5G系统面向GNSS接收机的干扰源定位方法、存储介质及设备

摘要

本发明公开了一种5G系统中面向GNSS接收机的干扰源定位方法、存储介质及设备，对基站端接收的干扰信号进行采样，估计定位参数；将估计的定位参数代入位置解算方程中求解干扰源位置；根据求解结果，确定干扰源所在的范围，在干扰源范围内选择距离最近的微基站对干扰信号进行再次采样，并再次估计定位参数；将微基站处得到的定位参数代入位置解算方程，完成干扰源定位。本发明大幅提高对干扰源攻击的响应速度以及对干扰源的定位速度，能够快速将干扰源所造成的影响消除。

权利要求

1.一种5G系统中面向GNSS接收机的干扰源定位方法，其特征在于，包括以下步骤：S1、对基站端接收的干扰信号进行采样，估计定位参数；

S2、将步骤S1估计的定位参数代入位置解算方程中求解干扰源位置；

S3、根据步骤S2的求解结果，确定干扰源所在的范围，在干扰源范围内选择距离最近的微基站对干扰信号进行再次采样，并再次估计定位参数；

S4、将微基站处得到的定位参数代入位置解算方程，完成干扰源定位。

2.根据权利要求1所述的方法，其特征在于，步骤S1中，利用小波对接收信号进行降噪处理，然后利用求互相关函数的方法对两路信号之间存在的时延值进行估计；对于到达角AOA，将平面天线阵列按照行列划分，将相邻两行上的接收信号做共轭相乘，消去接收信号中的多数变量，剩下唯一与到达角AOA相关的量ZM；对相邻两列上的接收信号做共轭相乘，得到另外一个与到达角AOA相关的量ZN，结合两次得到的结果，求解出所需要的到达角AOA。

3.根据权利要求2所述的方法，其特征在于，到达角AOA的俯仰角 以及方位角θ如下：

4.根据权利要求1所述的方法，其特征在于，步骤S2中，利用Δtij表示基站i与基站j的TDOA，利用θi表示基站i估计的干扰信号AOA，根据基站A与干扰源位置z和定位参数b之间的关系，确定基站、干扰源位置和定位参数之间的关系等式，求解干扰源位置z。

5.根据权利要求4所述的方法，其特征在于，干扰源位置z如下：‑1

z＝A ·b

其中，xi和yi分别为所建立坐标系中基站i的横坐标和纵坐标，zi为基站i的高度，rij＝Δtij·c，c为电磁波在空气中的传播速度，为信号到达宏基站i时的俯仰角。

6.根据权利要求1所述的方法，其特征在于，步骤S4中，采用AOA作为定位参数，联合多个微基站估计的AOA参数，确定位置解算方程，加入新基站形成超定方程B·w＝c；求解干扰源位置坐标w，干扰源位置坐标w为：T ‑1 T

w＝(BB) ·B·c

其中，xi和yi分别为所建立坐标系中基站i的横坐标和纵坐标，zi为基站i的高度，θi表示基站i估计的干扰信号AOA，为信号到达微基站i时的俯仰角。

7.根据权利要求6所述的方法，其特征在于，位置解算方程具体为：x·sin(θ1)‑y·cos(θ1)＝x1·sin(θ1)‑y1·cos(θ1)x·sin(θ2)‑y·cos(θ2)＝x2·sin(θ2)‑y2·cos(θ2)...

x·sin(θm)‑y·cos(θm)＝xm·sin(θm)‑ym·cos(θm)

8.一种存储一个或多个程序的计算机可读存储介质，其特征在于，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据权利要求1至7所述的方法中的任一方法。

9.一种计算设备，其特征在于，包括：一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行根据权利要求1至7所述的方法中的任一方法的指令。

说明书

5G系统面向GNSS接收机的干扰源定位方法、存储介质及设备

技术领域

[0001] 本发明属于定位导航技术领域，具体涉及一种5G系统中面向GNSS接收机的干扰源定位方法、存储介质及设备。

背景技术

[0002] 全球卫星导航系统(Global Navigation Satellite System，GNSS)是通过空间卫星星座来为地面用户提供连续的定位、导航以及授时服务(Position、Velocity and Time，
PVT)的卫星导航系统的总称。其诞生之初是为了军事应用，这导致了针对其的干扰技术在
一开始就得到了发展。但是随着经济与科技的快速发展，民用领域对GNSS的需求也在不断
地增长，近些年，移动智能设备的数量在不断地增长，同时定位、导航与授时服务的需求也
在不断地增长，GNSS能够正常工作并提供可靠的服务的能力就显得尤为重要。

