移动平台GNSS干扰抑制的方法及其性能研究

⃝可在www.sciencedirect.com在线获取ScienceDirectICTExpress 8（2022）161www.elsevier.com/locate/icte用于移动平台GNSS干扰抑制的扩展-放大图片作者：Omid Sharifi-Tehrania，Mohamad F.Sabahib，M.R.Danaeeca伊玛目侯赛因综合大学，伊朗德黑兰b伊朗伊斯法罕伊斯法罕大学电气工程系伊朗德黑兰伊玛目侯赛因综合大学电气工程系接收日期：2021年1月15日;接收日期：2021年5月29日;接受日期：2021年7月12日2021年7月29日在线提供摘要随着干扰机/平台的运动，导向矢量和协方差矩阵估计的失配会影响零导向波束形成器的性能。利用空时自适应处理（STAP）结构中的零陷展宽、零陷加深和对角加载收缩，提出了两种抵消巡航移动平台GNSS干扰的方法阐述所提出的方法的增强性能进行了研究，通过数值模拟。结果表明，在严重干扰（GNSS拒绝）的情况下，通过重建和获取至少87%的卫星，所获取的GNSS卫星的数量有所改善。c2021韩国通信和信息科学研究所（KICS）。出版社：Elsevier B.V.这是一个开放的访问CC BY-NC-ND许可证下的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。关键词：阵列天线; GNSS干扰抑制;矩阵收缩;宽深抵消1. 介绍自适应波束形成技术广泛应用于雷达、声纳、电子战、通信和导航等领域。自适应波束形成有多种方法，包括标准Capon波束形成器（SCB）、最小方差无失真响应（MVDR）、最小功率无失真响应（MPDR）、线性约束最小方差（LCMV）、线性约束最小功率（LCMP）和特征向量分解（EVD）波束形成器，但当导向向量（SV）和协方差矩阵估计出现失配时，它们的性能会下降。这是因为真实的协方差矩阵计算在实践中很难，因此，使用样本协方差矩阵（SCM）而不是真实的协方差矩阵[1，3]。为了克服这一挑战，已经提出了诸如对角加载（DL）[4]、对角卸载等方法[5]。此外，利用特征分解过程的方法遭受巨大的计算量，∗ 通讯作者。电子邮件地址：omidsht@gmail.com（O.Sharifi-Tehrani），sabahi@eng.ui.ac.ir（M.F.Sabahi），mrdanaee@alum.sharif.edu（M.R.Danaee）。同行评审由韩国通信和信息科学研究所（KICS）负责https://doi.org/10.1016/j.icte.2021.07.002复杂性[6]。另一个问题发生在干扰环境是动态的时候。如果干扰机或平台快速移动，阵列天线的零瓣或主瓣可能会偏离目标角度/方向，从而导致性能恶化[7]。为了解决这个问题，已经提出了一种称为零加宽或零加宽[8]的方法，以使所需角度的零变宽;然而，它具有浅的深度[1，9]。本文利用空时自适应处理（STAP）技术，设计了低复杂度的空时自适应算法，以克服干扰机/平台的移动、零陷展宽深度浅、导向矢量和协方差矩阵估计不匹配等问题。为此，我们使用人工干扰源作为所需DoA周围区域中的不确定性集合以及DL收缩。因此，我们在不需要的信号方向上实现了更宽的非浅零陷，以及在感兴趣的信号方向上实现了适当的主瓣。此外，在协方差矩阵和导向矢量估计的失配进行补偿。结果表明，在严重干扰（GNSS拒绝）的情况下，通过重建和获取至少87%的卫星，所获取的GNSS卫星的数量有所改善。本文的结构如下。在第2节中，提出了信号模型并将问题公式化。在2405-9595/2021韩国通信和信息科学研究所（KICS）。出版社：Elsevier B.V.这是一个开放的访问CC BY-NC-ND许可证下的文章（http://creativecommons.org/licenses/by-nc-nd/4.0/）。O. Sharifi-Tehrani，M.F.Sabahi和M.R.达纳伊ICT Express 8（2022）161162[客户端]X1×（L+2K+ 1L+1）（）XRx=-===∈2[客户端]NXX2LLWX0[θi−2，θi+θ i]。