付 鈺，朱克家，韓 奇，徐 勇

一種導(dǎo)航信號(hào)干擾源部署方法

付 鈺，朱克家，韓 奇，徐 勇

（北京衛(wèi)星導(dǎo)航中心，北京 100094）

為彌補(bǔ)衛(wèi)星導(dǎo)航信號(hào)干擾源位置部署研究的不足，提出1種優(yōu)化的導(dǎo)航信號(hào)干擾源部署方法：分析對(duì)敵武器平臺(tái)導(dǎo)航信號(hào)實(shí)施干擾的機(jī)理及我方重要目標(biāo)防護(hù)的特點(diǎn)；結(jié)合干擾功率大小和敵武器對(duì)我方重要目標(biāo)的威脅程度，建立導(dǎo)航信號(hào)干擾源部署模型；最后利用遺傳算法對(duì)模型求解。實(shí)驗(yàn)結(jié)果表明，該方法可以為我方干擾源的有效部署提供參考。

導(dǎo)航信號(hào)；干擾源部署；遺傳算法

0 引言

當(dāng)前，衛(wèi)星導(dǎo)航系統(tǒng)被越來越廣泛地應(yīng)用到軍事和民用的各領(lǐng)域[1]。在現(xiàn)代戰(zhàn)爭(zhēng)條件下，對(duì)敵衛(wèi)星導(dǎo)航信號(hào)實(shí)施干擾，能有效削弱敵方能力，保護(hù)我方重要目標(biāo)，是要地防護(hù)任務(wù)實(shí)施的重要手段之一。對(duì)導(dǎo)航信號(hào)的干擾主要包括壓制式干擾和欺騙式干擾，不同的干擾方式作用機(jī)理不同；但干擾源的部署方式都直接影響對(duì)目標(biāo)的干擾效果[2]。目前針對(duì)導(dǎo)航信號(hào)干擾源位置部署的研究相對(duì)較少，且多停留在理論推導(dǎo)及仿真驗(yàn)證階段。在現(xiàn)有的研究成果中，文獻(xiàn)[3]提出了以最少的干擾源對(duì)指定區(qū)域?qū)崿F(xiàn)最大覆蓋的部署方法，但是干擾源之間缺少協(xié)同且利用率不高；為提高干擾源之間的協(xié)同配合及利用效率，文獻(xiàn)[4]提出以干擾功率最小處功率最大化為評(píng)價(jià)準(zhǔn)則的導(dǎo)航信號(hào)干擾源部署方法，但考慮到影響要地防護(hù)任務(wù)效果的因素，還包括敵武器平臺(tái)在不同位置對(duì)我方重要目標(biāo)的威脅程度，僅考慮干擾功率的大小，在某些特定情況下會(huì)導(dǎo)致要地防護(hù)任務(wù)的失敗。因此本文重點(diǎn)通過對(duì)敵武器平臺(tái)的導(dǎo)航定位方式及對(duì)其實(shí)施干擾的機(jī)理分析，建立導(dǎo)航信號(hào)干擾源部署模型，并利用遺傳算法對(duì)其進(jìn)行求解，提出綜合考慮干擾功率大小和敵武器對(duì)我方重要目標(biāo)威脅程度的干擾源優(yōu)化部署方法。

1 導(dǎo)航信號(hào)干擾源部署模型

圖1 干擾源部署方案

以壓制干擾為例，當(dāng)干擾信號(hào)功率大于接收機(jī)干擾容限時(shí)，才能對(duì)衛(wèi)星導(dǎo)航接收機(jī)實(shí)現(xiàn)有效的干擾。衛(wèi)星導(dǎo)航接收機(jī)的干擾容限反映了接收機(jī)的抗干擾能力，不同接收機(jī)的干擾容限不同，主要與擴(kuò)頻處理增益、系統(tǒng)內(nèi)部損耗、接收機(jī)正常工作所需的最小輸出信噪比有關(guān)。因此為實(shí)現(xiàn)更有效的干擾，干擾功率應(yīng)越大越好。

