城市復(fù)雜環(huán)境下干擾源定位策略研究

馬志成 陳文君 王海亮 趙艷

摘 要 針對傳統(tǒng)的干擾監(jiān)測體系將難以滿足GNSS 系統(tǒng)在城市復(fù)雜環(huán)境中的服務(wù)性能的保障需求，無法解決城市復(fù)雜環(huán)境下的干擾源定位的問題，提出利用空地協(xié)同的機制解決城市復(fù)雜多徑環(huán)境下的干擾源定位問題，首先介紹了城市復(fù)雜環(huán)境下的干擾信號模型，指出了傳統(tǒng)的干擾源定位方法的特點和應(yīng)用限制，然后介紹了基于空地協(xié)同的干擾源定位原理，分析了其應(yīng)用特點并仿真分析了其定位性能，為城市復(fù)雜環(huán)境下的干擾源排查提供了一種新的解決思路。

關(guān)鍵詞 空地協(xié)同；干擾定位；測向；卡爾曼濾波

隨著衛(wèi)星導(dǎo)航在金融、電力、通信等國家經(jīng)濟命脈行業(yè)，以及民用航空、自動駕駛等生命安全領(lǐng)域的深入應(yīng)用，GNSS 干擾檢測與定位技術(shù)成為國際衛(wèi)星導(dǎo)航領(lǐng)域的研究熱點。由于城市空間地理環(huán)境復(fù)雜，GNSS 信號極易被各種無意或有意電磁信號干擾，傳統(tǒng)的無線電干擾檢測設(shè)備覆蓋面積小、響應(yīng)遲緩，針對城市復(fù)雜環(huán)境下的北斗/GNSS 定位授時服務(wù)的安全使用需求，迫切需要開展城市復(fù)雜環(huán)境下干擾源定位技術(shù)的研究。

本文采用空地協(xié)同多次觀測的形式能夠有效解決城市復(fù)雜環(huán)境下干擾源的定位問題，并通過仿真分析了其定位性能。

1 復(fù)雜城市環(huán)境模型

城市復(fù)雜環(huán)境下的多徑主要是由于干擾信號障礙物的反射或散射，障礙物的幾何尺寸、物理參數(shù)（表征為電磁特性）以及與干擾源和監(jiān)測天線的相對空間位置關(guān)系共同作用，導(dǎo)致復(fù)雜環(huán)境下對干擾源的測向精度變差。

下圖是地面多徑信號的示意圖。這些來自不同路徑的信號因傳播路徑的不同而在接收點具有不同的相位，因此在接收點將對接收信號形成干涉場，從而使信號的包絡(luò)幅度產(chǎn)生深度且快速的衰落。其快速衰落的衰落深度可達(dá)30～40dB，從而影響對信號的偵收[1]。

2 雙站聯(lián)合干擾源定位算法

傳統(tǒng)的干擾源定位方法是通過一個站在不同的觀測點多次觀測，確定干擾源的位置，或是通過雙站或多站同時觀測，聯(lián)合確定干擾源位置。其中，雙站干擾源定位模型如下圖所示：

上圖中，干擾源的位置坐標(biāo)可用如下公式計算，

假設(shè)監(jiān)測站多次觀測，則可近似為多條示向度線的垂直距離之和為最小值處作為干擾源位置的估計值，對其進(jìn)行求導(dǎo)零后得到多次觀察的干擾源位置估計值，則每一次觀測都有：

定位誤差由測向誤差和觀測站自身定位誤差引起，經(jīng)過變換可以得到觀測模型為

這是根據(jù)三角定位原理，該方法在干擾源與觀測點相對位置不發(fā)生變化時，觀測效果較好。由于多徑和遮擋影響，采用固定雙站監(jiān)測的方法可能會存在發(fā)現(xiàn)不了干擾的情況，因此需要建立運動條件下的監(jiān)測模型來規(guī)避多徑和遮擋條件的影響[2]。

3 空地協(xié)同干擾源定位算法

采用空地協(xié)同的策略可有效規(guī)避上述影響，但是三角定位模型不適應(yīng)空地協(xié)同運動模型的干擾源定位，因此，需要建立一個運動的模型，來匹配監(jiān)測節(jié)點運動對干擾源定位的影響。該模型的建立原則是既能滿足監(jiān)測節(jié)點實際機動需求，又能不大幅增加計算量，提高定位精度。

