【技术实现步骤摘要】
一种基于两级神经网络的GNSS接收机组合干扰分类识别方法
本专利技术属于信号处理
，具体涉及一种基于两级神经网络的GNSS接收机组合干扰分类识别方法。
技术介绍
全球卫星导航系统(GlobalNavigationSatelliteSystem，GNSS)是一种覆盖广、全天候、实时、高精度的导航系统。随着卫星导航技术的不断发展，GNSS已广泛应用于军事和民用各个领域。GNSS主要包括美国的全球定位系统(GPS)、欧盟的伽利略(GALILEO)、俄罗斯的格洛纳斯(GLONASS)、我国的北斗导航卫星系统(BDS)。由于其应用广泛、影响面大，因此保证全球卫星导航系统的安全性尤为重要。由于导航卫星一般距离地球表面比较遥远，当卫星发射的导航信号传播到地面的用户端时，卫星信号已经十分微弱，而且民用卫星的信号格式公开，再加上卫星导航系统本身抗干扰能力有限，故GNSS接收机很容易受到干扰攻击。压制式干扰和欺骗式干扰是GNSS干扰中两种最典型的干扰方式，也是专门针对导航系统用户端部分所常见的两种干扰。压制式干扰是一种大功率的强干扰信号，通过使接收机无法正常接收、锁定卫星导航信号而使其无法定位。欺骗式干扰是是干扰者通过转发或生成与导航卫星信号相同或相似的信号、使卫星导航系统目标用户的接收机把欺骗信号误认为是真实导航卫星信号，从而对其进行捕获与跟踪，计算出错误的位置、速度或时间。研究GNSS接收机的抗干扰技术，对于提高卫星导航系统在复杂电磁环境下的工作性能、增强卫星导航系统在各种环境中的可靠性具有重要意义。干扰识别是抗干扰的...
【技术保护点】
1.一种基于两级神经网络的GNSS接收机组合干扰分类识别方法，其特征在于，接收机接收到N颗可见卫星发出的导航信号，根据接收到的GNSS信号模型和干扰源，采用基于BP神经网络的两级识别方案，通过第一级识别模块对A/D转换后的数字中频信号提取时域和频域特征，送入BP神经网络进行压制式干扰检测和分类；若第一级识别模块识别结果为无干扰或者存在欺骗干扰时，再对数字中频信号进行捕获，利用捕获后的二维搜索矩阵提取相关峰特征，送入第二级识别模块进行欺骗干扰检测；当两级识别模块最终识别结果为无干扰时，判定接收信号为真实卫星信号，当识别出干扰类型后，采取相对应的干扰处理手段。/n
【技术特征摘要】
1.一种基于两级神经网络的GNSS接收机组合干扰分类识别方法，其特征在于，接收机接收到N颗可见卫星发出的导航信号，根据接收到的GNSS信号模型和干扰源，采用基于BP神经网络的两级识别方案，通过第一级识别模块对A/D转换后的数字中频信号提取时域和频域特征，送入BP神经网络进行压制式干扰检测和分类；若第一级识别模块识别结果为无干扰或者存在欺骗干扰时，再对数字中频信号进行捕获，利用捕获后的二维搜索矩阵提取相关峰特征，送入第二级识别模块进行欺骗干扰检测；当两级识别模块最终识别结果为无干扰时，判定接收信号为真实卫星信号，当识别出干扰类型后，采取相对应的干扰处理手段。
2.根据权利要求1所述的基于两级神经网络的GNSS接收机组合干扰分类识别方法，其特征在于，利用信号频谱幅值的最大值与次大值之比、单频能量聚集度、平均频谱平坦系数、时域峰度、功率谱偏度、功率谱峰度频谱方差与均值平方之比、归一化频谱峰均比和归一化频谱之3dB带宽，训练第一级识别模块的BP神经网络，输出标签分为8类。
3.根据权利要求2所述的基于两级神经网络的GNSS接收机组合干扰分类识别方法，其特征在于，信号频谱幅值的最大值与次大值之比为：
x1＝|X(k)|1stmax/|X(k)|2ndmax
单频能量聚集度为：
平均频谱平坦系数为：
时域峰度为：
x4＝E(|x(n)-μt|4)/σt4
功率谱偏度为：
x5＝E[X(ω)-μP]3/σP3
功率谱峰度为：
x6＝E[X(ω)-μP]4/σP4
频谱方差与均值平方之比为：
x7＝σf2/μf2
归一化频谱峰均比为：
x8＝max{Xu(k)}/E[Xu(k)]
归一化频谱之3dB带宽为：
x9＝card{k|X′u(k)＞V3dB}/card{k|X′u(k)}
其中，Pp(k)表示对P(k)中的冲激部分提取的结果，μt为x(n)的均值，σ是x(n)的标准差；μP为X(ω)的均值，σP是X(ω)的标准差；card{}表示取集合元素的个数，X′u(k)为X(k)利用均值进行归一化的结果，V3dB＝0.707max[X′u(k)]。
4.根据权利要求1所述的基于两级神经网络的GNSS接收机组合干扰分类识别方法，其特征在于，利用相关值全局累加量、相关值局部累加量、相关峰峰值、Af中的相关峰数量、Ac中的相关峰数量、Af的相关峰宽度、Ac的相关峰宽度、Af的相关峰对称差值累加量、Ac的相关峰对称差值累加量、Af斜率差异和Ac斜率差异11个特征，训练第二级识别模块的BP神经网络，输出标签分为2类。
5.根据权利要求4所述的基于两级神经网络的GNSS接收机组合干扰分类识别方法，其特征在于，相关值全局累加量为：
相关值局部累加量为：
相关峰峰值为：
x13＝max{ai,j|ai,j∈A}
Af中的相关峰数量为：
Ac中的相关峰数量为：
Af的相关峰宽度为：
x16＝card{Af|Af＞VT}
Ac的相关峰宽度为：
x17＝card{Ac|Ac＞VT}
Af的相关峰对称差值累加量为：
Ac的相关峰对称差值累加量为：
Af斜率差异为：
x20＝Af(ip+0.5/Δf...
【专利技术属性】
技术研发人员：张国梅，张欣，李国兵，贾小林，马小辉，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西;61
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。