[0003] 干扰技术可以分为压制式干扰和欺骗式干扰两种类型。压制式干扰通过发射大功率干扰信号来使得GNSS接收机无法捕获跟踪真实卫星信号，从而无法定位；而欺骗式干扰
则通过发射携带虚假信息的卫星信号来使得GNSS接收机获得错误的定位结果，进一步可以
直接诱骗目标前往指定的地点。

[0004] 在城市区域中，微弱的卫星信号很容易被淹没在各种各样的电磁信号之中。当针对GNSS地面接收机的干扰源部署于城市区域时，其对区域中大量的依赖于GNSS服务的移动
通信设备有着严重的威胁。因此需要抗干扰技术来提高GNSS系统在干扰环境中提供可靠服
务的能力。传统的干扰源定位算法，对于针对卫星的干扰源，需要利用卫星平台或者机载设
备来对其进行定位；而对于针对卫星地面接收机的干扰源，则需要额外部署传感器来对其
进行定位。

发明内容

[0005] 本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种5G系统中面向GNSS接收机的干扰源定位方法、存储介质及设备，采用两步定位方法实现对干扰源的
定位。

[0006] 本发明采用以下技术方案：

[0007] 一种5G系统中面向GNSS接收机的干扰源定位方法，包括以下步骤：

[0008] S1、对基站端接收的干扰信号进行采样，估计定位参数；

[0009] S2、将步骤S1估计的定位参数代入位置解算方程中求解干扰源位置；

[0010] S3、根据步骤S2的求解结果，确定干扰源所在的范围，在干扰源范围内选择距离最近的微基站对干扰信号进行再次采样，并再次估计定位参数；

[0011] S4、将微基站处得到的定位参数代入位置解算方程，完成干扰源定位。

[0012] 具体的，步骤S1中，利用小波对接收信号进行降噪处理，然后利用求互相关函数的方法对两路信号之间存在的时延值进行估计；对于到达角AOA，将平面天线阵列按照行列划
分，将相邻两行上的接收信号做共轭相乘，消去接收信号中的多数变量，剩下唯一与到达角
AOA相关的量；对相邻两列上的接收信号做共轭相乘，得到另外一个与到达角AOA相关的量，
结合两次得到的结果，求解出所需要的到达角AOA。

[0013] 进一步的，到达角AOA的俯仰角 以及方位角θ如下：

[0014]

[0015]

[0016]

[0017]

[0018] 具体的，步骤S2中，利用Δtij表示基站i与基站j的TDOA，利用θi表示基站i估计的干扰信号AOA，根据基站A与干扰源位置z和定位参数b之间的关系，确定基站、干扰源位置和
定位参数之间的关系等式，求解干扰源位置z。

[0019] 进一步的，干扰源位置z如下：

[0020] z＝A‑1·b

[0021]

[0022]

[0023] 其中，xi和yi分别为所建立坐标系中基站i的横坐标和纵坐标，zi为基站i的高度，rij＝Δtij·c，c为电磁波在空气中的传播速度， 为信号到达宏基站i时的俯仰角。

[0024] 具体的，步骤S4中，采用AOA作为定位参数，联合多个微基站估计的AOA参数，确定位置解算方程，加入新基站形成超定方程B·w＝c；求解干扰源位置坐标w。

[0025] 进一步的，干扰源位置坐标w为：

[0026] w＝(BTB)‑1·BT·c

[0027]

[0028]

[0029] 其中，xi和yi分别为所建立坐标系中基站i的横坐标和纵坐标，zi为基站i的高度，θi表示基站i估计的干扰信号AOA，为信号到达微基站i时的俯仰角。

[0030] 进一步的，位置解算方程具体为：

[0031]

[0032] 本发明的另一技术方案是，一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当由计算设备执行时，使得所述计算设备执行根据
所述的方法中的任一方法。

