一种导航信号干扰源部署方法

付 钰，朱克家，韩 奇，徐 勇

一种导航信号干扰源部署方法

付 钰，朱克家，韩 奇，徐 勇

（北京卫星导航中心，北京 100094）

为弥补卫星导航信号干扰源位置部署研究的不足，提出1种优化的导航信号干扰源部署方法：分析对敌武器平台导航信号实施干扰的机理及我方重要目标防护的特点；结合干扰功率大小和敌武器对我方重要目标的威胁程度，建立导航信号干扰源部署模型；最后利用遗传算法对模型求解。实验结果表明，该方法可以为我方干扰源的有效部署提供参考。

导航信号；干扰源部署；遗传算法

0 引言

当前，卫星导航系统被越来越广泛地应用到军事和民用的各领域[1]。在现代战争条件下，对敌卫星导航信号实施干扰，能有效削弱敌方能力，保护我方重要目标，是要地防护任务实施的重要手段之一。对导航信号的干扰主要包括压制式干扰和欺骗式干扰，不同的干扰方式作用机理不同；但干扰源的部署方式都直接影响对目标的干扰效果[2]。目前针对导航信号干扰源位置部署的研究相对较少，且多停留在理论推导及仿真验证阶段。在现有的研究成果中，文献[3]提出了以最少的干扰源对指定区域实现最大覆盖的部署方法，但是干扰源之间缺少协同且利用率不高；为提高干扰源之间的协同配合及利用效率，文献[4]提出以干扰功率最小处功率最大化为评价准则的导航信号干扰源部署方法，但考虑到影响要地防护任务效果的因素，还包括敌武器平台在不同位置对我方重要目标的威胁程度，仅考虑干扰功率的大小，在某些特定情况下会导致要地防护任务的失败。因此本文重点通过对敌武器平台的导航定位方式及对其实施干扰的机理分析，建立导航信号干扰源部署模型，并利用遗传算法对其进行求解，提出综合考虑干扰功率大小和敌武器对我方重要目标威胁程度的干扰源优化部署方法。

1 导航信号干扰源部署模型

图1 干扰源部署方案

以压制干扰为例，当干扰信号功率大于接收机干扰容限时，才能对卫星导航接收机实现有效的干扰。卫星导航接收机的干扰容限反映了接收机的抗干扰能力，不同接收机的干扰容限不同，主要与扩频处理增益、系统内部损耗、接收机正常工作所需的最小输出信噪比有关。因此为实现更有效的干扰，干扰功率应越大越好。

但是现代飞机及导弹等武器平台大多采用卫星导航和惯性导航相结合的方式[7]，卫星导航精度较高，可以帮助修正惯性导航随时间积累的误差；惯性导航不依赖外部信息，在卫星导航停止工作时，能保持导航定位的连续性，并能帮助卫星导航快速重新捕获跟踪卫星导航信号，2者进行数据融合，使得导航定位功能更加精稳可靠，这种组合导航方式具有较强的抗干扰能力。在对卫星导航和惯性导航相结合的武器平台实施导航信号干扰时，当干扰功率低于其卫星导航接收机的干扰容限时，目标将重新获得准确的卫星导航定位结果，并对惯导进行修正，导致干扰失败。由前述分析可知，假如只考虑使得干扰功率最小处的值最大化所得到的部署方案，由于不同卫星导航接收机的干扰容限不同，存在在某些情况下，不能满足干扰功率大于接收机干扰容限的要求，且干扰功率最小处靠近于我方重要目标的情况，此时敌方武器平台将重新获得准确的导航定位信息，对我方重要目标构成极大威胁。

因此本文在考虑干扰功率大小的基础上，进一步分析得到，在敌方武器平台卫星导航功能受干扰失效的情况下，其定位误差取决于最后准确获得卫星导航定位信息的位置以及惯导独立工作时的积累误差。当卫星导航接收机受干扰无法正常工作时，惯导的圆概率误差CEP的计算方法[8]为

