[發明專利]基于時-頻譜值平滑與分割的GNSS干擾特征辨識方法及系統

有效

• 申請號: 201810731054.3
• 申請日: 2018-07-05
• 公開（公告）號: CN109085614B
• 公開（公告）日: 2020-10-20
• 發明（設計）人: 丁夢羽;許睿;劉建業;曾慶化;孟騫;熊智
• 申請（專利權）人: 南京航空航天大學
• 主分類號: G01S19/21
• 分類號: G01S19/21
• 代理公司: 南京瑞弘專利商標事務所(普通合伙) 32249
• 代理人: 向妮

1.一種基于時-頻譜值平滑與分割的GNSS干擾特征辨識方法，其特征在于，包括以下步驟：

(1)對輸入的中頻信號進行時頻分析，得到信號的二維時-頻譜結果；

(2)對時-頻譜結果進行數值處理，包括：將二維時-頻譜值進行歸一化處理，減小數據處理計算量；對歸一化數值進行濾波處理，消除GNSS信號和噪聲造成的隨機誤差；對濾波后的數據進行二值化處理，實現數據的分割分類；

(3)根據二值化分割的數值結果，提取數據出現梯度變化時頻點，獲取干擾信號時頻特征，構造干擾時-頻曲線；通過對干擾時-頻曲線進行FFT分析，提取干擾信號的周期；

(4)結合周期結果和干擾時-頻曲線的連續性判斷辨識干擾曲線是否完整，若完整，直接輸出干擾信號的特征參數；若不完整，則轉到步驟(5)；

(5)增長時頻分析的中頻信號數據長度，并對中頻信號時-頻二維譜值進行按照步驟(3)提取的干擾信號周期分段和疊加，平滑譜圖的隨機波動，增強干擾信號的特征；

(6)將平滑后的時-頻譜值按頻段分割成多段，并對各段時-頻譜值采用如步驟(2)所述的方法進行數值處理；

(7)將各段數值處理結果重新組合，然后對重組后的時頻二值化結果采用如步驟(3)～(4)所述的方法進行再處理，直到辨識出干擾信號的特征參數。

2.如權利要求1所述的GNSS干擾特征辨識方法，其特征在于，步驟(1)中，時頻分析方法包括但不限于短時傅里葉分析方法、WT小波變換分析方法、WVD維格納變換分析方法。

3.如權利要求1所述的GNSS干擾特征辨識方法，其特征在于，步驟(2)中，所述濾波方法包括但不限于均值濾波、中值濾波、高斯濾波。

4.如權利要求1所述的GNSS干擾特征辨識方法，其特征在于，步驟(2)中，歸一化處理具體包括：

將二維時頻能量密度譜結果轉換到0～1之間，歸一化處理得到的數值I₁(n，ω)如下：

其中，n為短時傅里葉時間序列值，ω為短時傅里葉頻率值，p(n，ω)為時-頻能量密度譜，min(·)和max(·)為取最小值和最大值，[·]為向下取整的符號；

對GNSS信號中的偽隨機噪聲和各種熱噪聲會造成的噪點進行濾除，選取由I₁(n，ω)其鄰近若干數值組成模板S，由模板均值I₂(n，ω)替代原歸一化數值：

其中，M表示模板S內的頻譜值個數；

對歸一化數值進行0-1分割，獲得數值整體和局部特征的二值化結果I₃(n，ω)：

其中，η表示二值化分割的閾值。

5.如權利要求4所述的GNSS干擾特征辨識方法，其特征在于，通過近似一維Means方法確定適當的閾值η，具體包括：

1)隨機方法生成初始化閾值η；

2)I₂(n，ω)根據閾值η分為對象數據G₁與背景數據G₂；

3)根據G₁和G₂的平均值m₁和m₂獲得新閾值η′＝(m₁+m₂)/2；

4)重復步驟2)～3)，直至計算出的新閾值等于上一次閾值為止。

6.如權利要求5所述的GNSS干擾特征辨識方法，其特征在于，步驟(3)的具體方法如下：

根據二值化數值的梯度變換構造干擾信號的時頻關系ω＝f(n)，干擾信號處會出現梯度變化，提取二值化結果為1的頻率和時序，并擬合出干擾曲線：

ω＝f(n)，其中，I₃(n，ω)＝1 (7)

對干擾信號時頻曲線進行周期估計，利用FFT變換互相關原理，周期對齊時得到的傅里葉結果最大，因此，對信號進行傅里葉變換如下：

非零頻率處FFT結果的最大值對應的頻率倒數即為干擾信號周期T：