CN114696924A - 一种基准站信号质量监测方法、装置、设备及介质 - Google Patents
一种基准站信号质量监测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN114696924A CN114696924A CN202011602258.0A CN202011602258A CN114696924A CN 114696924 A CN114696924 A CN 114696924A CN 202011602258 A CN202011602258 A CN 202011602258A CN 114696924 A CN114696924 A CN 114696924A
- Authority
- CN
- China
- Prior art keywords
- noise ratio
- carrier
- abnormal
- reference station
- target
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 63
- 238000012544 monitoring process Methods 0.000 title claims abstract description 48
- 230000002159 abnormal effect Effects 0.000 claims abstract description 223
- 238000004458 analytical method Methods 0.000 claims abstract description 41
- 230000000903 blocking effect Effects 0.000 claims abstract description 10
- 230000006870 function Effects 0.000 claims description 15
- 238000000528 statistical test Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 14
- 238000012545 processing Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 9
- 230000002776 aggregation Effects 0.000 claims description 4
- 238000004220 aggregation Methods 0.000 claims description 4
- 238000004891 communication Methods 0.000 abstract description 8
- 230000001629 suppression Effects 0.000 abstract description 2
- 230000005856 abnormality Effects 0.000 description 16
- 238000004422 calculation algorithm Methods 0.000 description 12
- 238000010586 diagram Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 10
- 230000008859 change Effects 0.000 description 8
- 230000007246 mechanism Effects 0.000 description 6
- 230000003044 adaptive effect Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- KEQXNNJHMWSZHK-UHFFFAOYSA-L 1,3,2,4$l^{2}-dioxathiaplumbetane 2,2-dioxide Chemical compound [Pb+2].[O-]S([O-])(=O)=O KEQXNNJHMWSZHK-UHFFFAOYSA-L 0.000 description 2
- 238000012896 Statistical algorithm Methods 0.000 description 2
- 238000001801 Z-test Methods 0.000 description 2
- 229910052924 anglesite Inorganic materials 0.000 description 2
- 238000010219 correlation analysis Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000005433 ionosphere Substances 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 241001478428 Syngnathus Species 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000003416 augmentation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04B—TRANSMISSION
- H04B17/00—Monitoring; Testing
- H04B17/30—Monitoring; Testing of propagation channels
- H04B17/309—Measuring or estimating channel quality parameters
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Quality & Reliability (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Monitoring And Testing Of Transmission In General (AREA)
Abstract
本发明实施例提供一种基准站信号质量监测方法、装置、设备及介质，涉及无线通信领域，用以通过载噪比信号的异常特征分析，提高基准站信号质量异常判别的准确性。所述方法包括：获取预设区域内的目标基准站在第一预设时段内接收的载噪比信号；将载噪比信号输入至预先训练的载噪比异常模型中，确定目标载噪比异常值；基于目标基准站预先获取的基带抗干扰信息，对目标载噪比异常值进行归因分类，确定目标载噪比异常值的异常类型，异常类型包括无干扰、存在干扰但已被抑制、欺骗式干扰或阻塞式干扰；基于目标载噪比异常值的异常类型，对目标基准站的监测等级进行匹配。
