CN114325600B - 用于北斗导航系统的抗干扰方法、系统、装置及云平台 - Google Patents
用于北斗导航系统的抗干扰方法、系统、装置及云平台 Download PDFInfo
- Publication number
- CN114325600B CN114325600B CN202111577353.4A CN202111577353A CN114325600B CN 114325600 B CN114325600 B CN 114325600B CN 202111577353 A CN202111577353 A CN 202111577353A CN 114325600 B CN114325600 B CN 114325600B
- Authority
- CN
- China
- Prior art keywords
- signal
- signal data
- description
- data
- navigation
- 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
Links
Landscapes
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本申请的用于北斗导航系统的抗干扰方法、系统、装置及云平台,能够在检测到导航干扰行为的前提下获得待确定真实信号数据和未识别信号数据,通过借助第一指定识别策略率先确定第一真实信号数据,并借助第二指定识别策略进一步区分识别出第二真实信号数据和干扰信号数据,从而结合第一真实信号数据和第二真实信号数据进行准确可靠的持续性导航处理。由于识别干扰信号数据是通过二级识别方式实现的,这种方式能够显著减少对信号分类识别处理的运算开销,从而快速精准地分离出干扰信号数据,在一定程度上实现导航过程中的抗干扰处理,通过不同的真实信号数据进行导航处理,能够间接地实现干扰信号数据的过滤,从而保障导航处理的精度和可信度。
Description
技术领域
本申请涉及北斗导航和信号抗干扰技术领域,特别涉及一种用于北斗导航系统的抗干扰方法、系统、装置及云平台。
背景技术
当前北斗导航系统已经应用于人们生活的方方面面,在汽车导航、共享单车定位、航天科技、军事科技都获得了广泛的应用。在地震救灾、搜救、医疗等工作中发挥着不可替代的作用。北斗导航系统使得我们的生活更加便捷。与其他导航系统类似,北斗导航系统同样可以基于数据信号进行导航处理,然而在导航过程中,基于数据信号的导航处理方式容易受到信号干扰,从而难以保障导航处理的精度和可信度。
发明内容
为改善相关技术中存在的技术问题,本申请提供了一种用于北斗导航系统的抗干扰方法、系统、装置及云平台。
第一方面,本申请实施例提供了一种用于北斗导航系统的抗干扰方法,应用于北斗导航系统中与用户终端通信连接的导航信号抗干扰云平台,所述方法至少包括:在对所述用户终端进行位置导航和运动速度导航的过程中,如果检测到存在导航干扰行为,获得待确定真实信号数据和未识别信号数据;利用第一指定识别策略对待确定真实信号数据进行识别,得到所述待确定真实信号数据中的第一真实信号数据;利用第二指定识别策略对所述未识别信号数据进行识别,得到所述未识别信号数据中的第二真实信号数据和干扰信号数据;结合所述第一真实信号数据和所述第二真实信号数据对所述用户终端进行持续性导航。
在一些可独立实施的设计思路下,在对所述用户终端进行位置导航和运动速度导航之前,所述方法还包括:调用最小二乘法模型对所述用户终端进行定位解算,获得所述用户终端的位置解和速度解。
在一些可独立实施的设计思路下,所述利用第二指定识别策略对所述未识别信号数据进行识别,得到所述未识别信号数据中的第二真实信号数据和干扰信号数据,包括:调用导航信号分类模型对所述未识别信号数据进行分类处理,得到所述未识别信号数据中的第二真实信号数据和干扰信号数据。
在一些可独立实施的设计思路下,所述利用第二指定识别策略对所述未识别信号数据进行识别,得到所述未识别信号数据中的第二真实信号数据和干扰信号数据,包括:将所述未识别信号数据加载至导航信号分类模型中的信号特征挖掘层,得到所述信号特征挖掘层导出的所述未识别信号数据的第一多维信号数据描述和第二多维信号数据描述,其中,所述信号特征挖掘层包括存在先后连接关系的若干信号特征挖掘单元,所述第一多维信号数据描述是所述存在先后连接关系的若干信号特征挖掘单元中的除了最后一个信号特征挖掘单元之外的的信号特征挖掘单元导出的多维信号数据描述,所述第二多维信号数据描述是所述存在先后连接关系的若干信号特征挖掘单元中的末尾的信号特征挖掘单元导出的多维信号数据描述;将所述第二多维信号数据描述加载至所述导航信号分类模型中的第一信号分类层,得到所述第一信号分类层导出的目标分类结果,其中,所述目标分类结果为在所述未识别信号数据中检测出的目标信号波段所对应的分类结果;将所述第一多维信号数据描述、所述第二多维信号数据描述和第三多维信号数据描述以及所述目标分类结果加载至所述导航信号分类模型中的第二信号分类层,得到所述第二信号分类层导出的所述目标信号波段的导航信号关键词以及所述目标信号波段的显著性波段数据在所述未识别信号数据中的分布标签,其中,所述第三多维信号数据描述是所述第一信号分类层中的信号特征挖掘单元依据优化描述导出的多维信号数据描述,所述优化描述是对所述第二多维信号数据描述进行优化得到的信号特征;依据所述目标信号波段的导航信号关键词,以及目标信号波段的显著性波段数据在所述未识别信号数据中的分布标签,确定所述目标信号波段的干扰等级;通过所述干扰等级从所述未识别信号数据中分离出所述第二真实信号数据和所述干扰信号数据。
在一些可独立实施的设计思路下,所述将所述未识别信号数据加载至导航信号分类模型中的信号特征挖掘层,得到所述信号特征挖掘层导出的所述未识别信号数据的第一多维信号数据描述和第二多维信号数据描述,包括:将所述未识别信号数据加载至所述信号特征挖掘层中包括存在先后连接关系的信号特征挖掘单元level1,得到所述信号特征挖掘单元level1导出的多维信号数据描述vector1;将所述多维信号数据描述vector1加载至所述信号特征挖掘层中包括存在先后连接关系的信号特征挖掘单元level2,得到所述信号特征挖掘单元level2导出的多维信号数据描述vector2,其中,所述第一多维信号数据描述为所述多维信号数据描述vector2;将所述多维信号数据描述vector2加载至所述信号特征挖掘层中包括存在先后连接关系的信号特征挖掘单元level3,得到所述信号特征挖掘单元level3导出的多维信号数据描述vector3,其中,所述第二多维信号数据描述为所述多维信号数据描述vector3;
其中,所述多维信号数据描述vector1的描述层面数小于所述多维信号数据描述vector2的描述层面数,所述多维信号数据描述vector1的状态指标小于所述多维信号数据描述vector2的状态指标,所述多维信号数据描述vector2的描述层面数等于所述多维信号数据描述vector3的描述层面数,所述多维信号数据描述vector2的状态指标大于所述多维信号数据描述vector3的状态指标。