[0033] 本发明的另一技术方案是，一种计算设备，包括：

[0034] 一个或多个处理器、存储器及一个或多个程序，其中一个或多个程序存储在所述存储器中并被配置为所述一个或多个处理器执行，所述一个或多个程序包括用于执行所述
的方法中的任一方法的指令。

[0035] 与现有技术相比，本发明至少具有以下有益效果：

[0036] 一种5G系统中面向GNSS接收机的干扰源定位方法，通过利用移动通信系统的基站作为定位传感器，节省了额外部署定位传感器的开销，也提升了对干扰源攻击进行应对的
响应速度。利用阵列天线相邻天线上接收信号存在相同相位差的特点，将面阵天线的接收
信号按照行和列分别划分为多行和多列，进而得到其相位差，从而获得对到达角AOA的估
计。根据定位参数与基站位置以及干扰源位置之间的关系建立方程来求解干扰源位置坐
标。通过两步定位的方法，进一步提升了定位的精度，最高达到米级的定位精度。

[0037] 进一步的，将干扰信号采样后用于对干扰参数TDOA和AOA的估计，以用于后续的定位。利用小波去噪的方法可以降低噪声对于估计精度的影响，进一步提高对TDOA参数的估
计精度；而对于AOA的估计，这里将平面阵列天线划分为多个交错的线阵来进行估计，这可
以在不损失估计精度的同时大幅缩短估计时间，从而提高整个系统的定位速度。

[0038] 进一步的，利用宏基站所采样的信号来估计的参数进行第一步定位，得到一个初步的结果，并以此作为第二步定位时微基站选择的参考。

[0039] 进一步的，所选取的微基站与干扰源已经十分接近，因此可以获得较少受到噪声影响的干扰信号采样，进而得到更为精确的参数估计，从而使得定位精度得到进一步的提
升。

[0040] 综上所述，本发明可以大幅提高对干扰源攻击的响应速度以及对干扰源的定位速度，可以很快将干扰源所造成的影响消除。

[0041] 下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

[0042] 图1为本发明的系统场景图；

[0043] 图2为本发明的方法流程图；

[0044] 图3为本发明的到达角估计方法流程图；

[0045] 图4为本发明的到达角估计精度随信噪比变化示意图；

[0046] 图5为本发明的到达角估计精度随天线数变化示意图；

[0047] 图6为本发明的到达角估计方法与MUSIC算法的运行时间随天线数变化示意图；

[0048] 图7为本发明的TDOA‑AOA联合定位方案与chan氏算法的定位误差随信噪比变化的示意图；

[0049] 图8为本发明的第一步定位与第二步定位的定位误差随信噪比变化的示意图。

具体实施方式

[0050] 超密集组网(Untra‑dense Network，UDN)作为5G中的一项全新技术。其在宏基站(相对微基站)部署的基础上，增加了大量小功率的微基站的部署，使得信号视距传输的可
能性大大增加，这为干扰源定位技术带来了新的挑战和机遇。面对隐藏于建筑物密集区域
中的GNSS干扰源，可以先利用宏基站来缩小干扰源所在的范围，再利用该范围内的微基站
来对其位置进行精确的估计。这样就可以省去传统方法中额外部署传感器所带来的开销，
并且利用现有的基站网络可以更快地对干扰源的攻击行为做出响应，从而更快地消除干扰
带来的影响。

[0051] 请参阅图1，在超密集组网区域中，存在着大量依赖定位服务的设备，它们都面临着干扰源的威胁；在此区域中的GNSS干扰源对汽车进行了干扰，当汽车意识到干扰发生时，
通过附近的基站将存在干扰源的情况反馈到系统终端，由终端对整个区域中的基站发出对
干扰源进行定位的指令。接收到指令后，首先由宏基站对干扰源的所在的范围做初步的判
断，进而再调度附近的微基站参与到定位之中，得到最终精确的定位结果。

[0052] 请参阅图2，本发明一种5G系统中面向GNSS接收机的干扰源定位方法，包括以下步骤：

[0053] S1、根据在基站端接收到的干扰信号，通过利用接收信号采样来估计定位参数；

[0054] 对于时延值TDOA，这里用到了经典的相关法，首先利用小波来对接收信号进行降噪处理，然后利用求互相关函数的方法来对两路信号之间存在的时延值进行估计；而对于
到达角AOA，这里将平面天线阵列按照行列划分，将相邻两行上的接收信号做共轭相乘，从
而消去接收信号中的多数变量，只剩下唯一与到达角AOA(包括俯仰角与方位角)相关的量；
同样的，对相邻两列上的接收信号也做共轭相乘，可以得到另外一个与到达角AOA(包括俯
仰角与方位角)相关的量，结合两次得到的结果，可以求解出所需要的到达角AOA(包括俯仰
角与方位角)。