Description
技术领域
本发明属于无线通信领域，尤其涉及一种基准站信号质量监测方法、装置、设备及介质。
背景技术
面向海量用户的大规模高精度位置服务，特别是基于北斗的导航卫星地面增强系统服务，离不开对各类导航卫星系统的信号接收与解调。一旦在信号传播和接收过程中，出现各类不同程度的干扰或者异常，都会直接影响后续的基带处理、观测值输出、后端组网解算等数据处理任务。其中表征基准站信号质量的参数，一般采用载噪比来表示。因此，可以通过载噪比信号的异常，判断基准站信号质量的异常。
现有技术中对基准站信号的质量分析，大多需要从与基准站对应的接收机内部跟踪环路入手建模，实际可操作性及实施效率会受到一定的影响，并且不同类型接收机之间的异构问题也难以统一，因此上述建模方式无法准确获取载噪比信号，进而无法判断基准站信号质量是否异常。
综上所述，现有技术中无法准确判断基准站信号质量。
发明内容
本发明实施例提供一种基准站信号质量监测方法、装置、设备及介质，能够通过载噪比信号的异常特征分析，提高基准站信号质量异常判别的准确性。
第一方面，本发明实施例提供一种基准站信号质量监测方法，方法包括：
获取预设区域内的目标基准站在第一预设时段内接收的载噪比信号；
将载噪比信号输入至预先训练的载噪比异常模型中，确定目标载噪比异常值；
基于目标基准站预先获取的基带抗干扰信息，对目标载噪比异常值进行归因分类，确定目标载噪比异常值的异常类型，异常类型包括无干扰、存在干扰但已被抑制、欺骗式干扰或阻塞式干扰；
基于目标载噪比异常值的异常类型，对目标基准站的监测等级进行匹配。
第二方面，本发明实施例提供一种基准站信号质量监测装置，装置包括：
获取单元，用于获取预设区域内的目标基准站在第一预设时段内接收的载噪比信号；
确定单元，用于将载噪比信号输入至预先训练的载噪比异常模型中，确定目标载噪比异常值；
分类单元，用于基于目标基准站预先获取的基带抗干扰信息，对目标载噪比异常值进行归因分类，确定目标载噪比异常值的异常类型，异常类型包括无干扰、存在干扰但已被抑制、欺骗式干扰或阻塞式干扰；
匹配单元，用于基于目标载噪比异常值的异常类型，对目标基准站的监测等级进行匹配。
第三方面，本发明实施例提供一种基准站信号质量监测设备，设备包括：
处理器，以及存储有计算机程序指令的存储器；处理器读取并执行计算机程序指令，以实现如本发明实施例第一方面所提供的基准站信号质量监测方法。
第六方面，本发明实施例提供了一种计算机存储介质，计算机存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现如本发明实施例第一方面所提供的基准站信号质量监测方法。
本发明实施例提供的基准站信号质量监测方法、装置、设备及介质，获取预设区域内的目标基准站在第一预设时段内接收的载噪比信号，将载噪比信号输入至预先训练的载噪比异常模型中，确定目标载噪比异常值，基于目标基准站预先获取的基带抗干扰信息，对目标载噪比异常值进行归因分类，确定目标载噪比异常值的异常类型，异常类型包括无干扰、存在干扰但已被抑制、欺骗式干扰或阻塞式干扰，即一方面基于对载噪比异常值进行载噪比异常识别的信号层面，一方面基于对预设的基带抗干扰信息进行前端干扰保护识别的数据层面，通过双重判别机制，对载噪比信号异常进行叠加互检分析，以确定载噪比异常值的异常类型，基于目标载噪比异常值的异常类型，对目标基准站的监测等级进行匹配。与现有技术相比，通过载噪比信号的异常特征分析，提高基准站信号质量异常判别的准确性。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例中所需要使用的附图作简单的介绍，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为本发明实施例提供的一种基准站信号质量监测方法的示意流程图；
图2为本发明实施例提供的另一基准站信号质量监测方法的示意流程图；
图3为本发明实施例提供的又一基准站信号质量监测方法的示意流程图；
图4为本发明实施例提供的再一基准站信号质量监测方法的示意流程图；
图5为本发明实施例提供的一种基准站信号质量监测装置的结构示意图；
图6为本发明实施例提供的一种基准站信号质量监测设备的结构示意图。
具体实施方式
下面将详细描述本发明的各个方面的特征和示例性实施例，为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本发明进行进一步详细描述。应理解，此处所描述的具体实施例仅意在解释本发明，而不是限定本发明。对于本领域技术人员来说，本发明可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本发明的示例来提供对本发明更好的理解。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，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……”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。
面向海量用户的大规模高精度位置服务，离不开对各类导航卫星系统(GlobalNavigation Satellite System，GNSS)的信号接收与解调这一重要的前置工作，一旦信号传播和接收过程中，出现各类不同程度的干扰或者异常，都会直接影响后续的基带处理、观测值输出、后端组网解算等数据处理任务。
现有技术中对基准站站点接收到的导航信号质量分析，多使用专业仪器进行实时操作，成本高且效率低，并且对于某些区域的接收信号无法针对性的进行信号异常问题的排查。虽然现有技术中存在对基准站接收信号的信噪比进行空间电离层闪烁的探测监控应用研究，例如认为其对载噪比构成中的干扰功率影响最大，但往往需从接收机内部跟踪环路入手建模，实际可操作性及实施效率也会受到一定的影响，并且因接收机异构问题，也难以统一。
而载噪比的数值内容，是接收机的标准输出项，并且接口与接收机无关相对独立，能够客观、直接地反映出信号接收端的质量差异，载噪比异常，一般可以通过导航卫星入射角及增益方向图模型进行非线性化的构建，信号的强度值是指接收机接收到的包含直接信号和反射信号的混合信号的平均强度。随着反射信号相对于直接信号相位的变化，反射信号对直接信号相增或相消。所以混合信号的强度总是反射信号相位变化的函数，即时间的函数。
基于此，本发明实施例中通过载噪比信号表征基准站所接收信号的信号质量，一般用C/N0表示，C/N0是接收到的载波功率与噪声密度之比。当其取值较高时会导致从GNSS信号中提取导航数据时数据误码率降低以及载波和代码跟踪环路抖动降低。反过来，降低的载波和代码跟踪环路抖动可减少噪声范围的测量，从而实现更精确的异常信号定位。
