EP4684237A1 - Dispositif électronique de détection d'interférence(s) gnss, véhicule, procédé et programme d'ordinateur associés - Google Patents

Dispositif électronique de détection d'interférence(s) gnss, véhicule, procédé et programme d'ordinateur associés

Info

Publication number
EP4684237A1
EP4684237A1 EP24712837.4A EP24712837A EP4684237A1 EP 4684237 A1 EP4684237 A1 EP 4684237A1 EP 24712837 A EP24712837 A EP 24712837A EP 4684237 A1 EP4684237 A1 EP 4684237A1
Authority
EP
European Patent Office
Prior art keywords
filtering
interference
predetermined
gnss
innovation vector
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.)
Pending
Application number
EP24712837.4A
Other languages
German (de)
English (en)
Inventor
Sébastien François Philippe LEGOLL
Jacques Coatantiec
Nicolas Jean-Marc Frédéric VERCIER
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.)
Thales SA
Original Assignee
Thales SA
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 Thales SA filed Critical Thales SA
Publication of EP4684237A1 publication Critical patent/EP4684237A1/fr
Pending legal-status Critical Current

Links

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
    • 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
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
    • G01S19/49—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an inertial position system, e.g. loosely-coupled

Definitions

  • TITLE Electronic device for detecting GNSS interference(s), vehicle, associated method and computer program
  • the present invention relates to an electronic device for detecting GNSS interference(s) suitable for being installed on board a vehicle suitable for moving between two geographical positions, the device comprising at least: an inertial measurement unit suitable for providing navigation measurements, a GNSS receiver for positioning measurements by satellite(s), a Kalman filter configured to cyclically calculate an innovation vector by hybridization of data provided, at the input of said Kalman filter, both by said inertial measurement unit and by said GNSS receiver.
  • the invention also relates to a vehicle comprising such an electronic device for detecting GNSS interference(s).
  • the invention also relates to a method for detecting GNSS interference(s), said method being implemented by an electronic device for detecting GNSS interference(s) suitable for being installed on board a vehicle suitable for moving between two geographical positions.
  • the invention also relates to a computer program comprising software instructions, which when executed by a computer implement such a method of detecting GNSS interference(s).
  • the present invention relates to the navigation of a vehicle (also called a carrier) capable of moving between two distinct geographical positions, such as a land vehicle corresponding in particular to a car, a truck, or such as an aircraft or any type of carrier.
  • a vehicle also called a carrier
  • two distinct geographical positions such as a land vehicle corresponding in particular to a car, a truck, or such as an aircraft or any type of carrier.
  • the vehicle generally has a satellite navigation and positioning system receiver configured to determine, in particular by trilateration, a positioning (i.e. a geolocation position or a geolocation solution) of the vehicle using estimates of distances to the visible satellites of one or more satellite constellations of the satellite navigation and positioning system.
  • a positioning i.e. a geolocation position or a geolocation solution
  • Examples of satellite navigation systems are the American GPS system (from the English "Global Positioning System"), the European GALILEO system, the Russian GLONASS system, or the Chinese BEIDOU system, etc.
  • the present invention relates to the detection of interferences hereinafter called “GNSS interferences” from the hybridization between the inertial data and the data received by the GNSS receiver, also hereinafter called inertial/GNSS hybridization.
  • GNSS interference means interference that consists of sending erroneous radio frequency signals to the GNSS receiver.
  • the GNSS receiver uses these erroneous signals to calculate the navigation data of the vehicle in which it is embedded, for example its position and speed, which will then be different from the exact (i.e. “true”) data, because of errors in the radio frequency signals.
  • GNSS signal repeaters including GPS, are used to propagate these signals inside the hangars, so as to be used to assist an aircraft pilot located inside the hangars to position himself.
  • a current technique for detecting such GNSS interference is described in the DO-229D standard “Minimum Operational Performance Standards for Global Positioning System/Satellite-Based Augmentation System Airborne Equipment” and in particular, in appendix R 3 1 1 , and consists of using hybridization between inertial data and GPS data in order to detect the interference using a Kalman filter.
  • this current technique first calculates, during hybridization, the innovation vector which constitutes the difference between on the one hand the measured gap between the GNSS data and the inertial data, and on the other hand the gap predicted according to the hybridization model between these data.
  • this technique then implements the comparison of the different components of this innovation vector to the expected standard deviation on each component of the innovation vector, this expected standard deviation being calculated from the covariance matrix P of the Kalman filter used for the calculation of the innovation vector, and when the absolute value of one or more components of the innovation vector are much higher than the expected standard deviation, it deactivates the use of the data from the GNSS receiver because there is potentially a problem with the GNSS data, coming from interference or another phenomenon.
  • the aim of the invention is therefore to propose an electronic device for detecting GNSS interference(s) which makes it possible to overcome the drawbacks of the current technique by increasing the efficiency and responsiveness of GNSS interference detection.
  • the invention relates to an electronic device for detecting GNSS interference(s), suitable for being installed on board a vehicle suitable for moving between two geographical positions, the device comprising at least:
  • an inertial measurement unit capable of providing navigation measurements
  • Kalman filter configured to cyclically calculate an innovation vector by hybridization of data provided, at the input of said Kalman filter, both by:
  • the device further comprising, at the output of said Kalman filter:
  • a filtering module configured to apply at least one filter on each component of the innovation vector provided at each calculation cycle by said Kalman filter
  • an interference detection module configured to detect interference when during Q cycles and on a number U of components of the innovation vector, Q and U each being an integer greater than or equal to one, the absolute value of the output of the filtering module, for at least one filtering applied by said module, is greater than a predetermined threshold.
  • the filtering module is configured to apply at least one filtering with predetermined filtering coefficients, using a finite impulse response filter, the N filtering coefficients of which, for each component of the innovation vector, are calculated with said predetermined filtering coefficients, said filtering coefficients being predetermined for each type of interference of a predetermined set of interference types and for each type of navigation phase of a predetermined set of navigation phase types associated with said vehicle.
  • the electronic GNSS interference detection device has a particular architecture making it possible to detect interference by using not directly the components of the innovation vector but the output of a filtering on these components.
  • the present invention aims to exploit the fact that the evolution over time of the components of the innovation vector is different depending on whether interference at the level of the GNSS data is present or not.
  • the filtering used then makes it possible, specifically according to the present invention, at the level of the output returned by the filtering, to highlight this difference in evolution over time.
  • said predetermined threshold depends on the type of filtering applied by the filtering module and/or the current calculation cycle.
  • the invention also relates to a vehicle comprising such an electronic device for detecting GNSS interference(s).
  • the invention also relates to a method for detecting GNSS interference(s), said method being implemented by an electronic device for detecting GNSS interference(s) suitable for being on board a vehicle suitable for moving between two geographical positions, the method comprising at least the following steps:
  • Figure 2 is a flowchart representative of the GNSS interference detection method according to the present invention.
  • Figure 3 illustrates, under the effect of interference, the kth normalized component of the innovation vector as well as the weighted sum of this normalized component obtained at the output of the filtering implemented according to an embodiment of the invention
  • Figures 4 and 5 illustrate the predetermined filtering coefficients, the kth normalized component of the innovation vector as well as the output of the filtering with said predetermined filtering coefficients implemented according to another embodiment of the invention and under the effect of interference occurring from distinct calculation cycles.
  • Figure 1 is an overall representation of an electronic GNSS interference detection device 10 according to the present invention.
  • Such an electronic device 10 for detecting GNSS interference(s) is suitable for being carried on board a vehicle suitable for moving between two geographical positions.
  • such a device 10 firstly comprises an inertial measurement unit 12 capable of providing navigation measurements 14.
  • such a device 10 comprises a GNSS receiver 16 for positioning measurements 18 by satellite(s).
  • Such a device 10 also comprises a Kalman filter 20 configured to cyclically calculate an innovation vector 22 by hybridization of data provided, at the input of said Kalman filter, both by said inertial measurement unit 12 and by said GNSS receiver 16.
  • the electronic GNSS interference detection device 10 is first configured to use the inertial data (i.e. the navigation measurements 14) and the GNSS receiver data (i.e. the satellite positioning measurements 18) by performing a hybridization between these data, using a Kalman filter activated at different calculation cycles, these calculation cycles representing the time that elapses.
  • the hybridization implemented by the Kalman filter 20 consists of mathematically combining the measurements 14 and 18 provided respectively by the inertial measurement unit 12 and the receiver 16 of GNSS satellite positioning measurements of said vehicle to obtain position and speed information by taking advantage of these two sources 12 and 16 of measurements 14 and 18 respectively.
  • Kalman filtering is based on the possibilities of modeling the evolution of the state of a physical system considered in its environment, by means of a so-called “evolution” equation (a priori estimation), and of modeling the dependency relationship existing between the states of the physical system considered and the measurements of an external sensor, by means of a so-called “observation” equation to allow a recalibration of the filter states (a posteriori estimation).
  • the effective measurement or "measurement vector” makes it possible to produce an a posteriori estimate of the state of the system which is optimal in the sense that it minimizes the covariance of the error made on this estimate.
  • the estimator part of the filter generates a posteriori estimates of the state vector of the system by using the difference observed between the effective measurement vector and its a priori prediction to generate a corrective term, called innovation.
  • This innovation subsequently called the innovation vector, after multiplication by a gain matrix of the Kalman filter, is, in a manner not shown, suitable for being applied to the a priori estimate of the state vector of the system and leads to obtaining the optimal a posteriori estimate.
  • the Kalman filtering implemented by the Kalman filter 20 is thus also suitable for modeling the evolution of the errors of the inertial measurement unit 12 and for delivering, in a manner not shown, the a posteriori estimate of these errors which is used to correct the positioning and speed point of the inertial measurement unit 12.
  • observation vector Z n which constitutes the difference between the inertial data 14 (i.e. navigation measurements 14) and the GNSS data 18 (i.e. positioning measurements 18 by satellite(s)).