扩展的综合阵列导向矩阵x（k）xH（k）（2）θi我2我2K2K2K2K2=[客户端]2第三节介绍了零陷展宽-加深方法。在第4节中，提供了模拟结果和讨论，最后，在第5节中总结了本文。2. 问题公式化一种均匀线阵（Uniform Linear Array，简称LLS），M 天线（阵列表1S3DBNSM算法的步骤。步操作步骤1根据（7）计算R†第2步计算合成器= A θ1，. . .，A θL，a（θ0）步骤3设置c =[0，0，0，. . . ，1] T传感器）被放置在彼此距离d处。第k次快拍时的M × 1阵列观测向量可以写为x（k）=xSOI（k）+xJ（k）+xNoise（k），其中xSOI（k）第四步：求出wS3DBNSM=（Hsynth（R）−1合成人）−1（）−1一个合成器Ca（θ0）s（k）、xJ（k）AJ（k）和xNoise（k）分别是感兴趣信号（SOI）、干扰（干扰）信号和噪声分量。假设这些信号在统计上是独立的。s（k）是时刻k处的SOI波形，并且a（θ0）描述了与SOI相关的阵列导向矢量，其中θ0设其DoA和a（θ）= 1，ej 2 πds in θ，. . . ，ej 2 π（M−1）ds inθT，l是波长。设J（k）[j1（k），j2（k），. . .，jL（k）]是L个干扰波形的矩阵，并且A [a（θ1），a（θ2），. . .，a（θL）]是对应于干扰信号的阵列引导矩阵，其中ji（k）是在第k个快照处来自第i个源的接收干扰信号的向量，并且θ i是第i个干扰源的DoA。阵列波束形成器输出可以写为y（k）wHx（k），其中wCM×1是波束形成器复权重（锥形）向量，并且（.）H表示厄米特转置算子。MVDR通过求解以下优化问题（例如使用拉格朗日乘子）来计算[10]：最小值wHRws。t.wHa（θ）=1（1）其中Rx是协方差矩阵。在实际应用中，Rx通常很难计算，通常用样本协方差矩阵（SCM）来3. 所提出的方法在本节中，我们提出了两种用于抵消和波束转向的方法，用于移动平台（具有巡航移动剖面）和GNSS干扰/干扰缓解应用。3.1. 收缩合成源增在该方法中，干扰信号的到达角，用θ1，. . . ，θL的估计。注意，假设SOI的DoA（即θ0）近似已知（在GNSS应用中，SOI通常从天空到达[11，12]，干扰平台可以是机载或地基[1，9]）。现在，我们尝试在干扰源方向上加宽天线方向图的零点。这是通过考虑每个θi周围的不确定性区间并假设2K+101个具有等距DoA的虚拟干扰源来完成的，然后被定义为一 个 合 成 器 =Aθ1 ， . . . ， AθL ， a （ θ0 ）（5）其中∑A =[a（θ − k），a（θ −（K − 1）k）. . . a（θk=1-θ i），a（θi），a（θi+θ i），. . . a（θi+（K − 1）<$），a（θi+<$）]（6）如[10]：wRx−1a（θ0）aH（θ0）R<$x−1a（θ0）（三）为了使所提出的方法对覆盖矩阵失配具有鲁棒性为此，首先使用（2）计算SCM，然后，使用（7）-（9）[ 10 ]计算方差矩阵R_t为了对DoA误差和协方差矩阵失配具有更强的鲁棒性，SCM通常使用对角加载进行修改（补偿），因此，（3）被修改为[10]：R†=αI+βRx（7）1tr（Rx）1tr2（Rx）α=M N（八）（R<$x+γI）−1a（θ0）1tr2（R<$x）+<$R<$x−1tr（R<$x）I<$w=（4）NM2aH（θ0）（R<$x+γI）−1a（θ0）R一Rx=N−1我其中N是快照的数量（1）的解是O. Sharifi-Tehrani，M.F.Sabahi和M.R.达纳伊ICT Express 8（2022）161163X∥ ∥NXXXM其中γ表示对角载荷系数，I为β单位矩阵介绍了不同的方法来确定XMx1tr2（R）+<$R−1tr（R）I<$（九）移动平台，传统的方法可能会失败或导致性能下降。这可以归因于这样一个事实，平台（如无人机、喷气式战斗机和直升机）的快速运动使得波束形成器的零点远离目标角。在下面的部分中，我们提供了在防止空值深度变浅的同时加宽空值的解决方案，以及对协方差矩阵失配的鲁棒性。其中tr（. ）表示矩阵的迹， . 是弗罗贝纽斯矩阵的范数计算波束形成器权重向 量 ， 所 提 出 的 方 法 受 到 LCMV 算 法 的 启 发 [13] 。