载噪比是不一样的信噪比(Signal Noise Ratio，SNR)，虽然术语有时可互换使用，但一般情况下载噪比假定噪声具有无限的带宽，进而具有功率，因此使用密度(即单位带宽的噪声功率(dB/Hz))来表征噪声。例如，一个制造商的GPS接收机将SNR显示为GNSS信号的品质因数；但在此接收机中，载噪比通常比显示的信噪比高30分贝。载噪比提供的度量标准比信噪比更为有用，可用于将不同品牌的GNSS接收机进行比较，进而在比较中可以消除接收机的带宽。
一般而言，载噪比取值范围与导航信号入射角(高度角)线性相关，并根据站点接收机天线的增益方向趋势一致，以北斗地基增强系统的大规模基准站建设为例，由于采用了统一核心设备、统一天线进行安装部署，因此已具备了均一化、归一化采集导航信号载噪比数据的良好基础环境。
如图1所示，本发明实施例提供一种基准站信号质量监测方法，包括：
S101，获取预设区域内的目标基准站在第一预设时段内接收的载噪比信号。
S102，将载噪比信号输入至预先训练的载噪比异常模型中，确定目标载噪比异常值。
在一些实施例中，对于目标基准站载噪比异常模型的建立，通常会涉及到目标基准站站载噪比数据的采集与分析。在基准站所接收信号未受干扰的情况下，载噪比最小单元的基本组成可以通过公式1来表示：
其中载噪比最小单元的单位表征为每历元i下的每颗星j每个频点k载噪比数据采集，记为
SR为所接收到的信号功率，单位dBW，一般由卫星段发射功率、传播路径损耗组成。GA为导航信号传播路径上天线增益，单位dBic。其余三项分别为热噪声密度、玻尔兹曼常数、接收机噪声指数。
上述各项参数对最小单元载噪比的影响主要分为三类：影响微小项，如SR；影响随机项，如NF和L；影响较大且呈系统性规律项，如GA。因此可知，在正常工作无干扰情况下，造成最小单元载噪比变化影响的主要变量为天线增益GA，因此同一频点K0下不同颗卫星不同历元，在正常情况下所采集的载噪比样本差异可以通过公式2来表示：
在具体实施过程中，所需的样本数据为导航信号载噪比基本模型的预期值，载噪比异常模型由一个特定的基准站接收机-天线组合下的不同颗卫星不同历元的入射角函数(同一频点下)建立。对于单一基准站的正常观测环境，可采集大量的载噪比数据历元样本，来回归建立这一模型，其中建立模型所采用的四阶正弦映射函数可以通过公式3来表示：
式中，an为所需拟合的回归模型系数，但实际上该模型与站点环境密切相关，如干扰、遮挡、多径等场景也会直接影响载噪比，同时此模型仅适用于描述一个特定的基准站接收机-天线组合，即使用单元为某一个目标基准站点，目标基准站的载噪比异常模型可以通过公式4来表示：
公式4即为特定的目标基准站、某一导航信号频点，不同颗接收卫星的载噪比异常计算值。
基于上述方法构建载噪比异常模型，将目标基准站载噪比数据样本输入至载噪比异常模型中，得到载噪比异常值。
在一些实施例中，将载噪比信号输入至预先训练的载噪比异常模型中，确定目标载噪比异常值，可能包括：
将目标基准站于第一预设时段后接收的载噪比信号代入载噪比异常模型，得到当前异常计算值；
采用统计检验函数对当前异常计算值进行判断，在当前异常计算值超过统计检验函数的检测阀值的情况下，将当前异常计算值确定为目标载噪比异常值。
在一些实施例中，对载噪比异常模型的建立方法可以包括：
将载噪比信号输入至预设的载噪比异常模型中，得到第一载噪比预测值；
根据载噪比信号与第一载噪比预测值确定第一载噪比异常值；
根据第一载噪比异常值与异常值区间，对载噪比异常模型进行更新。
在一些实施例中，根据第一载噪比异常值与异常值区间，对载噪比异常模型进行更新，可以包括：
在第一载噪比异常值不在异常值区间内的情况下，更新载噪比异常模型的参数及异常值区间；
将载噪比信号输入至更新参数后的载噪比异常模型中，得到第二载噪比预测值；
根据载噪比信号和第二载噪比预测值确定第二载噪比异常值，在第二载噪比异常值在更新后的异常值区间的情况下，确定更新后的载噪比异常模型；
在第二载噪比异常值不在更新后的异常值区间的情况下，返回执行更新载噪比异常模型的参数及异常值区间。
在一些实施例中，在载噪比异常值超限的情况下，基于自适应准则调参可以通过以下步骤来实施：
步骤A：基于基准站环境的改变，检验统计算法确定的均值统计窗口，检测到载噪比异常值超限。
需要说明的是，载噪比异常值超限则表示获取当前载噪比异常值的载噪比异常模型，和用于检测当前载噪比异常值的均值统计窗口均不再适用于当前环境下的基准站。
步骤B：分别对构建载噪比异常模型的回归模型系数，和统计检验算法的均值估计窗口进行调整。
步骤C：将载噪比数据样本输入至调整回归模型系数后的载噪比异常模型，重新确定载噪比异常值。
步骤D：通过调整均值估计窗口后的统计检验算法，检测上述重新确定的载噪比异常值，若超限，则返回步骤B，否则对上述重新确定的载噪比异常值进行干扰属性判断。
S103，基于目标基准站预先获取的基带抗干扰信息，对目标载噪比异常值进行归因分类，确定目标载噪比异常值的异常类型，异常类型包括无干扰、存在干扰但已被抑制、欺骗式干扰或阻塞式干扰。
在一些实施例中，异常类型包括无干扰、存在干扰但已被抑制、欺骗式干扰和阻塞式干扰。
在一些实施例中，对目标载噪比异常值的异常类型的确定，一方面基于对载噪比异常值进行载噪比异常识别的信号层面，另一方面基于对预设的基带抗干扰信息进行前端干扰保护识别的数据层面，通过双重判别机制，对载噪比信号异常进行叠加互检分析。通常情况下可以从卫星信号增强、电离层磁暴、站点环境干扰的成因进行推演，以确定以下多个异常类型：
a)无重大干扰识别，是基准站正常运行观测的标准常态，即认为此时信号质量正常；
b)存在干扰但已被抑制，是基准站正常运行观测的寻常实例，即认为此时信号质量正常；
c)欺骗式干扰，是基准站异常运行观测实例之一，即认为此时信号质量异常，且干扰被识别；
d)阻塞式干扰，是基准站异常运行观测实例之一，即认为此时信号质量异常，且干扰被识别。
在一些实施例中，在基于目标基准站预先获取的基带抗干扰信息，对目标载噪比异常值进行归因分类，确定目标载噪比异常值的异常类型之后，方法可以还包括：
对目标载噪比异常值进行归因分类包括当前时刻的异常类型和历史时刻的异常类型；
在当前时刻的异常类型和历史时刻的异常类型不同的情况下，遍历预先获取的干扰事件数据库，确定使得当前时刻的异常类型和历史时刻的异常类型不同的干扰事件。
需要说明的是，对目标载噪比异常值的异常类型判别是实时进行的，当目标基准站的环境状态发生变化时，对目标载噪比异常值归因分析的结果也会产生变化，即当前时刻的异常类型和历史时刻的异常类型不同，因此通过遍历预先获取的干扰事件数据库，确定导致当前时刻的异常类型和历史时刻的异常类型不同的干扰事件。
S104，基于目标载噪比异常值的异常类型，对目标基准站的监测等级进行匹配。
在一些实施例中，对目标基准站的载噪比异常模型每间隔第二预设时段进行参数更新。
如图2所示，本发明提供另一基准站信号质量监测方法，方法可以包括：
S201，基于至少一个时间维度特征和至少一个空间维度特征，确定目标时空维度特征。
在一些实施例中，
时间维度特征包括：恒星日周期或电离层活跃周期；
空间维度特征包括：中低纬度区域、导航系统频点或省份区域。