  • Such an observation vector Z n corresponds, according to a first example, to the difference between the inertial position associated with the inertial data 14 and the GNSS position associated with the GNSS data 18, or according to another example to the difference between the pseudo-distance (from the English pseudo-range) associated with the satellite positioning measurements 18 corresponding to the distance between the GNSS receiver of the carrier and the satellites emitting the radio frequency signals, and the pseudo-distance (from the English pseudo-range) calculated from the inertial position of the carrier and the position of the satellites emitting the radio frequency signals.
  • the Kalman filter 20 is first configured to define the state vector X n , with NE components, which gathers a certain number of unknown states that we wish to estimate, a component of the vector X n being for example the error on the inertial position.
  • the Kalman filter 20 is configured to calculate the vector X n
  • ni corresponding to the estimate of the vector X n from the observations Zi , Z 2 , ... Z n -i, then to calculate the innovation vector Y n Z n - H n *X n
  • This innovation vector Y n is therefore itself the difference between on the one hand Z n which corresponds to the difference obtained between the inertial data 14 and the GNSS data at cycle n, and on the other hand H n *X n
  • Y n corresponds to the difference predicted from the hybridization model.
  • the Kalman filter 20 is also capable of generating the elements 24 a n (k) with k varying between 1 and N o (N o being the number of components of the innovation vector Y n ), each element a n (k) corresponding to the expected standard deviation, in the absence of interference, for the component k of the innovation vector Y n , the calculation of a n (k) using R n the variance of the measurement noise v n .
  • the electronic device 10 for detecting GNSS interference(s) further comprises, at the output of said Kalman filter 20, a filtering module 26 configured to apply at least one filtering on each component k of the innovation vector Y n 22 provided at each calculation cycle by said Kalman filter 20.
  • such a filtering module aims to use the fact that at the beginning of the application of the interference, the normalized components of the innovation vector Y n (k)/o n (k) have a behavior which does not correspond to what they have in the absence of interference.
  • the filtering module 26 is configured to apply one or more filters, via one or more filters respectively, to each cycle n of calculation of the Kalman filter 20, on each component of the innovation vector.
  • the output of the filter of index J or of a filter of index J of the filters of the filtering module 26 is noted: S J n (k).
  • the electronic GNSS interference detection device 10 further comprises a interference detection module 30 configured to detect interference when during Q cycles and on a number U of components of the innovation vector, Q and U each being an integer greater than or equal to one, the absolute value of the output 28 of the filtering module 26, for at least one filtering applied by said module, is greater than a predetermined threshold.
  • such an interference detection module 30 is capable of deciding that interference has been detected if, during Q consecutive calculation cycles and on a number U of components of the innovation vector, the absolute value of the output of the filtering
  • the interference detection module 30 is capable of generating and emitting a signal 32 representative of the presence of such interference, in particular to alert the user.
  • each predetermined threshold depends on the type of filtering applied by the filtering module 26 and/or the current calculation cycle n.
  • the Threshold J n associated with the filter J depends on the filtering implemented by this filter J considered (i.e. is specific to the filter J considered) and the calculation cycle n considered and is a predefined value.
  • of the filter J is first determined, and the value Threshold J n of the threshold associated with the filter J is by definition lower than the maximum value
  • the probability of false alarm for the filtering J corresponds to the probability that during Q consecutive calculation cycles and on a number U of components of the innovation vector,
  • the method 40 for detecting GNSS interference(s) implemented by said electronic device 10 for detecting GNSS interference(s) comprises the steps described below implemented successively.
  • the electronic device 10 for detecting GNSS interference(s) implements a cyclic calculation C of an innovation vector V, implemented by a Kalman filter 20 of said device 10, by hybridization of data provided, at the input of said Kalman filter 20, both by an inertial measurement unit 12 capable of providing navigation measurements 14 and by a GNSS receiver of positioning measurements 18 by satellite(s).
  • the electronic GNSS interference detection device 10 via its filtering module 26, according to the present invention applies at least one filtering on each component, represented by an arrow, of the innovation vector provided at each calculation cycle by said Kalman filter 20. It should be noted that it is possible to apply different filtering on the same component.
  • the filtering module 26 is configured to apply, during a step 46, a weighted sum filtering, called F_S_P filtering, on each component (i.e. each component being represented by an arrow in FIG. 2) of the innovation vector provided at each calculation cycle by said Kalman filter 20.
  • F_S_P filtering a weighted sum filtering
  • the electronic device 10 for detecting GNSS interference(s) implements, via its detection module, a step D of detecting interference when, during Q cycles and over a number U of components of the innovation vector, Q and II each being an integer greater than or equal to one, the absolute value of the filtering output S, for at least one filtering, is greater than a predetermined threshold and this for one or more of the filters used by the filtering module 26.
  • the filtering module 26 is configured to apply, during a step 46, a weighted sum filtering, called F_S_P filtering, on each component (i.e. each component being represented by an arrow in FIG. 2) of the innovation vector V provided at each calculation cycle by said Kalman filter 20.
  • F_S_P filtering a weighted sum filtering
  • the normalized innovation corresponds to a white noise of standard deviation 1
  • the normalized innovation has a behavior that does not correspond to white noise
  • the normalized innovation again has a behavior that corresponds to white noise.
  • the value of the normalized k component Y n (k)/o n (k) is a dimensionless quantity since it is the innovation component divided by the corresponding standard deviation.
  • a threshold less than or equal to 3.4 is therefore required to detect the interference, whereas by using the output of the filter associated with the F_S_P filtering to detect the interference, in other words with a weighted sum as filtering, a threshold less than or equal to 8 is required to detect the interference, so that the output of the filter according to the present invention makes it possible to detect interference with thresholds significantly higher than with the simple standardized component of the innovation.
  • the output of the filter as the normalized component being Gaussian noises of standard deviation 1
  • the fact of being able to use a higher detection threshold makes it possible to drastically reduce the probability of associated false alarm.
  • the probability of a false alarm associated, according to the current state of the art, with a threshold of 3.4 would in fact have been equal to 6.7*10 -4 , which amounts to the fact that a Gaussian noise of standard deviation 1 has a probability of 6.7*10 -4 of exceeding (in absolute value) the value 3.4, whereas the probability of a false alarm associated with a threshold of 8 obtained according to the present invention is advantageously equal to 1.2*10 -15 , which amounts to the fact that a Gaussian noise of standard deviation 1 has a probability of 1.2*10 -15 of exceeding (in absolute value) the value 8.
  • the filtering module 26 is advantageously configured to apply, during a step 48 of FIG. 2, at least one filtering with predetermined filtering coefficients, called filtering F_C_P.
  • each of the F filters being a finite impulse response filter with N coefficients, the equation of which is expressed in the following form for filter J of index J: with M J k, n being any coefficient not depending on the index i (i ranging from 0 to N-
  • the kth component Y n (k) of the innovation vector when n varies, is a Gaussian white noise of standard deviation o n (k), and the output S n (k) of such a filter F_C_P according to the second embodiment with predetermined filter coefficients, when
  • u n will not depend on the leading coefficient giving the increase, as a function of time, of the error on the calculated position.
  • ai_ is a coefficient which depends on the component considered in the innovation vector and on the interference considered (of the value of the errors applied to the radio frequency signals), without depending on the navigation phase considered or on the calculation cycle n.
  • oti_ depends on the leading coefficient giving the increase (as a function of time) of the error on the calculated position.
  • a first list of possible interference types is established, including for example a type of interference consisting of the appearance of a fixed error on the calculated position, another type of interference consisting of the appearance of an error increasing linearly over time on the calculated position, etc.
  • predetermined filtering coefficients cH From these two lists, for each type of interference and each navigation phase, we determine predetermined filtering coefficients cH from the evolution obtained on a component of the innovation vector just after having applied the interference of the type considered, when the wearer is in the navigation phase considered.
  • the application of the interference of the type considered is effectively proven and the filtering coefficients cH are suitable for being determined either in the test phase or on a computer simulation of the hybridization implemented by the Kalman filter 20, considering that advantageously, for each navigation phase considered, there are as many filters as there are types of interference considered.
  • the predetermined filtering coefficients are, according to the present invention, advantageously optimized according to the type of interference and/or the type of navigation phase, and thus suitable for differing according to the type of interference and/or according to the type of navigation phase. More precisely, for the same type of navigation phase, two distinct types of interference are likely to be associated with distinct sets of filtering coefficients. Similarly, for the same type of interference, two distinct types of navigation phases are likely to be associated with distinct sets of filtering coefficients.
  • Such coefficients associated with said given navigation phase are then used, when the carrier (i.e. the vehicle) is in said given navigation phase, and this by considering all possible types of interference, to define, for each component k of the innovation vector, the coefficients a J i, n (k) of the filter J according to the formula a J i, n (k) c 1
  • Such a second embodiment 48 based on the use of at least one filtering with predetermined filtering coefficients, called F_C_P filtering, has the advantage that for each navigation phase considered and each type of interference considered, the method for calculating the predetermined coefficients cH is extracted from the method which itself defines a filter, which allows, when the wearer is in the navigation phase considered and for the type of interference considered, for a given false alarm probability (the false alarm probability being the probability of detecting interference when there is none) to obtain the minimum probability of non-detection (the non-detection probability being the probability of not detecting this type of interference when it is present).
  • the present invention thus proposes a particular architecture of an electronic device for detecting GNSS interference(s) using not directly the components of the innovation vector but using the output of a filtering of these components, advantageously optimized according to the type of interference and/or the type of navigation phase, which makes it possible to exploit the fact that the evolution over time of the components of the innovation vector is different depending on whether interference of the GNSS data is present or not.
  • the filtering 44 used makes it possible to highlight this difference in evolution over time, at the level of the output returned by the filtering.

