GPS干扰检测与航空安全：从信号劣化到RAIM告警的工程防护

GPS 干扰对航空安全的影响，这两年越来越受到关注。这次我们不讲新闻，只从工程链路看问题：GPS 信号受到干扰时，接收机的观测数据会如何劣化，定位解算会怎么偏离，飞机导航系统依赖的 RAIM 会不会告警，以及作为技术人员可以用哪些方法去检测、评估和缓解这类风险。

文章的落点很明确：先搞清楚 GPS 干扰的技术路径，再给出可落地的检测手段、数据评估指标、监控平台设计思路和防护方案。适合 GNSS 接收机开发者、航空电子系统测试人员、无人机和车载定位系统维护者，以及所有关心“定位精度突然变差”的工程人员阅读。

1. GNSS 信号与干扰类型速览

GPS 是 GNSS 全球导航卫星系统中最常见的一种。卫星信号到达地面时功率极低，通常在 -125 dBm 以下，比 WiFi 信号还要弱很多。信号弱，就意味着容易受干扰。

先看 GPS 几个公开频段的工程参数，这些参数在接收机开发和干扰分析中会反复用到：

参数项	GPS L1 C/A	GPS L5	说明
载波频率	1575.42 MHz	1176.45 MHz	L1 最常用，L5 民用新信号
信号体制	BPSK-R(1)	BPSK-R(10)	码率分别为 1.023 MHz 和 10.23 MHz
到达地面功率	约 -126 dBm	约 -127 dBm	比热噪声低 20 dB 左右
主要用户	通用导航、航空	航空、生命安全	L5 抗干扰能力更强

干扰类型从工程上可以分三种：

1. 带内窄带干扰：在 1575.42 MHz 附近发射单音或窄带信号，直接压制 L1 C/A 码。
2. 宽带压制干扰：在 GPS 频段内发射宽带噪声，抬高接收机底噪，导致捕获和跟踪失锁。
3. 欺骗式干扰：伪造 GPS 信号，让接收机解算出错误的位置或时间。这种干扰比压制式更隐蔽，对航空系统危害也更大。

从材料看，目前公开讨论较多的是“GPS 信号干扰导致附近设备定位异常”这类场景。实际工程中，我们首先要区分干扰源来自辐射信号、多路径、接收机自身故障，还是电离层异常，再决定处置方式。

2. 干扰影响航空系统的技术路径

GPS 干扰不一定会直接导致飞机失控，但会影响飞机的定位、导航、授时等关键链路。从工程路径上拆解，风险是逐步传递的：

1. 信号被压制，接收机 C/N0 下降，载波跟踪环路失锁；
2. 可见卫星数减少，GDOP 值变差，定位精度下降；
3. 机载 GPS 接收机进入 RAIM 告警状态；
4. 飞行管理系统失去精确定位信息，需要切换其他导航源。

RAIM 接收机自主完好性监测，是航空 GPS 接收机的核心功能。它的原理是：如果可见卫星数超过 4 颗，利用冗余观测量做一致性检查，如果某颗卫星的伪距残差明显偏离正常值，就判断该卫星不可用，甚至发布“RAIM 不可用”告警。

干扰场景下，RAIM 可能出现的情况有两种：

• 压制干扰使某些卫星信号失锁，可见卫星数下降，RAIM 无法完成完好性监测；
• 欺骗式干扰使伪距观测值整体偏移，而卫星几何分布又不足以发现一致性异常，就会产生“有定位结果但位置错误”的危险情况。

工程上最担心的不是直接丢星，而是干扰让接收机在错误的位置上继续输出定位结果。因此，检测 GPS 干扰不能只依赖定位结果，还要观察原始观测数据、信噪比和伪距残差。

3. 干扰检测的核心技术指标

排查 GPS 干扰，不要只看最终定位坐标。下面这些指标更有判断价值。

3.1 C/N0 载噪比

C/N0 是接收机对每颗卫星信号强度的度量，单位是 dB-Hz。正常情况下，开阔环境下 GPS L1 C/A 的 C/N0 大约在 40 到 50 dB-Hz 之间，室内或树荫下会降到 30 以下。

判断标准：

• 所有卫星 C/N0 同时下降 6 dB 或更多，大概率是射频前端问题或者宽带压制干扰；
• 只有某一颗或某几颗卫星 C/N0 异常，可能是天线遮挡或多路径；
• C/N0 在 1575.42 MHz 附近出现规律性抬升，要考虑带内窄带干扰。