S3DBNSM总结见表1。正如我们将看到的，使用R*和建议的零陷加宽，技术，导致卓越的性能。值得注意的是，在Asynth的最后一列中，在（5）中，考虑到，以确保SOI信号是γ[10]。 在GNSS干扰缓解应用中，=O. Sharifi-Tehrani，M.F.Sabahi和M.R.达纳伊ICT Express 8（2022）161表164164[]=L2KX++−=-===−- -S3DWBNSM算法的步骤。步操作步骤1设定A′A θ1，. . .，A θL以及r1（k）=在时刻k由第一（参考）天线接收的信号。步骤2获得增强信号向量，xAug（k）=x（k）+∑∑第1（k）条a（θi+j）i=1 j=−K， j=0步骤3计算投影矩阵为P=A′（A′HA′）−1A′H，并通过使用x获得R†Aug作为输入。步骤4获得Rmod=PR<$PH和c=1A′Ha（θ0）XM步骤5：获取权重向量，w=（A′HR−1A′）−1R−1A′cS3W DBN SMmodmodFig. 1. 阵列天线方向性（极化方向图），使用不同的波束成形方法（第一个模拟场景）。以最小的失真接收。这通过在S3DBNSM算法的步骤3中将c的最后一个元素设置为13.2. S3D波形BNSM（S3DWBNSM）在该方法中，虚拟干扰信号波形是从第一天线（参考天线）在观察时间（N个快照）期间接收的样本创建的，并且被增加到x（k）以获得xAug（k）。这种虚拟信息使我们能够更准确地估计协方差矩阵。此外，为了确保在干扰源的方向上具有深零点，我们通过增加信号中干扰的比例来修改该虚拟信号[14]。为此，我们将xAug（k）投影到干扰子空间上，并获得协方差矩阵的修改版本。该方法总结见表2。注意，向量c反映LCMV算法中的约束。因此，在表2的步骤4中执行c的适当定义，以使SOI信号保持不失真。4. 模拟结果和讨论在本节中，我们通过将模拟结果与一些现有方法进行比较来研究我们提出的方法的性能。这里提供的仿真是基于以下假设：由阵列天线接收的信号是平面波。干扰信号来自点源，并被放置在远场。传输介质是各向同性和均匀的。干扰、信号和噪声是相互独立的。噪声为零均值加性高斯白噪声（AWGN），功率为0 dB，忽略天线耦合效应运动平台被假定为具有固定速度和巡航飞行剖面的地基或机载平台。值得注意的是，由于平台和卫星之间的相对径向速度不高，多普勒频率足够小，可以忽略不计，没有任何破坏性的现在，考虑一个有10个全方位传感器的机器人。假设SOI是DoA等于50kHz且频率等于1.225 GHz的GNSS信号。两个干扰/干扰无用信号（UWS），带QPSK调制中心频率为1.225 GHz。UWS的方位角为θ10°，θ245°。每个干扰源的干扰噪声比（INR）为10 dB，SNR为0dB，并且通过平均10000个独立的Monte-Carlo模拟试验并利用1000个快照来获得结果。DoA估计中的误差（视线方向误差）被认为是在2μ m和2μ m之间的均匀随机变量。对于所提出的方法，假设k和K为0。分别为7比较采用以下方法：MVDR [15]、EVD [3]、GLC [10]、VL [16]、BRR[17]、盲法[18]和CMT [7]。对于BRR方法，考虑以下设置：R m0. 001yb，δm0。01和ε0。01. 对于CMT方法，假设10.采用不同的波束形成方法的阵列天线的方向性结果在图3和图4中示出。1、2和表3。可以看出，所提出的S3DBNSM方法提供了对于在45μ m处到达的UWS具有超过80dB衰减的宽零陷，以及对于在0μ m处到达的UWS具有30 dB深度的宽零陷。此外，具有10 dB增益的主瓣 对于SOI，提供了到达50μ m的。S3 WDBNSM方法为UWS提供了-50dB深度的宽零陷，图二. 使用不同波束形成方法的阵列天线方向性（矩形图案）（第一模拟场景）。KO. Sharifi-Tehrani，M.F.Sabahi和M.R.达纳伊ICT Express 8（2022）161表165165- -−不同方法的阵列天线方向性（dB）。角度/方法S3 DB NSM S3 WD BNSM MVDR EVD GLC VL BRR CMT盲−45◦−85 −51 −100 −100 −14 −14 −28 −100 −1000◦50◦-29-22 7. 