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Navigation (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

La présente invention concerne un dispositif (10) de détection d'interférence(s) GNSS, comprenant au moins : • une unité (12) de mesure inertielle, • un récepteur GNSS (16), • un filtre de Kalman (20) configuré pour calculer cycliquement un vecteur innovation (22) par hybridation de données fournies par : • ladite unité de mesure inertielle, et • ledit récepteur GNSS, et en outre, en sortie dudit filtre de Kalman : • un module (26) de filtrage appliquant au moins un filtrage sur chaque composante du vecteur innovation fourni à chaque cycle de calcul, • un module (30) de détection d'interférence(s) détectant une interférence lorsque pendant Q cycles et sur un nombre U de composantes du vecteur d'innovation, la valeur absolue de la sortie (28) du module de filtrage, pour au moins un filtrage, est supérieure à un seuil prédéterminé, le module de filtrage (26) étant configuré pour appliquer au moins un filtrage avec des coefficients de filtrage prédéterminés, en utilisant un filtre à réponse impulsionnelle finie, dont les N coefficients de filtrage, pour chaque composante du vecteur innovation, sont calculés avec lesdits coefficients de filtrage prédéterminés, lesdits coefficients de filtrage étant prédéterminés pour chaque type d'interférence d'un ensemble de types d'interférences prédéterminé et pour chaque type de phase de navigation d'un ensemble de types de phases de navigation prédéterminé associé audit véhicule.