3.2 伪距残差

伪距残差是接收机利用星历解算出的几何距离与实际观测伪距之间的差值。RAIM 监测的就是这些残差的一致性。正常残差在几米以内，干扰状态下可能跳变到几十米甚至上百米。

3.3 位置跳变与标准差

位置标准差可以在静态场景下统计。接收机固定不动时，定位结果应稳定在某个小范围内。如果位置噪声突然增大，或坐标出现规律性偏移，往往是欺骗式干扰的迹象。

3.4 NMEA 语句中的告警字段

NMEA 0183 协议中，GSA 语句的 Mode 字段可能从 A（自动）变为 N（无定位），GSV 语句会显示各卫星的 SNR。这些字段可以通过串口或网络实时采集，是搭建监控系统时最容易拿到的数据。

4. 实验环境搭建：采集 GPS 原始观测数据

要验证干扰对定位质量的影响，建议先搭一套可复现的采集环境。下面给出一套通用方案，实际设备以你手头为准。

4.1 硬件清单

• 支持 NMEA 输出和原始观测数据输出的 GPS/GNSS 接收机；
• 外置有源天线，放置在开阔环境；
• 串口转 USB 模块或直接网口输出；
• 一台记录数据的电脑，建议带 SSD 存储；
• 可选：软件定义接收机前端，用于采集 IQ 数据做离线分析。

4.2 数据采集流程

接收机启动后，先确认定位状态，再开始记录。

# 使用串口工具读取 GPS 数据，并保存到文件 cat /dev/ttyUSB0 > gps_raw.nmea

如果接收机支持原始观测数据，可以用 RTKLIB 的 str2str 或 rtkrcv 工具录制 RINEX 文件。

# 录制原始观测数据，按实际编译路径和配置调整 str2str -in serial://ttyUSB0:115200 -out file://./obs/raw_$(date +%Y%m%d_%H%M%S).rtcm

建议记录时长不少于 10 分钟，覆盖至少一次完整的卫星几何变化。如果要做干扰对比测试，需要记录三段数据：干扰前、干扰中、干扰后。

4.3 数据解算与格式转换

RTKLIB 的 rnx2rtkp 可以将 RINEX 转成定位结果。

# 使用 RTKLIB 命令进行单点定位解算 rnx2rtkp obs_file.obs nav_file.nav -p 0 -o position.pos

解算得到的结果是带时间戳的 ECEF 或经纬高坐标，后续可以用 Python 做统计分析。

5. 干扰评估方法：从 NMEA 数据提取质量指标

采集到数据后，可以通过解析 NMEA 语句计算质量指标。下面是一个通用 Python 处理示例，实际文件名和字段要按你的数据调整。

import re from statistics import mean, stdev # 解析 GSV 语句中的 SNR 信息 def parse_gsv_snr(line): if not line.startswith("$GPGSV"): return None fields = line.split(",") snr_list = [] # 每 4 颗卫星为一组，第 8、16、24、32 个字段是 SNR for idx in [7, 15, 23, 31]: if idx < len(fields): try: val = int(fields[idx]) if 0 < val < 99: snr_list.append(val) except ValueError: pass return snr_list # 解析 GGA 语句中的定位状态 def parse_gga_status(line): if not line.startswith("$GPGGA"): return None, None fields = line.split(",") status = int(fields[6]) if fields[6].isdigit() else 0 return status, fields

通过上面的解析函数，可以先统计全部卫星 SNR 的均值和标准差。如果均值从 42 dB-Hz 降到 28 dB-Hz，说明接收信号强度发生了整体劣化。

5.1 位置稳定性分析

在有位置输出的前提下，计算经度和纬度的标准差。

# 从位置结果文件中读取经纬度，计算标准差 import math lat_list = [] lon_list = [] with open("position.pos", "r") as f: for line in f: if line.startswith("%") or line.startswith(" "): continue parts = line.split() if len(parts) >= 5: lat_list.append(float(parts[3])) lon_list.append(float(parts[4])) lat_std = stdev(lat_list) if len(lat_list) > 1 else float("nan") lon_std = stdev(lon_list) if len(lon_list) > 1 else float("nan") print(f"Latitude STD: {lat_std:.6f} deg") print(f"Longitude STD: {lon_std:.6f} deg")

静态环境下，位置标准差显著变大，基本可以判定接收机观测质量发生了变化。但要注意：定位精度地图是一个软指标，温度、大气、多路径都会影响，要结合 C/N0 一起判断。