5 7.5 9 8 8 119 0 −1.5 −9.5 9 8 9 9 −10图3.a. 在 没有干扰的情况下获得PR N （清除条件）。图3.b. 在存在干扰且没有空间滤波的情况下获得伪随机噪声。45度，宽零，近22 dB深度，用于UWS到达SOI的主瓣增益接近0dB，达到50Ω。通过与其他方法的比较，可以得出结论，所提出的方法优于其他方法提供更广泛的非浅零陷方向的无用信号。同时，为SOI的无畸变传输提供了合适的主瓣。S3WDBNSM方法的主瓣增益比其它方法低，但仍为非负。零陷和主瓣创建中的这种行为是因为其他方法主要被设计为在SOI角度中提供良好的主瓣，或者在UWS角度中提供良好的窄零陷，但不是两者都提供。所提出的方法试图处理这两种情况（用于SOI的未失真通过的适当主瓣、UWS方向上的宽非浅零陷），并且提供折衷解决方案。为了研究所提出的算法在实际GPS应用场景中的性能，第二个仿真是用实际的GPS中频（中频）信号数据集进行的。场景假设与之前的模拟相同，除了每个干扰源的INR为36 dB（即总INR为39 dB）。的规格IF数据集见表3。1表4中考虑了具有8个伪随机噪声（PRN）码的8颗卫星。软件定义无线电（SDR）接收机，名为SoftGNSS图四、不 同 算法捕获的卫星平均数。表4GNSS IF数据集规范。参数值卫星GPS L1信号采样频率16 367 600 Hz中频4 130 400 Hz样本类型一个有符号字节（int8）PRN 22、3、19、14、18、11、32、6v3.0，2用于从处理后的接收信号中捕获GPS卫星[19]。请注意，INR是这样的，即在没有任何空间/时间滤波的情况下，8个PRN中没有一个被采集（参见图2）。 3）。不同方法的性能比较图。 四、可以看出，所提出的方法通过重建和获取至少87%的卫星，在所获取的卫星的平均数量方面显著优于其他方法。这是因为同时消除了不需要的信号以及SOI的不受干扰的通过。对于第三动态场景仿真，假设SOI是正弦CW信号，DoA等于80kHz，频率等于1.225 GHz。考虑了在1.225 GHz处DoA等于0kHz和60kHz的每个干扰源的INR为30 dB，SNR为10 dB。其他设置与第一种情况相同。采用不同方法的阵列天线的方向性结果如图5和表5所示。为了更好地说明，图6描绘了频率-角度平面中的S3 DBNSM算法的方向性。可以看出，所提出的方法在不想要的信号的方向上提供更宽的非浅空点方面优于其他方法。同时，为SOI的无畸变传输提供了合适的主瓣。S3WDBNSM方法的主瓣增益比其它方法低，但仍是非负的。如前所述，空值和main1关于GPS真实数据集的详 细信 息，请 参阅：http：//gfix。dk/matlab-gnss-sdr-bo ook/gns-signal-records/.2更多详情请参考：http：//gfix。dk。O. Sharifi-Tehrani，M.F.Sabahi和M.R.达纳伊ICT Express 8（2022）161表5166不同方法的阵列天线方向性（dB）（第三模拟场景）。角度/方法S3 DB NSM S3 WD BNSM MVDR EVD GLC VL BRR CMT盲60◦−90 −46−100−100 −2−100 −10 −3−10011 10 8.5 9 8.5 9−8011 4.5 −20.5 −3.5 8.5 7 8 8.5 −6引用[1] S.穆罕默德扎德岛Kukrer，基于协方差矩阵重构的快速移动干扰鲁棒自适应波束形成，IET信号处理。13（4）（2019）486[2] Z. Liu，S. Zhao，G.张湾，澳-地焦，具有零陷加宽的旁瓣消除器的鲁棒自适应波束形成，IEEE Sens. J. 19（23）（2019）11213-11220。[3] S. Daneshmand，使用天线阵列处理的GNSS干扰缓解（博士学位）论文），卡尔加里大学，2013。[4] X.扬湾，澳-地贾拉勒角Liu，基于最小二乘的自动对角加载协方差阵重构波达方向估计方法，电子。Lett. 56（18）（2020）961[5] J. Qian，Z.他，T. Liu，N.