在一些可独立实施的设计思路下,所述第二多维信号数据描述加载至所述导航信号分类模型中的第一信号分类层,得到所述第一信号分类层导出的目标分类结果,包括:将所述第二多维信号数据描述加载至所述第一信号分类层中的特征优化层,得到所述特征优化层导出的所述优化描述;将所述优化描述加载至所述第一信号分类层中的信号特征挖掘单元,得到所述第一信号分类层中的信号特征挖掘单元导出的所述第三多维信号数据描述;将所述第三多维信号数据描述加载至所述第一信号分类层中的第一全连接单元,得到所述第一全连接单元导出的所述目标分类结果;
其中,将所述第三多维信号数据描述加载至所述第一信号分类层中的第一全连接单元,得到所述第一全连接单元导出的所述目标分类结果包括:依据所述第三多维信号数据描述,确定所述目标信号波段所对应的若干分类结果中每个分类结果的可信系数;依据所述若干分类结果中每个分类结果的可信系数,在所述若干分类结果中确定出所述目标分类结果。
在一些可独立实施的设计思路下,所述第一多维信号数据描述、所述第二多维信号数据描述和第三多维信号数据描述以及所述目标分类结果加载至所述导航信号分类模型中的第二信号分类层,得到所述第二信号分类层导出的所述目标信号波段的导航信号关键词以及所述目标信号波段的显著性波段数据在所述未识别信号数据中的分布标签,包括:将所述第一多维信号数据描述、所述第二多维信号数据描述和所述第三多维信号数据描述加载至所述第二信号分类层中的描述拼接单元,得到所述描述拼接单元导出的拼接型信号描述,其中,所述描述拼接单元用于将所述第一多维信号数据描述、所述第二多维信号数据描述和所述第三多维信号数据描述调整为第一目标描述层面数和目标状态指标的多维信号数据描述,并将调整后的多维信号数据描述进行拼接,得到所述拼接型信号描述;将所述拼接型信号描述加载至所述第二信号分类层中的信号特征挖掘单元,得到所述第二信号分类层中的信号特征挖掘单元导出的第四多维信号数据描述;将所述第四多维信号数据描述和所述目标分类结果加载至所述第二信号分类层中的第一下采样单元,得到所述第一下采样单元导出的第一下采样描述,其中,所述第一下采样单元用于在所述第四多维信号数据描述中获取与所述目标分类结果对应的多维信号数据描述,并将获取到的多维信号数据描述调整成第二目标描述层面数的特征,得到所述第一下采样描述;将所述第一下采样描述加载至所述第二信号分类层中的第二全连接单元,得到所述第二全连接单元导出的所述目标信号波段的导航信号关键词以及所述目标信号波段的显著性波段数据在所述未识别信号数据中的分布标签;
其中,所述第一下采样描述加载至所述第二信号分类层中的第二全连接单元,得到所述第二全连接单元导出的所述目标信号波段的导航信号关键词以及所述目标信号波段的显著性波段数据在所述未识别信号数据中的分布标签,包括:依据所述第一下采样描述,确定所述目标信号波段的若干信号波段关键词中每个信号波段关键词的可信系数、以及所述目标信号波段的显著性波段数据在所述未识别信号数据中的若干分布约束中的每个分布约束的可信系数;依据所述若干信号波段关键词中每个信号波段关键词的可信系数,在所述若干信号波段关键词中确定出所导航信号关键词,并依据所述目标信号波段的显著性波段数据在所述未识别信号数据中的若干分布约束中的每个分布约束的可信系数,在所述若干分布约束中确定所述目标信号波段的显著性波段数据在所述未识别信号数据中的分布标签。
第二方面,本申请实施例还提供了一种用于北斗导航系统的抗干扰系统,包括互相之间通信连接的用户终端和导航信号抗干扰云平台;导航信号抗干扰云平台用于:在对所述用户终端进行位置导航和运动速度导航的过程中,如果检测到存在导航干扰行为,获得待确定真实信号数据和未识别信号数据;利用第一指定识别策略对待确定真实信号数据进行识别,得到所述待确定真实信号数据中的第一真实信号数据;利用第二指定识别策略对所述未识别信号数据进行识别,得到所述未识别信号数据中的第二真实信号数据和干扰信号数据;结合所述第一真实信号数据和所述第二真实信号数据对所述用户终端进行持续性导航。
第三方面,本申请实施例还提供了一种用于北斗导航系统的抗干扰装置,应用于北斗导航系统中与用户终端通信连接的导航信号抗干扰云平台,所述装置至少包括:信号数据确定模块,用于在对所述用户终端进行位置导航和运动速度导航的过程中,如果检测到存在导航干扰行为,获得待确定真实信号数据和未识别信号数据;第一信号识别模块,用于利用第一指定识别策略对待确定真实信号数据进行识别,得到所述待确定真实信号数据中的第一真实信号数据;第二信号识别模块,用于利用第二指定识别策略对所述未识别信号数据进行识别,得到所述未识别信号数据中的第二真实信号数据和干扰信号数据;持续导航处理模块,用于结合所述第一真实信号数据和所述第二真实信号数据对所述用户终端进行持续性导航。
第四方面,本申请还提供了一种导航信号抗干扰云平台,包括处理器和存储器;所述处理器和所述存储器通信连接,所述处理器用于从所述存储器中读取计算机程序并执行,以实现上述所述的方法。
应用于本申请实施例,能够在检测到导航干扰行为的前提下获得待确定真实信号数据和未识别信号数据,通过借助第一指定识别策略率先确定第一真实信号数据,并借助第二指定识别策略进一步区分识别出第二真实信号数据和干扰信号数据,从而结合第一真实信号数据和第二真实信号数据进行准确可靠的持续性导航处理。可见,由于识别干扰信号数据是通过二级识别方式实现的,这种方式能够显著减少对信号分类识别处理的运算开销,从而快速精准地分离出干扰信号数据,在一定程度上实现导航过程中的抗干扰处理,通过不同的真实信号数据进行导航处理,能够间接地实现干扰信号数据的过滤,从而保障导航处理的精度和可信度。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,示出了符合本申请的实施例,并于说明书一起用于解释本申请的原理。
图1是本申请实施例提供的一种导航信号抗干扰云平台的硬件结构示意图。
图2是本申请实施例提供的一种用于北斗导航系统的抗干扰方法的流程示意图。
图3是本申请实施例提供的一种用于北斗导航系统的抗干扰方法的应用环境的通信架构示意图。
实施方式
这里将详细地对示例性实施例进行说明,其示例表示在附图中。下面的描述涉及附图时,除非另有表示,不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本申请相一致的所有实施方式。相反,它们仅是与如所附权利要求书中所详述的、本申请的一些方面相一致的装置和方法的例子。
需要说明的是,本申请的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