6. 多传感器融合与 RAIM 增强

单纯依赖 GPS 抗干扰已经不够。现代航空系统普遍采用多传感器融合来降低单一 GNSS 失效的风险，工程上主要有三个方向：

6.1 GNSS 多星座融合

GPS 之外，GLONASS、Galileo、BeiDou 都可以参与定位解算。多星座接收机在单星座受干扰时还有冗余卫星可用，RAIM 也能更容易识别异常星。对于航空应用，多频多星座已经是一种工程标配。

6.2 惯性导航组合

INS 惯导系统短期精度高、受射频干扰影响小，但长期有漂移。GNSS 与 INS 通过卡尔曼滤波器融合，可以在 GPS 信号被压制后保持数分钟到数十分钟的可接受导航精度，成为飞行器降级处理的关键手段。

6.3 时钟源备份与时间同步

GPS 不仅提供位置，还提供高精度时间。很多系统的授时完全依赖 GPS 的 PPS 秒脉冲。如果 GPS 被干扰，授时链路也可能中断。工程上可以引入独立的铷钟或 OCXO 恒温晶振作为备份时钟源。

Linux 环境下，使用 chrony 可以将 GPS 接收机作为 NTP 时间源。配置思路如下，实际设备路径和串口需要按环境替换：

# /etc/chrony/chrony.conf 中启用 GPS 串口时间源 refclock SHM 0 offset 0.5 delay 0.2 refid GPS precision 1e-1

# 安装 GPS 时间服务驱动并重启 chrony # 以 Ubuntu 为例，实际步骤需按系统版本调整 sudo apt install gpsd gpsd-clients chrony sudo systemctl restart gpsd sudo chronyc sources -v

执行chronyc sources -v后，如果能看到GPS源的状态是*，说明时间同步已经锁定。若 GPS 信号被干扰，chronyc tracking中会看到系统未能锁定卫星时钟，此时应切换到备份时钟源。

7. 干扰监控平台设计：批量任务与自动化告警

在生产环境中，一个长期运行的 GPS 监测站需要持续采集数据、评估质量、触发告警。一个典型架构如下：

1. 接收机持续输出 NMEA 数据；
2. 采集服务解析并写入时序数据库；
3. 周期性任务计算 C/N0 均值、定位标准差等指标；
4. 指标超过阈值时触发告警通知；
5. 输出原始数据和评估结果用于事后分析。

7.1 数据采集接口

如果接收机服务已经提供网络接口，可以用 Python 定时采集。

import requests import json # 接收机状态接口，实际路径以设备文档为准 url = "http://127.0.0.1:8080/api/status" response = requests.get(url, timeout=10) data = response.json() print(json.dumps(data, indent=2, ensure_ascii=False))

如果接收机只提供串口输出，则需要通过串口服务转发为 TCP。类似socat可以完成转发：

# 将串口数据转发到 TCP 端口，端口号按实际环境调整 socat -d -d pty,link=/tmp/gps_raw,raw,echo=0 tcp-listen:4001,reuseaddr

7.2 批量评估任务

对历史数据做批量评估时，可以写一个循环任务，统一处理多个日志文件。

import os import csv input_dir = "./gps_logs" output_file = "./evaluation_result.csv" with open(output_file, "w", newline="") as csvfile: writer = csv.writer(csvfile) writer.writerow(["file", "mean_cn0", "lat_std", "lon_std", "sat_count"]) for filename in sorted(os.listdir(input_dir)): if not filename.endswith(".nmea"): continue # 每个文件解析一次，提取质量指标 # 这里省略具体解析逻辑，按上一节方法实现 writer.writerow([filename, "42.5", "0.0001", "0.0001", "10"])

批量任务要注意日志和失败重试。如果某个文件解析失败，建议跳过并单独记录错误原因，不要在批量任务中直接中断全部处理。

8. 性能观察与资源消耗

运行 GPS 监控平台时，重点关注三个资源指标：

1. CPU：NMEA 数据量不大，但实时解析和位置解算会占 CPU。普通工控机即可，不必上高配服务器。
2. 存储：NMEA 原始日志每小时约 5 到 20 MB，具体取决于接收机输出频率。RINEX 观测数据会大一些。建议按“原始数据保留 30 天、评估结果长期保留”的方式管理磁盘。
3. 网络带宽：如果需要回传多台接收机的数据到中心监控平台，单机网络流量很小，但按小时汇总仍需要评估带宽。

