一种基于时域分组处理的卫星导航接收机多干扰抑制方法与流程

本发明属于射频干扰抑制领域，具体涉及一种基于时域分组处理的卫星导航接收机多干扰抑制方法。

背景技术：

无论是gps，glonass，galileo还是“北斗”卫星导航系统，都将存在一个共同的缺点——容易受到多种形式的有意或无意的干扰，导致接收机定位、导航性能下降，甚至无法正常工作。而且，随着卫星导航系统的在军事、民用领域的广泛应用，接收机所处的工作环境日益复杂，卫星导航接收机的抗干扰能力已成为其能否正常工作的关键问题。研究卫星导航系统接收机抗干扰技术，对于提高卫星导航系统在复杂电磁环境下的工作性能、增强其在各种环境中的适用性具有重要意义，对卫星导航系统用户端接收机的研究已成为各国学者关注的热点之一。

由于卫星导航系统最初的研制目标是为动态用户提供全天候、实时、高精度的位置信息，没有充分考虑用户端接收机在各种复杂电磁环境下的工作问题，而且由于卫星信号自身所具有的特性，致使用户端对卫星信号进行接收时存在以下问题：

卫星所发射信号的载波频率固定、调制方式已知、数据传输格式不变，致使用户端接收机很容易受到人为干扰的影响。如果将干扰的频率集中对准卫星信号的载波频率，将导致接收机失锁。而且，一般的用户端接收机只辨别卫星信号的结构，无法识别卫星信号的真伪，当干扰与卫星信号结构相同时，干扰与卫星信号会同时进入用户端接收机，导致接收机误捕获。卫星距离地球遥远，到达用户端接收机的卫星信号十分微弱。根据信号传播损耗理论，信号在空间传播的功率与其传播距离的平方成反比，传播距离越远，信号功率衰减越大。导航卫星一般位于距离地球表面20000km乃至更高的轨道平面上，而且卫星发射机功率不可能很大，信号到达用户端接收机时已相当微弱。卫星信号本身抗干扰裕度不大。卫星信号多为扩频信号，具有一定抗干扰能力，但当干扰功率大于抗干扰裕度时，用户端接收机的性能就会受到显著影响。

随着全球卫星导航系统(gnss)的蓬勃发展以及其在国防和国民经济各个领域的广泛应用，卫星导航信号的易损性和脆弱性所带来的问题也日益凸显，为了保障gnss服务的可靠性、精确性和连续性，大量的学者对该领域进行了研究并取得了一系列成果。

根据干扰算法所需天线阵元数，可以将现有的干扰抑制算法分为：单天线干扰抑制技术、基于阵列天线的干扰抑制技术。单天线干扰抑制技术(时域/频域、时频域)干扰抑制方法，具有体积小、硬件复杂度低的优点；但他们只能处理具有时频稀疏性的干扰，且对多个干扰处理能不强。基于阵列天线的空域干扰抑制技术，可以在不考虑干扰信号时频特性的条件下，利用空域滤波方法对抗宽带或者窄带干扰，但其可对抗干扰的个数受限于阵元数目。为了在不增加天线阵元个数的前提下提高干扰抑制自由度，基于空时处理的干扰抑制算法被引入gnss干扰抑制领域并得到了广泛研究。但是该类方法只增加了抑制窄带干扰的个数，无法处理过多的宽带干扰。

技术实现要素：

本发明的目的在于提供在不增加接收机阵元个数的前提下，提升接收机干对抗宽带调频干扰的个数的一种基于时域分组处理的卫星导航接收机多干扰抑制方法。

本发明的目的通过以下技术方案来实现：

一种基于时域分组处理的卫星导航接收机多干扰抑制方法，包括以下步骤：

(1.1)利用阵元数为n的阵列天线，经过射频处理，获得n通道m采样点的数字接收信号x(m)＝[x1(m)x2(m)lxn(m)]^t，其中m＝1,2,lm；

(1.2)选取某一通道信号xn，计算接收信号中各周期分量的最小公周期tc；

(1.3)根据估计的小公周期tc，将具有相似时频特性的信号数据进行重组，获得q组空时域数据，x1,x2,…xq；

(1.4)对各组信号数据(x1,x2,…xq)进行空时滤波处理，获得消除干扰后信号数据y1,y2,…yq。

(1.5)对各组干扰抑制后数据进行重构，得到后续处理所需要的数据y。

本发明的核心技术内容在于将利用各周期干扰信号的周期特性将具有相似时频特性的信号数据进行重组，在分组进行干扰消除，从而提出了一种基于时域分组处理的卫星导航接收机多干扰抑制方法。

所述的选取某一通道信号xn，计算接收信号中各周期分量的最小公周期tc，主要内容为：利用奇异值比谱方法估计得到接收信号xn中各周期分量的周期tk，其中k＝1,2,…,k为周期分量的序号；进而计算所有周期分量周期的最小公倍数，获得最小公周期tc；

