本文版权为《邮电设计技术》所有，如需转载请联系《邮电设计技术》编辑部
摘要：针对全球导航卫星系统（GNSS）面临的严峻干扰威胁的问题，构建了空天地协同的GNSS干扰监测与溯源体系。面向压制、欺骗及非人为等干扰类型，部署天基、空基、地基和泛在感知多层节点，设计从感知到溯源的一体化工作流。通过多尺度数据融合与协同处理、多维特征AI精准识别、机动平台抵近精确溯源三大核心技术，实现从广域普查到街区级精查的多尺度弹性覆盖。该机制弥补了单一监测手段的覆盖度、实时性、精准度的短板，成为韧性PNT体系的关键支撑。
关键字：GNSS干扰；空天地协同；监测溯源；欺骗干扰；韧性PNT
doi：10.12045/j.issn.1007-3043.2026.07.005
概述
全球导航卫星系统（Global Navigation Satellite System，GNSS）已成为现代社会不可或缺的时空信息基础设施，其应用已渗透至交通、通信、金融、电力及国防等国计民生关键领域，并在低空经济、具身智能、智能驾驶等前沿应用中发挥基础性作用［1］。然而，由于GNSS 信号功率极弱、轨道遥远、协议公开等特性，其呈现出固有的脆弱性，极易受到干扰［2］。
2025 年12 月17 日，南京发生GNSS 大范围干扰事件，干扰期间智能手机、共享单车、机动车、无人机等设备出现轨迹漂移，平均偏差超过2 km，干扰范围达500 km 2，影响用户数超百万。当前，GNSS 干扰以短时试探、欺骗攻击与伪装隐匿为主要形式［3］，具有隐蔽性强、短时突发的特点，排查难度极大［4］。对GNSS 干扰的监管普遍以受理主动举报为主，缺乏实时监测机制，更难以实现从地区级、城市级大尺度到城区级、街区级小尺度的实时、泛在、精准的干扰监测与溯源。因此，研究一种具备更高GNSS 干扰监测与溯源能力的机制体系成为一项紧迫任务。
1.1 GNSS干扰类型综述
根据干扰意图，干扰主要可分为无意干扰和有意干扰两大类。无意干扰通常源于其他无线电设备的带外或杂散发射、同频段合法通信信号等，其影响往往是随机的、非针对性的。而有意干扰则是主动对GNSS 实施的破坏行为，根据技术原理和影响方式，可进一步细分为压制式和欺骗式干扰这2种［5］。
a）压制式干扰。通过发射与GNSS信号同频或临近频段的强功率噪声或调制信号，直接淹没真实卫星信号，致使接收机无法捕获或跟踪信号，从而造成定位服务中断或失效［6］。其影响直接、范围广，是目前最为常见的干扰形式。
b）欺骗式干扰。通过生成与真实GNSS信号高度相似的伪造信号，误导或控制目标接收机，使其解算出错误的位置、速度或时间信息［7］。与压制式干扰相比，欺骗干扰具有隐蔽性强的特点，接收机在受骗期间可能仍显示正常的定位状态，但其输出的导航结果却是危险的错误值［8］，尤其对民用航空、低空飞行、自动驾驶等应用场景的危害极大。
根据干扰作用距离、到达接收机的干信比等指标，可对干扰源的影响尺度进行划分。以扫频干扰为例，统计干扰功率和影响范围的对应关系，具体如表1所示。
1.2 GNSS干扰监测溯源手段
预防和管理GNSS 干扰事件的核心目标可概括为“看得见”“定得准”“管得住”。近年来，国内外已发展形成地基、空基、天基、泛在感知四大类主流监测技术手段，各类手段均有其适配场景与核心优势，但也存在无法突破的固有能力边界，且多为独立建设、单独运营，难以兼顾广域覆盖、定位精度、响应时效与部署成本的综合需求。
1.2.1 CORS组网监测方法
该方法以地面布设的固定高精度连续运行基准站（Continuously Operating Reference Stations，CORS）为核心节点，通过无线电测向（Angle of Arrival，AOA）、到达时间差（Time Difference of Arrival，TDOA）等技术，对区域内的GNSS干扰信号进行探测与源定位［9］，典型系统如瑞典的干扰检测与定位系统（IDLS）。该方法对干扰源的定位精度高，可达数十米至百米级，且可实现秒级连续实时监测，但对组网密度有严格要求。当前国内CORS 网核心职能为提供实时动态（Real-Time Kinematic，RTK）定位增强服务，站间距普遍为40~70 km，难以满足城市级精细化监测的密度需求；同时，受地形遮挡、站址固定的限制，无法覆盖山地、远海等区域，也不具备跨境或全球监测能力，部署灵活性较弱。
