基于无人机小阵列天线GNSS干扰源定位方法.pdf

收稿日期：2023-06-30基金项目：国家自然科学基金委员会-中国民用航空局民航联合研究基金项目(U2133204)；中国民航大学国家自然科学基金配套专项(3122022PT01)作者简介：胡铁乔(1970-)，男，副教授，主要从事阵列信号处理系统、软件无线电平台等研究.第37卷 第3期2023年6月空 天 预 警 研 究 学 报Journal of Air&Space Early Warning ResearchVol.37 No.3Jun.2023基于无人机小阵列天线GNSS干扰源定位方法胡铁乔，张玉岐（中国民航大学,天津 300300）摘要：针对城市复杂环境中的干扰源定位问题，提出了利用无人机携带小阵列天线对干扰源进行定位的方法为解决解算干扰来向过程中小阵列天线存在角度模糊的现象，需利用无人机对其携带的两根接收天线进行旋转；旋转一周后，利用其变化率信息结合无人机方位角数据，得到无人机指向干扰源的角度(即干扰来向)；最后利用最小二乘定位法进行位置解算，并将定位结果显示在卫星图上实验结果表明，本文定位方法的相对定位误差均保持在5%以内，从而验证了无人机小阵列天线对干扰源定位的方法具有可行性和鲁棒性关键词：干扰源定位；无人机；阵列天线；波达方向估计；最小二乘法中图分类号：V279；TN967.1文献标识码：A文章编号：2097-180X(2023)03-0204-05全球导航卫星系统(GNSS)在民航领域中有着广泛应用，近年来发现的新型 GNSS 干扰源对民航中的定位、导航、时间同步功能产生了严重的负面影响1全球定位系统(GPS)中的 L1 波所对应的载波频率为1575.42MHz，波长约为 19.04cm，是 GPS 信号中最常用的频段之一为了维护民航飞行所需的无线电环境，需要对这些非法干扰进行排查在城市环境中，由于无线电信号受到建筑物、金属、树木的反射与遮挡，接收信号质量较差，导致传统的固定式、车载式和便携式地面无线电监测系统产生较大的定位误差2进而考虑在空中对信号进行采集，此时信号所产生的多径效应较弱且质量较强当前利用无人机对干扰源进行定位的方法较多1-3，大体分为利用无人机携带多阵元、无人机机群、地面站与无人机结合等定位方法其中利用无人机携带多阵元则会增加无人机的负重，导致无人机耗电加快，工作时长过短而利用无人机机群、地面站与无人机相结合的方法则需要多个技术人员相配合才能完成对干扰源的定位工作本文所提方法仅需一架无人机以及 2 条接收天线，在减轻无人机配重的同时也减少了完成定位工作所需的人员数量，在实际应用中仅需一人一机即可完成相关定位工作该方法首先通过无人机在不同位置采集干扰信号，再利用文中所提小阵列天线解模糊的方法获取干扰来向后，使用最小二乘法对干扰源进行了位置估计通过卫星图上显示的定位结果，与真实干扰所在位置进行对比，从而验证了方法的可行性，为定位干扰源提供了参考1GNSS干扰源定位方法现阶段国内的无线电监测工作主要采取传统的地面监测方式在实际应用中，根据不同的环境，分别采用固定监测站、移动监测车、便携式监测测向设备等对干扰源进行监测并测向定位3传统方法主要通过人力进行逐步排查的方式对干扰源进行定位图 1 为传统地面站定位干扰源的流程首先通过固定监测站确定监测范围内是否存在干扰；在确定干扰存在的情况下，架设多个小型监测站，通过不同监测站交汇确定干扰源的大致位置；在到达大致位置后，利用便携式测向定位设备查找，并逐步逼近干扰源，从而得到干扰源的具体位置信息多个小型监测站初步定位人力搜索干扰源固定监测站确定干扰存在图 1传统地面站定位干扰源流程2无人机小阵列干扰源定位方法2.1无人机小阵列空间模型小阵列天线由 2 个接收天线构成，皆为全向天线，且增益相同假设t时刻干扰源所发出的信号为s(t)，到达 2 个阵元上的噪声分别为n1(t)和n2(t)，此时阵列接收到一远场窄带信号4，选取其中一个接收天线为参考阵元，令参考阵元接DOI:10.3969/j.issn.2097-180X.2023.03.010第3期胡铁乔，等：基于无人机小阵列天线GNSS干扰源定位方法205收到的信号为X1(t)=s(t)+n1(t)(1)则另一阵元的接收信号为X2(t)=s(t+)+n2(t)(2)式中，为信号到达第 2 个阵元时相比于到达参考阵元时的延迟；s(t+)=s(t)ej，为信号s(t)的中心角频率图 2 为无人机小阵列接收模型，其中为干扰源的来波到达方向，d为两阵元间距阵元1d s i nd干扰信号阵元2图 