【技术实现步骤摘要】
本公开涉及用于估计全球导航卫星系统接收器中的干扰(jamming)的方法以及用于训练机器学习模型以估计干扰的方法。本专利技术还涉及一种设备，该设备包括全球导航卫星系统接收单元和处理单元。
技术介绍
1、全球导航卫星系统(global navigation satellite system，gnss)已被广泛用于获得定位和定时信息，其可以进一步用于各种应用，诸如导航、跟踪、远程控制等。在gnss系统中，地球的大气之上的多个gnss卫星以射频连续地广播它们的gnss信号。配备有gnss接收功能件的设备可以从gnss卫星接收gnss信号以供进一步处理。
2、基于gnss信号的精确定位信息通常期望用于各种应用。然而，由于gnss信号在到达gnss接收器时通常被衰减，因此干扰现在越来越经常和普遍地出现，并且可能严重扰乱gnss信号。干扰可能有意或无意地发生，并且可能由不同类型的干扰信号(诸如连续波信号、窄带信号、宽带信号等)产生。干扰还可能在gnss传输频率的范围内在不同频率发生。在gnss接收器的操作期间，gnss接收器可能在任何未知时间遇到与任何类型的干扰信号的干扰。在存在干扰的情况下，不能保证基于gnss信号的定位信息的可靠性。
3、因此，期望但具有挑战性的是干扰的及时且轻量(lightweight)的估计，使得gnss接收器能够在发生干扰时采取及时的对策。在常规解决方案中不能很好地解决这种挑战。
技术实现思路
1、要实现的目的是提供用于以及时且轻量的方式估计g
2、根据本公开，gnss接收器能够在不同射频rf频带处接收gnss信号，下变频并进一步处理相应中频if频带的gnss信号。接收器可能由于任何类型的干扰信号(例如由非法源发送的)而被干扰。在这种情况下，如果任何干扰信号落入用于接收gnss信号的rf频带的范围内，则可能干扰所接收的gnss信号。
3、改进的概念基于以下思想：接收器收集反映所接收的gnss信号的信息的一组参数。特别是，针对在rf和if频带处接收和处理的那些gnss信号的rf频带和对应的if频带专门测量参数。频带特定参数被输入到机器学习模型，例如，无状态且轻量的逻辑回归模型，并且机器学习模型已经被专门训练用于接收器。机器学习模型输出指示接收器在特定rf和if频带处被干扰的可能性的可能性值。
4、如果可能性被认为是高的，则接收器可以执行对策以消除干扰的影响，例如，通过执行干扰减轻技术，通过停止从受影响的rf频带接收gnss信号，或者通过停止信任基于被干扰的gnss信号产生的位置、速度和时间、pvt、解决方案等。
5、借助于频带特定参数，干扰估计能够指示用于所接收的gnss信号的rf和if频带是否受干扰影响，使得接收器可以决定是否继续使用受影响频带处的gnss信号。
6、由于机器学习模型是无状态的，因此可以在接收器处以及时方式估计干扰，使得可以无延迟地消除干扰的影响。即使在接收器启动时，也可以在接收器操作期间的任何时间执行干扰估计。干扰估计可以快速反映任何现有干扰的变化，并且快速检测新出现的干扰。
7、由于机器学习模型是轻量的，因此具有约束条件和计算资源的接收器(例如，移动设备或物联网设备中的嵌入式gnss接收器)能够在接收器处本地执行干扰估计。
8、此外，考虑到不同类型的接收器可以具有不同的硬件特性以及固件和软件属性，针对一种类型的接收器专门训练每个机器学习模型，从而针对特定类型的接收器优化每个机器学习模型以实现更精确的干扰估计。
9、根据本公开，用于估计gnss接收器中的干扰的方法包括：接收器在rf频带处接收gnss信号并且在与rf频带相对应的if频带处处理所接收的信号，其中，gnss信号在rf频带处的载波频率上被发送并且gnss信号被下变频到if频带；接收器基于所接收的gnss信号在接收器处收集一组参数；以及接收器使用针对接收器训练的机器学习模型来获得可能性值，其中，该组参数是机器学习模型的输入，可能性值是机器学习模型的输出，并且可能性值是0和1之间的数字并且对应于接收器在中频频带中被干扰的可能性。
10、在该方法的各种实现中，机器学习模型是逻辑回归模型。逻辑回归模型是无状态的且轻量的，以用于及时估计干扰。
11、在该方法的示例实现中，该组参数包括rf频谱在rf频带处的偏度(skewness)；rf放大器在接收器中的增益；if频谱在if频带处的偏度；if频谱在if频带处的方差；if直方图下if频带处的方差；塌缩模量-1khz频谱(collapsed塌缩模量-1khz spectrum)在if频带处的平均值，其中，塌缩模量-1khz频谱选自if周围的频谱中具有模量-1khz值的频率分量；以及由于与噪声的高相关性而导致其距离跟踪和/或速度跟踪由接收器中止(abort)的gnss信号的数量。针对接收器使用的rf和if频带测量参数，因此干扰估计可以反映所使用的rf和if频带的干扰状态。已发现，根据用于估计gnss接收器中的干扰的改进概念，这些选定参数构成合理且有效的方法。然而，可以包括另外参数。
