無人機衛星導航系統的電磁干擾態勢評估方法*

張慶龍，王玉明，程二威，陳亞洲

(1. 陸軍工程大學石家莊校區 電磁環境效應國防重點實驗室， 河北 石家莊 050003; 2. 海軍航空大學, 山東 煙臺 264000)

無人機的興起是現代戰爭強調實時戰場控制、情報收集以及適時準確攻擊的產物[1]，但在現實復雜的戰場電磁環境下，各種電磁信號交織，對于集成了各種用頻裝備的無人機產生了巨大影響，嚴重制約了無人機作戰效能的發揮[2]?，F有的小型無人機，其定位功能主要依靠衛星導航定位系統，當電磁干擾嚴重影響無人機的衛星導航定位系統時，會給無人機的飛行安全帶來潛在的風險[3]，因此有必要開展導航接收機的電磁干擾態勢評估方法研究，為改善無人機在復雜電磁環境下的安全飛行條件提供依據。

文獻[4]提出了一種導航接收機性能評估方法，以可見星的載噪比、偽距觀測誤差和所有可見星的幾何精度因子作為評價指標體系，基于信息“熵”的理論算法，提出了一種虛擬的正、負理想評估方法，并甄選了幾種實際場景進行了分析與評估比較，該方法適用于不同場景下衛星導航接收機定位性能優劣的評估比較。文獻[5]研究了北斗B1I信號接收機在帶限白噪聲、匹配譜干擾和連續波三種干擾下的定位性能。但以上研究都沒有對同一場景下的電磁干擾態勢做出評估。文獻[6-7]從強電磁脈沖下導航接收機的耦合機理分析入手，基于不同射頻前端元器件(低噪聲放大器和限幅器)進行了仿真分析，得到了兩種元器件在強電磁脈沖耦合干擾下的性能曲線。文獻[8]基于上述工作，通過天線仿真軟件和電路仿真軟件的聯合仿真，得到了接收機射頻前端電路敏感器件的毀傷評價曲線。但實際上由于無人機在飛行過程所面臨的電磁環境多為非強電磁場環境，且電磁干擾對導航接收機造成的影響一般為阻塞干擾[9]，而非毀傷效應，所以研究導航接收機的電磁干擾評估而非毀傷效應評估就顯得十分有意義。本文通過開展導航接收機的電磁干擾效應試驗，得到了不同衛星信號跟蹤失鎖時的效應閾值曲線，通過分析找到了影響效應閾值的敏感參數，然后結合深度學習的方法，建立針對效應閾值的XGBoost預測模型。根據試驗過程中導航接收機的效應現象，給出了導航接收機的電磁干擾態勢等級，基于此，提出了一種無人機衛星導航接收機電磁干擾態勢評估方法。

1 導航接收機跟蹤環路電磁干擾效應閾值的變化規律

無人機飛行過程中，在無外界明顯電磁干擾的情況下，其導航接收機接收到的衛星信號質量受到達地面衛星信號功率、多徑干擾等因素的影響，其影響程度反映成可視化結果即衛星信號載噪比，因此在無外界電磁干擾的情況下，信號載噪比代表的是所有環境因素和接收機內部噪聲共同作用下接收機實際對導航信號跟蹤的能力。特別是當無人機在空中飛行時，由于多徑干擾的作用減弱，接收機接收到的衛星信號載噪比較為穩定，所以可以用無電磁干擾時的衛星信號載噪比(即初始載噪比)表征導航信號的功率。文獻[10]指出接收機內部跟蹤環路中存在這樣一個載噪比C/N0門限值：凡是信號小于C/N0這個門限值，環路將會喪失穩定跟蹤該弱信號的能力，因此可以用C/N0門限值作為接收機衛星跟蹤失鎖的判據。

由于接收機內部各個跟蹤環路的處理流程類似，現只針對8號衛星進行研究，開展電磁干擾注入效應試驗，得到了在不同初始載噪比下和不同干擾信號頻率下跟蹤環路失鎖的效應閾值，如圖1所示；初始載噪比一定時，不同干擾信號帶寬下跟蹤環路失鎖的效應閾值如圖2所示。

圖1 不同初始載噪比下的效應閾值Fig.1 Effect threshold under different initial C/N0

圖2 不同干擾信號帶寬下的效應閾值Fig.2 Effect threshold under different interference signal bandwidth

根據圖1可以得出以下結論：

1)干擾信號頻率不同時，跟蹤環路失鎖的閾值不同，且兩側閾值明顯大于帶內閾值，兩者之間為非線性變化。

2)接收機內導航信號的初始載噪比越高，跟蹤環路失鎖的閾值就越高。實際試驗過程中發現，當初始載噪比較高時，跟蹤環路失鎖閾值與初始載噪比之間基本呈線性關系，但當初始載噪比臨近載噪比門限時，此時兩者之間不再是線性關系。

