Space-Frequency Processing Methods for Satellite Navigation Signals

Cover Page

Cite item

Full Text

Abstract

Relevance. Quite low power of the global satellite navigation systems’ useful informational signals near the Earth surface along with an ongoing noticeable increase of the number of easily available and efficient portable means of blocking wideband energetic interference radiation make the problem of radionavigational satellite devices antijamming capabilities improvement especially relevant both from practical and scientific points of view. Therefore, the goal of this research was to increase the antijamming capabilities of the global satellite navigation systems via processing of the corresponding receiving apparatus’ input signals by special spatial filters. To achieve the work goal the scientific task of researching on the antijamming capability improvement in radionavigational devices by means of space-frequency signal processing was solved. The methods used. During the research, different spatial signal processing algorithms were considered, among them both the ones functioning without any information about interference situation, external with respect to the receiving radionavigational system, and the ones using the knowledge about the number and relative disposition of the jamming sources. Additionally different methods of interference sources number and angular directions finding were studied, as well as modern cost function optimization algorithms which are used for signal sources’ location determination. Scientific novelty of this work consists of usage of new algorithms that implement separate signal processing stages and that provide necessary information to the filtering algorithms during the problem solution, as well as of combining known methods with new approaches to their design. The results. During the scientific task solution, the performance quality metrics comparison was carried out for all the considered algorithms via the computer modeling method that employed recordings of real satellite navigational signals with addition of varying number of uncorrelated energetic interferences sources. As a result of modeling, the performance quality measure values were obtained for all the investigated algorithms and the comparative analysis thereof was conducted, at the end whereof the methods with the best characteristics were picked out. The significance of the work results consists of possibility of using the considered algorithms in real antijamming satellite navigation devices design.

About the authors

V. I. Tsarik

Airtago LLC

Email: wladimirzarik@mail.ru
ORCID iD: 0000-0003-3428-9976
SPIN-code: 2944-3690

References

  1. Misra P., Enge P. Global Positioning System: Signals, Measurements, and Performance. Ganga-Jamuna Press, 2006. 569 p.
  2. Wu R., Wang W., Lu D., Wang L., Jia Q. Adaptive Interference Mitigation in GNSS. Springer, 2018. 274 p. doi: 10.1007/978-981-10-5571-3
  3. Gao G.X., Sgammini M., Lu M., Kubo N. Protecting GNSS Receivers From Jamming and Interference // Proceedings of the IEEE. 2016. Vol. 104. Iss. 6. PP. 1327‒1338. doi: 10.1109/JPROC.2016.2525938
  4. Glushankov E.I., Tsarik V.I. Space-Frequency Beamforming Algorithms Comparison with a Circular Antenna Array // Proceedings of the Conference on Systems of Signals Generating and Processing in the Field of on-Board Communications (Moscow, Russian Federation, 14‒16 March 2023). IEEE, 2023. doi: 10.1109/IEEECONF56737.2023.10092000
  5. Царик В. И. Сравнение методов определения числа источников помех при адаптации антенных решеток // Актуальные проблемы инфотелекоммуникаций в науке и образовании (АПИНО 2024, Санкт-Петербург, Российская Федерация, 27–28 февраля 2024). СПб.: Санкт-Петербургский государственный университет телекоммуникаций им. проф. М.А. Бонч-Бруевича, 2024. С. 465‒469. EDN:OIHERO
  6. ГЛОНАСС: Модернизация и перспективы развития. М.: Радиотехника, 2020. 1072 с.
  7. ГЛОНАСС. Принципы построения и функционирования. М.: Радиотехника, 2010. 800 с.
  8. Малозёмов В.Н., Машарский С.М. Основы дискретного гармонического анализа. СПб.: Лань, 2012. 304 с.
  9. Blahut R.E. Fast Algorithms for Signal Processing. New York: Cambridge University Press, 2010. 453 p.
  10. Xu H., Cui X., Lu M. An SDR-Based Real-Time Testbed for GNSS Adaptive Array Anti-Jamming Algorithms Accelerated by GPU // Sensors. 2016. Vol. 16. Iss. 356. PP. 1‒33. doi: 10.3390/s16030356
  11. Van Trees H.L. Optimum Array Processing. Part IV of Detection, Estimation, and Modulation Theory. New York: John Wiley & Sons, 2002. 1443 p.
  12. Пастухов А.В., Оганесян А.А., Головин П.М., Павлов В.С. Мониторинг помеховой обстановки на базе помехоустойчивой адаптивной антенной решётки // Новости навигации. 2015. № 2. С. 8‒11. EDN:VLQNYJ
  13. Ruppert D., Matteson D.S. Statistics and Data Analysis for Financial Engineering with R examples. New York: Springer, 2015. doi: 10.1007/978-1-4939-2614-5
  14. Xu D., Tian Y. A Comprehensive Survey of Clustering Algorithms // Annals of Data Science. 2015. Vol. 2. PP. 165‒193. doi: 10.1007/s40745-015-0040-1
  15. Аттетков А.В., Галкин С.В., Зарубин В.С. Методы оптимизации. М.: Издательство МГТУ им. Н. Э. Баумана, 2003. 440 с.
  16. Mirjalili S., Gandomi A.H., Mirjalili S.Z., Saremi S., Faris H., Mirjalili S.M. Salp Swarm Algorithm: A bio-inspired optimizer for engineering design problems // Advances in Engineering Software. 2017. Vol. 114. PP. 163‒191. doi: 10.1016/j.advengsoft.2017.07.002
  17. Pedersen M.E.H., Chipperfield A.J. Simplifying Particle Swarm Optimization // Applied Soft Computing. 2010. Vol. 10. Iss. 2. PP. 618‒628. doi: 10.1016/j.asoc.2009.08.029
  18. Abualigah L., Shehab M., Alshinwan M., Alabool H. Salp swarm algorithm: a comprehensive survey // Neural Computing and Applications. 2020. Vol. 32. PP. 11195‒11215. doi: 10.1007/s00521-019-04629-4
  19. Houssein E.H., Mohamed I.E., Wazery Y.M. Salp Swarm Algorithm: A Comprehensive Review // Applications of Hybrid Metaheuristic Algorithms for Image Processing. Springer, 2020. PP. 285‒308. doi: 10.1007/978-3-030-40977-7_13
  20. Reed I.S., Mallett J D., Brennan L E. Rapid Convergence Rate in Adaptive Arrays // IEEE Transactions on Aerospace and Electronic Systems. 1974. Vol. AES-10. Iss. 6. PP. 853‒863. doi: 10.1109/TAES.1974.307893
  21. Borre K., Akos D.M., Bertelsen N., Rinder P., Jensen S.H. A Software-Defined GPS and Galileo Receiver: A Single-Frequency Approach. Boston: Birkhäuser, 2007. 176 p.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».