一种基于Kalman滤波器的导航接收机干扰抑制方法技术

本发明专利技术公开了一种基于Kalman滤波器的导航接收机干扰抑制方法，能够对导航接收机中具有锯齿型突变频率特性干扰进行有效的抑制，该抑制方法采用Kalman滤波器来估计表示接收信号的状态空间，通过将干扰信号估计值和接收信号对消完成对具有锯齿型突变频率特性干扰的有效抑制。本发明专利技术根据干扰扫频特性对Kalman滤波器过程和观测噪声方差进行自适应调整，提高了基于Kalman滤波器的干扰抑制方法对干扰信号瞬时频率估计误差的鲁棒性；采用时频分布的方法来提供干扰信号瞬时频率和调频斜率估计值，提高了Kalman滤波器估计干扰信号的精度。

A method of interference suppression for navigation receiver based on Kalman filter

The invention discloses a navigation receiver interference suppression method based on Kalman filter, which can effectively suppress the sawtooth type mutation frequency characteristic interference in the navigation receiver. The suppression method uses the Kalman filter to estimate the state space of the received signal, and the estimation of the interference signal and the reception letter by using the filter to estimate the state space of the received signal. Signal cancellation can effectively suppress interference with serrated frequency characteristics. The invention adaptively adjusts the Kalman filter process and the observation noise variance according to the interference frequency characteristics, and improves the robustness of the interference suppression method based on the Kalman filter to the instantaneous frequency estimation error of the interference signal; the method of time frequency distribution provides the instantaneous frequency of the interference signal and the estimation of the frequency modulation slope. The Kalman filter is used to estimate the accuracy of the jamming signal.