根據圖2可知，當干擾信號中心頻率一致時，不同干擾信號帶寬下，跟蹤環路失鎖的閾值也不一致，兩者之間為非線性變化。對比圖1和圖2可以看出，在窄帶和寬帶電磁干擾下，跟蹤環路失鎖的閾值曲線相對于單頻電磁干擾下的閾值曲線更為平滑，這是由于導航信號對于連續波干擾具有易感性[11]。

綜上可知，引起導航接收機跟蹤環路失鎖的因素包含導航信號的初始載噪比、干擾信號頻率以及干擾信號帶寬，由于這三種因素與環路跟蹤失鎖閾值之間的關系都為非線性，采用傳統的確定性分析方法難以展開非線性的預測建模，且通過試驗測量所有單源電磁干擾下環路跟蹤失鎖的效應閾值工作量巨大，不易實現，所以開展機器學習的辦法將是可行的。首先通過開展電磁效應試驗，構建原始試驗數據樣本，然后利用原始數據進行機器學習方法的訓練建模，最后通過優化模型可以實現對導航接收機在不同電磁敏感參數下(包括干擾信號頻率和干擾信號帶寬)和不同初始載噪比下跟蹤環路失鎖效應閾值的預測，從而減少通過大量試驗確定失鎖效應閾值的工作量。

2 導航接收機跟蹤環路失鎖閾值的預測建模

2.1 XGBoost回歸預測方法

XGBoost算法是近年來新興起的一種預測算法，被廣泛應用于工業故障檢測、銀行業、經濟領域和醫學領域等，其預測效果質量高。XGBoost算法是基于梯度決策樹(gradient boost decision tree, GBDT)框架上提出的[12]，其不僅在計算速度上得到了提升，并且由于該算法具有二階連續可導的目標函數，能夠提高算法的泛化能力[13]，還通過對目標函數引入正則項，進而有效避免過擬合現象的產生[14]。

包含有n條m維的數據集可以表示為：

D={(xi,yi)}(xi∈Rm,yi∈R,i=1,2,…,n)

(1)

那么模型可以表示為：

(2)

F={f(x)=wq(x)}(q:Rm→{1,2,…,T},w∈RT)

(3)

其中：wq(x)為決策樹葉子節點的權重向量，w為葉子權重，q為樹結構。

模型的目標函數可以表示為：

(4)

XGBoost的思想是每次迭代運算將增加一棵樹，目的是為了使預測值不斷接近真實值[15]，當大量的回歸樹建立好后，通過使用“貪心算法”搜索最優的回歸樹結構，使目標函數的值最小，此時的最優回歸樹結構即為最優的XGBoost模型。

2.2 訓練建模的流程

根據XGBoost回歸預測算法，導航接收機跟蹤環路失鎖效應閾值的訓練流程如圖3所示。

圖3 失鎖效應閾值的模型訓練流程Fig.3 Model training process of the loss of lock effect threshold

根據圖3所示，基于XGBoost回歸算法的導航接收機跟蹤環路失鎖效應閾值的預測方法包括：

1)確定模型輸入參數及構建試驗數據樣本。通過第1節中電磁干擾效應試驗結果分析得知，導航信號的初始載噪比C/N0、干擾信號頻率fj和干擾信號帶寬Bj是影響跟蹤環路失鎖效應閾值的敏感參數，因此將這3個參數設定為模型輸入參數。由于接收機內部所有跟蹤環路的處理流程基本相似，因此只選取8號衛星作為試驗對象，以上述3個參量作為試驗時的可調變量(其中窄帶和寬帶干擾信號由噪聲調制而成)，開展電磁干擾效應試驗，得到導航接收機跟蹤環路失鎖的效應閾值，最終構建數據樣本量為750組，將其中的700組作為訓練樣本，50組作為測試樣本。

2)確定迭代模型和回歸模型，設置初始模型參數。選擇基于上升樹的計算迭代模型和線性回歸的目標函數模型，并在此基礎上設置初始模型參數，確定先驗模型。

3)模型訓練。將訓練樣本中的3個參量作為模型輸入，跟蹤環路失鎖的效應閾值作為模型輸出，不斷優化調整模型參數，并確定最優參數，得到后驗模型。

4)模型預測精度檢驗。利用測試樣本中的3個參量作為后驗模型的輸入，可以預測得到模型的輸出，并與測試樣本中跟蹤環路失鎖的效應閾值進行對比分析，完成對模型預測精度和泛化能力的檢驗。

2.3 模型訓練

通過上述模型訓練流程進行XGBoost模型訓練，為了顯示XGBoost模型訓練結果的優越性，訓練過程中對高斯過程回歸(Gaussian process regression, GPR)模型和支持向量機回歸(support vector regression, SVR)模型同步進行了訓練，訓練結果如圖4所示，由于訓練數據樣本量較大，故只取前290組數據進行展示。圖5所示為不同模型的訓練誤差。