本申请实施例所提供的方法实施例可以在导航信号抗干扰云平台、计算机设备或者类似的运算装置中执行。以运行在导航信号抗干扰云平台上为例,图1是本申请实施例的实施一种用于北斗导航系统的抗干扰方法的导航信号抗干扰云平台的硬件结构框图。如图1所示,导航信号抗干扰云平台10可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,可选地,上述导航信号抗干扰云平台还可以包括用于通信功能的传输装置106。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述导航信号抗干扰云平台的结构造成限定。例如,导航信号抗干扰云平台10还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本申请实施例中的一种用于北斗导航系统的抗干扰方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至导航信号抗干扰云平台10。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输装置106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括导航信号抗干扰云平台10的通信供应商提供的无线网络。在一个实例中,传输装置106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输装置106可以为射频(RadioFrequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
基于此,请参阅图2,图2是本发明实施例所提供的一种用于北斗导航系统的抗干扰方法的流程示意图,该方法应用于北斗导航系统中与用户终端通信连接的导航信号抗干扰云平台,进一步可以包括以下内容描述的技术方案。
步骤21、在对所述用户终端进行位置导航和运动速度导航的过程中,如果检测到存在导航干扰行为,获得待确定真实信号数据和未识别信号数据。
在一些可能的实施例中,在对所述用户终端进行位置导航和运动速度导航之前,所述方法还包括:调用最小二乘法模型对所述用户终端进行定位解算,获得所述用户终端的位置解和速度解。这样可以通过所述用户终端的位置解和速度解实现对所述用户终端的精细化导航。
在本申请实施例中,待确定真实信号数据可以是与导航信号模式匹配的信号数据,未识别信号数据可以是与导航信号模式存在匹配异常的信号数据,在该步骤中,通过获得待确定真实信号数据和未识别信号数据,能够实现对信号数据的第一次差异化处理。
步骤22、利用第一指定识别策略对待确定真实信号数据进行识别,得到所述待确定真实信号数据中的第一真实信号数据。
在本申请实施例中,第一指定识别策略可以借助显著相关峰识别思路实现,关于显著相关峰识别思路的内容可以参阅现有技术,在此不作更多说明。
步骤23、利用第二指定识别策略对所述未识别信号数据进行识别,得到所述未识别信号数据中的第二真实信号数据和干扰信号数据。
在本申请实施例中,步骤23所描述的所述利用第二指定识别策略对所述未识别信号数据进行识别,得到所述未识别信号数据中的第二真实信号数据和干扰信号数据,可以包括步骤230所描述的技术方案。
步骤230、调用导航信号分类模型对所述未识别信号数据进行分类处理,得到所述未识别信号数据中的第二真实信号数据和干扰信号数据。
在本申请实施例中,导航信号分类模型可以是基于人工智能技术搭建的神经网络模型(比如分类模型)。基于此,步骤230所描述的调用导航信号分类模型对所述未识别信号数据进行分类处理,得到所述未识别信号数据中的第二真实信号数据和干扰信号数据,可以通过以下步骤231-步骤234所描述的实施方式实现。
步骤231、将所述未识别信号数据加载至导航信号分类模型中的信号特征挖掘层,得到所述信号特征挖掘层导出的所述未识别信号数据的第一多维信号数据描述和第二多维信号数据描述。
在本申请实施例中,所述信号特征挖掘层包括存在先后连接关系的若干信号特征挖掘单元,所述第一多维信号数据描述是所述存在先后连接关系的若干信号特征挖掘单元中的除了最后一个信号特征挖掘单元之外的的信号特征挖掘单元导出的多维信号数据描述,所述第二多维信号数据描述是所述存在先后连接关系的若干信号特征挖掘单元中的末尾的信号特征挖掘单元导出的多维信号数据描述。
此外,多维信号数据描述可以理解为信号特征,信号特征挖掘单元可以理解为卷积单元。
在一些可能的实施例中,步骤231所描述的将未识别信号数据加载至导航信号分类模型中的信号特征挖掘层,得到所述信号特征挖掘层导出的所述未识别信号数据的第一多维信号数据描述和第二多维信号数据描述,可以包括以下内容:将所述未识别信号数据加载至所述信号特征挖掘层中包括存在先后连接关系的信号特征挖掘单元level1,得到所述信号特征挖掘单元level1导出的多维信号数据描述vector1;将所述多维信号数据描述vector1加载至所述信号特征挖掘层中包括存在先后连接关系的信号特征挖掘单元level2,得到所述信号特征挖掘单元level2导出的多维信号数据描述vector2,其中,所述第一多维信号数据描述为所述多维信号数据描述vector2;将所述多维信号数据描述vector2加载至所述信号特征挖掘层中包括存在先后连接关系的信号特征挖掘单元level3,得到所述信号特征挖掘单元level3导出的多维信号数据描述vector3,其中,所述第二多维信号数据描述为所述多维信号数据描述vector3。
在上述实施例中,所述多维信号数据描述vector1的描述层面数小于所述多维信号数据描述vector2的描述层面数(维度尺寸),所述多维信号数据描述vector1的状态指标(通道数)小于所述多维信号数据描述vector2的状态指标,所述多维信号数据描述vector2的描述层面数等于所述多维信号数据描述vector3的描述层面数,所述多维信号数据描述vector2的状态指标大于所述多维信号数据描述vector3的状态指标。
步骤232、将所述第二多维信号数据描述加载至所述导航信号分类模型中的第一信号分类层,得到所述第一信号分类层导出的目标分类结果。
在本申请实施例中,所述目标分类结果为在所述未识别信号数据中检测出的目标信号波段所对应的分类结果。第一信号分类层可以理解为粗分类层。
在另一些可能的实施例中,步骤232所描述的将所述第二多维信号数据描述加载至所述导航信号分类模型中的第一信号分类层,得到所述第一信号分类层导出的目标分类结果,可以通过步骤2321-步骤2323所描述的技术方案实现。
步骤2321、将所述第二多维信号数据描述加载至所述第一信号分类层中的特征优化层,得到所述特征优化层导出的所述优化描述。
步骤2322、将所述优化描述加载至所述第一信号分类层中的信号特征挖掘单元,得到所述第一信号分类层中的信号特征挖掘单元导出的所述第三多维信号数据描述。
步骤2323、将所述第三多维信号数据描述加载至所述第一信号分类层中的第一全连接单元,得到所述第一全连接单元导出的所述目标分类结果。
对于一些可能的实施例而言,将所述第三多维信号数据描述加载至所述第一信号分类层中的第一全连接单元,得到所述第一全连接单元导出的所述目标分类结果,可以包括以下内容:依据所述第三多维信号数据描述,确定所述目标信号波段所对应的若干分类结果中每个分类结果的可信系数;依据所述若干分类结果中每个分类结果的可信系数,在所述若干分类结果中确定出所述目标分类结果。