综上所述，为使得干扰源部署方案能在指定区域内尽可能保证我方重要目标的安全，干扰源部署方案的优化问题，可转化为寻找指定区域内干扰效益指数最小的位置，并使该位置干扰效益指数值最大化的问题，优化问题的数学模型可表示为

2 干扰源部署模型求解

遗传算法是1种实用的优化算法，它模仿了自然界“优胜劣汰”的自然进化过程[9]，利用物种进化的思想来解决复杂问题，通过选择、交叉、变异操作的迭代过程来寻找目标函数的最优解。在遗传算法中，每1个候选解被称为1个染色体，首先初始化1个种群，计算种群中每1个染色体的适应度，利用适应度对种群中的个体进行选择，适应度高的个体将更有可能被选择出来，然后通过一定的概率进行交叉变异操作，产生下一代的种群。通过不断的迭代过程，使染色体向最优解进化[10]，当满足终止条件时，算法终止。

利用遗传算法对上一节中所提出的导航信号干扰源部署模型进行求解。

3）适应度计算。考虑前述定义的干扰源部署方案在不同位置的干扰效益指数值为正数，优化问题的模型为求解指定区域内最小干扰效益指数的最大值，因此可直接将干扰源部署后，指定区域内的最小干扰效益指数值作为适应度，即

由干扰效益指数的定义可得，最小干扰效益指数取决于该位置干扰功率的大小，以及在该位置敌武器平台对我方的威胁指数大小，该位置干扰功率越大，威胁指数值越小，则适应度越大，对应的干扰源部署方案更优，相应的染色体也更有可能被选择进入下一代的群体。

7）终止。在本文中，设置1个最大迭代次数作为算法终止的条件，将每一代中最好的染色体（适应度值最高）保存下来作为候选解，当算法达到最大迭代次数时，算法终止，并将所有候选解中最好的个体作为最终解[13]。

3 实验与结果分析

图2 4个干扰源的优化部署方法仿真结果

图2(a)、图3(a)分别表示了在指定区域内4个干扰源和8个干扰源的部署方案。由图2(a)可知，当为4个干扰源时，干扰源的位置主要沿与来袭方向平行的中轴二侧区域依次分布，在敌方武器平台卫星导航接收机干扰容限未知且干扰源数量较少的情况下，由前述分析，从干扰源部署的位置可知，这样部署可以尽量确保靠近我方重要目标的区域内干扰功率较大，且尽可能保证发生干扰失效的位置点距离我方重要目标较远，从而尽量提高要地防护任务的成功概率。由图3(a)可知，当干扰源数量提高到8个时，干扰源的位置分布除沿中轴2侧依次部署外，还在我方重要目标附近加强了1个干扰源的部署，从而尽量确保敌方来袭武器在我方重要目标附近不发生干扰失效的情况，降低了敌方武器对我方重要目标的威胁程度，说明了所提出的干扰源部署说明提出的干扰源部署方法所得到的部署方案，同时考虑了部署范围内干扰功率大小及敌方武器对我方重要目标的威胁程度，能够满足前述分析中所提出的评价准则，方法得到的部署方案，能够满足前述分析中所提出的同时考虑部署范围内干扰功率大小及敌方武器对我方重要目标威胁程度的评价准则，从而尽可能提高要地防护任务的成功概率。

图3 8个干扰源的优化部署方法仿真结果

图2(b)、图3(b)表示了适应度随迭代次数变化的关系。从图中可以看出：2者的变化趋势大致一致；算法运行过程中，适应度随着迭代次数的增加而趋于稳定并达到最大，由适应度的定义可得，此时指定区域内的最小干扰效益指数也趋近于最大。说明了通过所设计的干扰源优化部署方法，能够较快获得满足所提出的评价准则要求的干扰源优化部署方案。

4 结束语

本文针对要地防护任务中，卫星导航信号干扰源的优化部署问题，提出综合考虑干扰功率大小、敌武器对我方重要目标威胁程度的导航信号干扰源部署模型，并利用遗传算法对该模型进行了求解。仿真结果表明，该方法能有效得到干扰源优化部署方案，部署方案能够满足所提出的干扰效益评价准则要求，使得干扰源的部署能够尽可能地保护我方重要目标。但是目前所提出的部署方法仅考虑了使得部署范围内干扰效益最小处的值最大化，且仅考虑敌方武器在只有卫星导航和惯性导航下工作的情况，后续的研究中还将进一步考虑如何优化干扰效益在部署范围内的整体分布，及进一步分析敌方武器平台可能存在的其他导航定位方式对干扰源部署产生的影响。

[1] 谢钢. GPS原理与接收机设计[M]. 北京: 电子工业出版社, 2009.