所述的利用奇异值比谱方法估计得到接收信号xn中各周期分量的周期tk，其主要内容为：构建信号xn的奇异值比谱，然后提取大于门限值峰值序列并所得峰值进行周期序列检测，每个序列的时间间隔对应于一个周期调频信号的调频周期tk。该方法避免了传统基于奇异值比谱周期估计方法所估计的周期可能是真实周期的整数倍的问题。

所述的据估计的小公周期tc，将具有相似时频特性的信号数据进行重组，其主要内容为：根据所估计的最小公周期tc，将各通道信号们可以将时域数据进行分割，再把具有相似时频特性的信号数据进行重组。该方法可以获得足够具有同时频特性的采样数据，以利于获得更精确的相应时频信号的协方差矩阵信息。

所述的对各组信号数据进行空时滤波处理，获得消除干扰后信号数据，其主要内容为：对每组数据利用基于最小输出功率准则的空时滤波器进行干扰抑制处理。

本发明的有益效果在于：

将时域分组处理方式引入干扰抑制领域，利用周期调频信号的时频稀疏性与广义周期特性，通过将同时频特性的数据点重组得到新的子空时数据矩阵，然后对分组后信号的进行干扰消除；从而形成一种基于时域分组处理的卫星导航接收机多干扰抑制方法。

能够充分利用周期调频信号在时频域的聚集性和周期性，构建空时频矩阵以避免对空域自由度的重复利用，然后再利用干扰信号在空域的稀疏性进行干扰消除。所以该方法能够在不增加阵列天线阵元个数的前提下，增加接收机抗干扰个数。

附图说明

表1为干扰信号参数；

图1为基于时域分组处理的卫星导航接收机多干扰抑制方法流程图；

图2为利用不同算法干扰抑制后c/a码捕获结果对比。

具体实施方式

下面结合附图对本发明的具体实施内容作进一步说明：

本申请实施例在分析周期调频信号的时频稀疏性与广义周期特性的基础上，提出一种基于时域数据重组的空时干扰抑制算法。所申请方法能够根据周期调频信号的时频稀疏性与广义周期特性，在不增加接收机阵元个数的前提下，提升接收机干对抗宽带调频干扰的个数。

为更加清晰的说明所申请方法，本申请实施例通过仿真实验进行流程说明以及效果展示，但不限制本申请实施例的范围。实验条件为：天线阵选取间隔为半波长的均匀线阵，天线单元数n＝4。期望信号为全球定位系统(gps)的c/a码，中频中心频为1.023mhz，采样频率为4.096mhz；接收信号的入射方向为80°；信噪比为-15db。干扰信号的干噪比为60db，其余参数如表1所示。

图1是基于时域数据重组的空时gnss多干扰干扰抑制算法的流程图，该方法包括：

s110获取n(n＝4)个通道的信号数据：

x(m)＝[x1(m)x2(m)lxn(m)]^t

式中，m代表第m个采样时刻，t代表转置运算。

s120选取任意一个通道的信号数据，估计接收信号中周期干扰信号的最小公周期tc；

步骤s120可进一步包括：

s121将所选第n(n＝1)通道信号数据按照长度ω连续截取2段构造矩

对o进行奇异值分解，构建奇异值比谱。传统周期分量估计方法是以最大峰值的对应的时间点作为估计的周期，但是每个周期信号对应的奇异值比谱峰值周期性出现，以峰值大小作为检测准则，可能会导致所估计的周期是真实周期的整数倍。针对该问题，提出峰值序列检测法以估计各周期分量信号的周期。首先，提取大于门限值峰值序列，

其中，ρ为门限值，其定义为：

s122对所得峰值进行周期序列检测，搜索具有相同时间间隔的峰值序列，每个序列的时间间隔对应一个周期调频信号的广义周期tk。进而根据所得的周期计算最小公周期：

tc＝t1,t2,…,tk

●表示求一列数的公倍数。

s130利用估计出公周期tc，构建空时数据矩阵；

将数据分为q组空域数据，连续数据的个数为p(为正整数)，则第n通道第q组空域数据为：

其中，tcg为所截取的信号长度；

则每个通道有mτ-1个时域抽头，则第q组空时空时矩阵可以表述为

s140对每组数据可以利用最小输出功率准则准则进行空域滤波处理，最小输出功率准则准则为：

其中，wq为第q组数据对应的空域权矢量，rq为根据最大似然准则估计获得的第q组数据的协方差矩阵：

c为空时约束向量，定义为：

其中，l为数据长度，最优权值为：

干扰抑制后数据输出为：

s150最后对各组干扰抑制后数据进行重组，得到后续处理所需要的数据：

y＝[y1,1y1,2…yq,1y2,1y2,2…yq,2…y1,gy1,g…yq,g]

其中

干扰抑制后，导航信号捕获结果由图2给出，为了说明所申请算法的有效性，将所申请的基于时域数据重组的空时干扰抑制算法与经典空域算法和空时算法进行比较，可以发现本发明所提出方法可以不增加阵列天线阵元个数的前提下，增加接收机抗干扰个数。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。