但是現(xiàn)代飛機(jī)及導(dǎo)彈等武器平臺(tái)大多采用衛(wèi)星導(dǎo)航和慣性導(dǎo)航相結(jié)合的方式[7]，衛(wèi)星導(dǎo)航精度較高，可以幫助修正慣性導(dǎo)航隨時(shí)間積累的誤差；慣性導(dǎo)航不依賴外部信息，在衛(wèi)星導(dǎo)航停止工作時(shí)，能保持導(dǎo)航定位的連續(xù)性，并能幫助衛(wèi)星導(dǎo)航快速重新捕獲跟蹤衛(wèi)星導(dǎo)航信號(hào)，2者進(jìn)行數(shù)據(jù)融合，使得導(dǎo)航定位功能更加精穩(wěn)可靠，這種組合導(dǎo)航方式具有較強(qiáng)的抗干擾能力。在對(duì)衛(wèi)星導(dǎo)航和慣性導(dǎo)航相結(jié)合的武器平臺(tái)實(shí)施導(dǎo)航信號(hào)干擾時(shí)，當(dāng)干擾功率低于其衛(wèi)星導(dǎo)航接收機(jī)的干擾容限時(shí)，目標(biāo)將重新獲得準(zhǔn)確的衛(wèi)星導(dǎo)航定位結(jié)果，并對(duì)慣導(dǎo)進(jìn)行修正，導(dǎo)致干擾失敗。由前述分析可知，假如只考慮使得干擾功率最小處的值最大化所得到的部署方案，由于不同衛(wèi)星導(dǎo)航接收機(jī)的干擾容限不同，存在在某些情況下，不能滿足干擾功率大于接收機(jī)干擾容限的要求，且干擾功率最小處靠近于我方重要目標(biāo)的情況，此時(shí)敵方武器平臺(tái)將重新獲得準(zhǔn)確的導(dǎo)航定位信息，對(duì)我方重要目標(biāo)構(gòu)成極大威脅。

因此本文在考慮干擾功率大小的基礎(chǔ)上，進(jìn)一步分析得到，在敵方武器平臺(tái)衛(wèi)星導(dǎo)航功能受干擾失效的情況下，其定位誤差取決于最后準(zhǔn)確獲得衛(wèi)星導(dǎo)航定位信息的位置以及慣導(dǎo)獨(dú)立工作時(shí)的積累誤差。當(dāng)衛(wèi)星導(dǎo)航接收機(jī)受干擾無法正常工作時(shí)，慣導(dǎo)的圓概率誤差CEP的計(jì)算方法[8]為

綜上所述，為使得干擾源部署方案能在指定區(qū)域內(nèi)盡可能保證我方重要目標(biāo)的安全，干擾源部署方案的優(yōu)化問題，可轉(zhuǎn)化為尋找指定區(qū)域內(nèi)干擾效益指數(shù)最小的位置，并使該位置干擾效益指數(shù)值最大化的問題，優(yōu)化問題的數(shù)學(xué)模型可表示為

2 干擾源部署模型求解

遺傳算法是1種實(shí)用的優(yōu)化算法，它模仿了自然界“優(yōu)勝劣汰”的自然進(jìn)化過程[9]，利用物種進(jìn)化的思想來解決復(fù)雜問題，通過選擇、交叉、變異操作的迭代過程來尋找目標(biāo)函數(shù)的最優(yōu)解。在遺傳算法中，每1個(gè)候選解被稱為1個(gè)染色體，首先初始化1個(gè)種群，計(jì)算種群中每1個(gè)染色體的適應(yīng)度，利用適應(yīng)度對(duì)種群中的個(gè)體進(jìn)行選擇，適應(yīng)度高的個(gè)體將更有可能被選擇出來，然后通過一定的概率進(jìn)行交叉變異操作，產(chǎn)生下一代的種群。通過不斷的迭代過程，使染色體向最優(yōu)解進(jìn)化[10]，當(dāng)滿足終止條件時(shí)，算法終止。

