基于ADS-B多特征迁移学习的GNSS干扰检测方法

来源：信号处理杂志 2025年第7期北京时间：

作者：陈敏, 李昊宇, 何炜琨, 吴仁彪

摘要：全球导航卫星系统（Global Navigation Satellite System， GNSS）是现代航空系统的重要基础，其极易受到射频干扰，这可能导致航班备降、复飞或进近中止等情形，对航空安全造成严重影响。广播式自动相关监视（Automatic Dependent Surveillance-Broadcast， ADS-B）依赖于GNSS获取飞机位置信息，当GNSS受到射频干扰时，ADS-B的可用性也会受到影响。基于ADS-B数据来进行GNSS干扰检测成为一种可行的解决方案。针对现有基于ADS-B数据的GNSS干扰检测模型存在无法兼容多个ADS-B版本，难以适应我国国情的问题，以GNSS干扰事件中的ADS-B数据为研究对象，分析其在干扰条件下的特点，包括航迹波动和导航质量指标的变化特性。引入滑动窗口技术，动态计算统计特征并扩展特征维度，以更全面准确地反映干扰影响；提出了一种结合长短期记忆网络自编码器（Long Short-Term Memory-AutoEncoder， LSTM-AE）与领域对抗神经网络（Domain Adversarial Neural Network， DANN）的GNSS干扰检测方法。该方法通过LSTM-AE提取不同版本ADS-B的特征，并将其映射到同一个特征空间，提供一致的特征表示；采用DANN网络实现对DO-260A/B版本ADS-B数据（源域）中GNSS干扰的检测，并借助DANN的迁移学习能力，使其适应于DO-260版本的ADS-B数据（目标域），从而实现跨版本的高效检测。实验结果表明，所提出的LSTM-AE-DANN模型在DO-260、DO-260A/B版本的ADS-B数据集上均表现出优秀的检测性能和更强的适用性，适合我国国情，具有显著的实用价值。

关键词：全球导航卫星系统干扰检测, 广播式自动相关监视, 长短期记忆自编码器, 领域对抗神经网络, 迁移学习, 航空安全