(a) XGBoost模型訓練結果(a) XGBoost model training results

根據圖4和圖5可以看出，對于跟蹤環路失鎖效應閾值的訓練結果，XGBoost模型的訓練精度高于GPR模型和SVR模型的訓練精度，其中SVR模型雖然可以通過調整內部參數優化訓練結果，但最優參數下的訓練誤差依舊很大，超過了國軍標規定的3 dB允差[16]，并不滿足實際需求，而GPR模型和XGBoost模型的訓練誤差在規定的允差范圍內。

(a) XGBoost模型訓練誤差(a) XGBoost model training error

為了檢驗訓練模型在預測方面的效果，利用測試樣本，對GPR模型和XGBoost模型的預測性能進行比較，結果如圖6所示。

(a) XGBoost模型預測誤差(a) XGBoost model prediction error

根據圖6的預測結果可以看出，GPR模型的預測誤差較大，最大處超過了15 dB；而XGBoost模型的預測誤差較小，優于GPR模型的預測結果，滿足國軍標規定的3 dB允差。

雖然GPR模型通過內部調參，可以使得訓練具有較好的效果，但在實際預測時，預測效果較差。這是由于導航接收機針對單頻干擾具有易感性，在單頻干擾下，導航接收機的電磁干擾閾值隨頻率變化劇烈，對于需要數據預處理的GPR模型來說，當某一個輸入變量的變化幅度較大時，會增大其預測誤差。相比于GPR模型，XGBoost模型算法不需要數據的預處理，進行訓練和預測時更加方便快捷，且能獲得較好的預測結果。

模型預測結果的準確度受限于接收機對有用信號載噪比測定的精度以及無人機環境感知平臺對干擾信號特征參數測定的準確度。

1)在有用信號方面，由于該模型訓練基于導航信號的初始載噪比，所以接收機載噪比測定的精確度以及穩定性越高，對于預測結果的準確性也就越高。特別是當無人機在空中飛行時，由于受到周圍環境影響較小，接收機各跟蹤環路的載噪比較為穩定，通過模型預測無人機的當前跟蹤環路失鎖的效應閾值也就更加準確。但是，當無人機所處環境多徑干擾嚴重時，接收機載噪比測定的準確性嚴重降低，預測結果的準確性也將會大大降低。

2)感知平臺對干擾信號頻率以及功率測定的準確度越高，其用于模型預測結果的準確度也就越高。

3 無人機衛星導航系統的干擾態勢評估方法

3.1 無人機衛星導航系統在單源電磁干擾下的態勢評估方法

根據導航接收機電磁干擾試驗的效應現象，可以將導航接收機在電磁干擾下的定位狀態定義為穩定狀態、性能降級和定位丟失三種等級。其中，穩定狀態表示為接收機內衛星信號的載噪比可能因電磁干擾而出現下降，但沒有出現衛星跟蹤丟失的現象；性能降級表示為接收機因受到電磁干擾影響，接收機內部跟蹤環路開始出現失鎖的現象，第一顆衛星跟蹤丟失；定位丟失表示為接收機內部多個跟蹤環路失鎖，跟蹤衛星數目不滿足導航接收機最低定位要求，接收機定位失敗。

通過前期導航接收機的電磁干擾效應試驗得知，在窄帶電磁干擾、寬帶電磁干擾以及帶外單頻電磁干擾下，當干擾信號功率和頻率一定時，接收機內所有衛星信號的載噪比衰減一致；而當干擾信號為帶內單頻電磁干擾時，由于導航信號對連續波干擾的易感性，所有衛星的載噪比衰減不一致，因此在單頻干擾下低載噪比的衛星不一定是最先丟失的衛星，所以在對無人機導航接收機干擾態勢評估方面應對每顆衛星跟蹤丟失的干擾閾值進行評價，而不能單純從衛星載噪比的大小入手。

無人機衛星導航系統在單源電磁干擾下的態勢評估方法如下：

1)無人機飛行過程中，導航接收機內衛星信號的載噪比短時間內變化較小，當導航接收機載噪比開始普遍下降時，且此時無人機環境感知平臺監測到的干擾信號出現時，記錄上一時刻衛星信號的載噪比為初始載噪比。

2)根據每顆衛星的初始載噪比和環境感知平臺監測到的干擾信號特征(頻率和帶寬)，通過XGBoost預測模型可以得出每顆衛星信號在當前狀態下跟蹤失鎖效應閾值，記為Pi(其中i為衛星信號)。

3)利用環境感知平臺測量得到的干擾信號功率Pj，將Pj與每顆衛星的失鎖閾值作差Pi，得到每顆衛星的電磁干擾余量，即

Δi=Pi-Pj

(5)