利用遺傳算法對(duì)上一節(jié)中所提出的導(dǎo)航信號(hào)干擾源部署模型進(jìn)行求解。

3）適應(yīng)度計(jì)算。考慮前述定義的干擾源部署方案在不同位置的干擾效益指數(shù)值為正數(shù)，優(yōu)化問題的模型為求解指定區(qū)域內(nèi)最小干擾效益指數(shù)的最大值，因此可直接將干擾源部署后，指定區(qū)域內(nèi)的最小干擾效益指數(shù)值作為適應(yīng)度，即

由干擾效益指數(shù)的定義可得，最小干擾效益指數(shù)取決于該位置干擾功率的大小，以及在該位置敵武器平臺(tái)對(duì)我方的威脅指數(shù)大小，該位置干擾功率越大，威脅指數(shù)值越小，則適應(yīng)度越大，對(duì)應(yīng)的干擾源部署方案更優(yōu)，相應(yīng)的染色體也更有可能被選擇進(jìn)入下一代的群體。

7）終止。在本文中，設(shè)置1個(gè)最大迭代次數(shù)作為算法終止的條件，將每一代中最好的染色體（適應(yīng)度值最高）保存下來作為候選解，當(dāng)算法達(dá)到最大迭代次數(shù)時(shí)，算法終止，并將所有候選解中最好的個(gè)體作為最終解[13]。

3 實(shí)驗(yàn)與結(jié)果分析

圖2 4個(gè)干擾源的優(yōu)化部署方法仿真結(jié)果

圖2(a)、圖3(a)分別表示了在指定區(qū)域內(nèi)4個(gè)干擾源和8個(gè)干擾源的部署方案。由圖2(a)可知，當(dāng)為4個(gè)干擾源時(shí)，干擾源的位置主要沿與來襲方向平行的中軸二側(cè)區(qū)域依次分布，在敵方武器平臺(tái)衛(wèi)星導(dǎo)航接收機(jī)干擾容限未知且干擾源數(shù)量較少的情況下，由前述分析，從干擾源部署的位置可知，這樣部署可以盡量確?？拷曳街匾繕?biāo)的區(qū)域內(nèi)干擾功率較大，且盡可能保證發(fā)生干擾失效的位置點(diǎn)距離我方重要目標(biāo)較遠(yuǎn)，從而盡量提高要地防護(hù)任務(wù)的成功概率。由圖3(a)可知，當(dāng)干擾源數(shù)量提高到8個(gè)時(shí)，干擾源的位置分布除沿中軸2側(cè)依次部署外，還在我方重要目標(biāo)附近加強(qiáng)了1個(gè)干擾源的部署，從而盡量確保敵方來襲武器在我方重要目標(biāo)附近不發(fā)生干擾失效的情況，降低了敵方武器對(duì)我方重要目標(biāo)的威脅程度，說明了所提出的干擾源部署說明提出的干擾源部署方法所得到的部署方案，同時(shí)考慮了部署范圍內(nèi)干擾功率大小及敵方武器對(duì)我方重要目標(biāo)的威脅程度，能夠滿足前述分析中所提出的評(píng)價(jià)準(zhǔn)則，方法得到的部署方案，能夠滿足前述分析中所提出的同時(shí)考慮部署范圍內(nèi)干擾功率大小及敵方武器對(duì)我方重要目標(biāo)威脅程度的評(píng)價(jià)準(zhǔn)則，從而盡可能提高要地防護(hù)任務(wù)的成功概率。

圖3 8個(gè)干擾源的優(yōu)化部署方法仿真結(jié)果

圖2(b)、圖3(b)表示了適應(yīng)度隨迭代次數(shù)變化的關(guān)系。從圖中可以看出：2者的變化趨勢(shì)大致一致；算法運(yùn)行過程中，適應(yīng)度隨著迭代次數(shù)的增加而趨于穩(wěn)定并達(dá)到最大，由適應(yīng)度的定義可得，此時(shí)指定區(qū)域內(nèi)的最小干擾效益指數(shù)也趨近于最大。說明了通過所設(shè)計(jì)的干擾源優(yōu)化部署方法，能夠較快獲得滿足所提出的評(píng)價(jià)準(zhǔn)則要求的干擾源優(yōu)化部署方案。