S202，根据目标时空维度特征，确定目标基准站集合，目标基准站集合包括预设区域内的多个基准站。
S203，获取目标基准站集合中每一基准站对应的异常类型，并结合目标时空维度特征进行聚合分析。
在一些实施例中，获取目标基准站集合中每一基准站对应的异常类型，并结合目标时空维度特征进行聚合分析，包括：
结合目标时空维度特征的至少一个时间维度特征和至少一个空间维度特征，分析目标基准站集合中每一基准站对应的异常类型，对目标基准站集合接收信号进行质量水平趋势分析及细粒度特征分析。
具体地，根据上述时间及空间的维度特征约定的组合，或者根据如“历元-高度角-站点环境-导航系统-导航频段-纬度水平区域”等不同层次单元进行划分，可以对载噪比信号进行基于细粒度特征的异常分析。例如，对单个基准站进行环境防治、报障处理精准化及数据质量关联分析；对多个基准站进行区域特征集合、算法网络研判及周期复现分析；对多个基准站形成的导航系统，进行信号异常及区域干扰识别分析等。
下面结合具体实施例，对本发明实施例提供的基准站信号质量检测方法进行详细说明。
随着以北斗地基增强系统为代表的卫星导航全球化、现代化发展，特别是高精度定位及服务技术的普及和跨界创新应用日益完善，对地面基础设施、用户接收及传输信息量、服务质量以及信息可信度的要求及具体需要亦与之剧增，特别是先于用户优于服务端发现识别问题，提前预警监控，能进一步推动服务质量的可信度保障建设。
因此，本发明实施例将提供一种基准站信号质量监测方法，以单个北斗地基增强系统基准站的载噪比数据样本采集，为最小建模单元，结合信号载噪比特征组成，首先建立起上述单个基准站环境对应的载噪比异常模型；进而基于不同时空层次的递推查询，获取对应的载噪比异常值，并以此对不同地理纬度、不同导航系统、不同导航频段、不同用户区域的多个基准站进行时空特征分析，从而夯实监控规则设置，以及异常信号的预测规避。
下面通过附图及多个具体实施例对本发明实施例提供的基准站信号质量检测方法进行详细说明。
实施例一
如图3所示，S301，针对目标基准站，采集预设时段的载噪比数据样本，构建对应站点的载噪比异常模型。
在一些实施例中，对于单个基准站载噪比异常模型的建立，通常会涉及到单个基准站站载噪比数据的采集与分析。在基准站所接收信号未受干扰的情况下，载噪比最小单元的基本组成可以通过公式1来表示：
其中载噪比最小单元的单位表征为每历元i下的每颗星j每个频点k载噪比数据采集，记为
SR为所接收到的信号功率，单位dBW，一般由卫星段发射功率、传播路径损耗组成。GA为导航信号传播路径上天线增益，单位dBic。其余三项分别为热噪声密度、玻尔兹曼常数、接收机噪声指数。
上述各项参数对最小单元载噪比的影响主要分为三类：影响微小项，如SR；影响随机项，如NF和L；影响较大且呈系统性规律项，如GA。因此可知，在正常工作无干扰情况下，造成最小单元载噪比变化影响的主要变量为天线增益GA，因此同一频点K0下不同颗卫星不同历元，在正常情况下所采集的载噪比样本差异可以通过公式2来表示：
在具体实施过程中，所需的样本数据为导航信号载噪比基本模型的预期值，载噪比异常模型由一个特定的基准站接收机-天线组合下的不同颗卫星不同历元的入射角函数(同一频点下)建立。对于单一基准站的正常观测环境，可采集大量的载噪比数据历元样本，来回归建立这一模型，其中建立模型所采用的四阶正弦映射函数可以通过公式3来表示：
式中，an为所需拟合的回归模型系数，但实际上该模型与站点环境密切相关，如干扰、遮挡、多径等场景也会直接影响载噪比，同时此模型仅适用于描述一个特定的基准站接收机-天线组合，即使用单元为某一个目标基准站点，目标基准站的载噪比异常模型可以通过公式4来表示：
上式即为特定的目标基准站、某一导航信号频点，不同颗接收卫星的载噪比差异的计算值。
基于上述方法构建载噪比异常模型，将目标基准站载噪比数据样本输入至载噪比异常模型中，得到载噪比异常值。
S302，建立统计检验窗口对载噪比异常值进行数据分析。
若载噪比异常值数值较大，则通常表明载噪比信号受到了不同程度的干扰，例如站点电磁环境、电离层闪烁、接收机内部噪声。采用自适应统计检验算法对载噪比异常值进行数据分析。
在一些实施例中，上述统计检验算法可以是Z检验算法，载噪比异常的均值统计窗口可以通过公式5来表示:
|mean(Z)|>|mean(Y)|+2σ(Y) 公式5
其中，mean(Z)是载噪比异常窗口在Z检验下的平均绝对值，mean(Y)是置信区域(Y1,Y2)内最大平均值的绝对量，σ(Y)是上述置信区间内的最大误差值。
需要说明的是，自适应统计检验算法也可以是除了Z检验算法之外的其他算法，本发明实施例对此不作限定。
S303，根据基准站环境的改变，基于自适应准则，判断异常值是否超限，若是，则返回步骤301，否则执行步骤304。
需要说明的是，根据基准站环境的改变，使用自适应准则，实施调整S301中构建载噪比异常模型的回归模型系数，和S32中统计检验算法的均值估计窗口。
利用上述统计检验方法可以有效过滤检测出异常值是否超限，并且基于目标基准站的载噪比异常模型的建立，可以自适应的设定阈值。
在一些实施例中，在载噪比异常值超限的情况下，基于自适应准则调参可以通过以下步骤来实施：
步骤A：基于基准站环境的改变，检验统计算法确定的均值统计窗口，检测到载噪比异常值超限。
需要说明的是，载噪比异常值超限则表示获取当前载噪比异常值的载噪比异常模型，和用于检测当前载噪比异常值的均值统计窗口均不再适用于当前环境下的基准站。
步骤B：分别对构建载噪比异常模型的回归模型系数，和统计检验算法的均值估计窗口进行调整。
步骤C：将载噪比数据样本输入至调整回归模型系数后的载噪比异常模型，重新确定载噪比异常值。
步骤D：通过调整均值估计窗口后的统计检验算法，检测上述重新确定的载噪比异常值，若超限，则返回步骤B，否则对上述重新确定的载噪比异常值进行干扰属性判断。
S304，结合预先获取的基带抗干扰信息，对载噪比异常值进行归因分析，确定载噪比异常值的异常类型。
通过上述S1-S3可以动态确定信号异常的水平范围及偏差值大小，但更深层次下信号异常背后的机理成因，还需进一步确定。特别是欺骗式的信号干扰，因此可借助具备自主知识产权的基准站，如潜龙服务器，充分利用其接收机核心主板的基带抗干扰信息，特别是对射频前端信号的自动增益控制信息，来进一步确定载噪比异常值的异常类型。
在一些实施例中，可以通过表1中所列举的归因维度进行归因分析，一方面有基于对载噪比异常值进行载噪比异常识别的信号层面，一方面有基于对预设的基带抗干扰信息进行前端干扰保护识别的数据层面，通过双重判别机制，对载噪比信号异常进行叠加互检分析。
表1基准站载噪比异常类型分析
通常情况下可以从卫星信号增强、电离层磁暴、站点环境干扰的成因进行推演，对于上述异常类型标记通过如下成因描述：
t1，是基准站正常运行观测的标准常态，即认为此时信号质量正常，且无重大干扰识别；
t2，是基准站正常运行观测的寻常实例，即认为此时信号质量正常，但识别出干扰且被抑制；