2无人机小阵列接收模型2.2DOA解算无源定位系统中的数据采集模块在接收到无线电干扰信号后，可以对干扰信号进行初步估计主要包括来波到达方向(DOA)、到达时间以及幅度等，其中 DOA 的获取是无源定位的研究热点之一5通常可以使用传统的相位差测向法、旋转不变技术(ESPRIT 算法)、多重信号分类法(MUSIC 算 法)等 对 目 标 信 号 的 DOA 进 行 估计其中 MUSIC 算法相比于相位差测向法在获取 DOA 的同时，还可以分辨信号源的个数，前提是阵元个数 M 必须大于信号源的个数而 ES-PRTI 算法则对接收阵列有严格的要求，需要接收阵列具备平移不变性本文选用 MUSIC 算法对 DOA 进行解算利用 MUSIC 算法，将阵列接收信号的协方差矩阵进行特征分解，通过把特征值从小到大排列，分为T个较大的特征值和M-T个较小的特征值，其中T个较大的特征值所对应的特征向量为信号子空间，T为干扰源的个数；M-T个较小的特征值对应的特征向量为噪声子空间再通过阵列的导向矢量与噪声子空间的正交性构成空间扫描谱，通过搜索谱峰，从而实现对信号的 DOA 估计6具体步骤如下：1)建立阵列接收信号X(t)的数学模型，即X(t)=A()S(t)+N(t)(3)式中，A()为阵列的方向矩阵，S(t)为干扰源所发出的无线电信号，N(t)为噪声矩阵2)求阵列接收信号的协方差矩阵R设信号的协方差矩阵为RS，2为噪声功率，则R=EX(t)XH(t)=A()ES(t)SH(t)AH()+2I=A()RSAH()+2I(4)式中 H 为共轭转置3)对协方差矩阵R进行特征值分解设UT为 T 个较大的特征值所对应的特征向量(信号子空间)，UM-T为剩下的较小特征值对应的特征向量(噪声子空间)，有R=UTTUHT+UM-TM-TUHM-T(5)式中，T为 T 个较大的特征值，M-T则为 M-T个较小的特征值4)构造子空间的谱峰搜索函数Pmusic设aH()为阵列的导向矢量，由于实际情况中存在噪声导致aH()与UM-T并不能完全正交，因此需要构造子空间的谱峰搜索函数：Pmusic=(aH()UM-TUHM-Ta()-1(6)利用 MUSIC 算法所获取的 DOA 估计范围是由-9090，在谱峰搜索的过程中会出现的 T 个较高的峰值7，这些峰值所对应的角度即代表着干扰源相对于阵列的 DOA2.3解角度模糊小阵列天线利用 2 条全向接收天线排列成线阵，所计算出的 DOA 范围为-9090，但在实际中，干扰源相对于接收阵列的方位角指向为0 360，因此阵列会出现角度模糊的现象8阵列接收信号示意图如图 3 所示(2 条接收天线的间距为 D)假设某时刻所解算出来的 DOA 为1，此时无法确定信号源是在位置 1 还是位置 2的方向因此将 2 条接收天线连线所在的直线记为L，直线L将此阵列分为左右两面，记小阵列天线的左面为p面，右面为q面，此时确定干扰源在位置 1 或位置 2 的方向问题转换成了确定干扰源是在接收阵列的p面或是q面的问题XY位置1位置2接收天线2接收天线1Lpq干扰源POs无人机方位角指向O ZD11图 3阵列接收信号示意图为解决上述角度模糊问题，对接收阵列以点O为圆心进行逆时针旋转，其中O为 2 条接收天线的中点，虚线s为其中垂线针对固定位置的无线电干扰源问题，若接收天线阵列进行旋转，则所获取的 DOA 也会根据阵列旋转而产生变化以中垂线s为分割线，若t时刻接收天线2 距离干扰源更近，则规定此时所获取的波达角t0，反之则波达角t0(90-)+(-90)03)根据1的大小，求得2：2=1+36011804)根据2的大小，解算出干扰来向3=360-(2+90)2.4定位解算角度定位模型如图 4 所示在二维的定位场景中，假设固定干扰源 P 的坐标为P(xPyP)，接收模块分别在多个位置采集干扰源的信息，通过P(xP,yP)XYOOi(xi,yi)rii图 4角度定位模型上述解角度模糊所计算出的干扰来向，然后再结合无人机采集系统所在位置的经纬度坐标为Oi(xiyi)，对未知的固定干扰源进行定位解算9通过干扰源到达无人机的角度和距离，根据几何关系可以得出i=arctan(yi-yP)/(xi-xP)ri=(yi-yP)2+(xi-xP)2)1/2(7)式中，i1n为无人机第i次采集所在的位置，n为总采集次数因此推算出无人机与干扰源之间的方向向量为xP-xiyP-yi=ricosirisini(8)令bi=cosisiniT，假设ai为bi的正交向量，因此可得ai=sini-cosiT，使ai与式(8)相乘并化简，可得aTiP=aTiOi(9)式中，P=xPyPT，Oi=xi yiT设A=aT1aTnT，H=aT1O1 