【技术实现步骤摘要】
一种基于Kalman滤波器的导航接收机干扰抑制方法
本专利技术属于导航接收机干扰抑制
，具体涉及一种基于Kalman滤波器的导航接收机干扰抑制方法。
技术介绍
自上世纪七十年代开始，各个国家和地区先后积极建立各自的卫星导航系统，例如美国全球定位系统(GPS)、俄罗斯GLONASS系统、欧盟Galileo系统、中国北斗卫星导航系统和日本准天顶卫星系统。这些导航系统可以统称为全球导航卫星系统(GNSS)。由于具有高精度、全天候、全球覆盖和方便灵活等特点，GNSS近年来在越来越多的军事和民用领域得到广泛应用。GNSS信号采用直接序列扩频调制(DSSS)方式而具有一定的抗干扰能力。但是由于GNSS信号在到达接收天线时通常极其微弱，接收机基带信号处理模块容易受到周围环境干扰信号的影响，出现定位精度下降甚至跟踪环路失锁的现象。干扰机广播GNSS频带内的频率调制(FM)干扰信号，其大量的出现给GNSS接收机带来了更多的挑战。为了提高接收机抗干扰能力，接收机中通常需要一个干扰处理模块，完成干扰检测和抑制等功能。由于干扰信号可以建模为一个自回归过程，将干扰信号和接收信号分别表示成三系数FIR滤波器和状态空间。在2005年《SignalProcessing》第85期第625至635页由K.R.Rao等人发表的“Anonlinearadaptivefilterfornarrowbandinterferencemitigationinspreadspectrumsystems”一文中，提出了在扩频接收机中采用ASACM滤波器来估计窄带干扰信号及其瞬时频率，以用于干扰抑制。但是将ASACM滤波器用于GNSS接收机时，存在如下三个问题，导致干扰抑制效果差：(1)GNSS干扰机广播的FM干扰信号具有锯齿型突变频率特性，用于表示干扰信号的三系数FIR滤波器模型不再准确；(2)不同于扩频接收机，导航接收机中期望信号功率远低于噪声基底，这使得状态空间的观测噪声依然可以认为是高斯的；(3)ASACM滤波器的瞬时频率估计精度较差，影响滤波器干扰估计性能。
技术实现思路
有鉴于此，本专利技术提供了一种基于Kalman滤波器的导航接收机干扰抑制方法，能够对具有锯齿型频率突变特性的干扰机的干扰信号进行有效抑制。本专利技术的基于Kalman滤波器的导航接收机干扰抑制方法是通过以下技术方案来实现的，包括如下步骤：步骤1，构建接收信号r[n]的状态空间：Xn＝FnXn-1+Genzn＝HXn+vn(4)其中，Xn＝[u[n]u[n-1]]T为状态矢量，上标T表示转置；zn＝r[n]，r[n]＝u[n]+s[n]+w[n]，其中，u[n]为干扰信号，s[n]为期望信号，w[n]为噪声，n为信号采样时刻；en为服从高斯分布的过程噪声，观测噪声vn为期望信号s[n]和噪声w[n]之和；矩阵Fn、矩阵G以及矩阵H为：G＝[10]TH＝[10](5)其中，f[n]为干扰信号的瞬时频率；f′[n]为瞬时频率f[n]的一阶导数，即调频斜率；步骤2，利用接收信号的时频分布，获得干扰信号瞬时频率和调频斜率估计值，基于干扰信号瞬时频率、调频斜率估计值、过程噪声方差以及观测噪声方差，利用Kalman滤波器在每个时刻进行更新以获得状态矢量估计值，状态矢量估计值中的第一个元素即为干扰信号估计值；步骤3，将干扰信号估计值和接收信号对消，实现干扰抑制。其中，所述步骤2中，通过检测所有时刻的干扰信号调频斜率估计值，得到干扰信号调频斜率估计值的局部极小值，所述局部极小值应的时刻即为瞬时频率突变点时刻，根据瞬时频率突变点时刻，对Kalman滤波器过程噪声方差和观测噪声方差进行自适应调整。其中，所述干扰信号调频斜率估计值获得方式为：根据n时刻的干扰信号瞬时频率估计值，定义一个包括2K+1个时间量以及对应干扰信号瞬时频率估计值f(·)的观测矩阵：其中，K为按所述干扰抑制方法的计算精度和复杂度要求设置的正整数；所述观测矩阵的相关矩阵的最大特征值所对应的特征矢量的斜率即为n时刻的干扰信号调频斜率估计值。有益效果：(1)本专利技术通过包含调频斜率信息来修正表示干扰信号的三系数FIR滤波器模型，采用Kalman滤波器来估计表示接收信号的状态空间，通过将干扰信号估计值和接收信号对消完成对具有锯齿型突变频率特性干扰的有效抑制；(2)本专利技术根据干扰扫频特性对Kalman滤波器过程和观测噪声方差进行自适应调整，提高了基于Kalman滤波器的干扰抑制方法对干扰信号瞬时频率估计误差的鲁棒性；(3)本专利技术采用时频分布的方法来提供干扰信号瞬时频率和调频斜率估计值，提高了Kalman滤波器估计干扰信号的精度。附图说明图1为本专利技术的基于Kalman滤波器的导航接收机干扰抑制方法流程图。具体实施方式下面结合附图并举实施例，对本专利技术进行详细描述。本专利技术所提出的干扰抑制方法，能够对导航接收机中具有锯齿型突变频率特性干扰进行有效的抑制，该抑制方法采用Kalman滤波器来估计表示接收信号的状态空间，通过将干扰信号估计值和接收信号对消完成对具有锯齿型突变频率特性干扰的有效抑制。本专利技术所提出的干扰抑制方法，包括如下步骤：步骤1，干扰信号模型可以表示为：其中Au为干扰信号的幅度，f[n]为干扰信号的瞬时频率，φu为干扰信号的初始相位，n为信号采样时刻；将干扰信号表示为三系数FIR滤波器：把(1)代入(2)可得，三系数分别为：可见，在滤波器系数中包含了瞬时频率f[n]的一阶导数，即调频斜率，调频斜率f′[n]＝f[n]-f[n-1]，能够应对干扰信号的突变频率特性；步骤2，基于干扰信号的三系数FIR滤波器，将接收信号表示成状态空间如式(4)所示：其中，Xn＝[u[n]u[n-1]]T为状态矢量，上标T表示转置，zn＝r[n]，r[n]＝u[n]+s[n]+w[n]，其中，r[n]为接收信号，s[n]为期望信号，w[n]为噪声；en是服从高斯分布的过程噪声，vn是观测噪声，vn为期望信号s[n]和噪声w[n]之和；Fn为状态转移矩阵，矩阵Fn以及矩阵G、H分别定义为：在相关前阶段，期望信号s[n]完全淹没在噪声w[n]基底中，观测噪声vn仍然是高斯的；基于干扰信号瞬时频率、调频斜率估计值、过程噪声方差以及观测噪声方差，利用Kalman滤波器在每个时刻进行更新以获得状态矢量估计值，状态矢量的第一个元素即为干扰信号估计值；其中，在Kalman滤波器更新过程中，利用基于时频分布的方法来提供干扰信号瞬时频率和调频斜率估计值：利用接收信号的时频分布，得到干扰信号瞬时频率估计值；所述干扰信号调频斜率估计值获得方式为：根据n时刻的干扰信号瞬时频率估计值，定义一个包括2K+1个时间量以及对应干扰信号瞬时频率估计值f(·)的观测矩阵:其中，K为按所述干扰抑制方法的计算精度度和复杂度要求设置的正整数；计算所述观测矩阵的相关矩阵并对其进行特征值分解，最大特征值对应特征矢量的斜率即为n时刻的干扰信号调频斜率估计值；所述步骤2中，通过检测所有时刻的干扰信号调频斜率估计值，得到干扰信号调频斜率估计值的局部极小值，所述局部极小值应的时刻即为瞬时频率突变点时刻，根据瞬时频率突变点时刻，可以对Kalman滤波器过程噪声方差和观测噪声方差进行自适应调整，以减轻干扰信号瞬时频本文档来自技高网...

【技术保护点】
1.一种基于Kalman滤波器的导航接收机干扰抑制方法，其特征在于，包括如下步骤：步骤1，构建接收信号r[n]的状态空间：

【技术特征摘要】
1.一种基于Kalman滤波器的导航接收机干扰抑制方法，其特征在于，包括如下步骤：步骤1，构建接收信号r[n]的状态空间：其中，Xn＝[u[n]u[n-1]]T为状态矢量，上标T表示转置；zn＝r[n]，r[n]＝u[n]+s[n]+w[n]，其中，u[n]为干扰信号，s[n]为期望信号，w[n]为噪声，n为信号采样时刻；en为服从高斯分布的过程噪声，观测噪声vn为期望信号s[n]和噪声w[n]之和；矩阵Fn、矩阵G以及矩阵H为：其中，f[n]为干扰信号的瞬时频率；f′[n]为瞬时频率f[n]的一阶导数，即调频斜率；步骤2，利用接收信号的时频分布，获得干扰信号瞬时频率和调频斜率估计值，基于干扰信号瞬时频率、调频斜率估计值、过程噪声方差以及观测噪声方差，利用Kalman滤波器在每个时刻进行更新以获得状态矢量估计值，状态矢量估计值中的第一个元素即为干扰信号估计值...

【专利技术属性】
技术研发人员：王永庆，刘东磊，陈岩，张春，何宜根，杨娜，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：北京,11