t3，是基准站异常运行观测实例之一，即认为此时信号质量异常，且干扰被识别(欺骗式站点环境干扰)；
t4，是基准站异常运行观测实例之一，即认为此时信号质量异常，且干扰被识别(阻塞式站点环境干扰)。
实施例二
对于单一基准站的载噪比信号异常而言，样本及其时空分布属性偏少，并不能足以反映出载噪比信号异常背后的完整成因列表，因此可根据更多基准站组合及数据样本采集建模的时空特征进行分析。
在一些实施例中，按照本发明实施例一中对基准站接收信号的载噪比异常值的分析方法，可以使用更高维度的时空特征进行建模分析，如指定纬度分布区域的载噪比信号异常特征、指定卫星导航系统或频段的信号异常特征等，具体时空特征分析可见下列表2。
根据上述时空模型分类及构建，可用于导航信号载噪比异常值的增强识别，特别如数据质量可靠性、卫星导航系统信号异常识别等范畴。
具体地，根据表2中时间及空间的维度特征约定的组合，或者根据如“历元-高度角-站点环境-导航系统-导航频段-纬度水平区域”等不同层次单元进行划分，可以对载噪比信号进行基于细粒度特征的异常分析。
表2时空维度特征分析
| 时间/空间特征 | 中低纬度地区 | 省份、指定区域 | 导航系统频点 | 其他空间属性 |
| 恒星日周期 | 模型A1 | 模型A2 | 模型A3 | …… |
| 电离层活跃周期 | 模型B1 | 模型B2 | 模型B3 | …… |
| 自定义时期 | 模型X1 | 模型X2 | 模型X3 | …… |
| 其他时间属性 | …… | …… | …… | …… |
在一些实施例中，对载噪比信号进行基于细粒度特征的异常分析可以包括，对单个基准站进行环境防治、报障处理精准化及数据质量关联分析；对多个基准站进行区域特征集合、算法网络研判及周期复现分析；对多个基准站形成的导航系统，进行信号异常及区域干扰识别分析等。
在一些实施例中，某地区梅雨季节时期内，基于该地区所对应的空间维度特征，及梅雨季节对应的时间周期特征，分析具有上述时空特征的多个基准站的接收水平趋势。
实施例三
对于基于不同时空维度特征进行约定组合的多个基准站，以及基于不同层次单元进行划分组合的多个基准站，以及单一基准站，可以通过以下步骤对载噪比信号异常进行分析。
如图4所示，S401，对正常观测环境下的多个基准站的载噪比样本数据分别进行采集。
S402，建立基于单一基准站的载噪比异常模型，以获取载噪比异常值。
S403，通过统计检验算法的均值估计窗口，确定信号异常处理判别机制。
S404，对单一基准站的载噪比异常值进行单站信号异常的归因推演，确定上述载噪比异常值对应的异常类型。
S405，根据多个基准站的载噪比信号异常类型的归因结果，对基准站进行组合配置。
S406，分析进行组合配置的多个基准站的时空维度特征。
在一些实施例中，上述时空特征可是基于不同时空维度特征进行约定组合的特征，或者基于不同层次单元进行划分组合的特征。
S407，根据时空维度特征，建立全面的载噪比异常归因及异常定位机制。
在一些实施例中，利用基准站信号异常数据的组合配置，如根据全球定位系统或者是中国北斗卫星导航系统的特定查询分析，可以监测不同导航系统在基准站系统中的异常水平差异。
如图5所示，本发明实施例提供一种基准站信号质量监测装置，装置包括：
获取单元501，用于获取预设区域内的目标基准站在第一预设时段内接收的载噪比信号；
第一确定单元502，用于将载噪比信号输入至预先训练的载噪比异常模型中，确定目标载噪比异常值；
分类单元503，用于基于目标基准站预先获取的基带抗干扰信息，对目标载噪比异常值进行归因分类，确定目标载噪比异常值的异常类型，异常类型包括无干扰、存在干扰但已被抑制、欺骗式干扰或阻塞式干扰；
匹配单元504，用于基于目标载噪比异常值的异常类型，对目标基准站的监测等级进行匹配。
在一些实施例中，第一确定单元502具体用于：
将目标基准站于第一时段后接收的载噪比信号代入载噪比异常模型，得到当前异常计算值；
采用统计检验函数对当前异常计算值进行判断，在当前异常计算值超过统计检验函数的检测阀值的情况下，将当前异常计算值确定为目标载噪比异常值。
在一些实施例中，分类单元503还用于：
对目标载噪比异常值进行归因分类包括当前时刻的异常类型和历史时刻的异常类型；
在当前时刻的异常类型和历史时刻的异常类型不同的情况下，遍历预先获取的干扰事件数据库，确定使得当前时刻的异常类型和历史时刻的异常类型不同的干扰事件。
在一些实施例中，对目标基准站的载噪比异常模型每间隔第二时段进行参数更新。
在一些实施例中，装置还可以包括：
第二确定单元505，用于基于至少一个时间维度特征和至少一个空间维度特征，确定目标时空维度特征；
第二确定单元506，用于根据目标时空维度特征，确定目标基准站集合，目标基准站集合包括区域内的多个基准站；
分析单元507，用于获取目标基准站集合中每一基准站对应的异常类型，并结合目标时空维度特征进行聚合分析。
在一些实施例中，
时间维度特征包括：恒星日周期或电离层活跃周期；
空间维度特征包括：中低纬度区域、导航系统频点或省份区域。
在一些实施例中，分析单元507具体用于：
结合目标时空维度特征的至少一个时间维度特征和至少一个空间维度特征，分析目标基准站集合中每一基准站对应的异常类型，对目标基准站集合接收信号进行质量水平趋势分析及细粒度特征分析。
在一些实施例中，异常类型包括无干扰、存在干扰但已被抑制、欺骗式干扰和阻塞式干扰。
根据本发明实施例提供的基准站信号质量监测装置的其他细节与以上结合图1-图4描述的根据本发明实施例的基准站信号质量监测方法类似，在此不再赘述。
图6示出了本发明实施例提供的基准站信号质量监测的硬件结构示意图。
结合图1-图6描述的根据本发明实施例提供的基准站信号质量监测方法和装置可以由基准站信号质量监测设备来实现。图6是示出根据发明实施例的基准站信号质量监测设备的硬件结构600示意图。
在基准站信号质量监测设备中可以包括处理器601以及存储有计算机程序指令的存储器602。
具体地，上述处理器601可以包括中央处理器(Central Processing Unit，CPU)，或者特定集成电路(Application Specific Integrated Circuit，ASIC)，或者可以被配置成实施本发明实施例的一个或多个集成电路。
存储器602可以包括用于数据或指令的大容量存储器。举例来说而非限制，存储器602可包括硬盘驱动器(Hard Disk Drive，HDD)、软盘驱动器、闪存、光盘、磁光盘、磁带或通用串行总线(Universal Serial Bus，USB)驱动器或者两个或更多个以上这些的组合。在一个实例中，存储器602可以包括可移除或不可移除(或固定)的介质，或者存储器602是非易失性固态存储器。存储器602可在综合网关容灾设备的内部或外部。
在一个实例中，存储器602可以是只读存储器(Read Only Memory，ROM)。在一个实例中，该ROM可以是掩模编程的ROM、可编程ROM(PROM)、可擦除PROM(EPROM)、电可擦除PROM(EEPROM)、电可改写ROM(EAROM)或闪存或者两个或更多个以上这些的组合。