[0055] 对于阵列天线，其接收信号为

[0056] x(k)＝H·s(k)+n                                     (1)

[0057] 其中，s(k)为原始信号，n为均值为零的复高斯白噪声。而H则为天线阵列的接收响应，其包含了信号的达到角度信息。对于一个有M根天线的线阵，有

[0058]

[0059] 而在实际中，一般会用到面阵，此时，H表示如下：

[0060]

[0061] 其中，表示克罗内克积，而 为俯仰角，θ为方位角。

[0062] 为了求解 与θ，首先将ar与al中的元素求解出来，考虑到ar与al中的元素均为同一个量的不同次方，而且相邻元素有着相同的比值，因此通过将其中的相邻元素取共轭再
相乘来得到我们所需要的量。

[0063] 首先对接收信号进行划分，将每一行天线上的信号取出，做如下的处理

[0064]

[0065] 经过处理之后直接得到所需要的量，对其再进行处理，最终得到

[0066]

[0067] 同样的，对接收信号按照列进行划分，取出每一列上的接收信号进行同样的操作，就可以得到

[0068]

[0069] 利用式(7)最终求得需要的信号到达俯仰角以及方位角，如下：

[0070]

[0071] S2、通过估计得到的定位参数，代入位置解算方程求解干扰源位置；

[0072] 根据基站与干扰源位置和定位参数之间的关系列出联合三者之间关系的等式，基站位置为已知量，定位参数也是估计得到的已知量，因此干扰源位置就成为了唯一的未知
量，因此依据等式关系进行求解。

[0073] 这里作为第一步的定位过程，使用到的定位参数为TDOA与AOA，利用这两个参数可以得到四个等式关系，从而可以对干扰源位置的三个位置坐标进行求解。

[0074] 用Δtij表示基站i与基站j的TDOA，θi表示基站i估计的干扰信号AOA，则有

[0075]

[0076]

[0077] 其中，xi和yi分别为所建立坐标系中基站i的横纵坐标，x和y分别表示干扰源的横纵坐标。

[0078] 对宏基站编号，将基站1设定为参考基站，并以其为原点，分别以东和北作为x轴和y轴正方向，建立平面直角坐标系，因此基站1的坐标即为(0,0)。

[0079] 设 则有rij＝ri‑rj。由此可以得到ri1＝ri‑r1，移项得到ri＝ri1+r1，对等式两边同时取平方，得到

[0080]

[0081] 变换该式，得到

[0082]

[0083] 由(2)式以及ri的表达式，得到

[0084] 将其与(4)式结合在一起，组成如下的方程组

[0085]

[0086] 设z＝[x y z r1]T，上式写成A·z＝b，其中

[0087]

[0088]

[0089] 其中，xi和yi分别为所建立坐标系中基站i的横坐标和纵坐标，zi为基站i的高度，rij＝Δtij·c，c为电磁波在空气中的传播速度，为信号到达宏基站i时的俯仰角，因此求
得

[0090] z＝A‑1·b                               (13)

[0091] S3、根据求解结果，确定干扰源所在的范围，在此范围内选择距离最近的微基站对干扰信号进行再次采样，并估计定位参数；

[0092] S4、将微基站处得到的定位参数代入位置解算方程，得到干扰源的精确位置。

[0093] 利用定位参数与基站位置以及干扰源位置之间的关系来求解干扰源位置坐标。不同的是，此处用作定位的微基站，已经与干扰源十分接近了，信号可以通过直射径传播，因
此采用AOA来作为定位参数。

[0094] 超密集组网要求小区密度大于等于1000/km2，因此微基站之间的间距大约为30m，说明微基站彼此之间十分接近，干扰信号通过直射径传播的概率很高。因此考虑使用信号
到达角(AOA)来对干扰源进行定位。在(9)式中，到达角与基站和干扰源位置坐标之间的关
系已经表述得十分清楚，因此可以直接利用其列出方程