假設接收機觀測到的有效衛星為6顆，且最低定位衛星數目要求為4顆，根據干擾余量的值得到以下排序：

(6)

(a) 單頻干擾下的電磁干擾態勢(a) EMI situation under single frequency interference

3.2 無人機衛星導航系統在雙源電磁干擾下的態勢評估方法

由于無人機在飛行過程中不可避免會遇到多源電磁干擾的情況，因此開展衛星導航系統在多源電磁干擾下的態勢評估方法將十分有意義。以帶內雙源電磁干擾為例，前期通過數學建模的方式得到了導航接收機跟蹤環路在帶內雙源電磁干擾下的效應模型，如式(7)所示。

(7)

式中，S為壓制系數。當S≥1時，表示當前雙源電磁干擾信號的功率組合會導致跟蹤環路中的衛星跟蹤丟失；當S<1時，表示當前雙源干擾信號的功率組合不會導致跟蹤環路中的衛星跟蹤丟失。為了驗證模型的有效性，后續設計并開展了針對多款導航接收機的雙源電磁干擾效應試驗，最終利用試驗數據驗證了該模型的有效性。

本節將在這一模型的基礎上，開展無人機衛星導航系統在雙源電磁干擾下的態勢評估方法：

1)無人機飛行過程中，導航接收機內衛星信號的載噪比短時間內變化較小，當導航接收機載噪比開始普遍出現下降時，且此時無人機環境感知平臺監測到干擾信號出現時，記錄上一時刻衛星信號的載噪比為初始載噪比。

2)根據每顆衛星的初始載噪比和環境感知平臺監測到雙源電磁干擾信號的特征(頻率和帶寬)，通過XGBoost預測模型可以得出，每顆衛星信號分別在兩個干擾信號作用下的跟蹤失鎖閾值，分別記為Pi1和Pi2，其中i為衛星信號，1和2為雙源電磁干擾信號的標記。

3)利用環境感知平臺測量得到雙源電磁干擾信號的功率分別為Pj1和Pj2，然后根據帶內雙源電磁干擾下的效應模型，如式(8)所示。

(8)

其中，Si為當前雙源電磁干擾下的壓制系數。根據式(7)中的臨界判據，每顆衛星的電磁干擾余量為：

Δi=1-Si

(9)

同樣假設接收機觀測到的有效衛星為6顆，且最低定位衛星數目要求為4顆，根據干擾余量的值得到以下排序：

(10)

3.3 無人機衛星導航系統抗干擾的技戰法

對于一個屏蔽性能良好的導航接收機來說，其“后門”耦合的可能性較小，干擾能量主要通過天線耦合進入導航終端內部，從而對導航終端形成干擾。在無人機飛行過程中，當干擾信號的能量已經引起了導航終端出現性能降級的狀態且臨近定位丟失狀態時，為確保無人機的飛行安全，可以采取如下技戰法來確保無人機的飛行安全。

1)改變無人機的飛行姿態：通過改變無人機的飛行姿態，調整無人機導航天線的方向圖，一方面將天線接收效率最低的方向對準干擾信號的來向，另一方面確保天線的主方向圖對準更多衛星信號的來向。一般來說，與天線主瓣垂直的方向其增益最小，將該方向對準干擾來向可以達到最大限度對干擾信號的抑制，如圖8所示。

圖8 無人機飛行姿態調整Fig.8 Flight attitude adjustment of the UAV

2)改變無人機的飛行軌跡：一方面可以依據“遠離干擾源”的指導原則，調整無人機的飛行軌跡，使其在水平和高度上遠離干擾源，達到降低天線對干擾信號耦合效率的目的；另一方面由于干擾信號近地傳播時損耗較大，而導航信號受到的影響較小，所以可以根據地形特點適時采取降低飛行高度的策略。

4 結論

衛星導航系統作為無人機的“眼睛”，其定位功能受擾會嚴重影響無人機的作戰效能，本文利用機器學習的方法建立了導航接收機跟蹤環路失鎖效應閾值的預測模型，給出了導航接收機電磁干擾態勢的評估方法，主要結論如下：

1)通過開展試驗，得到影響跟蹤環路失鎖效應閾值的關鍵參數，在此基礎上利用XGBoost深度學習的方法構建了跟蹤環路失鎖效應閾值的預測模型，該預測模型相對于SVR模型和GPR模型具有更高的訓練精度以及預測精度。

2)根據導航接收機在電磁干擾試驗中的效應現象，給出了導航接收機在電磁干擾態勢下的受擾等級，為接收機的電磁干擾態勢評估提供依據。

3)提出了導航接收機在單源以及雙源電磁干擾下的態勢評估方法，利用該方法，可以預測無人機飛行軌跡上衛星導航系統的電磁干擾態勢，使無人機提早進行技戰法規劃，確保無人機的完好性以及任務的成功率。