Description

DESCRIPTION
TITRE : Dispositif électronique de détection d’interférence(s) GNSS, véhicule, procédé et programme d’ordinateur associés
La présente invention concerne un dispositif électronique de détection d’interférence(s) GNSS propre à être embarqué à bord d’un véhicule propre à se déplacer entre deux positions géographiques, le dispositif comprenant au moins : une unité de mesure inertielle propre à fournir des mesures de navigation, un récepteur GNSS de mesures de positionnement par satellite(s), un filtre de Kalman configuré pour calculer cycliquement un vecteur innovation par hybridation de données fournies, en entrée dudit filtre de Kalman, à la fois par ladite unité de mesure inertielle et par ledit récepteur GNSS.
L’invention concerne également un véhicule comprenant un tel dispositif électronique de détection d’interférence(s) GNSS.
L’invention concerne également un procédé de détection d’interférence(s) GNSS, ledit procédé étant mis en œuvre par un dispositif électronique de détection d’interférence(s) GNSS propre à être embarqué à bord d’un véhicule propre à se déplacer entre deux positions géographiques.
L’invention concerne également un programme d’ordinateur comportant des instructions logicielles, qui lorsqu’elles sont exécutées par un ordinateur mettent en œuvre un tel procédé de détection d’interférence(s) GNSS.
La présente invention concerne la navigation d’un véhicule (également appelé porteur) propre à se déplacer entre deux positions géographiques distinctes, tel qu’un véhicule terrestre correspondant notamment à une voiture, un camion, ou tel qu’un aéronef ou tout type de porteur.
Pour ce faire, le véhicule embarque généralement un récepteur de système de navigation et de positionnement par satellites configuré pour déterminer, notamment par trilatération, un positionnement (i.e. une position de géolocalisation ou encore une solution de géolocalisation) du véhicule en utilisant des estimations de distances aux satellites visibles d’une même ou de plusieurs constellations de satellites du système de navigation et de positionnement par satellites. Des exemples de systèmes de navigation par satellites sont le système GPS américain (de l’anglais « Global Positioning System »), le système GALILEO européen, le système GLONASS russe, ou encore le système BEIDOU chinois, etc. Plus précisément, la présente invention porte sur la détection d’interférences appelées par la suite « interférences GNSS » à partir de l’hybridation entre les données inertielles et les données reçues par le récepteur GNSS, également dite par la suite hybridation inertie/GNSS.
Par la suite, on entend par « interférence GNSS » une interférence qui consiste en l’envoi de signaux radiofréquences erronés au récepteur GNSS. Le récepteur GNSS utilise alors ces signaux erronés pour calculer les données de navigation du véhicule dans lequel il est embarqué, par exemple sa position et sa vitesse, qui vont être alors différentes des données exactes (i.e. « vraies »), à cause des erreurs sur les signaux radiofréquences.
Par exemple, une telle interférence GNSS se produit lorsqu’à l’intérieur des hangars situés dans les aéroports, on utilise des répéteurs de signaux GNSS, notamment GPS, permettant de propager ces signaux à l’intérieur des hangars, de sorte à être utilisés pour assister un pilote d’aéronef situé à l’intérieur des hangars à se positionner.
Cependant, lorsque les portes de ces hangars sont ouvertes, les signaux issus de ces répéteurs sont propres à se propager à l’extérieur des hangars, et à être captés par des aéronefs situés à l’extérieur, qui eux doivent utiliser les signaux GNSS directs pour se positionner, et non les signaux issus de ces répéteurs qui constituent alors une interférence pour les aéronefs à l’extérieur des hangars.
Pour y remédier, une technique actuelle de détection de telles interférences GNSS est décrite dans la norme DO-229D « Minimum Operational Performance Standards for Global Positionning System/Satellite-Based Augmentation System Airborne Equipment » et en particulier, dans l’appendice R 3 1 1 , et consiste à utiliser l’hybridation entre les données inertielles et les données GPS de manière à détecter l’interférence en utilisant un filtre de Kalman.
Plus précisément, cette technique actuelle, calcule tout d’abord, lors de l’hybridation, le vecteur innovation qui constitue la différence entre d’une part l’écart mesuré entre les données GNSS et les données inertielles, et d’autre part l’écart prédit d’après le modèle d’hybridation entre ces données.
Puis, cette technique met en œuvre ensuite la comparaison des différentes composantes de ce vecteur innovation à l’écart type attendu sur chaque composante du vecteur innovation, cet écart type attendu étant calculé à partir de la matrice de covariance P du filtre de Kalman employé pour le calcul du vecteur innovation, et lorsque la valeur absolue de l’une ou de plusieurs composantes du vecteur innovation sont très supérieures à l’écart type attendu, inactive l’utilisation des données du récepteur GNSS car il y a potentiellement un problème au niveau des données GNSS, provenant d’une interférence ou d’un autre phénomène. Cette technique actuelle n’est cependant pas satisfaisante, car une interférence sur les données GNSS peut provoquer une erreur augmentant progressivement au cours du temps sans entrainer, à chaque cycle de calcul du filtre de Kalman, de changements de valeur trop importants au niveau des composantes du vecteur innovation, si bien que les valeurs des composantes de ce vecteur innovation seront du même ordre de grandeur que celles présentes en l’absence d’interférence et ne seront pas très supérieures à l’écart type calculé à partir de la matrice de covariance P du filtre de Kalman employé dans le calcul du vecteur innovation. Ainsi, une telle interférence sur les données GNSS ne sera pas détectée la plupart du temps, ou du moins pas immédiatement ou rapidement après apparition d’un telle interférence.
Une autre technique est également décrite dans le document « Fault Detection, Integrity Monitoring, and Testing» de Groves Paul D qui porte sur le contrôle d’intégrité de systèmes de navigation, cependant cette technique n’est pas optimale en termes de filtrage.
Le but de l’invention est alors de proposer un dispositif électronique de détection d’interférence(s) GNSS qui permette de pallier les inconvénients de la technique actuelle en augmentant l’efficacité et la réactivité de détection d’interférences GNSS.
A cet effet l’invention a pour objet un dispositif électronique de détection d’interférence(s) GNSS, propre à être embarqué à bord d’un véhicule propre à se déplacer entre deux positions géographiques, le dispositif comprenant au moins :
- une unité de mesure inertielle propre à fournir des mesures de navigation,
- un récepteur GNSS de mesures de positionnement par satellite(s),
- un filtre de Kalman configuré pour calculer cycliquement un vecteur innovation par hybridation de données fournies, en entrée dudit filtre de Kalman, à la fois par :
- ladite unité de mesure inertielle, et
- ledit récepteur GNSS, le dispositif comprenant en outre, en sortie dudit filtre de Kalman :
- un module de filtrage configuré pour appliquer au moins un filtrage sur chaque composante du vecteur innovation fourni à chaque cycle de calcul par ledit filtre de Kalman,
- un module de détection d’interférence(s) configuré pour détecter une interférence lorsque pendant Q cycles et sur un nombre U de composantes du vecteur d’innovation, Q et U étant chacun un entier supérieur ou égal à un, la valeur absolue de la sortie du module de filtrage, pour au moins un filtrage appliqué par ledit module, est supérieure à un seuil prédéterminé.
De plus, le module de filtrage est configuré pour appliquer au moins un filtrage avec des coefficients de filtrage prédéterminés, en utilisant un filtre à réponse impulsionnelle finie, dont les N coefficients de filtrage, pour chaque composante du vecteur innovation, sont calculés avec lesdits coefficients de filtrage prédéterminés, lesdits coefficients de filtrage étant prédéterminés pour chaque type d’interférence d’un ensemble de types d’interférences prédéterminé et pour chaque type de phase de navigation d’un ensemble de types de phases de navigation prédéterminé associé audit véhicule.
Ainsi le dispositif électronique de détection d’interférence(s) GNSS selon la présente invention présente une architecture particulière permettant de détecter les interférences en utilisant non pas directement les composantes du vecteur innovation mais la sortie d’un filtrage sur ces composantes.
En d’autres termes, la présente invention consiste à utiliser un dispositif électronique de détection d’interférence(s) GNSS propre à appliquer un ou plusieurs filtrages sur chaque composante du vecteur innovation, et à utiliser la sortie de ces filtrages pour détecter les interférences GNSS.
En effet, la présente invention vise à exploiter le fait que l’évolution dans le temps des composantes du vecteur innovation est différente suivant qu’une interférence au niveau des données GNSS est présente ou non. Le filtrage utilisé permet alors, spécifiquement selon la présente invention, au niveau de la sortie renvoyée par le filtrage, de mettre en évidence cette différence d’évolution dans le temps.
De plus, avantageusement, pour chaque phase de navigation considérée et chaque type d’interférence considérée, la méthode de calcul des coefficients de filtrage prédéterminés est optimisée, afin d’obtenir comme décrit par la suite une probabilité minimale de non détection, les coefficients de filtrage prédéterminés étant propres à différer selon le type d’interférence et/ou selon le type de phase de navigation.
Suivant d’autres aspects avantageux de l’invention, ledit seuil prédéterminé dépend du type de filtrage appliqué par le module de filtrage et/ou du cycle de calcul courant.
L’invention a également pour objet un véhicule comprenant un tel dispositif électronique de détection d’interférence(s) GNSS.
L’invention a également pour objet un procédé de détection d’interférence(s) GNSS, ledit procédé étant mis en œuvre par un dispositif électronique de détection d’interférence(s) GNSS propre à être embarqué à bord d’un véhicule propre à se déplacer entre deux positions géographiques, le procédé comprenant au moins les étapes suivantes :
- calcul cyclique d’un vecteur innovation, mis en œuvre par un filtre de Kalman dudit dispositif, par hybridation de données fournies, en entrée dudit filtre de Kalman, à la fois par une unité de mesure inertielle propre à fournir des mesures de navigation et par un récepteur GNSS de mesures de positionnement par satellite(s) ; - application d’au moins un filtrage sur chaque composante du vecteur innovation fourni à chaque cycle de calcul par ledit filtre de Kalman, avec des coefficients de filtrage prédéterminés, en utilisant un filtre à réponse impulsionnelle finie, dont les N coefficients de filtrage, pour chaque composante du vecteur innovation, sont calculés avec lesdits coefficients de filtrage prédéterminés, lesdits coefficients de filtrage étant prédéterminés pour chaque type d’interférence d’un ensemble de types d’interférences prédéterminé et pour chaque type de phase de navigation d’un ensemble de types de phases de navigation prédéterminé associé audit véhicule ;