如果某一台接收机持续输出大量异常数据，可以先做本地缓存再批量上传，避免网络阻塞。

9. 常见问题与排查方法

问题现象	可能原因	排查方式	解决方案
所有卫星 C/N0 同时下降	天线馈线松动、射频干扰	检查天线连接、频谱观察	更换馈线，加装带通滤波
定位结果正常但坐标缓慢偏移	欺骗式干扰	对比 C/N0 和伪距残差	接入惯导融合，启用完好性监测
接收机长时间无法定位	可见星不足、干扰压制	查看 GSV 可见卫星数量	移动天线位置，改用多频接收机
RAIM 频繁告警	单星或多星观测异常	分析伪距残差	判别干扰还是故障，刷新星历
GNSS 授时同步失败	GPS 时间源丢失	执行 chronyc sources -v	切换到备份时钟源
批量分析任务卡死	文件损坏或解析异常	分文件记录错误日志	增加跳过和重试逻辑

需要强调，排查 GPS 干扰时不要孤立看某一项指标。C/N0 下降说明信号弱，但不一定位置就错了；位置跳变明显，但 C/N0 正常，则要重点怀疑多路径或欺骗式干扰。稳妥的做法是同时记录 C/N0、伪距残差、位置标准差和可见星数，关联时间轴查看。

10. 防护手段与工程最佳实践

针对 GPS 干扰的工程防护，可以从天线、射频、接收机、系统四个层面逐级加固。

10.1 天线全向与定向策略

固定监测站可以使用抗干扰天线阵列，例如 7 阵元抗干扰天线，能抑制多个方向的窄带干扰。航空器上则要依据安装条件做布局优化，避免天线被机身遮挡。

10.2 射频前端加滤波

在低噪声放大器前增加 SAW 带通滤波器，能有效衰减 GPS 频段外的强干扰信号。对 1575.42 MHz 附近的窄带干扰，可以加陷波滤波器，但要注意对有效信号的损耗。

10.3 接收机算法层面

• 启用多路径抑制技术；
• 设置合理的载波跟踪环路带宽；
• 开启 RAIM/FDE 故障检测与排除；
• 对 C/N0 做自适应门限监测。

10.4 系统层面

• 重要导航系统不能唯一依赖 GPS，必须预留惯性导航、地面导航等备份；
• 授时系统应配备本地原子钟或高稳晶振，避免 GPS 失效时全网时间混乱；
• 监控平台要保存原始数据，方便事后复盘干扰时间线。

10.5 合规使用提醒

本文仅讨论 GPS 干扰检测和防护，不提供任何干扰发射、欺骗信号生成的方法。个人和企业在进行 GPS 信号测试时，必须遵守当地无线电管理规定，在合法频段和功率范围内操作。涉及航空系统、关键基础设施的测试，需要经过授权并在隔离环境中进行。

11. 针对多类传感器融合评估的扩展建议

GPS 不是唯一的导航信息源。对航空器来说，camera、lidar、imu、GPS 四类传感器通常需要统一评估。推荐的做法是构建一个传感器数据质量评估框架：

1. 每个传感器独立输出质量指标：GPS 看 C/N0 和残差，IMU 看零偏稳定性，Lidar 看点云密度，Camera 看帧间隔和曝光；
2. 设计统一的“融合置信度”状态机，某个传感器指标异常时下调权重；
3. 把评估结果写入结构化日志，用于离线回放和故障归因。

这样即使 GPS 受到干扰，系统也能基于其他传感器继续输出保守的导航结果，而不是直接失效。

12. 总结与下一步

GPS 干扰威胁的不仅是定位精度，更是整个系统的时间同步、完好性监测和决策链路。对工程人员来说，最值得先做的是把接收机原始数据采集下来，建立一套“C/N0 + 伪距残差 + 位置标准差”的质量评估流程。

最容易踩的坑有两个：一是只看最终定位坐标，忽略了 C/N0 和残差等早期信号指标；二是没有在系统层面做时间和惯性备份，导致一天真出现高强度干扰时整条导航链路断了。

下一步可以先做三件事：

1. 用一台普通 GNSS 接收机搭建数据采集环境，连续记录 24 小时 NMEA 数据；
2. 写一个批量分析脚本，统计每天 C/N0 分布和位置标准差，建立基线；
3. 在合规前提下，用可控小功率信号源测试干扰检测指标的灵敏度，验证监控阈值设置的合理性。

GPS 干扰检测和防护是一个持续迭代的过程，建议把监控平台、数据日志和评估脚本固定下来，形成一套可复用的工程质量基线，再逐步扩展到其他 GNSS 星座和传感器融合场景。