黄，基于方向向量和协方差矩阵估计的鲁棒波束形成，电路系统，信号处理。37（10）（2018）4665-4682。图五. 使用不同波束形成方法的阵列天线方向性（第三模拟场景）。图第六章S 3 D B N S M 方 法 的 阵列天线方向性。波瓣产生是因为其它方法主要被设计为在SOI角度中提供良好的主波瓣，或者在UWS角度中提供良好的窄零陷，但不能同时提供这两种。所提出的方法尝试处理两者（用于SOI的未失真通过的适当主瓣、在UWS方向上的宽非浅零陷），并且提供折衷解决方案。5. 结论针对强干扰（GNSS denied）环境下的GNSS干扰抑制问题，提出了利用空时自适应（STAP）结构中零陷展宽、零陷加深和对角加载收缩的两种新方法。其思想是使算法对SCM估计失配、DoA估计误差以及平台或威胁源的移动具有鲁棒性。使用SCM补偿、零陷加宽和零陷加深，与现有方法相比，所提出的方法在获取GNSS卫星的数量方面提供更好的性能。未来的工作将集中在毛皮- 进一步改进了DL算法，并考虑采用均匀圆阵来对抗欺骗威胁。[6] B. Jalal，X. Yang，X. Wu，T. Long，T.K.李文，基于变步长LMS算法的波达方向估计算法，北京交 通 大 学 学报， 20 0 1 。传播Lett.18（8）（2019）1576[7] W. Li，Y.赵，英-地叶湾，加-地杨，基于自适应可变对角加载的抗阵列校准误差的自适应天线零陷展宽波束形成，Int. J. 科洛纳斯·普罗帕格2017（2017）1[8] Z. Liu，S. Zhao，G. Zhang，灵活的鲁棒自适应波束形成方法与多个单独加宽的零陷，电子快报。56（18）（2020）957-959。[9] L.张丽黄湾，澳-地Li，M. Huang，J. Yin，W.包，无人机导航快速移 动 干扰 抑 制 ：最 小 色 散无 畸 变 响应 波 束 形成 方 法 ，IEEETrans.Veh。Technol. 68（8）（2019）7815-7827。[10] L.甘，智-地Yi，基于高斯分布的鲁棒自适应波束形成对角加载因子的自动计算，AEU-Int。 J. 电子学。Commun. 67（7）（2013）570[11] O. Sharifi-Tehrani，M.F. Sabahi，M.R. Danee，移动平台上GNSS干扰和欺骗检测的低复杂度框架，IET雷达声纳导航。14（12）（2020）2027[12] O. Sharifi-Tehrani，M.F. Sabahi，M.R. Danee，使用随机矩阵理论对无人机地面控制站进行GNSS干扰检测，ICTExpress 7（2）（2021）239-243。[13] Y.贡湖，澳-地王河，巴西-地Yao，Z. Zhang，基于样本协方差矩阵重构的GNSS阵列天线抗干扰鲁 棒 方 法 ，Int。J. 科洛纳斯·普罗帕格2017（2017）1[14] H.王，英-地昌，Y. Xu，基于GNSS接收器动态场景中双投影的抗干扰调零控制技术，传感器19（7）（2019）1661。[15] Y. Xiao，J. Yin，H. Qi，H. Yin，G. Hua，基于估计对角负载的MVDR算法，用于波束成形，Math. Probl. Eng. 2017（2017）1-7。[16] J. Zhuang，Q.耶角Tan，A.H. Ali，低复杂度可变负载-ing forrobust adaptive beamforming，Electron. Lett. 52（5）（2016）338-340。[17] C. Wu ， Y. Guo ， Y. Na 、 X. 王 ， 英- 地 傅 ，Y 。 Yan ，Robustbeamformingusing beam-to-reference weighting diagonal loading andBayesianframework，Electronic. Lett. 51（22）（2015）1772[18] H. Sedighy，在存在互耦的情况下，转向GPS阵列，伊朗。J. 电动电子学。Eng. 14（2）（2018）116[19] Borre Kai等人， 软件定义的GPS和伽利略接收机：单频方法，Springer Science& Business Media，2007年。