[0095]

[0096] 在(7)式中，后两个方程是等价的，因此在解算时只需要用到其中一个方程。

[0097] 联合多个微基站估计的AOA参数，可以列出如下的位置解算方程

[0098]

[0099] 只要有新的基站参与进来，向方程组中不断地加入新方程，最终形成一个超定方T
程B·w＝c；其中，w＝[x y z]为需要求解的未知量，

[0100]

[0101] 最终所需的解为：

[0102] w＝(BTB)‑1·BT·c                                (17)

[0103] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是
本发明一部分实施例，而不是全部的实施例。通常在此处附图中的描述和所示的本发明实
施例的组件可以通过各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明
的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定
实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获
得的所有其他实施例，都属于本发明保护的范围。

[0104] 实施例

[0105] 考虑一个存在大量通信设备和基站的超密集组网区域，在该区域中，存在着对GNSS接收机实施攻击的干扰源，应用此前所述方案来对此干扰源进行定位。详细的仿真参
数见表1。

[0106] 表1仿真参数表

[0107]

[0108] 对比方案

[0109] 对比方案1：采用MUSIC算法进行干扰信号的到达角估计。

[0110] 对比方案2：采用chan算法进行定位解算。

[0111] 请参阅图4，为角度估计方法的估计精度随信噪比变化的示意图，从图中可以看到在低信噪比下此方法的估计误差相当大，但当信噪比高于‑6dB时，俯仰角与方位角的估计
误差均已经小于5°了，这说明在信噪比一定时，此方法具有可行性。而当信噪比进一步达
到‑2dB及以上时，估计精度已经达到了1°以内，这可以为最终的定位结果提供相当高的精
度。考虑到第二步的微基站定位中，微基站距离干扰源的距离相当接近，因此有着较高的信
噪比，从而可以使用此方法来进行AOA参数估计，提高定位速度。

[0112] 请参阅图5，描绘天线数的变化对此方法的估计精度的影响，可以看到天线数量的增加对于角度估计精度有着一定的提升效果，而且当天线阵列中行数与列数更接近时，估
计精度会进一步提高。

[0113] 请参阅图6，比较此方案与经典的MUSIC角度估计算法的运行时间对比，可以看到此方案的运行速度远高于MUSIC算法，可以大幅提高整个系统定位的速度。

[0114] 请参阅图7，对比本发明方法与chan算法的定位精度对比，可以看到TDOA‑AOA联合定位方法相比于chan算法精度相近，但其定位所需的时间相比chan算法缩短了4倍多，这可
以大幅提高系统对于干扰源所在区域的确定速度，进而快速定位干扰源的位置。

[0115] 请参阅图8，对比了两步定位中第一步与第二步在不同的干扰信号发射功率下的定位精度，可以看到在干扰信号功率较低时，两步定位的方法可以将一次定位的精度提高
50％左右，这说明了第二步的定位对于定位精度有着决定性的作用；而当干扰信号功率较
大时，此时第一步的定位已经可以达到很高的精度了，因此第二步的精度提升相比于低信
噪比下就不太明显。

[0116] 综上所述，本发明一种5G系统中面向GNSS接收机的干扰源定位方法，能够有效的提高对干扰源的定位精度和定位速度；首先，根据超密集组网技术基站密集部署的特点，设
计了宏基站定位缩小干扰源定位范围，微基站定位干扰源的方法；其次，本发明引入了阵列
天线来对干扰信号到达角进行估计，利用天线接收信号之间的相位差设计了到达角的估计
方法，提升了到达角的估计速度，最后通过仿真进行了验证，极大地提升了定位精度以及定
位速度。相比于传统的干扰源定位方案，其具有不需要额外部署传感器的优势，并且定位速
度的提升尤为明显。

[0117] 本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实
施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机
可用存储介质(包括但不限于磁盘存储器、CD‑ROM、光学存储器等)上实施的计算机程序产
品的形式。

[0118] 本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流
程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序
指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产
生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实
现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

[0119] 这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指
令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或
多个方框中指定的功能。

[0120] 这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或
其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一
个方框或多个方框中指定的功能的步骤。

[0121] 以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书
的保护范围之内。