利用神经网络逐级缩小定位区域的低复杂度多级干扰源直接定位方法

针对利用直接定位（DPD）方法对全球导航卫星系统（GNSS）终端面临的干扰源进行定位时，在线计算复杂度高的问题，提出了一种利用神经网络逐级缩小定位区域的低复杂度多级干扰源直接定位方法。该方法首先使用多级全连接神经网络（FNN）逐级缩小干扰源所在的区域范围，每一级处理将目标区域均分为两个子区域，并利用预训练的以接收信号功率作为输入特征的神经网络选出干扰源所在的子区域，从而大幅缩小干扰源所在的目标区域；然后在锁定的最终子区域内划分网格并使用DPD方法对干扰源进行精细定位。由于逐级二分处理已将干扰源可能存在的区域大幅缩小，因此有效降低了DPD方法的网格搜索集合大小。仿真结果表明：在较高干噪比条件下（对于压制式干扰通常大于20 dB）,所提方法能获得与DPD方法接近的定位性能，而在线计算复杂度相比于DPD方法可降低大约2^M倍（M为神经网络级数）,定位误差相比于传统基于到达时间差（TDOA）的Chan氏定位方法可降低90%以上。