卡爾曼濾波算法是大部分導(dǎo)航系統(tǒng)狀態(tài)估計的理論基礎(chǔ)，廣泛應(yīng)用于衛(wèi)星導(dǎo)航、目標(biāo)定位及多種數(shù)據(jù)融合算法中。在空地協(xié)同干擾源定位中，地面的監(jiān)測設(shè)備采用移動監(jiān)測車，空中可采用無人機，當(dāng)?shù)孛姹O(jiān)測車發(fā)現(xiàn)干擾后，無人機升空，聯(lián)合對干擾源進(jìn)行定位，并在定位過程中不斷優(yōu)化模型來達(dá)到最優(yōu)的定位結(jié)果，該方法可描述為：

在上式中代表系統(tǒng)的狀態(tài)轉(zhuǎn)移矩陣，描述了系統(tǒng)在前后相鄰的兩個時刻的狀態(tài)轉(zhuǎn)移關(guān)系。與依次代表系統(tǒng)在時刻和時刻的狀態(tài)量，代表系統(tǒng)的觀測噪聲，卡爾曼濾波算法對系統(tǒng)噪聲的假設(shè)是零均值的或者是非零均值的白噪聲[3]。

以上公式便是隨機線性離散系統(tǒng)的卡爾曼濾波公式，實際實現(xiàn)中，需要首先建立系統(tǒng)的卡爾曼濾波模型，并且得到能夠準(zhǔn)確反映系統(tǒng)觀測噪聲的噪聲矩陣，在設(shè)定好狀態(tài)量以及方差陣的初值之后便可進(jìn)行迭代，得到時刻的系統(tǒng)狀態(tài)量。

采用卡爾曼濾波的方法建立車載平臺和無人機平臺的運動狀態(tài)模型，并在測量過程中對模型不斷進(jìn)行修正，具體的測量過程如下圖所示：

采用空地協(xié)同的方式，通過監(jiān)測車和空中無人機的不斷測向和運動，對多次觀測數(shù)據(jù)的不斷優(yōu)化，可實現(xiàn)城市復(fù)雜環(huán)境中的干擾源定位[4]。

4 性能仿真與分析

分析在城市復(fù)雜環(huán)境下空地協(xié)同的干擾定位性能，假設(shè)測向精度為3°，自身定位精度為5m，分析不同基線長度下的定位性能。當(dāng)兩個站相距0.5Km時的定位精度如下圖所示

從上圖中可以看出，在基線的正前方區(qū)域內(nèi)，1km處的定位誤差約為11%R。在兩站法線方向上精度較高，在兩站連線的地方精度較差，但是由于采用空地協(xié)同的形式，兩個站的位置都可以規(guī)劃，并且可在不斷運動過程中采用卡爾曼濾波的方法對模型進(jìn)行擬合提高定位精度。

繼續(xù)增大兩個站的間距，將基線長度擴大到1.5km，定位精度如下圖所示

從上圖中可以看出，在基線的正前方區(qū)域內(nèi)，1km處的定位誤差約為4%R，2km處的定位精度約為7%R，從幾幅圖的對比中可以看出：隨著基線的增大，在相同距離上的定位精度會得到提升[5]。

5 結(jié)束語

城市復(fù)雜環(huán)境下的干擾源排查定位一直以來都是一個技術(shù)難題，本文提出一種基于空地協(xié)同的城市復(fù)雜環(huán)境下干擾源定位的解決思路，采用空中無人機和地面監(jiān)測車聯(lián)合排查定位的方式能夠有效解決城市復(fù)雜環(huán)境下多徑和遮擋問題，提升定位精度。仿真結(jié)果也表明，在能夠形成恰當(dāng)基線的條件下，能夠?qū)崿F(xiàn)1km內(nèi)4%的定位精度，能夠?qū)崿F(xiàn)干擾源的快速排查。

參考文獻(xiàn)

[1] 楚恒林，李獻(xiàn)球.衛(wèi)星網(wǎng)絡(luò)干擾信號的監(jiān)測與定位技術(shù)[J].無線電通信技術(shù)，2010，36（3）：48-50.

[2] Sun Z B，Ye S F. Satellite interference location using cross ambiguity function[J]. Chinese journal of radio science，2004，19（5）：525-529.

[3] 范廣偉，晁磊，劉莉.衛(wèi)星導(dǎo)航干擾監(jiān)測技術(shù)[J].四川兵工學(xué)報，2013，34（6）：125-128.

[4] 趙欣，戰(zhàn)興群，杜剛，等.全球?qū)Ш叫l(wèi)星系統(tǒng)脆弱性計算機仿真環(huán)境設(shè)計及其評估方法實現(xiàn)[J].計算機測量與控制，2014，22（9）：2847-2850.

[5] 劉冰，盧偉.淺談衛(wèi)星信號監(jiān)測和干擾定位方法[J].無線互聯(lián)科技，2012，（4）：106-107.