12、在所述方法的一些实现中，在接收器收集该组参数之前，接收器对所接收gnss信号应用干扰减轻。在这种情况下，干扰估计在干扰减轻之后执行，并且可以指示干扰减轻是否有效地消除干扰。
13、在一些实现中，所述方法进一步包括：接收器确定阈值，其中，阈值为在0和1之间的数字；接收器在可能性值大于所述阈值时将干扰状态确定为被干扰的状态，并且在可能性值小于或等于阈值时将干扰状态确定为不被干扰的状态。通过使用阈值，接收器可以快速确定干扰状态并且对干扰状态作出反应。
14、本公开还提供了一种训练方法，该训练方法用于根据以及时且轻量的方式估计gnss接收器中的干扰的改进概念来训练机器学习模型。经训练的模型可以用于估计干扰的方法中。训练由用于估计gnss接收器中的干扰的计算设备实现。该训练方法包括：接收器在多个rf频带处接收gnss信号并且在多个相应的if频带处处理所接收的信号，其中，所接收的gnss信号包括被干扰的gnss信号和不被干扰的gnss信号；接收器在相应的if频带处记录与被干扰的gnss信号和不被干扰的gnss信号相对应的一组参数；以及计算设备基于所记录的该组参数和相应if频带处的相应gnss信号来训练机器学习模型。借助于训练方法，获得单个机器学习模型以用于估计所有if频带处的干扰，并且针对该接收器和相同接收器类型的接收器进行优化。
15、在训练方法的一些实现中，记录该组参数包括：接收器记录反映相应if频带内的所接收的gnss信号被干扰或不被干扰的信息的该组参数。
16、在训练方法的示例实现中，该组参数包括以上在用于估计gnss接收器中的干扰的方法中描述的参数。在训练方法中，当接收器在多个rf频带处接收gnss信号并在多个相应if频带处处理所接收的信号时，参数因此是多个rf频带和多个if频本文档来自技高网...
【技术保护点】
1.一种用于估计全球导航卫星系统GNSS接收器中的干扰的方法，所述方法在所述接收器中执行并且包括：
2.根据权利要求1所述的方法，其中，所述机器学习模型是逻辑回归模型。
3.根据权利要求1所述的方法，其中，所述一组参数包括：
4.根据权利要求1至3中任一项所述的方法，其中，所述方法还包括：在收集所述一组参数之前，对所接收的GNSS信号应用干扰减轻。
5.根据权利要求1至3中任一项所述的方法，所述方法还包括：
6.一种通过用于估计全球导航卫星系统GNSS接收器中的干扰的计算设备训练机器学习模型的方法，所述方法包括：
7.根据权利要求6所述的方法，其中，记录一组参数包括由所述接收器记录反映所接收的GNSS信号在所述相应中频频带内是被干扰还是不被干扰的信息的所述一组参数。
8.根据权利要求6所述的方法，其中，所述一组参数包括：
9.根据权利要求6至8中任一项所述的方法，其中，训练所述机器学习模型包括：
10.根据权利要求6至8中任一项所述的方法，所述方法还包括：
11
12.根据权利要求11所述的设备，其中，所述机器学习模型是逻辑回归模型。
13.根据权利要求11所述的设备，其中，所述一组参数包括：
14.根据权利要求11至13中任一项所述的设备，其中，所述设备还被配置为在收集所述一组参数之前对所接收的GNSS信号应用干扰减轻。
15.根据权利要求11至13中任一项所述的设备，所述设备还被配置为：
...【技术特征摘要】
1.一种用于估计全球导航卫星系统gnss接收器中的干扰的方法，所述方法在所述接收器中执行并且包括：
2.根据权利要求1所述的方法，其中，所述机器学习模型是逻辑回归模型。
3.根据权利要求1所述的方法，其中，所述一组参数包括：
4.根据权利要求1至3中任一项所述的方法，其中，所述方法还包括：在收集所述一组参数之前，对所接收的gnss信号应用干扰减轻。
5.根据权利要求1至3中任一项所述的方法，所述方法还包括：
6.一种通过用于估计全球导航卫星系统gnss接收器中的干扰的计算设备训练机器学习模型的方法，所述方法包括：
7.根据权利要求6所述的方法，其中，记录一组参数包括由所述接收器记录反映所接收的gnss信号在所述相应中频频带内是被干扰还是不被干扰的信息的所述一组参数。
<...【专利技术属性】
技术研发人员：M·冯兰森，V·卡里奥，O·阿菲西亚迪斯，B·勒米厄，T·哈特迈尔，
申请(专利权)人：瑞士优北罗股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。