4 結(jié)束語

本文針對(duì)要地防護(hù)任務(wù)中，衛(wèi)星導(dǎo)航信號(hào)干擾源的優(yōu)化部署問題，提出綜合考慮干擾功率大小、敵武器對(duì)我方重要目標(biāo)威脅程度的導(dǎo)航信號(hào)干擾源部署模型，并利用遺傳算法對(duì)該模型進(jìn)行了求解。仿真結(jié)果表明，該方法能有效得到干擾源優(yōu)化部署方案，部署方案能夠滿足所提出的干擾效益評(píng)價(jià)準(zhǔn)則要求，使得干擾源的部署能夠盡可能地保護(hù)我方重要目標(biāo)。但是目前所提出的部署方法僅考慮了使得部署范圍內(nèi)干擾效益最小處的值最大化，且僅考慮敵方武器在只有衛(wèi)星導(dǎo)航和慣性導(dǎo)航下工作的情況，后續(xù)的研究中還將進(jìn)一步考慮如何優(yōu)化干擾效益在部署范圍內(nèi)的整體分布，及進(jìn)一步分析敵方武器平臺(tái)可能存在的其他導(dǎo)航定位方式對(duì)干擾源部署產(chǎn)生的影響。

[1] 謝鋼. GPS原理與接收機(jī)設(shè)計(jì)[M]. 北京: 電子工業(yè)出版社, 2009.

[2] 金際航, 邊少鋒. 美國(guó)全球定位系統(tǒng)GPS現(xiàn)代化進(jìn)展[J]. 艦船電子工程, 2005, 25(2): 15-18.

[3] 黃迎春. 留空式通信干擾彈最優(yōu)分布覆蓋的設(shè)計(jì)與仿真[J]. 火力與指揮控制, 2008, 33(8): 65-68.

[4] 閆占杰, 吳德偉, 蔣文婷, 等. 網(wǎng)絡(luò)化GPS干擾系統(tǒng)空中干擾源部署方法[J]. 電光與控制, 2013, 20(5): 37-39, 43.

[5] 馬麗, 劉飛, 楊建軍. 平流層飛艇對(duì)GPS接收機(jī)的干擾優(yōu)勢(shì)[J]. 電光與控制, 2012, 19(2): 37-39, 58.

[6] 馬麗, 劉飛, 楊建軍. 平流層飛艇載GPS干擾器的能力及部署分析[J]. 現(xiàn)代防御技術(shù), 2012, 40(5): 62-66.

[7] 朱國(guó)棟, 雷虎民. 巡航導(dǎo)彈的GPS/INS組合導(dǎo)航系統(tǒng)研究[J]. 探測(cè)與控制學(xué)報(bào), 2007, 29(增刊1): 31-34.

[8] 周坤芳, 周湘蓉, 李德武. 對(duì)GPS/INS制導(dǎo)巡航導(dǎo)彈GPS干擾方法的探討[J]. 航空電子技術(shù), 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, 孫樹棟. 遺傳算法原理及應(yīng)用[M]. 北京: 國(guó)防工業(yè)出版社, 2002: 30-45.

[11] 葉正華, 謝勇, 鄭金華. 一種改進(jìn)的基于實(shí)數(shù)編碼的遺傳算法[J]. 湘潭大學(xué)自然科學(xué)學(xué)報(bào), 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

付鈺，朱克家，韓奇，等. 一種導(dǎo)航信號(hào)干擾源部署方法[J]. 導(dǎo)航定位學(xué)報(bào), 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

付鈺（1992—），男，河南項(xiàng)城人，碩士，助理工程師，研究方向?yàn)樾l(wèi)星導(dǎo)航系統(tǒng)服務(wù)監(jiān)測(cè)評(píng)估。