- détection d’une interférence lorsque pendant Q cycles et sur un nombre U de composantes du vecteur d’innovation, Q et U étant chacun un entier supérieur ou égal à un, la valeur absolue de la sortie de filtrage, pour au moins un filtrage, est supérieure à un seuil prédéterminé.
L’invention a également pour objet un programme d’ordinateur comportant des instructions logicielles qui, lorsqu’elles sont exécutées par un ordinateur, mettent en œuvre un tel procédé de détection d’interférence(s) GNSS tel que défini ci-dessus.
Ces caractéristiques et avantages de l’invention apparaîtront plus clairement à la lecture de la description qui va suivre, donnée uniquement à titre d’exemple non limitatif, et faite en référence aux dessins annexés, sur lesquels :
- [Fig 1] la figure 1 est un schéma illustrant un dispositif électronique de détection d’interférence(s) GNSS ;
- [Fig 2] la figure 2 est un organigramme représentatif du procédé de détection d’interférence(s) GNSS selon la présente invention ;
- [Fig 3] la figure 3 illustre, sous l’effet d’une interférence, la kième composante normalisée du vecteur innovation ainsi que la somme pondérée de cette composante normalisée obtenue en sortie du filtrage mis en œuvre selon un mode de réalisation de l’invention ;
- [Fig 4] [Fig 5] les figures 4 et 5 illustrent les coefficients de filtrage prédéterminés, la kième composante normalisée du vecteur innovation ainsi que la sortie du filtrage avec lesdits coefficients de filtrage prédéterminés mis en œuvre selon un autre mode de réalisation de l’invention et sous l’effet d’une interférence intervenant à partir de cycles de calculs distincts.
La figure 1 est une représentation globale d’un dispositif 10 électronique de détection d’interférence(s) GNSS selon la présente invention. Un tel dispositif 10 électronique de détection d’interférence(s) GNSS, est propre à être embarqué à bord d’un véhicule propre à se déplacer entre deux positions géographiques.
Comme illustré par la figure 1 , un tel dispositif 10 comprend tout d’abord une unité 12 de mesure inertielle propre à fournir des mesures 14 de navigation.
De plus, un tel dispositif 10 comprend un récepteur GNSS 16 de mesures 18 de positionnement par satellite(s).
Un tel dispositif 10 comprend également un filtre de Kalman 20 configuré pour calculer cycliquement un vecteur innovation 22 par hybridation de données fournies, en entrée dudit filtre de Kalman, à la fois par ladite unité 12 de mesure inertielle et par ledit récepteur GNSS 16.
Autrement dit, le dispositif 10 électronique de détection d’interférence(s) GNSS est tout d’abord configuré pour utiliser les données inertielles (i.e. les mesures 14 de navigation) et les données du récepteur GNSS (i.e. les mesures 18 de positionnement par satellite(s)) en réalisant une hybridation entre ces données, grâce à un filtre de Kalman activé à différents cycles de calcul, ces cycles de calcul représentant le temps qui s’écoule.
Ainsi, l’hybridation mise en œuvre par le filtre de Kalman 20 consiste à combiner mathématiquement les mesures 14 et 18 fournies respectivement par l’unité de mesure inertielle 12 et le récepteur 16 de mesures de positionnement par satellites GNSS dudit véhicule pour obtenir des informations de position et de vitesse en tirant avantage de ces deux sources 12 et 16 de mesures 14 et 18 respectivement.
Le filtrage de Kalman s'appuie sur les possibilités de modélisation de l'évolution de l'état d'un système physique considéré dans son environnement, au moyen d'une équation dite "d'évolution" (estimation a priori), et de modélisation de la relation de dépendance existant entre les états du système physique considéré et les mesures d'un capteur externe, au moyen d'une équation dite "d'observation" pour permettre un recalage des états du filtre (estimation a posteriori). Dans un filtre de Kalman, la mesure effective ou "vecteur de mesure" permet de réaliser une estimée a posteriori de l'état du système qui est optimale dans le sens où elle minimise la covariance de l'erreur faite sur cette estimation. La partie estimateur du filtre génère des estimées a posteriori du vecteur d'état du système en utilisant l'écart constaté entre le vecteur de mesure effectif et sa prédiction a priori pour engendrer un terme correctif, appelé innovation. Cette innovation appelée par la suite vecteur innovation, après une multiplication par une matrice gain du filtre de Kalman, est, de manière non représentée, propre à être appliquée à l'estimée a priori du vecteur d'état du système et conduit à l'obtention de l'estimée optimale a posteriori. Le filtrage de Kalman mis en œuvre par le filtre de Kalman 20 est ainsi également propre à modéliser l'évolution des erreurs de l’unité de mesure inertielle 12 et à délivrer, de manière non représentée, l'estimée a posteriori de ces erreurs qui sert à corriger le point de positionnement et de vitesse de l’unité de mesure inertielle 12.
Plus précisément, à chaque cycle n de calcul, on calcule le vecteur observation Zn qui constitue l’écart entre les données inertielles 14 (i.e. mesures 14 de navigation) et les données GNSS 18 (i.e. mesures 18 de positionnement par satellite(s)).
Un tel vecteur observation Zn correspond selon un premier exemple à l’écart entre la position inertielle associée aux données inertielles 14 et la position GNSS associée aux données GNSS 18, ou encore selon un autre exemple à l’écart entre la pseudo-distance (de l’anglais pseudo-rangé) associées aux mesures 18 de positionnement par satellite(s) correspondant à la distance entre le récepteur GNSS du porteur et les satellites émettant les signaux radio fréquences, et la pseudo-distance (de l’anglais pseudo-range) calculées à partir de la position inertielle du porteur et de la position des satellites émettant les signaux radio fréquences.
Le fonctionnement classique du filtre de Kalman dans le domaine de l’invention est rappelé ci-après.
Le filtre de Kalman 20 est configuré tout d’abord pour définir le vecteur d’état Xn, avec NE composantes, qui rassemble un certain nombre d’états inconnus que l’on souhaite estimer, une composante du vecteur Xn étant par exemple l’erreur sur la position inertielle.
Puis, le filtre de Kalman 20 est configuré pour écrire la relation entre le vecteur observation Zn, avec No composantes, ce vecteur étant connu, et le vecteur d’état Xn à estimer sous la forme Zn = Hn*Xn + vn, avec Hn la matrice d’observation connue, vn le bruit de mesure inconnu, considéré comme un bruit gaussien, mais dont la variance Rn est connue.
Puis, le filtre de Kalman 20 est configuré pour calculer le vecteur Xn|n-i correspondant à l’estimation du vecteur Xn à partir des observations Zi , Z2, ... Zn-i, puis à calculer le vecteur innovation Yn = Zn - Hn*Xn|n-i.
Ce vecteur innovation Yn est donc lui-même l’écart entre d’une part Zn qui correspond à l’écart obtenu entre les données inertielles 14 et les données GNSS au cycle n, et d’autre part Hn*Xn|n.i qui correspond à l’écart prédit à partir de l’estimation Xn|n-i- Autrement dit, Yn correspond à l’écart prédit à partir du modèle d’hybridation.
Le filtre de Kalman 20 est également propre à générer les éléments 24 an(k) avec k variant entre 1 et No (No étant le nombre de composantes du vecteur innovation Yn), chaque élément an(k) correspondant à l’écart type attendu, en l’absence d’interférence, pour la composante k du vecteur innovation Yn, le calcul de an(k) faisant appel à Rn la variance du bruit de mesure vn.
Il est à noter qu’il peut être démontré qu’en l’absence d’interférence, pour chaque valeur de k entre 1 et No (No étant la dimension du vecteur innovation), Yn(k), lorsque n varie, correspond à un bruit blanc gaussien d’écart type an(k). Il est également à noter qu’il peut être démontré que, sous l’effet d’une interférence, pour chaque valeur de k entre 1 et No, la kième composante du vecteur innovation, lorsque n varie, peut être exprimée sous la forme d’une somme de l’effet dû uniquement à l’interférence d’une part et du bruit blanc gaussien d’écart type an(k) calculé par le filtre de Kalman 20.
Spécifiquement selon la présente invention, tel qu’illustré par la figure 1 , le dispositif 10 électronique de détection d’interférence(s) GNSS comprend en outre, en sortie dudit filtre de Kalman 20 un module 26 de filtrage configuré pour appliquer au moins un filtrage sur chaque composante k du vecteur innovation Yn 22 fourni à chaque cycle de calcul par ledit filtre de Kalman 20.
En effet, comme décrit par la suite en relation avec les figures 3 à 5, un tel module de filtrage vise à utiliser le fait qu’au début de l’application de l’interférence, les composantes normalisées du vecteur innovation Yn(k)/on(k) ont un comportement qui ne correspond pas à ce qu’elles ont en l’absence d’interférence.
Plus précisément, le module 26 de filtrage est configuré pour appliquer un ou plusieurs filtrages, via un ou plusieurs filtres respectivement, à chaque cycle n de calcul du filtre de Kalman 20, sur chaque composante du vecteur innovation.
La sortie du filtre d’indice J ou d’un filtre d’indice J des filtres du module 26 de filtrage est notée : SJ n(k).
Dans le cas où le filtre d’indice J (également appelé filtre J par la suite) correspond à un filtre à réponse impulsionnelle finie, ce qui correspond au fait que la sortie de ce filtre J à un instant ne dépend que des N dernières valeurs de l’entrée du filtre, on peut écrire SJ n(k) de la façon suivante : ce qui revient à :
SJn(k) = aJ0,n(k) * Yn(k) + aJ1,n(k)* Yn-l(k) +... + aJN-1,n(k)* Yn-(N-1)(k), avec Yn(k), la kième composante du vecteur innovation calculé au cycle courant n, Yn.-i(k) est la kième composante du vecteur innovation calculé au cycle précédent n-1 , et aJo,n(k), aJi,n(k),... , aJ N-i,n(k) les coefficients du filtre J, qui dépendent potentiellement dudit filtre J considéré, de la kième composante du vecteur innovation considéré, et du cycle courant n.
De plus, spécifiquement selon la présente invention, tel qu’illustré par la figure 1 , le dispositif 10 électronique de détection d’interférence(s) GNSS comprend en outre un module 30 de détection d’interférence(s) configuré pour détecter une interférence lorsque pendant Q cycles et sur un nombre U de composantes du vecteur d’innovation, Q et U étant chacun un entier supérieur ou égal à un, la valeur absolue de la sortie 28 du module de filtrage 26, pour au moins un filtrage appliqué par ledit module, est supérieure à un seuil prédéterminé.
En d’autres termes, un tel module 30 de détection d’interférence(s) est apte à décider qu’une interférence a été détectée si, pendant Q cycles de calculs consécutifs et sur un nombre U de composantes du vecteur innovation, la valeur absolue de la sortie du filtrage |SJ n(k)| est supérieure à un seuil prédéterminé noté par la suite SeuilJ n pour le seuil associé au filtre J, et ce pour un ou plusieurs des filtres utilisés par le module de filtrage 26.
En cas de détection effective, le module 30 de détection d’interférence est propre à générer et émettre un signal 32 représentatif de la présence d’une telle interférence notamment pour alerter l’utilisateur.
