一种导航信号干扰源检测与识别方法及系统技术方案

本发明专利技术是一种导航信号干扰源检测与识别方法及系统。本系统包括信号检测终端、无人机单元和数据处理中心；信号检测终端采用多固定终端组网，无人机单元获取目标干扰源信息和干扰源所在区域图像，数据处理中心初步对干扰源定位，识别无人机采集图像中的干扰源。本方法综合地面终端采集电磁波信号，初步定位干扰源位置，控制无人机抵近干扰源所在位置，获取干扰源所在区域图像，通过对无人机采集图像进行处理，与GIS的地图信息融合，从采集图像中识别干扰源。本发明专利技术方法及系统能够准确检测、识别导航信号干扰源并记录其外形特征，在工作人员到达现场之前先完成对可疑干扰源目标的精准检测与识别，为后续工作人员的排除提供帮助。为后续工作人员的排除提供帮助。为后续工作人员的排除提供帮助。

【技术实现步骤摘要】
一种导航信号干扰源检测与识别方法及系统


[0001]本专利技术涉及信号检测定位、数据融合和图像识别领域，尤其涉及一种导航信号干扰源的检测与识别方法及系统。

技术介绍

[0002]近年来电磁环境日益复杂，大功率信号发射器被肆意违规使用，影响了各类无线通信的正常工作。例如，利用信号屏蔽器干扰附近区域内的导航信号，导致导航信号无法正常被接收机识别，使得导航失败。因此，目前各方正广泛开展对检测、定位导航信号干扰源的研究。现有的导航信号干扰源检测定位方法，在完成对干扰源的定位后，需要派出地面人员前往所给出的干扰源位置搜寻干扰源，并予以排除。但是，工作人员通过当前检测手段仅能知道干扰源的大概位置信息和信号参数信息，而不知道干扰源实际外形等形象化的信息，因此当工作人员到达预定位置后，还需要对预定位置附近的疑似目标进行逐一排查，或者是使用手持式信号测向设备来进一步定位干扰源，耗费时间长，排查效率低。特别是干扰源处于运动状态时，对干扰源的排查则更为困难。