[2] 金际航, 边少锋. 美国全球定位系统GPS现代化进展[J]. 舰船电子工程, 2005, 25(2): 15-18.

[3] 黄迎春. 留空式通信干扰弹最优分布覆盖的设计与仿真[J]. 火力与指挥控制, 2008, 33(8): 65-68.

[4] 闫占杰, 吴德伟, 蒋文婷, 等. 网络化GPS干扰系统空中干扰源部署方法[J]. 电光与控制, 2013, 20(5): 37-39, 43.

[5] 马丽, 刘飞, 杨建军. 平流层飞艇对GPS接收机的干扰优势[J]. 电光与控制, 2012, 19(2): 37-39, 58.

[6] 马丽, 刘飞, 杨建军. 平流层飞艇载GPS干扰器的能力及部署分析[J]. 现代防御技术, 2012, 40(5): 62-66.

[7] 朱国栋, 雷虎民. 巡航导弹的GPS/INS组合导航系统研究[J]. 探测与控制学报, 2007, 29(增刊1): 31-34.

[8] 周坤芳, 周湘蓉, 李德武. 对GPS/INS制导巡航导弹GPS干扰方法的探讨[J]. 航空电子技术, 2005, 36(3): 1-5, 18.

[9] SHIMA T, RASMUSSEN S J, SPARKS A G. UAV cooperative multiple task assignments using genetic algorithms[C]//The Institute of Electrical and Electronic Engineers(IEEE). Proceedings of the American Control Conference. Portland: IEEE, 2005: 2989-2994.

[10] 周明, 孙树栋. 遗传算法原理及应用[M]. 北京: 国防工业出版社, 2002: 30-45.

[11] 叶正华, 谢勇, 郑金华. 一种改进的基于实数编码的遗传算法[J]. 湘潭大学自然科学学报, 2002, 24(3): 32-35.

[12] ZHANG C, ZHAN Z H. Comparisons of selection strategy in genetic algorithm[J]. Computer Engineering & Design, 2009, 30 (23): 5471–5399.

[13] FU Y, WANG X K, ZHU H Y, et al. Parameters optimization of multi-UAV formation control method based on artificial physics[C]//The Institute of Electrical and Electronic Engineers(IEEE). Proceedings of the 35th Chinese Control Conference. Chengdu: IEEE, 2016: 2614-2619.

A deployment method of navigation signal jammers

FU Yu, ZHU Kejia, HAN Qi, XU Yong

（Beijing Satellite Navigation Center, Beijing 100094, China）

In order to make up for the insufficiency of studying on the location deployment of satellite navigation signal jammers, the paper proposed an improved deployment method: the mechanism of jamming the navigation signal of the enemy weapon platforms and the protection characteristics of our important targets were analyzed; and the deployment model of navigation signal jammers was established by combining the jamming power and the threat of enemy weapons on our important targets; finally the genetic algorithm was used to solve the model. Experimental result showed that the proposed method could provide a reference for the effective deployment of our jammers.

navigation signal; deployment of the jammers; genetic algorithm

P228

A

2095-4999(2020)03-0110-05

付钰，朱克家，韩奇，等. 一种导航信号干扰源部署方法[J]. 导航定位学报, 2020, 8(3): 110-114.（FU Yu, ZHU Kejia, HAN Qi,et al. A deployment method of navigation signal jammers[J]. Journal of Navigation and Positioning, 2020, 8(3): 110-114.）

10.16547/ j.cnki.10-1096.20200318.

2020-02-17

付钰（1992—），男，河南项城人，硕士，助理工程师，研究方向为卫星导航系统服务监测评估。