En complément optionnel, chaque seuil prédéterminé dépend du type de filtrage appliqué par le module de filtrage 26 et/ou du cycle de calcul courant n.
Autrement dit, le Seu ilJ n associé au filtre J dépend du filtrage mis en œuvre par ce filtre J considéré (i.e. est propre au filtre J considéré) et du cycle de calcul n considéré et est une valeur prédéfinie.
Plus précisément, pour prédéfinir de telles valeurs de seuil associées respectivement à chaque filtre propre à être utilisé au sein du module de filtrage 26, pour un filtrage J donné, pour lequel on veut qu’il détecte une interférence donnée, lorsque l’application de cette interférence donnée est avérée (par exemple en phase d’essais ou sur une simulation informatique de l’hybridation), la valeur maximale |SJ n(k)|max obtenue par la sortie |SJ n(k)| du filtre J est tout d’abord déterminée, et la valeur SeuilJ n du seuil associé au filtre J est par définition inférieure à la valeur maximale |SJ n(k) |max obtenue par la sortie |SJ n(k)| du filtre J.
Ainsi, selon la présente invention, en ayant défini le type de filtrage appliqué par le module de filtrage 26, les nombres Q, U et le Seu ilJ n lorsque le module de filtrage 26 ne met en œuvre qu’un seul filtrage au moyen du filtre J, on est en mesure d’analyser la performance de détection d’interférence en déterminant par ailleurs la probabilité de fausse alarme pour le filtrage J, cette probabilité de fausse alarme étant déterminée en utilisant le fait que chaque composante du vecteur innovation, en l’absence d’interférence, correspond à un bruit blanc gaussien, lorsque le cycle de calcul varie. La probabilité de fausse alarme pour le filtrage J correspond à la probabilité que pendant Q cycles de calculs consécutifs et sur un nombre U de composantes du vecteur innovation, |SJ n(k)| soit supérieure au seuil SeuilJ n, alors qu’il n’y a pas d’interférence, et la détection de l’interférence est d’autant plus performante que la probabilité de fausse alarme est faible.
On décrit ci-après en relation avec la figure 2, un exemple de fonctionnement du dispositif 10 électronique de détection d’interférence(s) GNSS.
Plus précisément, le procédé 40 de détection d’interférence(s) GNSS mis en œuvre par ledit dispositif 10 électronique de détection d’interférence(s) GNSS comprend les étapes décrites ci-après mises en œuvre successivement.
Selon l’étape 42, comme indiqué précédemment, le dispositif 10 électronique de détection d’interférence(s) GNSS selon la présente invention met en œuvre un calcul C cyclique d’un vecteur innovation V, mis en œuvre par un filtre de Kalman 20 dudit dispositif 10, par hybridation de données fournies, en entrée dudit filtre de Kalman 20, à la fois par une unité de mesure inertielle 12 propre à fournir des mesures 14 de navigation et par un récepteur GNSS de mesures 18 de positionnement par satellite(s).
Puis selon l’étape 44, comme indiqué précédemment, le dispositif 10 électronique de détection d’interférence(s) GNSS, via son module 26 de filtrage, selon la présente invention applique au moins un filtrage sur chaque composante, représentée par une flèche, du vecteur innovation fourni à chaque cycle de calcul par ledit filtre de Kalman 20. Il est à noter qu’il est possible d’appliquer différents filtrages sur une même composante.
Il est à noter, que selon deux modes de réalisations distincts deux types de filtrages possibles sont propres à être mis en œuvre distinctement au cours de cette étape 44, à titre d’exemple.
Il est à noter que d’autres types de filtrage, connus de l’homme du métier, sont également propres à être respectivement mis en œuvre selon d’autres modes de réalisation associés, non représentés sur la figure 2 à des fins de simplicité.
Selon un premier mode de réalisation, le module de filtrage 26 est configuré pour appliquer au cours d’une étape 46, un filtrage par somme pondérée, dit filtrage F_S_P, sur chaque composante (i.e. chaque composante étant représentée par une flèche sur la figure 2) du vecteur innovation fourni à chaque cycle de calcul par ledit filtre de Kalman 20.
Selon un deuxième mode de réalisation, le module de filtrage 26 est configuré pour appliquer, au cours d’une étape 48, au moins un filtrage avec des coefficients de filtrage prédéterminés, dit filtrage F_C_P.
Quel que soit le mode de réalisation 46 ou 48 de l’étape de filtrage 44, on obtient à l’issue de cette étape la sortie de filtrage S.
Enfin, selon l’étape 50, le dispositif 10 électronique de détection d’interférence(s) GNSS selon la présente invention met en œuvre, via son module de détection, une étape de détection D d’une interférence lorsque pendant Q cycles et sur un nombre U de composantes du vecteur d’innovation, Q et II étant chacun un entier supérieur ou égal à un, la valeur absolue de la sortie S de filtrage, pour au moins un filtrage, est supérieure à un seuil prédéterminé et ce pour un ou plusieurs des filtres utilisés par le module de filtrage 26.
On décrit ci-après plus précisément chacun des modes de réalisation 46 et 48 en relation avec les figures 3 à 5.
Selon le premier mode de réalisation, le module de filtrage 26 est configuré pour appliquer au cours d’une étape 46, un filtrage par somme pondérée, dit filtrage F_S_P, sur chaque composante (i.e. chaque composante étant représentée par une flèche sur la figure 2) du vecteur innovation V fourni à chaque cycle de calcul par ledit filtre de Kalman 20.
Plus précisément, selon ce mode de réalisation, on effectue un seul filtrage, si bien qu’il n’est pas nécessaire de préciser l’indice de cet unique filtre pour ce premier mode de réalisation.
Un tel filtrage 46 consiste à utiliser un filtre à réponse impulsionnelle finie dont les N coefficients de filtrage, pour chaque composante du vecteur innovation V, sont propres à sommer les N dernières valeurs d’entrées normalisées dudit filtre, et à pondérer ladite somme résultante par un coefficient de pondération prédéterminé.
Plus précisément, les coefficients d’un tel filtre associé au filtrage F_S_P sont propres à être exprimés sous la forme suivante ai n(k) = — - *Mk’ Mk étant un coefficient ° -iW quelconque ne dépendant pas de l’indice i (i allant de 0 à N-1 , N étant le nombre de coefficients de filtrage) et de l’indice n mais pouvant dépendre, en complément optionnel, de l’indice k de ladite composante considérée du vecteur innovation.
Ainsi, la sortie S de filtrage au cycle n de la composante k est exprimée sous la forme suivante : Sn(k) = filtrage consiste ainsi premièrement à effectuer, pour chaque composante k du vecteur innovation, à chaque cycle n de calcul, la somme des N dernières innovations normalisées, une innovation normalisée correspondant à la valeur de l’innovation divisée par l’écart type correspondant, et deuxièmement à pondérer cette somme par le coefficient Mk.
Il est à noter, qu’en l’absence d’interférence, la composante Yn(k), lorsque n varie, correspond à un bruit blanc gaussien d’écart type cn(k), si bien que la composante normalisée de l’innovation Yn(k)/on(k) est également un bruit blanc gaussien avec un écart type égal à 1 , et qu’en conséquence, le signal de sortie de filtrage Sn(k) est également un bruit gaussien d’écart type Mk*N1/2.
Sur la figure 3, la vue 52 représente, en ordonnée la valeur de la composante k normalisée Yn(k)/on(k) du vecteur innovation en fonction de la valeur du cycle de calcul en abscisse, en présence d’une interférence GNSS, apparaissant à partir du cycle de calcul n=900, et la vue 54 représente, en ordonnée la valeur de la sortie de filtrage Sn(k) correspondant à la somme pondérée de cette composante normalisée en prenant le nombre N de coefficients de filtrage tel que N=20 et Mk= - =.
Sur la vue 52, avant l’application de l’interférence (i.e. avant le cycle n=900 en abscisse), l’innovation normalisée correspond à un bruit blanc d’écart type 1 , puis au début de l’application de l’interférence, entre n=900 et n= 1000 en abscisse, l’innovation normalisée a un comportement qui ne correspond pas à un bruit blanc, enfin après n= 1000, l’innovation normalisée a de nouveau un comportement qui correspond à un bruit blanc.
Il est à noter que la valeur de la composante k normalisée Yn(k)/on(k) est une grandeur sans dimension du fait qu’il s’agit de la composante de l’innovation divisée par l’écart type correspondant.
Cette figure illustre par ailleurs, qu’en l’absence d’interférence (i.e. avant l’application de l’interférence) le signal Sn(k) est un bruit gaussien d’écart type 1 , et que sous l’effet de l’interférence le maximum atteint par la somme pondérée, de l’ordre de 8, sur la vue 54 correspondant à la sortie du filtrage par somme pondérée, est très supérieur au maximum atteint par la composante normalisée valant 3,4 sur la vue 52.
Ainsi, si on se place dans le cas où Q=1 et U=1 , ce qui revient au fait que l’interférence est détectée si pour une composante la sortie du filtre est supérieure au seuil sur un cycle de calcul, on voit l’intérêt d’utiliser pour détecter l’interférence la sortie du filtre et non pas simplement la composante normalisée de l’innovation.
Si on utilise, pour détecter l’interférence, simplement la composante normalisée de l’innovation, tel qu’effectué actuellement selon l’état de la technique rappelé précédemment, il faut donc un seuil inférieur ou égal à 3,4 pour détecter l’interférence, alors qu’en utilisant pour détecter l’interférence la sortie du filtre associé au filtrage F_S_P, autrement dit avec comme filtrage une somme pondérée, il faut un seuil inférieur ou égal à 8 pour détecter l’interférence, si bien que la sortie du filtre selon la présente invention permet de détecter des interférences avec des seuils nettement supérieurs qu’avec la simple composante normalisée de l’innovation.
En l’absence d’interférence, la sortie du filtre comme la composante normalisée étant des bruits gaussiens d’écart type 1 , le fait de pouvoir utiliser un seuil supérieur de détection permet de réduire drastiquement la probabilité de fausse alarme associée.
Selon l’exemple illustré par la figure 3, la probabilité de fausse alarme associée, selon l’état de la technique actuelle, à un seuil de 3,4 aurait en effet été égale à 6.7*10-4, ce qui revient au fait qu’un bruit gaussien d’écart type 1 a une probabilité de 6.7*10-4 de dépasser (en valeur absolue) la valeur 3,4, alors que la probabilité de fausse alarme associée à un seuil de 8 obtenu selon la présente invention est avantageusement égale à 1.2*10-15, ce qui revient au fait qu’un bruit gaussien d’écart type 1 a une probabilité de 1 .2*10-15 de dépasser (en valeur absolue) la valeur 8.
Selon le deuxième mode de réalisation préférentiellement utilisé selon la présente invention, le module de filtrage 26 est avantageusement configuré pour appliquer, au cours d’une étape 48 de la figure 2, au moins un filtrage avec des coefficients de filtrage prédéterminés, dit filtrage F_C_P.
Dans cet exemple, il est possible d’utiliser un ou plusieurs filtres, par exemple F filtres, le jième filtre étant d’indice J. Chacun des F filtres étant un filtre à réponse impulsionnelle finie avec N coefficients, dont l’équation est exprimée sous la forme suivante pour le filtre J d’indice J : avec MJk,n étant un coefficient quelconque ne dépendant pas de l’indice i (i allant de 0 à N-
