北斗卫星导航干扰检测与识别技术研究.pdfVIP

北斗卫星导航干扰检测与识别技术研究

摘要

北斗卫星导航系统（BeidouNavigationSatelliteSystem，BDS）是继美国GPS、俄罗

斯GLONASS之后第三个成熟的卫星导航系统，其导航精确性高于其他导航系统，能够

为用户提供更精确的时间和位置等信息。随着科技的进步及电子设备的蓬勃发展，卫星

导航系统所处的无线电磁环境复杂多变，接收端接收到的信号大多不能直接使用，需要

对系统中的接收信号进行干扰存在性检测及干扰信号识别，以进行相应的抗干扰措施，

提高北斗卫星导航系统的稳定性和可靠性。

本文首先对BDS系统受到的干扰信号进行分类并分析，重点研究常见的六种压制

式干扰信号，对其完成数学建模，并使其与高斯白噪声混合作为输入信号，方便干扰存

在性检测与识别技术研究。

在干扰存在性检测算法方面，针对能量检测(EnergyDetection，ED)算法在低干噪比



时检测概率较低的问题，一是引入噪声不确定系数，动态估计噪声功率，提出双门限

(DoubleThreshold)能量检测算法，有效提高低干噪比下的检测概率；二是从二元检测的

th

数学统计角度出发，提出构建以门限值为自变量的错误概率函数，对该函数求极值得

到新的门限值，从而提高低干噪比下的检测概率。针对半盲检测(Non-blindDetection，

ND)算法检测性能受噪声功率不确定性影响较大的问题，结合随机矩阵理论(Random

MatrixTheory，RMT)知识，研究了全盲检测(BlindDetection，BD)算法，因协方差绝对

值检测(CovarianceAbsoluteValueDetection，CAVD)算法计算量大，通过计算接收信号矩

阵的特征值，分别研究了最大特征值检测(Maximum-MinimumEigenvalueDetection，

MMED)算法和最小特征值检测(NewMaximum-MinimumEigenvalueDetection，NMMED)

算法。针对MMED和NMMED算法只考虑最大或最小特征值分布情况的问题，引入加



权因子和，提出加权融合检测(WeightedFusionDetection，WFD)算法，使得检测概



率有了进一步提高。

在干扰识别算法方面，本文从机器学习出发，分别研究了基于决策树、基于支持向

量机、基于深度学习网络的干扰信号识别算法。针对决策树(DecisionTree，DT)人为选

取阈值的方法识别概率较低且识别过程慢的问题，采用CART准则进行阈值选取，既提

高了识别速度又提升了识别准确率；针对支持向量机(SupportVectorMachine，SVM)对

参数调整敏感的问题，采用网格搜索法(GridSearch，GS)进行参数寻优，有效提升了识

别准确率；针对网格搜索法对大规模数据集训练较慢的问题，结合深度学习网络知识，

哈尔滨工程大学专业学位硕士学位论文

利用GoogLeNet网络对干扰信号进行分类识别，该算法具有更高的准确性和鲁棒性。

关键词：干扰存在性检测；干扰识别；能量检测；错误概率函数；加权融合检测；决策

树；支持向量机；GoogLeNet网络

北斗卫星导航干扰检测与识别技术研究

ABSTRACT

BeidouNavigationSatelliteSystem(BDS)isthethirdmaturesatellitenavigationsystem

afterGPSintheUnitedStatesandGLONASSinRussia.Itsnavigationaccuracyishigherthan

othernavigationsystems,anditcanprovideuserswithmoreaccuratetimeandlocat