处理器601通过读取并执行存储器602中存储的计算机程序指令，以实现图1所示实施例中的方法/步骤S101至S104，并达到图1所示实例执行其方法/步骤达到的相应技术效果，为简洁描述在此不再赘述。
在一个示例中，基准站信号质量监测设备还可包括通信接口603和总线610。其中，如图6所示，处理器601、存储器602、通信接口603通过总线610连接并完成相互间的通信。
通信接口603，主要用于实现本发明实施例中各模块、装置、单元和/或设备之间的通信。
总线610包括硬件、软件或两者，将在线数据流量计费设备的部件彼此耦接在一起。举例来说而非限制，总线可包括加速图形端口(Accelerated Graphics Port，AGP)或其他图形总线、增强工业标准架构(Extended Industry Standard Architecture，EISA)总线、前端总线(Front Side Bus，FSB)、超传输(Hyper Transport，HT)互连、工业标准架构(Industry Standard Architecture，ISA)总线、无限带宽互连、低引脚数(LPC)总线、存储器总线、微信道架构(MCA)总线、外围组件互连(PCI)总线、PCI-Express(PCI-X)总线、串行高级技术附件(SATA)总线、视频电子标准协会局部(VLB)总线或其他合适的总线或者两个或更多个以上这些的组合。在合适的情况下，总线610可包括一个或多个总线。尽管本发明实施例描述和示出了特定的总线，但本发明考虑任何合适的总线或互连。
本发明实施例提供的基准站信号质量监测设备，获取预设区域内的目标基准站在第一预设时段内接收的载噪比信号，将载噪比信号输入至预先训练的载噪比异常模型中，确定目标载噪比异常值，基于目标基准站预先获取的基带抗干扰信息，对目标载噪比异常值进行归因分类，确定目标载噪比异常值的异常类型，异常类型包括无干扰、存在干扰但已被抑制、欺骗式干扰或阻塞式干扰，即一方面基于对载噪比异常值进行载噪比异常识别的信号层面，一方面基于对预设的基带抗干扰信息进行前端干扰保护识别的数据层面，通过双重判别机制，对载噪比信号异常进行叠加互检分析，以确定载噪比异常值的异常类型，基于目标载噪比异常值的异常类型，对目标基准站的监测等级进行匹配。与现有技术相比，通过载噪比信号的异常特征分析，提高基准站信号质量异常判别的准确性。
另外，结合上述实施例中的基准站信号质量监测方法，本发明实施例可提供一种计算机存储介质来实现。该计算机存储介质上存储有计算机程序指令；该计算机程序指令被处理器执行时实现上述实施例中的任意一种基准站信号质量监测方法。
需要明确的是，本发明并不局限于上文所描述并在图中示出的特定配置和处理。为了简明起见，这里省略了对已知方法的详细描述。在上述实施例中，描述和示出了若干具体的步骤作为示例。但是，本发明的方法过程并不限于所描述和示出的具体步骤，本领域的技术人员可以在领会本发明的精神后，作出各种改变、修改和添加，或者改变步骤之间的顺序。
以上所述的结构框图中所示的功能块可以实现为硬件、软件、固件或者它们的组合。当以硬件方式实现时，其可以例如是电子电路、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、适当的固件、插件、功能卡等等。当以软件方式实现时，本发明的元素是被用于执行所需任务的程序或者代码段。程序或者代码段可以存储在机器可读介质中，或者通过载波中携带的数据信号在传输介质或者通信链路上传送。“机器可读介质”可以包括能够存储或传输信息的任何介质。机器可读介质的例子包括电子电路、半导体存储器设备、ROM、闪存、可擦除ROM(EROM)、软盘、CD-ROM、光盘、硬盘、光纤介质、射频(RadioFrequency，RF)链路，等等。代码段可以经由诸如因特网、内联网等的计算机网络被下载。
还需要说明的是，本发明中提及的示例性实施例，基于一系列的步骤或者装置描述一些方法或系统。但是，本发明不局限于上述步骤的顺序，也就是说，可以按照实施例中提及的顺序执行步骤，也可以不同于实施例中的顺序，或者若干步骤同时执行。
上面参考根据本公开的实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各方面。应当理解，流程图和/或框图中的每个方框以及流程图和/或框图中各方框的组合可以由计算机程序指令实现。这些计算机程序指令可被提供给通用计算机、专用计算机、或其它可编程数据处理装置的处理器，以产生一种机器，使得经由计算机或其它可编程数据处理装置的处理器执行的这些指令使能对流程图和/或框图的一个或多个方框中指定的功能/动作的实现。这种处理器可以是但不限于是通用处理器、专用处理器、特殊应用处理器或者现场可编程逻辑电路。还可理解，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，也可以由执行指定的功能或动作的专用硬件来实现，或可由专用硬件和计算机指令的组合来实现。
以上所述，仅为本发明的具体实施方式，所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，上述描述的系统、模块和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。应理解，本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。
Claims (11)
1.一种基准站信号质量监测方法，其特征在于，所述方法包括：
获取预设区域内的目标基准站在第一预设时段内接收的载噪比信号；
将所述载噪比信号输入至预先训练的载噪比异常模型中，确定目标载噪比异常值；
基于所述目标基准站预先获取的基带抗干扰信息，对所述目标载噪比异常值进行归因分类，确定所述目标载噪比异常值的异常类型，所述异常类型包括无干扰、存在干扰但已被抑制、欺骗式干扰或阻塞式干扰；
基于所述目标载噪比异常值的异常类型，对所述目标基准站的监测等级进行匹配。
2.根据权利要求1所述的方法，其特征在于，所述将所述载噪比信号输入至预先训练的载噪比异常模型中，确定目标载噪比异常值，包括：
将所述目标基准站于所述第一预设时段后接收的载噪比信号代入所述载噪比异常模型，得到当前异常计算值；
采用统计检验函数对所述当前异常计算值进行判断，在所述当前异常计算值超过所述统计检验函数的检测阀值的情况下，将所述当前异常计算值确定为所述目标载噪比异常值。
3.根据权利要求1所述的方法，其特征在于，在所述基于所述目标基准站预先获取的基带抗干扰信息，对所述目标载噪比异常值进行归因分类，确定所述目标载噪比异常值的异常类型之后，所述方法还包括：
对所述目标载噪比异常值进行归因分类包括当前时刻的异常类型和历史时刻的异常类型；
在所述当前时刻的异常类型和所述历史时刻的异常类型不同的情况下，遍历预先获取的干扰事件数据库，确定使得所述当前时刻的异常类型和所述历史时刻的异常类型不同的干扰事件。