1 , N étant le nombre de coefficients de filtrage) mais pouvant dépendre de l’indice k de la composante considérée du vecteur innovation, de l’indice n du cycle de calcul et de l’indice J du filtre considéré dans le module de filtrage 26 et c ( pour i entre 0 et N-1 ) des coefficients pré déterminés Les coefficients aJi,n(k) de ce filtre s’expriment donc sous la forme suivante : c1 aJ i n(k) = ‘ * MJk n d’où le nom d’un tel filtre à savoir filtre avec coefficients de filtrage prédéterminés.
En l’absence d’interférence, la kième composante Yn(k) du vecteur innovation, lorsque n varie, est un bruit blanc gaussien d’écart type on(k), et la sortie Sn(k) d’un tel filtre F_C_P selon le deuxième mode de réalisation avec coefficients de filtrage prédéterminés, lorsque
/ (cr \+1/2 n varie, est un bruit gaussien d’écart typef I * MJk,n, l’unité dans laquelle s’expriment les coefficients de filtrage cH étant celle dans laquelle s’exprime l’innovation.
En complément optionnel, les N coefficients cH d’un tel filtre avec coefficients de filtrage prédéterminés, pour chaque composante du vecteur innovation, sont prédéterminés pour chaque type d’interférence d’un ensemble de types d’interférences prédéterminé et pour chaque type de phase de navigation d’un ensemble de types de phases de navigation prédéterminé associé audit véhicule.
En effet, il est établi que, pour un système de navigation hybride inertie/GNSS donné (i.e. mettant en œuvre une hybridation inertie/GNSS) se trouvant dans une phase de navigation donnée, pour une interférence L donnée, sur les cycles de calcul qui suivent le début de l’interférence, l’effet due à l’interférence sur l’innovation peut approximativement s’écrire sous la forme Y= ai_* un avec un un signal temporel présentant un maximum égal à 1 , un variant en fonction du cycle de calcul n considéré, et propre à dépendre de la phase de navigation considérée tout en ne dépendant pas de la composante considérée dans le vecteur innovation, ni de l’interférence considérée mais juste de son type.
Typiquement, si on considère le type d’interférence où l’erreur sur les signaux radio fréquence provoque l’apparition d’une erreur sur la position calculée augmentant linéairement dans le temps, un ne va pas dépendre du coefficient directeur donnant l’augmentation, en fonction du temps, de l’erreur sur la position calculée. ai_ est quant à lui un coefficient qui dépend de la composante considérée dans le vecteur innovation et de l’interférence considérée (de la valeur des erreurs appliquées sur les signaux radiofréquences), sans dépendre de la phase de navigation considérée ni du cycle de calcul n. Par exemple, dans le cas du type d’interférence où l’erreur sur les signaux radio fréquence provoque l’apparition d’une erreur sur la position calculée augmentant linéairement dans le temps, oti_ dépend du coefficient directeur donnant l’augmentation (en fonction du temps) de l’erreur sur la position calculée.
Selon ce complément optionnel, une première liste de types d’interférences possibles est établie comprenant par exemple un type d’interférence consistant en l’apparition d’une erreur fixe sur la position calculée, un autre type d’interférence consistant en l’apparition d’une erreur augmentant linéairement dans le temps sur la position calculée, etc.
De plus, une deuxième liste des différentes phases de navigation du porteur utilisant les données GNSS et les données inertielles est également établie.
A partir de ces deux listes, pour chaque type d’interférence et chaque phase de navigation, on détermine des coefficients de filtrage cH prédéterminés à partir de l’évolution qu’on obtient sur une composante du vecteur innovation juste après avoir appliqué l’interférence du type considéré, lorsque le porteur est dans la phase de navigation considérée.
Dans ce cas-là, l’application de l’interférence du type considéré est effectivement avérée et les coefficients de filtrage cH sont propres à être déterminés soit en phase d’essais ou bien sur une simulation informatique de l’hybridation mise en œuvre par le filtre Kalman 20, en considérant qu’avantageusement, pour chaque phase de navigation considérée, on a autant de filtres que de types d’interférences considérés. Autrement dit, les coefficients de filtrage prédéterminés sont, selon la présente invention, avantageusement optimisés en fonction du type d’interférence et/ou du type de phase de navigation, et ainsi propres à différer selon le type d’interférence et/ou selon le type de phase de navigation. Plus précisément, pour un même type de phase de navigation, deux types d’interférence distincts sont propres à être associés à des jeux de coefficients de filtrage distincts. De même pour un même type d’interférence, deux types de phases de navigation distincts sont propres à être associés à des jeux de coefficients de filtrage distincts.
En effet, pour une phase de navigation donnée, les coefficients de filtrage cH sont propres, par exemple, à être prédéterminés, pour chaque type d’interférence possible, en désignant, par exemple, J l’interférence du type considéré, tout d’abord par application de cette interférence J sur une hybridation inertie/GNSS au cycle de calcul n1 , puis par sélection d’une composante k0 du vecteur innovation en enregistrant les N valeurs Yni (k0), Yni+i(ko), Yni+N-i(ko) successives de la composante k0, de sorte que : Cjo = Yn1+N-l(ko), CJ1 = Ynl+N-2(ko), CJ N-1= Yni(k0).
De tels coefficients associés à ladite phase de navigation donnée, sont ensuite utilisés, lorsque le porteur (i.e. le véhicule) est dans ladite phase de navigation donnée, et ce en considérant tous les types d’interférence possibles, pour définir, pour chaque composante k du vecteur innovation, les coefficients aJi,n(k) du filtre J selon la formule aJi,n(k) c1
= * MJk,n , filtre qui sera appliqué sur la composante k du vecteur innovation et qui
°n-iW contribuera, via sa sortie S, à la détection subséquente de la présence ou non de ce type d’interférence J. Ainsi, pour chaque composante du vecteur innovation, il y a selon ce deuxième mode de réalisation, autant de filtres que de types d’interférences considérés.
Un tel deuxième mode de réalisation 48 basé sur l’utilisation d’au moins un filtrage avec des coefficients de filtrage prédéterminés, dit filtrage F_C_P présente l’intérêt que pour chaque phase de navigation considérée et chaque type d’interférence considérée, la méthode de calcul des coefficients cH prédéterminés est extraite de la méthode qui définit elle-même un filtre, qui permet, lorsque le porteur est dans la phase de navigation considérée et pour le type d’interférence considérée, pour une probabilité de fausse alarme donnée (la probabilité de fausse alarme étant la probabilité de détecter une interférence alors qu’il n’y en a pas) d’obtenir la probabilité minimale de non détection (la probabilité de non détection étant la probabilité de ne pas détecter ce type d’interférence alors qu’elle est présente).
Les figures 4 et 5 sont associées à un tel deuxième mode de réalisation 48 préféré selon la présente invention en considérant par simplicité un unique filtre J avec des coefficients de filtrage prédéterminés, la figure 4 représentant l’effet d’une interférence apparaissant à partir du cycle de calcul n=900, tandis que la figure 5 représente l’effet d’une interférence apparaissant à partir du cycle de calcul n=1200. Sur la figure 4 la vue 58 représente, à nouveau de même que sur la vue 52 de la figure 3, en ordonnée la valeur de la composante k normalisée Yn(k)/on(k) du vecteur innovation en fonction de la valeur du cycle de calcul en abscisse, en présence de l’interférence GNSS, (déjà illustrée par la figure 3) apparaissant à partir du cycle de calcul n=900.
La vue 60 de la figure 4 représente, en présence de l’interférence GNSS, apparaissant à partir du cycle de calcul n=900, en ordonnée la valeur de la sortie de filtrage SJ n(k) du filtre J avec les coefficients de filtrage prédéterminés (les coefficients cH utilisés pour ce filtre sont illustrés par la vue 56 de la figure 4) et : tel qu’en l’absence d’interférence, la sortie du filtre est un bruit gaussien d’écart type 1.
Sur les figures 4 et 5, le même filtre J avec des coefficients de filtrage prédéterminés est appliqué, si bien que les vues 56 de la figure 4 puis 62 de la figure 5, représentant les coefficients cH de ce filtre J en fonction de l’indice i en abscisse, sont identiques.
Sur la figure 5 la vue 64 représente en ordonnée la valeur de la composante k normalisée Yn(k)/c>n(k) du vecteur innovation en fonction de la valeur du cycle de calcul en abscisse, en présence de l’interférence GNSS, apparaissant à partir du cycle de calcul n=1200.
La vue 66 de la figure 5 représente, en présence de l’interférence GNSS, apparaissant à partir du cycle de calcul n=1200, en ordonnée la valeur de la sortie de filtrage SJ n(k) du filtre J avec les coefficients de filtrage prédéterminés illustrés par la vue 56 de la figure tel qu’en l’absence d’interférence, la sortie du filtre est un bruit gaussien d’écart type 1.
Dans les deux cas illustrés par les figures 4 et 5 associés à des cycles d’apparition d’interférence distincts n=900 et n=1200, il est constaté tout d’abord qu’en l’absence d’interférence, la sortie du filtrage comme la composante normalisée sont des bruits gaussiens d’écart type 1. De plus, il est constaté que le maximum, de l’ordre de 9 sur la figure 4 et 11 sur la figure 5, atteint par la sortie, en valeur absolue, du filtrage mis en œuvre spécifiquement selon la présente invention, sur les vues 60 de la figure 4 comme 66 de la figure 5, sous l’effet de l’interférence est nettement supérieur au maximum, de l’ordre de 3,4 sur la figure 4 et 3,5 sur la figure 5, atteint par la composante normalisée de l’innovation, en valeur absolue, sur les vues 58 de la figure 4 et 64 de la figure 5. On voit ainsi l’intérêt d’utiliser pour détecter l’interférence la sortie du filtre du module de filtrage 26 et non pas simplement la composante normalisée de l’innovation tel que proposé selon l’état de la technique actuel.
En effet, en utilisant la sortie du filtre, on peut donc détecter des interférences avec des seuils nettement supérieurs que la simple composante normalisée de l’innovation ce qui permet avantageusement de réduire la probabilité de fausse alarme associée.
L’homme du métier comprendra que l’invention ne se limite pas aux modes de réalisation décrits, ni aux exemples particuliers de la description, les modes de réalisation et les variantes mentionnées ci-dessus étant propres à être combinés entre eux pour générer de nouveaux modes de réalisation de l’invention.
La présente invention propose ainsi une architecture particulière d’un dispositif électronique de détection d’interférence(s) GNSS utilisant non pas directement les composantes du vecteur innovation mais utilisant la sortie d’un filtrage de ces composantes, avantageusement optimisé en fonction du type d’interférence et/ou du type de phase de navigation, ce qui permet d’exploiter le fait que l’évolution dans le temps des composantes du vecteur innovation est différente suivant qu’une interférence des données GNSS, est présente ou non. Le filtrage 44 utilisé permet en effet de mettre en évidence cette différence d’évolution dans le temps, au niveau de la sortie renvoyée par le filtrage.