步骤233、将所述第一多维信号数据描述、所述第二多维信号数据描述和第三多维信号数据描述以及所述目标分类结果加载至所述导航信号分类模型中的第二信号分类层,得到所述第二信号分类层导出的所述目标信号波段的导航信号关键词以及所述目标信号波段的显著性波段数据在所述未识别信号数据中的分布标签。
在本申请实施例中,所述第三多维信号数据描述是所述第一信号分类层中的信号特征挖掘单元依据优化描述导出的多维信号数据描述,所述优化描述是对所述第二多维信号数据描述进行优化得到的信号特征。此外,优化描述可以理解为重构描述,分布标签可以理解为位置信息。
对于一些可能的实施例而言,步骤233所描述的将所述第一多维信号数据描述、所述第二多维信号数据描述和第三多维信号数据描述以及所述目标分类结果加载至所述导航信号分类模型中的第二信号分类层,得到所述第二信号分类层导出的所述目标信号波段的导航信号关键词以及所述目标信号波段的显著性波段数据在所述未识别信号数据中的分布标签,可以包括步骤2331-步骤2334所描述的技术方案。
步骤2331、将所述第一多维信号数据描述、所述第二多维信号数据描述和所述第三多维信号数据描述加载至所述第二信号分类层中的描述拼接单元,得到所述描述拼接单元导出的拼接型信号描述,其中,所述描述拼接单元用于将所述第一多维信号数据描述、所述第二多维信号数据描述和所述第三多维信号数据描述调整为第一目标描述层面数和目标状态指标的多维信号数据描述,并将调整后的多维信号数据描述进行拼接,得到所述拼接型信号描述。
步骤2332、将所述拼接型信号描述加载至所述第二信号分类层中的信号特征挖掘单元,得到所述第二信号分类层中的信号特征挖掘单元导出的第四多维信号数据描述。
步骤2333、将所述第四多维信号数据描述和所述目标分类结果加载至所述第二信号分类层中的第一下采样单元,得到所述第一下采样单元导出的第一下采样描述,其中,所述第一下采样单元用于在所述第四多维信号数据描述中获取与所述目标分类结果对应的多维信号数据描述,并将获取到的多维信号数据描述调整成第二目标描述层面数的特征,得到所述第一下采样描述。
步骤2334、将所述第一下采样描述加载至所述第二信号分类层中的第二全连接单元,得到所述第二全连接单元导出的所述目标信号波段的导航信号关键词以及所述目标信号波段的显著性波段数据在所述未识别信号数据中的分布标签。
在一些可能的实施例中,步骤2334所描述的将所述第一下采样描述加载至所述第二信号分类层中的第二全连接单元,得到所述第二全连接单元导出的所述目标信号波段的导航信号关键词以及所述目标信号波段的显著性波段数据在所述未识别信号数据中的分布标签,可以包括以下内容:依据所述第一下采样描述,确定所述目标信号波段的若干信号波段关键词中每个信号波段关键词的可信系数、以及所述目标信号波段的显著性波段数据在所述未识别信号数据中的若干分布约束中的每个分布约束的可信系数;依据所述若干信号波段关键词中每个信号波段关键词的可信系数,在所述若干信号波段关键词中确定出所导航信号关键词,并依据所述目标信号波段的显著性波段数据在所述未识别信号数据中的若干分布约束中的每个分布约束的可信系数,在所述若干分布约束中确定所述目标信号波段的显著性波段数据在所述未识别信号数据中的分布标签。
在上述实施例中,拼接型信号描述可以理解为融合特征或者级联特征,如此设计,能够精准地定位目标信号波段的导航信号关键词以及目标信号波段的显著性波段数据在所述未识别信号数据中的分布标签。
步骤234、依据所述目标信号波段的导航信号关键词,以及目标信号波段的显著性波段数据在所述未识别信号数据中的分布标签,确定所述目标信号波段的干扰等级;通过所述干扰等级从所述未识别信号数据中分离出所述第二真实信号数据和所述干扰信号数据。
在本申请实施例中,导航信号关键词可以理解为导航信号种类,显著性波段数据可以理解为目标信号波段的波峰数据、波谷数据或者具有高特征识别度的数据,干扰等级的取值区间可以为0~1,进一步地,可以设置阈值0.6作为区分第二真实信号数据和干扰信号数据的分界线,干扰等级小于等于0.6的目标信号波段对应于第二真实信号数据,干扰等级大于0.6的目标信号波段对应于干扰信号数据。
如此设计,通过实施 上述步骤231-步骤234,能够基于粗细识别机制准确确定所述目标信号波段的导航信号关键词,以及目标信号波段的显著性波段数据在所述未识别信号数据中的分布标签,这样能够通过量化的干扰等级从未识别信号数据中准确分离出第二真实信号数据和干扰信号数据。
步骤24、结合所述第一真实信号数据和所述第二真实信号数据对所述用户终端进行持续性导航。
在本申请实施例中,通过不同阶段确定出的真实信号数据对用户终端进行持续性导航,能够尽可能减少干扰信号数据对导航过程的干扰。
在一些可能的实施例中,在识别出干扰信号数据之后,还可以将所述未识别信号数据中的所述干扰信号数据删除。
基于上述相同或相似的发明构思,还提供了一种用于北斗导航系统的抗干扰装置,应用于北斗导航系统中与用户终端通信连接的导航信号抗干扰云平台,所述装置至少包括:信号数据确定模块,用于在对所述用户终端进行位置导航和运动速度导航的过程中,如果检测到存在导航干扰行为,获得待确定真实信号数据和未识别信号数据;第一信号识别模块,用于利用第一指定识别策略对待确定真实信号数据进行识别,得到所述待确定真实信号数据中的第一真实信号数据;第二信号识别模块,用于利用第二指定识别策略对所述未识别信号数据进行识别,得到所述未识别信号数据中的第二真实信号数据和干扰信号数据;持续导航处理模块,用于结合所述第一真实信号数据和所述第二真实信号数据对所述用户终端进行持续性导航。
基于上述相同或相似的发明构思,还提供了一种用于北斗导航系统的抗干扰方法的应用环境30的架构示意图,用于北斗导航系统的抗干扰方法的应用环境30可以理解为用于北斗导航系统的抗干扰系统,包括互相之间通信连接的用户终端20和导航信号抗干扰云平台10;导航信号抗干扰云平台10用于:在对所述用户终端20进行位置导航和运动速度导航的过程中,如果检测到存在导航干扰行为,获得待确定真实信号数据和未识别信号数据;利用第一指定识别策略对待确定真实信号数据进行识别,得到所述待确定真实信号数据中的第一真实信号数据;利用第二指定识别策略对所述未识别信号数据进行识别,得到所述未识别信号数据中的第二真实信号数据和干扰信号数据;结合所述第一真实信号数据和所述第二真实信号数据对所述用户终端20进行持续性导航。
综上,应用于本申请实施例,能够在检测到导航干扰行为的前提下获得待确定真实信号数据和未识别信号数据,通过借助第一指定识别策略率先确定第一真实信号数据,并借助第二指定识别策略进一步区分识别出第二真实信号数据和干扰信号数据,从而结合第一真实信号数据和第二真实信号数据进行准确可靠的持续性导航处理。可见,由于识别干扰信号数据是通过二级识别方式实现的,这种方式能够显著减少对信号分类识别处理的运算开销,从而快速精准地分离出干扰信号数据,在一定程度上实现导航过程中的抗干扰处理,通过不同的真实信号数据进行导航处理,能够间接地实现干扰信号数据的过滤,从而保障导航处理的精度和可信度。
进一步地,还提供了一种可读存储介质,其上存储有程序,该程序被处理器执行时实现上述的方法。