4.根据权利要求1所述的方法，其特征在于，对所述目标基准站的载噪比异常模型每间隔第二预设时段进行参数更新。
5.根据权利要求1所述的方法，其特征在于，所述方法还包括：
基于至少一个时间维度特征和至少一个空间维度特征，确定目标时空维度特征；
根据所述目标时空维度特征，确定所述目标基准站集合，所述目标基准站集合包括所述预设区域内的多个基准站；
获取所述目标基准站集合中每一基准站对应的异常类型，并结合所述目标时空维度特征进行聚合分析。
6.根据权利要求5所述的方法，其特征在于，
所述时间维度特征包括：恒星日周期或电离层活跃周期；
所述空间维度特征包括：中低纬度区域、导航系统频点、或省份区域。
7.根据权利要求6所述的方法，其特征在于，所述获取所述目标基准站集合中每一基准站对应的异常类型，并结合所述目标时空维度特征进行聚合分析，包括：
结合所述目标时空维度特征的所述至少一个时间维度特征和所述至少一个空间维度特征，分析所述目标基准站集合中每一基准站对应的异常类型，对所述目标基准站集合接收信号进行质量水平趋势分析及细粒度特征分析。
8.根据权利要求1所述的方法，其特征在于，所述异常类型包括无干扰、存在干扰但已被抑制、欺骗式干扰和阻塞式干扰。
9.一种基准站信号质量监测装置，其特征在于，所述装置包括：
获取单元，用于获取预设区域内的目标基准站在第一预设时段内接收的载噪比信号；
确定单元，用于将所述载噪比信号输入至预先训练的载噪比异常模型中，确定目标载噪比异常值；
分类单元，用于基于所述目标基准站预先获取的基带抗干扰信息，对所述目标载噪比异常值进行归因分类，确定所述目标载噪比异常值的异常类型，所述异常类型包括无干扰、存在干扰但已被抑制、欺骗式干扰或阻塞式干扰；
匹配单元，用于基于所述目标载噪比异常值的异常类型，对所述目标基准站的监测等级进行匹配。
10.一种基准站信号质量监测设备，其特征在于，所述设备包括：处理器，以及存储有计算机程序指令的存储器；所述处理器读取并执行所述计算机程序指令，以实现如权利要求1-8任意一项所述的基准站信号质量监测方法。
11.一种计算机存储介质，其特征在于，所述计算机存储介质上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现如权利要求1-8任意一项所述的基准站信号质量监测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011602258.0A CN114696924B (zh) | 2020-12-29 | 2020-12-29 | 一种基准站信号质量监测方法、装置、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011602258.0A CN114696924B (zh) | 2020-12-29 | 2020-12-29 | 一种基准站信号质量监测方法、装置、设备及介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114696924A true CN114696924A (zh) | 2022-07-01 |
| CN114696924B CN114696924B (zh) | 2024-03-15 |
Family
ID=82133371
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011602258.0A Active CN114696924B (zh) | 2020-12-29 | 2020-12-29 | 一种基准站信号质量监测方法、装置、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114696924B (zh) |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080056220A1 (en) * | 2006-08-30 | 2008-03-06 | Motorola, Inc. | System and method for determining a carrier to interference noise ratio |
| US20110170442A1 (en) * | 2010-01-12 | 2011-07-14 | Samsung Electronics Co. Ltd. | Method for estimating carrier-to-noise ratio and base station apparatus using the same in a wireless access system |
| CN102142909A (zh) * | 2010-02-01 | 2011-08-03 | 中兴通讯股份有限公司 | 测距信号的检测方法和基站 |
| CN103760571A (zh) * | 2014-02-14 | 2014-04-30 | 上海交通大学 | 用于gps的基于影响因素特征的脆弱性监测系统及方法 |
| KR101477041B1 (ko) * | 2013-08-13 | 2015-01-02 | 한국해양과학기술원 | Ｄｇｎｓｓ 기준국 위성신호 이상 모니터링 시스템 및 이를 이용한 모니터링 방법 |
| US20170261615A1 (en) * | 2014-09-16 | 2017-09-14 | Nottingham Scientific Limited | GNSS Jamming Signal Detection |
| CN107807368A (zh) * | 2016-09-09 | 2018-03-16 | 千寻位置网络有限公司 | 基于卫星观测量的定位方法和定位系统 |
| CN109547126A (zh) * | 2018-11-08 | 2019-03-29 | 深圳市嵘兴实业发展有限公司 | 卫星通信宽带频谱信号自动监测方法及其系统 |
| CN111413714A (zh) * | 2020-06-04 | 2020-07-14 | 航天宏图信息技术股份有限公司 | 全球导航卫星系统信号状态监测方法、装置和电子设备 |
-
2020
- 2020-12-29 CN CN202011602258.0A patent/CN114696924B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20080056220A1 (en) * | 2006-08-30 | 2008-03-06 | Motorola, Inc. | System and method for determining a carrier to interference noise ratio |