Claims

REVENDICATIONS
1 . Dispositif (10) électronique de détection d’interférence(s) GNSS, propre à être embarqué à bord d’un véhicule propre à se déplacer entre deux positions géographiques, le dispositif comprenant au moins :
- une unité (12) de mesure inertielle propre à fournir des mesures (14) de navigation,
- un récepteur GNSS (16) de mesures (18) de positionnement par satellite(s),
- un filtre de Kalman (20) configuré pour calculer cycliquement un vecteur innovation (22) par hybridation de données fournies, en entrée dudit filtre de Kalman, à la fois par :
- ladite unité (12) de mesure inertielle, et
- ledit récepteur GNSS (16), le dispositif (10) étant caractérisé en ce qu’il comprend en outre, en sortie dudit filtre de Kalman :
- un module (26) de filtrage configuré pour appliquer au moins un filtrage sur chaque composante du vecteur innovation fourni à chaque cycle de calcul par ledit filtre de Kalman,
- un module (30) de détection d’interférence(s) configuré pour détecter une interférence lorsque pendant Q cycles et sur un nombre U de composantes du vecteur d’innovation, Q et U étant chacun un entier supérieur ou égal à un, la valeur absolue de la sortie (28) du module de filtrage, pour au moins un filtrage appliqué par ledit module, est supérieure à un seuil prédéterminé, le module de filtrage (26) étant configuré pour appliquer au moins un filtrage avec des coefficients de filtrage prédéterminés, en utilisant un filtre à réponse impulsionnelle finie, dont les N coefficients de filtrage, pour chaque composante du vecteur innovation, sont calculés avec lesdits coefficients de filtrage prédéterminés, lesdits coefficients de filtrage étant prédéterminés pour chaque type d’interférence d’un ensemble de types d’interférences prédéterminé et pour chaque type de phase de navigation d’un ensemble de types de phases de navigation prédéterminé associé audit véhicule.
2. Dispositif (10) selon la revendication 1 , dans lequel ledit seuil prédéterminé dépend du type de filtrage appliqué par le module de filtrage (26) et/ou du cycle de calcul courant.
3. Véhicule propre à se déplacer entre deux positions géographiques, ledit véhicule étant caractérisé en ce qu’il comprend un dispositif (10) électronique de détection d’interférence(s) GNSS selon l’une quelconque des revendications précédentes.
4. Procédé de détection d’interférence(s) GNSS, ledit procédé étant mis en œuvre par un dispositif (10) électronique de détection d’interférence(s) GNSS propre à être embarqué à bord d’un véhicule propre à se déplacer entre deux positions géographiques, le procédé comprenant au moins les étapes suivantes :
- calcul cyclique d’un vecteur innovation, mis en œuvre par un filtre de Kalman dudit dispositif, par hybridation de données fournies, en entrée dudit filtre de Kalman, à la fois par une unité de mesure inertielle propre à fournir des mesures (14) de navigation et par un récepteur GNSS de mesures (18) de positionnement par satellite(s) ;
- application d’au moins un filtrage sur chaque composante du vecteur innovation fourni à chaque cycle de calcul par ledit filtre de Kalman, avec des coefficients de filtrage prédéterminés, en utilisant un filtre à réponse impulsionnelle finie, dont les N coefficients de filtrage, pour chaque composante du vecteur innovation, sont calculés avec lesdits coefficients de filtrage prédéterminés, lesdits coefficients de filtrage étant prédéterminés pour chaque type d’interférence d’un ensemble de types d’interférences prédéterminé et pour chaque type de phase de navigation d’un ensemble de types de phases de navigation prédéterminé associé audit véhicule ;
- détection d’une interférence lorsque pendant Q cycles et sur un nombre U de composantes du vecteur d’innovation, Q et U étant chacun un entier supérieur ou égal à un, la valeur absolue de la sortie de filtrage, pour au moins un filtrage, est supérieure à un seuil prédéterminé.
5. Programme d’ordinateur comportant des instructions logicielles qui, lorsqu’elles sont exécutées par un ordinateur mettent en œuvre le procédé de détection d’interférence(s) selon la revendication 4.
EP24712837.4A 2023-03-22 2024-03-22 Dispositif électronique de détection d'interférence(s) gnss, véhicule, procédé et programme d'ordinateur associés Pending EP4684237A1 (fr)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR2302680A FR3147008B1 (fr) 2023-03-22 2023-03-22 Dispositif électronique de détection d'interférence(s) GNSS, véhicule, procédé et programme d'ordinateur associés
PCT/EP2024/057742 WO2024194456A1 (fr) 2023-03-22 2024-03-22 Dispositif électronique de détection d'interférence(s) gnss, véhicule, procédé et programme d'ordinateur associés

Publications (1)

Publication Number Publication Date
EP4684237A1 true EP4684237A1 (fr) 2026-01-28

Family

ID=87554767

Family Applications (1)

Application Number Title Priority Date Filing Date
EP24712837.4A Pending EP4684237A1 (fr) 2023-03-22 2024-03-22 Dispositif électronique de détection d'interférence(s) gnss, véhicule, procédé et programme d'ordinateur associés

Country Status (4)

Country Link
EP (1) EP4684237A1 (fr)
CN (1) CN120917340A (fr)
FR (1) FR3147008B1 (fr)
WO (1) WO2024194456A1 (fr)

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5872540A (en) * 1997-06-26 1999-02-16 Electro-Radiation Incorporated Digital interference suppression system for radio frequency interference cancellation
US11460585B2 (en) * 2020-03-18 2022-10-04 Honeywell International Inc. Implementing single differences within a solution separation framework

Also Published As

Publication number Publication date
FR3147008A1 (fr) 2024-09-27
CN120917340A (zh) 2025-11-07
WO2024194456A1 (fr) 2024-09-26
FR3147008B1 (fr) 2025-10-17

Similar Documents

Publication Publication Date Title
EP3623758B1 (fr) Système de localisation, et procédé de localisation associé
EP2318854B1 (fr) Procede de protection d'un utilisateur de recepteur de radionavigation vis-a-vis de mesures de pseudo-distances aberrantes
EP2598912B1 (fr) Procede de determination d'un volume de protection dans le cas de deux pannes satellitaires simultanees
EP3203267B1 (fr) Methode de calibrage d'un recepteur de radio-navigation par satellites
EP3018447A1 (fr) Procédé de détermination d'un rayon de protection associé à un paramètre de navigation d'un système hybride de navigation inertielle, et système associé
FR2974914A1 (fr) Dispositif de reception d'un systeme de positionnement par satellite comprenant une fonction de detection de faux accrochages
EP3709058A1 (fr) Procédé de contrôle d'intégrité d'un signal de radionavigation par satellite et recepteur apte à implementer ce procédé
FR3021740A1 (fr) Procede et systeme d'evaluation d'un debit d'un fluide
EP4451017B1 (fr) Méthode de localisation gnss assistée par un modèle d'intelligence artificielle
EP3238094A1 (fr) Procédé non linéaire d'estimation d'un mélange de signaux
EP1801539A1 (fr) Dispositif d'hybridation en boucle fermée avec surveillance de l'intégrité des mesures.
FR2936669A1 (fr) Procede pour optimiser une acquisition d'un signal a spectre etale provenant d'un satellite par un recepteur mobile
EP2544020B1 (fr) Procédé et dispositif de détection d'une cible masquée par des réflecteurs de forte énergie
WO2023135379A1 (fr) Detection d'anomalies de mesure par filtre de kalman appliquee a la navigation
EP0410826B1 (fr) Procédé itératif d'estimation de mouvement, entre une image de référence et une image courante, et dispositif pour la mise en oeuvre de ce procédé
EP3385677B1 (fr) Systeme et procede d'analyse et de surveillance des mouvements parasites d'une centrale inertielle pendant une phase d alignement statique
WO2023111063A2 (fr) Procede de navigation par satellite avec detection de satellite en panne par traitement statistique de l'innovation croisee
EP4684237A1 (fr) Dispositif électronique de détection d'interférence(s) gnss, véhicule, procédé et programme d'ordinateur associés
EP3236280B1 (fr) Calcul automatique d'une dimension d'une plateforme mobile
EP3405813B1 (fr) Dispositif de navigation par satellite et procede de controle du meme
EP4305430B1 (fr) Procédé, dispositif et programme d'ordinateur d'estimation d'une vitesse d'un véhicule à roue
EP3374800A1 (fr) Procédé de détection de mouvements parasites lors d'un alignement statique d'une centrale inertielle, et dispositif de détection associé
EP1956386A1 (fr) Procédé de détermination d'une position d'un corps mobile et d'une limite de protection autour de cette position
EP2367024B1 (fr) Procédé et système de calcul pour l'évaluation de la performance en précision d'un système de navigation par satellite
EP3036840A1 (fr) Procédé de détection d'un signal électromagnétique par un réseau antennaire et dispositif mettant en oeuvre le procédé

Legal Events

Date Code Title Description
STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: UNKNOWN

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: THE INTERNATIONAL PUBLICATION HAS BEEN MADE

PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: REQUEST FOR EXAMINATION WAS MADE

17P Request for examination filed

Effective date: 20250922

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AL AT BE BG CH CY CZ DE DK EE ES FI FR GB GR HR HU IE IS IT LI LT LU LV MC ME MK MT NL NO PL PT RO RS SE SI SK SM TR