在本申请实施例所提供的几个实施例中,应该理解到,所揭露的装置和方法,也可以通过其它的方式实现。以上所描述的装置和方法实施例仅仅是示意性的,例如,附图中的流程图和框图显示了根据本申请的多个实施例的装置、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或代码的一部分,所述模块、程序段或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现方式中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
另外,在本申请各个实施例中的各功能模块可以集成在一起形成一个独立的部分,也可以是各个模块单独存在,也可以两个或两个以上模块集成形成一个独立的部分。
所述功能如果以软件功能模块的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,媒体业务服务器10,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (8)
1.一种用于北斗导航系统的抗干扰方法,其特征在于,应用于北斗导航系统中与用户终端通信连接的导航信号抗干扰云平台,所述方法至少包括:
在对所述用户终端进行位置导航和运动速度导航的过程中,如果检测到存在导航干扰行为,获得待确定真实信号数据和未识别信号数据;
利用第一指定识别策略对待确定真实信号数据进行识别,得到所述待确定真实信号数据中的第一真实信号数据;
利用第二指定识别策略对所述未识别信号数据进行识别,得到所述未识别信号数据中的第二真实信号数据和干扰信号数据;
结合所述第一真实信号数据和所述第二真实信号数据对所述用户终端进行持续性导航;
其中,所述利用第二指定识别策略对所述未识别信号数据进行识别,得到所述未识别信号数据中的第二真实信号数据和干扰信号数据,包括:
调用导航信号分类模型对所述未识别信号数据进行分类处理,得到所述未识别信号数据中的第二真实信号数据和干扰信号数据;
其中,所述利用第二指定识别策略对所述未识别信号数据进行识别,得到所述未识别信号数据中的第二真实信号数据和干扰信号数据,包括:
将所述未识别信号数据加载至导航信号分类模型中的信号特征挖掘层,得到所述信号特征挖掘层导出的所述未识别信号数据的第一多维信号数据描述和第二多维信号数据描述,其中,所述信号特征挖掘层包括存在先后连接关系的若干信号特征挖掘单元,所述第一多维信号数据描述是所述存在先后连接关系的若干信号特征挖掘单元中的除了最后一个信号特征挖掘单元之外的的信号特征挖掘单元导出的多维信号数据描述,所述第二多维信号数据描述是所述存在先后连接关系的若干信号特征挖掘单元中的末尾的信号特征挖掘单元导出的多维信号数据描述;
将所述第二多维信号数据描述加载至所述导航信号分类模型中的第一信号分类层,得到所述第一信号分类层导出的目标分类结果,其中,所述目标分类结果为在所述未识别信号数据中检测出的目标信号波段所对应的分类结果;
将所述第一多维信号数据描述、所述第二多维信号数据描述和第三多维信号数据描述以及所述目标分类结果加载至所述导航信号分类模型中的第二信号分类层,得到所述第二信号分类层导出的所述目标信号波段的导航信号关键词以及所述目标信号波段的显著性波段数据在所述未识别信号数据中的分布标签,其中,所述第三多维信号数据描述是所述第一信号分类层中的信号特征挖掘单元依据优化描述导出的多维信号数据描述,所述优化描述是对所述第二多维信号数据描述进行优化得到的信号特征;
依据所述目标信号波段的导航信号关键词,以及目标信号波段的显著性波段数据在所述未识别信号数据中的分布标签,确定所述目标信号波段的干扰等级;通过所述干扰等级从所述未识别信号数据中分离出所述第二真实信号数据和所述干扰信号数据;
其中,多维信号数据描述为信号特征,信号特征挖掘单元为卷积单元,分布标签为位置信息,导航信号关键词为导航信号种类,显著性波段数据为目标信号波段的波峰数据、波谷数据或者具有特征识别度的数据。
2.根据权利要求1所述的方法,其特征在于,在对所述用户终端进行位置导航和运动速度导航之前,所述方法还包括:
调用最小二乘法模型对所述用户终端进行定位解算,获得所述用户终端的位置解和速度解。
3.根据权利要求1所述的方法,其特征在于,所述将所述未识别信号数据加载至导航信号分类模型中的信号特征挖掘层,得到所述信号特征挖掘层导出的所述未识别信号数据的第一多维信号数据描述和第二多维信号数据描述,包括:
将所述未识别信号数据加载至所述信号特征挖掘层中包括存在先后连接关系的信号特征挖掘单元level1,得到所述信号特征挖掘单元level1导出的多维信号数据描述vector1;
将所述多维信号数据描述vector1加载至所述信号特征挖掘层中包括存在先后连接关系的信号特征挖掘单元level2,得到所述信号特征挖掘单元level2导出的多维信号数据描述vector2,其中,所述第一多维信号数据描述为所述多维信号数据描述vector2;
将所述多维信号数据描述vector2加载至所述信号特征挖掘层中包括存在先后连接关系的信号特征挖掘单元level3,得到所述信号特征挖掘单元level3导出的多维信号数据描述vector3,其中,所述第二多维信号数据描述为所述多维信号数据描述vector3;
其中,所述多维信号数据描述vector1的描述层面数小于所述多维信号数据描述vector2的描述层面数,所述多维信号数据描述vector1的状态指标小于所述多维信号数据描述vector2的状态指标,所述多维信号数据描述vector2的描述层面数等于所述多维信号数据描述vector3的描述层面数,所述多维信号数据描述vector2的状态指标大于所述多维信号数据描述vector3的状态指标;
其中,描述层面数为维度尺寸,状态指标为通道数。
4.根据权利要求1所述的方法,其特征在于,所述将所述第二多维信号数据描述加载至所述导航信号分类模型中的第一信号分类层,得到所述第一信号分类层导出的目标分类结果,包括:将所述第二多维信号数据描述加载至所述第一信号分类层中的特征优化层,得到所述特征优化层导出的所述优化描述;将所述优化描述加载至所述第一信号分类层中的信号特征挖掘单元,得到所述第一信号分类层中的信号特征挖掘单元导出的所述第三多维信号数据描述;将所述第三多维信号数据描述加载至所述第一信号分类层中的第一全连接单元,得到所述第一全连接单元导出的所述目标分类结果;
其中,将所述第三多维信号数据描述加载至所述第一信号分类层中的第一全连接单元,得到所述第一全连接单元导出的所述目标分类结果包括:依据所述第三多维信号数据描述,确定所述目标信号波段所对应的若干分类结果中每个分类结果的可信系数;依据所述若干分类结果中每个分类结果的可信系数,在所述若干分类结果中确定出所述目标分类结果。
5.根据权利要求1所述的方法,其特征在于,所述将所述第一多维信号数据描述、所述第二多维信号数据描述和第三多维信号数据描述以及所述目标分类结果加载至所述导航信号分类模型中的第二信号分类层,得到所述第二信号分类层导出的所述目标信号波段的导航信号关键词以及所述目标信号波段的显著性波段数据在所述未识别信号数据中的分布标签,包括:
将所述第一多维信号数据描述、所述第二多维信号数据描述和所述第三多维信号数据描述加载至所述第二信号分类层中的描述拼接单元,得到所述描述拼接单元导出的拼接型信号描述,其中,所述描述拼接单元用于将所述第一多维信号数据描述、所述第二多维信号数据描述和所述第三多维信号数据描述调整为第一目标描述层面数和目标状态指标的多维信号数据描述,并将调整后的多维信号数据描述进行拼接,得到所述拼接型信号描述;
将所述拼接型信号描述加载至所述第二信号分类层中的信号特征挖掘单元,得到所述第二信号分类层中的信号特征挖掘单元导出的第四多维信号数据描述;
将所述第四多维信号数据描述和所述目标分类结果加载至所述第二信号分类层中的第一下采样单元,得到所述第一下采样单元导出的第一下采样描述,其中,所述第一下采样单元用于在所述第四多维信号数据描述中获取与所述目标分类结果对应的多维信号数据描述,并将获取到的多维信号数据描述调整成第二目标描述层面数的特征,得到所述第一下采样描述;
将所述第一下采样描述加载至所述第二信号分类层中的第二全连接单元,得到所述第二全连接单元导出的所述目标信号波段的导航信号关键词以及所述目标信号波段的显著性波段数据在所述未识别信号数据中的分布标签;
其中,所述将所述第一下采样描述加载至所述第二信号分类层中的第二全连接单元,得到所述第二全连接单元导出的所述目标信号波段的导航信号关键词以及所述目标信号波段的显著性波段数据在所述未识别信号数据中的分布标签,包括:
依据所述第一下采样描述,确定所述目标信号波段的若干信号波段关键词中每个信号波段关键词的可信系数、以及所述目标信号波段的显著性波段数据在所述未识别信号数据中的若干分布约束中的每个分布约束的可信系数;
依据所述若干信号波段关键词中每个信号波段关键词的可信系数,在所述若干信号波段关键词中确定出所导航信号关键词,并依据所述目标信号波段的显著性波段数据在所述未识别信号数据中的若干分布约束中的每个分布约束的可信系数,在所述若干分布约束中确定所述目标信号波段的显著性波段数据在所述未识别信号数据中的分布标签。
6.一种用于北斗导航系统的抗干扰系统,其特征在于,包括互相之间通信连接的用户终端和导航信号抗干扰云平台;
导航信号抗干扰云平台用于:在对所述用户终端进行位置导航和运动速度导航的过程中,如果检测到存在导航干扰行为,获得待确定真实信号数据和未识别信号数据;利用第一指定识别策略对待确定真实信号数据进行识别,得到所述待确定真实信号数据中的第一真实信号数据;利用第二指定识别策略对所述未识别信号数据进行识别,得到所述未识别信号数据中的第二真实信号数据和干扰信号数据;结合所述第一真实信号数据和所述第二真实信号数据对所述用户终端进行持续性导航;
其中,所述利用第二指定识别策略对所述未识别信号数据进行识别,得到所述未识别信号数据中的第二真实信号数据和干扰信号数据,包括:
调用导航信号分类模型对所述未识别信号数据进行分类处理,得到所述未识别信号数据中的第二真实信号数据和干扰信号数据;
其中,所述利用第二指定识别策略对所述未识别信号数据进行识别,得到所述未识别信号数据中的第二真实信号数据和干扰信号数据,包括:
将所述未识别信号数据加载至导航信号分类模型中的信号特征挖掘层,得到所述信号特征挖掘层导出的所述未识别信号数据的第一多维信号数据描述和第二多维信号数据描述,其中,所述信号特征挖掘层包括存在先后连接关系的若干信号特征挖掘单元,所述第一多维信号数据描述是所述存在先后连接关系的若干信号特征挖掘单元中的除了最后一个信号特征挖掘单元之外的的信号特征挖掘单元导出的多维信号数据描述,所述第二多维信号数据描述是所述存在先后连接关系的若干信号特征挖掘单元中的末尾的信号特征挖掘单元导出的多维信号数据描述;
将所述第二多维信号数据描述加载至所述导航信号分类模型中的第一信号分类层,得到所述第一信号分类层导出的目标分类结果,其中,所述目标分类结果为在所述未识别信号数据中检测出的目标信号波段所对应的分类结果;
将所述第一多维信号数据描述、所述第二多维信号数据描述和第三多维信号数据描述以及所述目标分类结果加载至所述导航信号分类模型中的第二信号分类层,得到所述第二信号分类层导出的所述目标信号波段的导航信号关键词以及所述目标信号波段的显著性波段数据在所述未识别信号数据中的分布标签,其中,所述第三多维信号数据描述是所述第一信号分类层中的信号特征挖掘单元依据优化描述导出的多维信号数据描述,所述优化描述是对所述第二多维信号数据描述进行优化得到的信号特征;
依据所述目标信号波段的导航信号关键词,以及目标信号波段的显著性波段数据在所述未识别信号数据中的分布标签,确定所述目标信号波段的干扰等级;通过所述干扰等级从所述未识别信号数据中分离出所述第二真实信号数据和所述干扰信号数据;
其中,多维信号数据描述为信号特征,信号特征挖掘单元为卷积单元,分布标签为位置信息,导航信号关键词为导航信号种类,显著性波段数据为目标信号波段的波峰数据、波谷数据或者具有特征识别度的数据。
7.一种用于北斗导航系统的抗干扰装置,其特征在于,应用于北斗导航系统中与用户终端通信连接的导航信号抗干扰云平台,所述装置至少包括:
信号数据确定模块,用于在对所述用户终端进行位置导航和运动速度导航的过程中,如果检测到存在导航干扰行为,获得待确定真实信号数据和未识别信号数据;
第一信号识别模块,用于利用第一指定识别策略对待确定真实信号数据进行识别,得到所述待确定真实信号数据中的第一真实信号数据;
第二信号识别模块,用于利用第二指定识别策略对所述未识别信号数据进行识别,得到所述未识别信号数据中的第二真实信号数据和干扰信号数据;
持续导航处理模块,用于结合所述第一真实信号数据和所述第二真实信号数据对所述用户终端进行持续性导航;
其中,所述利用第二指定识别策略对所述未识别信号数据进行识别,得到所述未识别信号数据中的第二真实信号数据和干扰信号数据,包括:
调用导航信号分类模型对所述未识别信号数据进行分类处理,得到所述未识别信号数据中的第二真实信号数据和干扰信号数据;
其中,所述利用第二指定识别策略对所述未识别信号数据进行识别,得到所述未识别信号数据中的第二真实信号数据和干扰信号数据,包括:
将所述未识别信号数据加载至导航信号分类模型中的信号特征挖掘层,得到所述信号特征挖掘层导出的所述未识别信号数据的第一多维信号数据描述和第二多维信号数据描述,其中,所述信号特征挖掘层包括存在先后连接关系的若干信号特征挖掘单元,所述第一多维信号数据描述是所述存在先后连接关系的若干信号特征挖掘单元中的除了最后一个信号特征挖掘单元之外的的信号特征挖掘单元导出的多维信号数据描述,所述第二多维信号数据描述是所述存在先后连接关系的若干信号特征挖掘单元中的末尾的信号特征挖掘单元导出的多维信号数据描述;
将所述第二多维信号数据描述加载至所述导航信号分类模型中的第一信号分类层,得到所述第一信号分类层导出的目标分类结果,其中,所述目标分类结果为在所述未识别信号数据中检测出的目标信号波段所对应的分类结果;
将所述第一多维信号数据描述、所述第二多维信号数据描述和第三多维信号数据描述以及所述目标分类结果加载至所述导航信号分类模型中的第二信号分类层,得到所述第二信号分类层导出的所述目标信号波段的导航信号关键词以及所述目标信号波段的显著性波段数据在所述未识别信号数据中的分布标签,其中,所述第三多维信号数据描述是所述第一信号分类层中的信号特征挖掘单元依据优化描述导出的多维信号数据描述,所述优化描述是对所述第二多维信号数据描述进行优化得到的信号特征;
