[发明专利]卫星导航复合干扰信号识别方法和系统

说明书

本发明公开了一种卫星导航复合干扰信号识别方法和系统，方法包括：将待识别的复合干扰信号进行预处理，并获取所述预处理后的待识别复合干扰信号的多域特征；将获取的多域特征分别基于其对应的维度分别输入预先训练好的深度学习神经网络模型，一维序列特征输入到一维序列特征提取模块，多维序列特征输入到多维序列特征提取模块，然后分别对不同维度的域特征进行提取；将提取出的不同维度的域特征输入预先训练好的深度学习神经网络模型的特征融合层和全连接层中，得到所述复合干扰信号的分类识别结果。本发明能够达到更好的复合干扰信号识别效果。

技术领域

本发明涉及卫星导航信号处理领域，尤其涉及卫星导航复合干扰信号识别方法和系统。

背景技术

北斗系统的导航卫星位于万米高空，卫星信号经过长距离的传播到达地面时，信号功率已经十分微弱，只要在卫星信号所在的频段稍加干扰，就会影响导航信号接收机的正常运行，因此需要对卫星导航系统中各种接收机复杂的电磁环境进行监测，卫星导航干扰监测技术主要包括干扰源的测向定位技术、干扰检测与告警技术、干扰信号频谱特征提取及干扰类型识别技术。

干扰信号的特征不外乎就是从信号的时域、频域、和时频域等这些方面去提取出来的。Demirkiran等人利用短时傅里叶变换的方法来进行特征提取，对单音干扰、多音干扰、线性调频干扰进行分类识别。杨小明等人从Welch周期图法和分数阶傅里叶变换域上提取特征对直接序列扩频系统中的干扰信号进行识别。分类算法一般是在特征提取的前提下进行的算法，大部分算法都是用已有的常用的传统的机器学习的分类算法如支持向量机、决策树、BP神经网络。Angelov等人研究了无监督的学习，用聚类分析在3G网络上行链路的干扰信号进行分类识别。

综合上述研究现状，干扰信号识别的大部分研究集中在不同通信系统的不同干扰信号的特征提取上，对分类算法的研究比较少，这也表明了基于特征提取的干扰识别这类方法中特征提取的重要性。对于卷积神经网络这类通用性的干扰信号分类算法，还有较大的研究空间。

目前针对北斗导航中的干扰信号的识别大多是对单一干扰信号的识别，然而实际中导航卫星接收端接收的信号大多是卫星信号、噪声和多种干扰信号交织的混合信号，对混合信号中的混合干扰的识别有助于针对性的实施干扰抑制。传统的针对混合信号的识别流程主要是先用盲源信号分离法将混合信号分离成独立的信号，再将分离后的信号放入分类器进行分类，但是这种分离方法往往要求接收信号之间相互独立，并不十分实用。

因此，针对卫星导航中的复杂多变的复合干扰信号设计一种快速且精准的分类识别器尤为重要。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的目的在于解决针对卫星导航复合干扰信号的快速精准识别问题，提出了一种卫星导航复合干扰信号识别方法和系统。

为达上述目的，本发明第一方面提出了一种卫星导航复合干扰信号识别方法，所述方法包括：

将待识别的复合干扰信号进行预处理，并获取所述预处理后的待识别复合干扰信号的多域特征；

将获取的多域特征分别基于其对应的维度分别输入预先训练好的深度学习神经网络模型，一维序列特征输入到一维序列特征提取模块，多维序列特征输入到多维序列特征提取模块，然后分别对不同维度的域特征进行提取；

将提取出的不同维度的域特征输入预先训练好的深度学习神经网络模型的特征融合层和全连接层中，得到所述复合干扰信号的分类识别结果。

本发明实施例的卫星导航复合干扰信号识别方法，将复合干扰信号进行预处理，提取信号的多域特征，分别输入预先训练好的深度学习神经网络，输出对复合干扰信号的分类识别结果。本发明提高了卫星导航复合干扰信号的分类识别精度，且计算过程简单、方便、快捷。

另外，根据本发明上述实施例的卫星导航复合干扰信号识别方法还可以具有以下附加的技术特征：