000、9000。从图8中可知，在低噪声不确定度下，增大采样点数可有效增大采样性能，在高噪声不确定度下，当K≥3000时，增大K，检测性能提高很小，与图5中INR墙与采样点的关系一致。由于样本数量越多，检测速率越慢。因此需考虑实际环境中的噪声不确定度的大小，选择合适的采样点数。为了平衡检测性能和快速检测的目的，本文选择采样点数K＝3000。

为验证所提算法的检测性能，将所提算法(Proposed)与传统能量检测算法 (ED)和算法Referenc进行对比。图9为上述三种检测算法在噪声不确定度un 分别为0.5dB、1dB、3dB、和5dB时检测概率与INR的关系，仿真参数为：P_f＝0.05， N＝5，μ＝0.05和K＝3000。与“参考”算法相比，所提算法的计算复杂度是等效的，但是“提出”算法的检测性能大大提高。例如，当检测概率为90％时在 un＝0.5dB的条件下，提出的算法与Referenc算法相比有4dB的增益，并且即使在un＝5dB的条件下，所提出的算法与Referenc算法相比也有2dB的增益。而且， Referenc算法发送能量值，而提出的算法发送2位数据。因此所提算法与Referenc算法相比，所提算法大大降低了系统开销。

图10对不同虚警概率下检测概率与INR进行了分析，其仿真参数为：参与协作接收机N＝5，un＝3dB，μ＝0.05，K＝3000。其中“PD”表示干扰信号存在时的检测概率，“PF”表示无干扰信号时的虚警概率。可以看出，增大每个IDE 的虚警概率可以提高检测性能，尤其在低干噪比环境下。然而，与每个IDE增加的虚警概率相比，全局虚警概率增长缓慢。因此在对干扰比较敏感的区域，可适当增大每个IDE的虚警概率来提高干扰的检测性能，达到更准确检测出干扰的目的，为后续干扰识别和定位提供保障。

当每个IDE的噪声不确定度不同时，本发明所提算法和Referenc算法二者检测性能与INR的关系如图11所示，其中，N＝5，μ＝0.05，K＝3000，5个IDE 的噪声不确定度值为un＝[0.5 1.5 4 2.5 5]dB。可以看出，在检测概率达到90％时，所提算法比参考算法Referenc算法有3dB的增益。此外，与Referenc算法相比所提算法的虚警概率几乎没有增加。因此，本文提出的算法可以在不增加虚警概率的前提下在不同噪声不确定度的环境下提高检测性能。

本发明的一种基于模糊逻辑的双门限协作GNSS干扰检测算法，对基于随机共振的双阈值能量检测算法得到的检测统计量和两个检测阈值进行比较，并输出两个所述检测阈值外的硬判决结果和两个所述检测阈值内的模糊处理结果，接着，利用融合中心对接收的输出的本地判决结果采取两步协作判决算法得到最终判决结果，大大降低系统的网络开销，节省了频谱资源，可以在不增加计算复杂度和虚警概率的前提下提高检测性能。

以上所揭露的仅为本发明一种较佳实施例而已，当然不能以此来限定本发明之权利范围，本领域普通技术人员可以理解实现上述实施例的全部或部分流程，并依本发明权利要求所作的等同变化，仍属于发明所涵盖的范围。

Claims (6)

1.一种基于模糊逻辑的双门限协作GNSS干扰检测算法，其特征在于，包括以下步骤：

基于随机共振的双阈值能量检测算法对干扰信号进行检测，得到本地判决结果；

在融合中心对接收的所述本地判决结果采取两步协作判决算法输出判决结果。

2.如权利要求1所述的基于模糊逻辑的双门限协作GNSS干扰检测算法，其特征在于，基于随机共振的双阈值能量检测算法对干扰信号进行检测，得到本地判决结果，包括：

对基于随机共振的双阈值能量检测算法得到的检测统计量和两个检测阈值进行比较，并输出大于或小于两个所述检测阈值的硬判决结果。

3.如权利要求2所述的基于模糊逻辑的双门限协作GNSS干扰检测算法，其特征在于，基于随机共振的双阈值能量检测算法对干扰信号进行检测，得到本地判决结果，还包括：

对两个所述检测阈值之间的区域进行模糊处理，并对得到的干扰信号的概率函数利用量化隶属函数进行表示。

4.如权利要求3所述的基于模糊逻辑的双门限协作GNSS干扰检测算法，其特征在于，在融合中心对接收的所述本地判决结果采取两步协作判决算法输出判决结果，包括：

根据所述本地判决结果的数据格式，利用融合中心将接收的所述本地判决结果的数据格式分为全为一比特数据、全为二比特数据和混合比特数据。

5.如权利要求4所述的基于模糊逻辑的双门限协作GNSS干扰检测算法，其特征在于，在融合中心对接收的所述本地判决结果采取两步协作判决算法输出判决结果，还包括：

若接收的数据存在所述一比特数据，对多个干扰检测设备发送的所述一比特数据，采用或准则对所述一比特数据进行融合，对融合输出进行第一步判决；

若第一步判决结果为存在干扰信号或接收的数据不存在所述二比特数据，则不再进行第二步判决；输出的判决结果为第一步判决结果；

若第一步判决结果为不存在干扰信号或接收的数据不存在所述一比特数据，则执行第二步判决。

6.如权利要求5所述的基于模糊逻辑的双门限协作GNSS干扰检测算法，其特征在于，在融合中心对接收的所述本地判决结果采取两步协作判决算法输出判决结果，还包括：

对第二步判决采用基于信任因子的模糊判决对获取的所述二比特数据的模糊输入集进行模糊判决，并对根据模糊规则集得到的模糊输出进行解模糊化后，利用历史感测信息进行对应赋值，得到第二步判决结果，则输出判决结果为第二步判决结果。

Images