依据所述目标信号波段的导航信号关键词,以及目标信号波段的显著性波段数据在所述未识别信号数据中的分布标签,确定所述目标信号波段的干扰等级;通过所述干扰等级从所述未识别信号数据中分离出所述第二真实信号数据和所述干扰信号数据;
其中,多维信号数据描述为信号特征,信号特征挖掘单元为卷积单元,分布标签为位置信息,导航信号关键词为导航信号种类,显著性波段数据为目标信号波段的波峰数据、波谷数据或者具有特征识别度的数据。
8.一种导航信号抗干扰云平台,其特征在于,包括处理器和存储器;所述处理器和所述存储器通信连接,所述处理器用于从所述存储器中读取计算机程序并执行,以实现上述权利要求1-5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111577353.4A CN114325600B (zh) | 2021-12-22 | 2021-12-22 | 用于北斗导航系统的抗干扰方法、系统、装置及云平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111577353.4A CN114325600B (zh) | 2021-12-22 | 2021-12-22 | 用于北斗导航系统的抗干扰方法、系统、装置及云平台 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114325600A CN114325600A (zh) | 2022-04-12 |
CN114325600B true CN114325600B (zh) | 2023-09-26 |
Family
ID=81054743
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111577353.4A Active CN114325600B (zh) | 2021-12-22 | 2021-12-22 | 用于北斗导航系统的抗干扰方法、系统、装置及云平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114325600B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102608623A (zh) * | 2004-12-01 | 2012-07-25 | 高通股份有限公司 | 用于干扰信号抑制的系统、方法和设备 |
CN102809751A (zh) * | 2012-08-14 | 2012-12-05 | 中国科学院国家授时中心 | Caps/北斗双模接收机 |
CN103248397A (zh) * | 2013-05-28 | 2013-08-14 | 安徽华东光电技术研究所 | 一种基于超宽带的室内导航与通信一体化信号体制系统 |
CN104502924A (zh) * | 2014-12-08 | 2015-04-08 | 广西大学 | 一种gps信号处理方法和装置 |
CN108551680A (zh) * | 2010-08-16 | 2018-09-18 | 三星电子株式会社 | 控制无线通信系统中的干扰的终端、基站及其方法 |
CN108919311A (zh) * | 2018-04-18 | 2018-11-30 | 青岛杰瑞自动化有限公司 | 用于北斗导航系统的抗干扰方法 |
CN109188470A (zh) * | 2018-09-11 | 2019-01-11 | 西安交通大学 | 一种基于卷积神经网络的gnss欺骗干扰检测方法 |
CN110231634A (zh) * | 2019-05-15 | 2019-09-13 | 西安交通大学 | 一种信号捕获阶段基于lstm的gnss欺骗干扰检测方法及系统 |
CN110231633A (zh) * | 2019-05-15 | 2019-09-13 | 西安交通大学 | 一种信号捕获阶段基于lstm的gnss欺骗式干扰识别、抑制方法及系统 |
CN110361760A (zh) * | 2019-07-02 | 2019-10-22 | 河海大学 | 基于子空间跟踪的gnss接收机多波束指向抗干扰方法 |
CN111399002A (zh) * | 2020-04-09 | 2020-07-10 | 西安交通大学 | 一种基于两级神经网络的gnss接收机组合干扰分类识别方法 |
CN111562597A (zh) * | 2020-06-02 | 2020-08-21 | 南京敏智达科技有限公司 | 一种基于bp神经网络的北斗卫星导航干扰源识别方法 |
CN111783558A (zh) * | 2020-06-11 | 2020-10-16 | 上海交通大学 | 一种卫星导航干扰信号类型智能识别方法及系统 |
CN213960055U (zh) * | 2021-01-31 | 2021-08-13 | 广东邦盛北斗技术服务有限公司 | 一种具有隔离结构的抗干扰型通信模块 |
CN113507307A (zh) * | 2021-09-09 | 2021-10-15 | 国网四川省电力公司电力科学研究院 | 一种适用于卫星通信的空时联合抗干扰方法、装置及设备 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10495759B2 (en) * | 2014-02-13 | 2019-12-03 | The Mitre Corporation | GPS spoofing detection techniques |
US11137499B2 (en) * | 2018-01-31 | 2021-10-05 | Toyota Motor Engineering & Manufacturing North America, Inc. | System and method for detecting GPS signal spoofing |
-
2021
- 2021-12-22 CN CN202111577353.4A patent/CN114325600B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102608623A (zh) * | 2004-12-01 | 2012-07-25 | 高通股份有限公司 | 用于干扰信号抑制的系统、方法和设备 |
CN108551680A (zh) * | 2010-08-16 | 2018-09-18 | 三星电子株式会社 | 控制无线通信系统中的干扰的终端、基站及其方法 |
CN102809751A (zh) * | 2012-08-14 | 2012-12-05 | 中国科学院国家授时中心 | Caps/北斗双模接收机 |
