针对基于载噪比(carrier to noise ratio,CNR)的GNSS干扰源定位,在存在多个干扰源、多径传输且接收机间距较远时定位难度大、精度低的问题,提出了一种加权K均值(K-Means)聚类算法与基于差分接收信号强度(differential received signal s...针对基于载噪比(carrier to noise ratio,CNR)的GNSS干扰源定位,在存在多个干扰源、多径传输且接收机间距较远时定位难度大、精度低的问题,提出了一种加权K均值(K-Means)聚类算法与基于差分接收信号强度(differential received signal strength,DRSS)的方程解算定位相结合的多干扰源定位方法.在假设干扰源个数确定以及单个接收机只受到一个干扰源影响的前提下,设计了改进的加权K-Means聚类算法实现对多个干扰源位置的初步估计.为了进一步降低在观测接收机相距较远时加权K-Means方法的定位误差,在聚类后选取各簇内受干扰影响显著的接收CNR构建基于DRSS的定位方程组,通过方程解算得到更加精细的定位结果.仿真结果表明,所提出的定位方案可以实现对多干扰源的定位,结合DRSS参数定位后,单干扰源场景下定位误差可降低19%以上,存在两个单音干扰源的场景下定位误差可降低38%以上.展开更多
文摘针对基于载噪比(carrier to noise ratio,CNR)的GNSS干扰源定位,在存在多个干扰源、多径传输且接收机间距较远时定位难度大、精度低的问题,提出了一种加权K均值(K-Means)聚类算法与基于差分接收信号强度(differential received signal strength,DRSS)的方程解算定位相结合的多干扰源定位方法.在假设干扰源个数确定以及单个接收机只受到一个干扰源影响的前提下,设计了改进的加权K-Means聚类算法实现对多个干扰源位置的初步估计.为了进一步降低在观测接收机相距较远时加权K-Means方法的定位误差,在聚类后选取各簇内受干扰影响显著的接收CNR构建基于DRSS的定位方程组,通过方程解算得到更加精细的定位结果.仿真结果表明,所提出的定位方案可以实现对多干扰源的定位,结合DRSS参数定位后,单干扰源场景下定位误差可降低19%以上,存在两个单音干扰源的场景下定位误差可降低38%以上.