| US20110170442A1 (en) * | 2010-01-12 | 2011-07-14 | Samsung Electronics Co. Ltd. | Method for estimating carrier-to-noise ratio and base station apparatus using the same in a wireless access system |
| CN102142909A (zh) * | 2010-02-01 | 2011-08-03 | 中兴通讯股份有限公司 | 测距信号的检测方法和基站 |
| KR101477041B1 (ko) * | 2013-08-13 | 2015-01-02 | 한국해양과학기술원 | Ｄｇｎｓｓ 기준국 위성신호 이상 모니터링 시스템 및 이를 이용한 모니터링 방법 |
| CN103760571A (zh) * | 2014-02-14 | 2014-04-30 | 上海交通大学 | 用于gps的基于影响因素特征的脆弱性监测系统及方法 |
| US20170261615A1 (en) * | 2014-09-16 | 2017-09-14 | Nottingham Scientific Limited | GNSS Jamming Signal Detection |
| CN107807368A (zh) * | 2016-09-09 | 2018-03-16 | 千寻位置网络有限公司 | 基于卫星观测量的定位方法和定位系统 |
| CN109547126A (zh) * | 2018-11-08 | 2019-03-29 | 深圳市嵘兴实业发展有限公司 | 卫星通信宽带频谱信号自动监测方法及其系统 |
| CN111413714A (zh) * | 2020-06-04 | 2020-07-14 | 航天宏图信息技术股份有限公司 | 全球导航卫星系统信号状态监测方法、装置和电子设备 |
Non-Patent Citations (2)
| Title |
|---|
| 邹璇;李宗楠;陈亮;宋伟伟;王成;唐卫明;: "一种历元间差分单站单频周跳探测与修复方法", 武汉大学学报(信息科学版), no. 10 * |
| 黄劲松;刘峻宁;刘成宝;田辉;: "GPS信号载噪比研究", 武汉大学学报(信息科学版), no. 05 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114696924B (zh) | 2024-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11558764B2 (en) | Systems, methods, and devices having databases for electronic spectrum management | |
| CN111965671B (zh) | 一种gnss信号质量监测与干扰监测定位系统及方法 | |
| Zhu et al. | The COST 2100 channel model: Parameterization and validation based on outdoor MIMO measurements at 300 MHz | |
| US8068855B2 (en) | Location determination using RF fingerprinting | |
| US7383051B2 (en) | Estimating the location of a mobile unit based on the elimination of improbable locations | |
| CN103616700B (zh) | 接收机和接收机评估所处环境的卫星信号遮挡状况的方法 | |
| CN111278040A (zh) | 干扰源定位方法、装置、设备及计算机存储介质 | |
| CN110178049B (zh) | 全球导航卫星系统中的多径管理 | |
| Nguyen-Thanh et al. | Optimal truncated ordered sequential cooperative spectrum sensing in cognitive radio | |
| CN116719062A (zh) | 卫星的信号质量评估方法及装置、设备、存储介质 | |
| CN114384561A (zh) | 一种用于北斗导航系统连续运行参考站的故障定位系统及方法 | |
| CN116931026B (zh) | 一种卫星导航信号的异常判定方法 | |
| CN114696924B (zh) | 一种基准站信号质量监测方法、装置、设备及介质 | |
| Wu et al. | DorFin: WiFi fingerprint-based localization revisited | |
| Egea-Roca et al. | Quickest detection framework for signal integrity monitoring in low-cost GNSS receivers | |
| Lyu et al. | Urban area GNSS in‐car‐jammer localization based on pattern recognition | |
| CN114764145A (zh) | 卫星监测数据异常原因的确定方法、装置及设备 | |
| CN115201874A (zh) | 数据质量监控方法、装置、设备及存储介质 | |
| CN117388876B (zh) | 一种多站点联合的gnss信号完好性监测方法及设备 | |
| Yan et al. | Non‐Line‐of‐Sight Identification for Indoor Positioning Using Ultra‐WideBand Radio Signals | |
| Wildemeersch et al. | GNSS signal acquisition in harsh urban environments | |
| CN113992281B (zh) | 一种常驻信号检测与识别方法 | |
| CN117908058B (zh) | 一种虚假卫星导航信号的过滤方法 | |
| Zeng et al. | Analysis and modelling of iBeacon wireless signal propagation in multiple environments | |
| US20240045075A1 (en) | Detecting Jamming in Osnet Using Machine Learning |
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 |