CN103248397A (zh) * | 2013-05-28 | 2013-08-14 | 安徽华东光电技术研究所 | 一种基于超宽带的室内导航与通信一体化信号体制系统 |
CN104502924A (zh) * | 2014-12-08 | 2015-04-08 | 广西大学 | 一种gps信号处理方法和装置 |
CN108919311A (zh) * | 2018-04-18 | 2018-11-30 | 青岛杰瑞自动化有限公司 | 用于北斗导航系统的抗干扰方法 |
CN109188470A (zh) * | 2018-09-11 | 2019-01-11 | 西安交通大学 | 一种基于卷积神经网络的gnss欺骗干扰检测方法 |
CN110231634A (zh) * | 2019-05-15 | 2019-09-13 | 西安交通大学 | 一种信号捕获阶段基于lstm的gnss欺骗干扰检测方法及系统 |
CN110231633A (zh) * | 2019-05-15 | 2019-09-13 | 西安交通大学 | 一种信号捕获阶段基于lstm的gnss欺骗式干扰识别、抑制方法及系统 |
CN110361760A (zh) * | 2019-07-02 | 2019-10-22 | 河海大学 | 基于子空间跟踪的gnss接收机多波束指向抗干扰方法 |
CN111399002A (zh) * | 2020-04-09 | 2020-07-10 | 西安交通大学 | 一种基于两级神经网络的gnss接收机组合干扰分类识别方法 |
CN111562597A (zh) * | 2020-06-02 | 2020-08-21 | 南京敏智达科技有限公司 | 一种基于bp神经网络的北斗卫星导航干扰源识别方法 |
CN111783558A (zh) * | 2020-06-11 | 2020-10-16 | 上海交通大学 | 一种卫星导航干扰信号类型智能识别方法及系统 |
CN213960055U (zh) * | 2021-01-31 | 2021-08-13 | 广东邦盛北斗技术服务有限公司 | 一种具有隔离结构的抗干扰型通信模块 |
CN113507307A (zh) * | 2021-09-09 | 2021-10-15 | 国网四川省电力公司电力科学研究院 | 一种适用于卫星通信的空时联合抗干扰方法、装置及设备 |
Non-Patent Citations (4)
Title |
---|
GNSS干扰信号检测方法研究;王佳欣等;《导航定位与授时》(第4期);117-122 * |
GNSS接收机抗干扰和欺骗检测技术研究;程旭维等;《第六届中国卫星导航学术年会论文集—S06北斗/GNSS测试评估技术》;124-132 * |
Research on Multi-Peak Detection of Small Delay Spoofing Signal;Junzhi Li等;《IEEE Access》;151777-151787 * |
基于神经网络和SVM的GPS干扰类型识别;张婧等;《信息与电子工程》(第6期);386-389 * |
Also Published As
Publication number | Publication date |
---|---|
CN114325600A (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9582726B2 (en) | Systems and methods for image processing in a deep convolution network | |
CN109948616B (zh) | 图像检测方法、装置、电子设备及计算机可读存储介质 | |
JP2011248876A (ja) | 画像をオブジェクト及びそのパーツに関して効率的に解釈するためのシステムと方法 | |
CN110263628B (zh) | 障碍物检测方法、装置、电子设备以及存储介质 | |
US12020483B2 (en) | Dynamic detection and recognition of media subjects | |
CN114170516B (zh) | 一种基于路侧感知的车辆重识别方法、装置及电子设备 | |
CN112016467A (zh) | 交通标志识别模型训练方法、识别方法、系统、设备及介质 | |
CN110968686A (zh) | 意图识别方法、装置、设备及计算机可读介质 | |
CN115471108B (zh) | 数据分析决策方法、系统及大数据资源中心 | |
US20220051103A1 (en) | System and method for compressing convolutional neural networks | |
CN112348006A (zh) | 一种无人机信号识别方法、系统、介质及设备 | |
US11614337B2 (en) | Systems and methods for the classification of geographic locations based on vehicle trip logs | |
CN111445442B (zh) | 基于神经网络的人群计数方法、装置、服务器及存储介质 | |
CN115690715A (zh) | 一种车道线检测方法、电子设备及存储介质 | |
CN110428816B (zh) | 一种语音细胞库训练和分享的方法及装置 | |
CN114325600B (zh) | 用于北斗导航系统的抗干扰方法、系统、装置及云平台 | |
CN109493931B (zh) | 一种病历文件的编码方法、服务器及计算机可读存储介质 | |
CN116738144A (zh) | 基于rfid的人体行为检测方法、装置、介质及设备 | |
CN116151323A (zh) | 模型生成方法、装置、电子设备及存储介质 | |
CN110689481A (zh) | 车辆种类识别方法及装置 | |
CN111814813A (zh) | 神经网络训练和图像分类方法与装置 | |
CN114420150A (zh) | 基于位置编码卷积神经网络的声音定位识别方法及装置 | |
WO2021214540A1 (en) | Robust camera localization based on a single color component image and multi-modal learning | |
Rohini et al. | A framework to identify allergen and nutrient content in fruits and packaged food using deep learning and OCR | |
CN114288674A (zh) | 一种vr滑雪控制方法及系统 |
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 |