1.2.2 无人机平台监测方法
该方法以旋翼或固定翼无人机为机动搭载平台，集成测向天线阵、射频接收模块等载荷，通过空中机动测向与多点位方位交汇定位，实现对GNSS 干扰源的快速查找［10］。其核心优势为机动灵活、响应迅速，可有效克服复杂地形障碍，通过抵近测量优化定位几何条件，最高可实现米级定位精度。但受限于平台续航能力、有效载荷重量与尺寸，其单次任务覆盖范围有限，且出动受空域管制和天气条件制约，不适合开展大范围、持续性、实时性的普查监测。
1.2.3 ADS-B数据间接监测方法
该方法通过接收和分析民航飞机自动广播的广播式自动相关监视（Automatic Dependent Surveillance-Broadcast，ADS-B）报文，提取其中的导航完好性类别（Navigation Integrity Category，NIC）、导航精度类别（Navigation Accuracy Category for Position，NACp）等参数的异常变化，间接推断GNSS 信号质量并划定干扰区域［11］。该方法依托全球民航机队构建天然的“移动传感器网络”，可实现民航航路空域的近乎实时的广域感知，无需额外建设专用监测网，部署成本极低。但受航班密度分布不均的影响，缺失对非航路区域的监测能力，数据稳定性与定位精度不足，仅能实现数十千米级的粗定位；同时，告警易受飞机接收机故障、多径效应等非干扰因素影响，误报率较高。
1.2.4 专用低轨星座监测方法
该方法以数百公里高度的低地球轨道专用电磁监测星座为平台，对全球GNSS 干扰射频信号进行广域监测，其核心为依托三星TDOA、双星到达频率差（Frequency Difference of Arrival，FDOA）联合定位技术［12］，通过信号到达不同卫星的时间差与频率差解算干扰源的地理位置，典型商用系统为美国鹰眼360 星座。该方法可实现全球范围持续性信号普查，溯源精度可达百米级至公里级，是目前唯一具备全球无盲区监测能力的技术手段［13］。但受轨道高度影响，星载监测灵敏度较地基系统低20 dB 左右，对低功率弱信号的监测能力不足；同时存在星载时频同步技术复杂、星座建设运维成本高昂、数据回传延迟及卫星重访周期限制等固有缺陷。
1.2.5 5G网授时数据监测方法
基于5G 网授时数据的监测方法以全域密集部署的5G 商用基站为分布式感知节点，依托基站GNSS 授时天线、工参坐标，通过采集GNSS 载噪比（Carrier-to-Noise Ratio，C/N₀）、可见卫星数、伪距残差、授时偏差等特征数据，结合TDOA/AOA联合定位、C/N₀梯度加权质心、多基站异常空间聚类算法解算干扰位置并识别干扰类型［14］。该方法的优势是无需新增专用监测硬件，覆盖密度极高。但受基站空间分布不均的影响，中心城区数据密集，实时分析资源消耗较大，大规模数据分析水平较低导致无法实时评估（通常有分钟级延迟），偏远区域监测密度不足，容易漏警。同时，城市峡谷等多径遮挡易引入测量误差，易受5G 系统互调、带外杂散等自扰信号影响，干扰判别准确率受限。
1.2.6 众包GNSS终端数据监测方法
该方法在授权与数据安全合规框架下，匿名采集智能手机、车载导航终端等海量民用GNSS 设备的搜星数量、位置—速度—时间（Position—Velocity—Time，PVT）输出、伪距残差等数据，基于空间时序数据挖掘技术实现干扰区域的发现与粗定位为传感器数量巨大、人口密集区覆盖密度高、实施边际成本极低，尤其适配城市区域压制式干扰的早期预警。但单终端数据质量参差，受多径环境影响显著，对不引起信噪比显著下降的隐蔽欺骗式干扰几乎没有识别能力；同时，大规模监测数据的传输、存储与隐私合规管控存在明确约束。
现有干扰监测溯源技术对比如表2所示。
综上，各类单一监测手段均存在无法突破的能力边界：天基手段可覆盖全球，但灵敏度不足、精度有限；地基手段精度高、实时性强，但覆盖范围受限、灵活性不足；空基手段可抵近精确定位，但无法广域持续监测；泛在感知手段成本低、覆盖广，但精度不足、抗干扰能力弱［16］。仅靠单一技术体系，无法实现从全球广域普查到城市街区级精准溯源的全链条监测需求。因此，融合各类平台的核心优势，构建空天地一体化协同监测溯源体系，成为突破当前技术瓶颈、实现GNSS全场景安全保障的核心路径。