aTnOnT，此时式(9)可简化为AP=H(10)由于无人机需要在多个不同的位置进行数据采集，即对干扰源进行定位时所用到的位置信息数量大于 2 个，此时方程的个数大于未知数的个数，矩阵为超定矩阵，也即矩阵A的逆不存在，需要使用其广义逆广义逆可以采用最小二乘法(LSM)求得10，因此式(10)的最小二乘解为P=ATA-1ATH(11)2.5定位流程利用单个无人机对干扰源进行定位的流程如下Step 1 利用无人机搭载小阵列天线，操纵无人机停留在某位置，匀速旋转小阵列天线一周，通过 MUSIC 算法获取干扰源的 DOA；Step 2 使 DOA 及其变化率与无人机方位角指向信息相结合，解算出无人机指向干扰源的方位角，即干扰来向；Step 3 通过多次采集，在不同位置获取不同的干扰来向后，利用最小二乘法对干扰源位置进行解算；Step 4 将解算出的定位结果放入卫星图中进行观察3实验结果3.1实验测试设备及条件无人机选用大疆 M600 Pro，其有 6 kg 的载重图 5 为无人机采集设备及干扰源所搭建的无人机数据采集系统中的 2 个红框内分别为接收天线 1 和接收天线 2，为保持 2 条接收天线的间距接近 L1 频段的半波长，因此将其间距 D 设第3期胡铁乔，等：基于无人机小阵列天线GNSS干扰源定位方法207为9.50cm实验中，为防止干扰到 GNSS 的正常使用，将干扰源频率设为 1578.42MHz，此时所对应的波长为 19.01cm，其半波长也符合小阵列天线的阵元间距，再将射频信号源通过线缆连接至发射天线形成干扰源无人机接收天线1接收天线2(a)无人机采集设备(b)射频干扰源图 5无人机采集设备及干扰源无线电监测软件如图 6 所示设置接收机本振频率为 1578.32MHz，通过混频把干扰源频率下变频到 100kHz 上进行后续处理，在采集时将采样率设置为40MHz，接收带宽设置为5MHz双通道采集1 5 7 8.3 2 MH z 接收机本振频率5 MH z 接收带宽 4 0 MH z 采样率图 6无线电监测软件3.2实验结果分析将采集系统分别在距离干扰源 50m 和 100m处进行测试，同时在相同距离情况下，调整射频信号源的功率分别为-20 dB 和-10 dB 进行对比实验图 7 和图 8 为 4 种情况下的定位结果图中 4 个黄色的点为无人机所在的位置，其所对应的红、黄、蓝、绿线分别为在 4 个位置所解算出的干扰来向，黑点为定位结果，绿点为干扰源所摆(a)发射功率为-20dB(b)发射功率为-10dB(a)发射功率为-20dB(b)发射功率为-10dB图 7距干扰源 100m 时不同发射功率的定位结果图 8距干扰源 50m 时不同发射功率的定位结果放的位置，中间黄色区域为锁定的干扰所在区域由图 7 可知，发射功率为-20 dB 时，相对定位误差为 4.336%；发射功率为-10dB 时，相对定位误差为1.317%由图8可知，发射功率为-20dB时，相对定位误差为 3.434%；发射功率为-10dB时，相对定位误差为 1.209%由上述实验结果可知，本文所提定位方法切实可行，实现了对干扰源进行定位的目标测试中无人机定位系统在同一区域内，通过改变其与干扰源之间的距离及干扰信号的发射功率等条件，定位结果的相对误差均保持在 5%以内，在本系统所能接收的误差范围之内4结论1)本文提出了单无人机携带小阵列天线的GNSS 干扰源定位方法针对小阵列天线存在的角度模糊问题，提出可通过旋转阵列一周，利用MUSIC 算法获取波达角后，再利用其变化率以及无人机的航向角信息解算出干扰来向的方法2)实验结果表明，设置无人机与干扰源之间不同的距离，以及不同的干扰源发射功率，本文方法可以对干扰源位置进行有效估计，并且距离越近，信号发射功率越大，定位效果会越好3)使用双阵元天线阵列，只可以对单个干扰源进行定位处理若区域内同时出现多个干扰源，还应换用多阵元天线阵列进行处理参考文献：1李东诚,史晓锋,苏岳,等.基于无人机和视觉定位的空基GNSS干扰信号检测方法J.西华大学学报(自然科学版),2021,40(6):7-12.2彭志威.地空一体化无线电监测的无源探测与定位研究D.武汉:华中科技大学,2020:1-3.3熊仁和.基于多无人机的民航无线电干扰源定位方法研究D.广汉:中国民用航空飞行学院,2022:22-24.4李鹏飞.基于深度学习的水声阵列DOA估计方法研究D.镇江:江苏科技大学,2022:7-14.5王志红.干涉仪单站无源侦察定位及实现D.西安:西安电子科技大学,2015:5-6.空 天 预 警 研 究 学 报2023年2086吴琴.