技术实现思路

[0003]针对上述问题，本专利技术提供了一种导航信号干扰源检测与识别方法及系统，能够准确检测、识别导航信号干扰源并记录其外形特征，在工作人员到达现场之前先完成对可疑干扰源目标的精准检测与识别，为后续工作人员的排除提供帮助。
[0004]本专利技术提供的一种导航信号干扰源检测与识别方法，包括以下步骤：
[0005]步骤1，获取并处理干扰源特征信息，实现对干扰源的定位；
[0006]地面信号检测终端采集干扰源发射的电磁波信号，将信号参数及终端信息发送给数据处理中心，数据处理中心融合多个所述信号检测终端发送的数据，对干扰源定位；
[0007]步骤2，数据处理中心实时将干扰源位置发送给无人机，控制无人机抵近干扰源所在位置，检测定位干扰源并获取干扰源所在区域图像；
[0008]所述无人机上搭载干扰信号检测终端，该终端持续跟踪干扰源发射的电磁波信号，提取信号参数，并将相应航迹信息传回数据处理中心；无人机还利用该终端在航迹上不同观测点对干扰源观测获取干扰源方位，确定干扰源位置，以修正飞行方向；其中，无人机确定干扰源位置，修正飞行方向的方法为：采用无迹卡尔曼滤波算法，由k时刻无人机位置，按照预设步长遍历当前无人机所有可能的飞行方向，估计无人机下一个位置和干扰源的相对位置，得到无人机下一相对位置估计量的均方误差，以均方误差最小的航迹方向作为无人机在k+1时刻的飞行方向；
[0009]步骤3，对无人机采集图像进行预处理，删除效果不好的图像；
[0010]步骤4，将预处理后得到的无人机采集图像导入地理信息系统(GIS)，与GIS存储的区域地图信息进行融合；
[0011]步骤5，从无人机采集图像中检测、识别干扰源并记录其外形特征。
[0012]进一步的，所述步骤1，地面信号检测终端对采集的干扰源发射的电磁波信号进行预处理，得到信号频率、强度、方向和时间等相关参数，将信号相关参数和终端自身经纬度坐标等信息传回数据处理中心；数据处理中心将信号检测终端采集的所述信号相关参数进行融合，初步得到包括干扰源经纬度定位信息等特征信息。
[0013]进一步的，所述步骤2，数据处理中心将干扰源特征信息传给无人机，并持续更新信息，无人机通过三角定位和无迹卡尔曼滤波检测定位干扰源；无人机按照其导航模块的引导进行航迹规划，自动抵近所述干扰源坐标，期间无人机搭载的信号检测终端持续跟踪该信号，并提取信号相关参数和相应航迹信息传回数据中心；无人机到达干扰源坐标附近后，将实时录像传回数据处理中心。
[0014]进一步的，所述步骤3，对无人机采集图像进行预处理的具体过程为：将无人机采集图像与航迹信息进行时间同步，搜索拍摄时无人机距离干扰源坐标过远或者无人机姿态角过大的图像，予以排除；对经过筛选的无人机采集图像进行对比度增强等处理。
[0015]进一步的，所述步骤4，将无人机采集图像与GIS存储的区域地图信息进行融合的具体过程为：从无人机采集图像选取大量容易识别的特征点作为控制点；调用GIS库内以干扰源坐标为中心的区域地图信息；选取适量控制点建立校正模型，并以此对无人机采集图像进行重采样内插，完成几何校正、配准；确定无人机采集图像表示的经纬度范围。
[0016]进一步的，所述步骤5，对步骤3融合了GIS信息的所有无人机采集图像，均从中筛选出与干扰源位置坐标相同或者相近的疑似物体；统计疑似物体的出现频率并降序排序，将排序靠前的物体判定为疑似干扰源，存储并显示该识别结果，同时在GIS地图中标记出该干扰源及相关信息。
[0017]相应地，本专利技术提供的一种导航信号干扰源检测与识别系统，包括信号检测终端、无人机单元以及数据处理中心；其中：
[0018]信号检测终端，采用多固定终端组网，用于获取检测区域内的信号并提取信号有关参数，将信号相关参数及终端自身位置发送给数据处理中心；
[0019]无人机单元，用于获取目标干扰源电磁波信息和干扰源所在区域图像，并发送给数据处理中心；
[0020]数据处理中心，用于处理信号检测终端和无人机获取到的所述干扰源相关信息，融合多终端获取的干扰源信息，检测目标干扰源的存在与否并实现对所述干扰源的交叉定位，将干扰源位置发送给无人机；融合所述无人机获取的干扰源所在区域图像与地理信息系统信息，实现对所述导航信号干扰源的图像识别。
[0021]所述的无人机单元的微控制器模块中设置有干扰源定位模块，用于根据在航迹上不同观测点对干扰源观测的信号确定干扰源方位，确定方法为：采用无迹卡尔曼滤波方法，由k时刻无人机位置，按照预设步长遍历当前无人机所有可能的飞行方向，估计无人机下一个位置和干扰源的相对位置，得到无人机下一相对位置估计量的均方误差，以均方误差最小的航迹方向作为无人机在k+1时刻的飞行方向。
[0022]所述的数据处理中心，对无人机采集图像进行预处理，删除超过距离阈值以及超过姿态角阈值的图像，对筛选的无人机采集图像进行对比度增强，然后将图像导入地理信息系统GIS进行融合，确定每张无人机采集图像表示的经纬度范围；对确定了经纬度范围的所有无人机采集图像，均从中筛选出与干扰源位置坐标相同或者相近的疑似物体，统计疑
似物体的出现频率并降序排序，将排序靠前的物体判定为疑似干扰源。
[0023]相比现有技术，本专利技术的优点与积极效果在于：
[0024]本专利技术方法能够在覆盖范围内对导航信号干扰源进行实时检测和定位，无人机利用无迹卡尔曼滤波结合最优机动航迹规划进行干扰源定位，提高了对干扰源定位精度；能够识别信号特征，并对干扰源进行分类；能够利用无人机对干扰源进行抵近识别，并记录干扰源外形图像，为后续工作人员快速排查目标提供保证；利用GIS系统和可视化平台呈现检测区域地图和干扰源具体位置及相关信息。本专利技术方法解决了传统的导航信号干扰源检测定位方法中，需要工作人员到达现场后利用手持式检测设备逐一排查疑似目标，耗费时间长，效率低下，以及难以定位排查运动目标的问题。
[0025]本专利技术系本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种导航信号干扰源检测与识别方法，其特征在于，包括如下步骤：步骤1，信号检测终端采集干扰源发射的电磁波信号，将信号参数及终端信息发送给数据处理中心，数据处理中心融合多个信号检测终端发送的数据，对干扰源定位；步骤2，数据处理中心实时将干扰源位置发送给无人机，无人机抵近干扰源所在位置，检测定位干扰源并获取干扰源所在区域图像，并传回数据处理中心；所述无人机上搭载干扰信号检测终端，该终端持续跟踪干扰源发射的电磁波信号，提取信号参数，并与相应航迹信息传回数据处理中心；无人机还利用该终端在航迹上不同观测点对干扰源观测确定干扰源方位，确定方法为：采用无迹卡尔曼滤波方法，由k时刻无人机位置，按照预设步长遍历当前无人机所有可能的飞行方向，估计无人机下一个位置和干扰源的相对位置，得到无人机下一相对位置估计量的均方误差，以均方误差最小的航迹方向作为无人机在k+1时刻的飞行方向；步骤3，数据处理中心对无人机采集图像进行预处理，删除超过距离阈值以及超过姿态角阈值的图像，对筛选的无人机采集图像进行对比度增强，然后将图像导入地理信息系统GIS进行融合，确定每张无人机采集图像表示的经纬度范围；步骤4，从无人机采集图像中检测和识别干扰源，并记录干扰源的外形特征；对步骤3融合了GIS信息的所有无人机采集图像，均从中筛选出与干扰源位置坐标相同或者相近的疑似物体；统计疑似物体的出现频率并降序排序，判定疑似干扰源。2.根据权利要求1所述的方法，其特征在于，所述的步骤2中，无人机在确定干扰源方位时，设无人机从原点出发匀速直线飞行，在k时刻无人机在观测位置(x
ok
,y
ok
,z
ok
)测得方位角θ
k
和俯仰角将无人机速度为控制输入得到系统方程如下：其中，X
k+1
、X
k
分别为k+1时刻、k时刻干扰源与无人机的相对位置向量；设干扰源的坐标位置为(x
s
,y
s
,z
s
)，X
k
＝(x
k
,y
k
,z
k
)＝(x
s
‑
x
ok
,y
s
‑
y
ok
,z
s
‑
z
ok
)；u
k
为k时刻无人机的速度向量；A
k
、B
k
为系数矩阵；ω
k
为k时刻无人机的测量向量；w
k
和v
k
为相互独立的高斯白噪声；采用无迹卡尔曼滤波方法根据X
k
估计X
k+1
以及X
k+1
的均方误差P
k+1|k+1
；在计算时采用球型无迹变换构造Sigma点和权值。3.根据权利要求1所述的方法，其特征在于，所述的步骤3中，将图像导入...

【专利技术属性】
技术研发人员：史晓锋，罗晓燕，李东诚，荣欣，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：