GNSS干擾調制方式識別方法研究＊

陳奇東，甄衛(wèi)民

（中國電波傳播研究所，山東 青島266107）

0 引 言

全球導航衛(wèi)星系統（GNSS）在軍事和民用領域一直提供著高精度的導航、定位、授時等服務，受到越來越多的用戶所依賴。然而，隨著工業(yè)的發(fā)展，電磁環(huán)境越來越復雜，GNSS受到電磁干擾的嚴重威脅，制約著其應用。

為了有效的控制干擾，人們采用了多種手段，包括對干擾的監(jiān)測、查找，排除非法干擾；研制抗干擾接收機，對干擾進行抑制等。均有必要對干擾的調制方式進行識別，以確定干擾的特征，從而有利于查找干擾源，或者在接收機中采用有針對性的抗干擾算法對干擾進行抑制［1］。

1 干擾的關鍵特征提取

通常，GNSS干擾是來自周圍的無線電通信、廣播的無意干擾，或是來自敵方的有意干擾，干擾的調制方式種類繁多，但是所有的調制方式均是用調制信號對載波的幅度、頻率、相位參數進行調整，從而達到利用載波承載信息的目的。因此，對調制方式的識別，應該從提取干擾的幅度、頻率、相位的關鍵特征開始。主要的關鍵特征有:

1）歸一化瞬時幅度的方差σaa［2］

式中，acn（i）為歸一化中心瞬時幅度值，

而

式中，a（i）為幅度的采樣值。

2）歸一化中心瞬時幅度的功率譜密度的最大值γ［2－3］max

式中，acn（i）是歸一化中心瞬時幅度值，定義同式（1）．

式中變量acn（i）定義同式（1）．

式中:

式中，f（i）為頻率的采樣值。

式中:

式中，φ（i）為相位的采樣值。

2 常見干擾調制方式的識別

2．1 常見干擾的數學表達

1）AM干擾

式中:ma為調制指數，0＜ma＜100%；fx為干擾的調制頻率；fc為干擾的載波頻率，下同。

2）DSB干擾

3）SSB干擾

式中，y（t）為x（t）的希爾伯特變換

因此，SSB調制信號可以表示為

4）角度調制（FM、PM）干擾

式中，β為調制指數。對于PM信號β表示為βp＝Kp，Kp為相位偏移常數；對于FM信號β表示為

式中，gT（t）為矩形不歸零脈沖。

6）2FSK干擾

5）2ASK干擾

7）2PSK干擾

式中:an為雙極性二進制數字序列；gT（t）為脈沖成型濾波器的沖擊響應。

8）QPSK干擾

式中:Ts為四進制符號間隔，｛θi；i＝1，2，3，4｝為正弦載波的相位，有4種可能狀態(tài)。

2．2 常見干擾調制方式的識別流程

針對上述的常見干擾調制方式，提取并分析其關鍵特征，利用不同的關鍵特征，對各種調制方式的干擾進行分類、識別，圖1示出了對不同干擾調制方式干擾的識別流程。

圖1 常見干擾調制方式的識別流程

從圖1可以看出，通過歸一化瞬時幅度的方差，將干擾分成兩類:AM、ASK、DSB和PSK、FSK、QPSK、SSB、FM、PM，分別對兩類干擾進行識別。

針對AM、ASK、DSB干擾，通過歸一化中心瞬時幅度的功率譜密度的最大值識別出AM干擾；利用歸一化瞬時幅度的方差，識別出ASK干擾和DSB干擾。

針對PSK、FSK、QPSK、SSB、FM、PM 干擾，首先，利用歸一化瞬時頻率的累積量將該類干擾分成QPSK、PSK和FSK、SSB以及FM、PM 三類；然后，分別利用歸一化瞬時相位的累積量和瞬時幅度的累積量將干擾識別開來。

3 干擾調制方式識別的性能評估

通過上述分析，對常見干擾的關鍵特征進行提取，對關鍵特征進行分類，識別出常見干擾的調制方式，當干信比為10dB時，各種調制方式的識別準確率如表1所示。

表1 識別準確率（干信比為10dB）

當干信比較高時，該方法能得到很高的識別準確率。隨著干信比的提高，識別準確率會繼續(xù)提高，直至達到100%；反之，識別準確率將降低。圖2示出了識別準確率隨干信比的變化。

圖2 干擾調制方式識別的準確率

當干擾電平超過信號電平時，即干信比超過0 dB，該方法可以對常見干擾調制方式進行識別，但識別準確率只有30%左右，隨著干信比的增加，干擾調制方式識別準確率提高，可以達到較好的識別效果。

4 結 論

通過對干擾的關鍵特征提取，對常見干擾進行分析，給出干擾調制方式的識別流程，通過仿真，驗證該識別方法的有效性，在干信比達10dB以上時，識別準確率可以超過95%，針對GNSS信號而言，由于其采用了擴頻體制，其抗干擾能力可達30 dB以上，因此，對于常見的對GNSS有威脅的干擾，利用所提到的方法都可以有效識別。

［1］ KUNDU A，MUKHOPADHYAY M，SARKAR B K．Incorporation of anti－jamming techniques in a GPS receiver［C］／／IEEE－International Conference on Signal Processing，India，Jan．4－6，2008．

［2］ NAND A K，AZZOUZ E E．Automatic analogue modulation recognition［J］．Signal Processing ，1995（46）:211－222．

［3］ WONG M L D，NANDI A K．Automatic digital modulation recognition using artificial neural network and genetic algrithm［J］．Signal Processing，2004（84）:351－365．

［4］ AZZOUZ E E，NANDI A K．Automatic modulation recognition［M］．London:Elsevier Science Ltd，1997．