二维波达方向估计算法研究D.西安:西安电子科技大学,2020:11-13.7李丹宁.基于传感器阵列扩展的目标测向算法研究D.天津:天津职业技术师范大学,2023:13-14.8李冬,焦义文,高泽夫.旋转基线相位干涉仪测向精度提高方法J.电讯技术,2022,62(7):936-940.9薛静静,吴小松,孙志明,等.基于到达角的无源定位算法研究与仿真J.中国无线电,2021(7):68-70.10 韩慧珠.单站测向无源定位技术研究D.成都:电子科技大学,2014:30-31.GNSS interference source location method based on unmannedaerial vehicles small array antennaHU Tieqiao,ZHANG Yuqi(CivilAviation University of China,Tianjin 300300,China)Abstract：Aiming at the location of interference sources in complex urban environment,a method of position-ing interference sources by using unmanned aerial vehicle(UAV)to carry small array antenna is proposed.In or-der to solve the problem of angle ambiguity in small array antenna in the process of calculating the direction of in-terference source,the UAV is needed to rotate the two receiving antennas it carries.After one revolution of thetwo antennas,the angle at which the UAV points to the interference source(i.e.,the direction of interferencesource)is obtained by combining the information of their change rate with the UAV azimuth data.Finally,theleast square positioning method is used to solve the position,and the positioning results are displayed on the satel-lite map.The experimental results show that the relative positioning errors of the positioning method proposed inthis paper are maintained within 5%,thus verifying the feasibility and robustness of the method for locating the in-terference source with UAV small array antenna.Key words：interference source location；UAV；array antenna；direction of arrival estimation；least squaremethod(LSM)空天预警研究学报 投稿须知空天预警研究学报(原 空军预警学院学报)主要刊登以战略预警理论与技术、网电对抗理论与技术、无人作战理论与技术为主的学术论文欢迎军内外院校、科研单位、雷达兵部队、电子对抗部队等相关专业内容的来稿本刊不提供邮局或网络订阅，不收取作者版面费等任何费用凡属相关栏目的科研项目(基金项目)论文，本刊将优先刊登来稿时请注明“项目名称、项目代号或计划编号及作者信息”地方作者可以通过互联网电子邮箱 投稿，军内作者通过如下流程投稿：训练管理信息网空军预警学院学院学报作者投稿所有稿件必须经稿件作者所在单位领导、业务部门及保密委员会审查签字，加盖公章，并注明“无涉密内容，同意发表”字样将保密审查单原件寄至本刊编辑部，通信地址：湖北省武汉市江岸区黄浦大街 288 号 空天预警研究学报 编辑部(邮编：430019)