FR3147008A1 - Dispositif électronique de détection d'interférence(s) GNSS, véhicule, procédé et programme d'ordinateur associés - Google Patents

Dispositif électronique de détection d'interférence(s) GNSS, véhicule, procédé et programme d'ordinateur associés Download PDF

Info

Publication number
FR3147008A1
FR3147008A1 FR2302680A FR2302680A FR3147008A1 FR 3147008 A1 FR3147008 A1 FR 3147008A1 FR 2302680 A FR2302680 A FR 2302680A FR 2302680 A FR2302680 A FR 2302680A FR 3147008 A1 FR3147008 A1 FR 3147008A1
Authority
FR
France
Prior art keywords
interference
filtering
filter
gnss
innovation vector
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
FR2302680A
Other languages
English (en)
Other versions
FR3147008B1 (fr
Inventor
François Philippe LEGOLL Sébastien
Jacques Coatantiec
Jean-Marc Frédéric VERCIER Nicolas
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Thales SA
Original Assignee
Thales SA
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Thales SA filed Critical Thales SA
Priority to FR2302680A priority Critical patent/FR3147008B1/fr
Priority to PCT/EP2024/057742 priority patent/WO2024194456A1/fr
Priority to CN202480020840.6A priority patent/CN120917340A/zh
Priority to EP24712837.4A priority patent/EP4684237A1/fr
Publication of FR3147008A1 publication Critical patent/FR3147008A1/fr
Application granted granted Critical
Publication of FR3147008B1 publication Critical patent/FR3147008B1/fr
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/13—Receivers
    • G01S19/21—Interference related issues ; Issues related to cross-correlation, spoofing or other methods of denial of service
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
    • G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
    • G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
    • G01S19/42—Determining position
    • G01S19/48—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system
    • G01S19/49—Determining position by combining or switching between position solutions derived from the satellite radio beacon positioning system and position solutions derived from a further system whereby the further system is an inertial position system, e.g. loosely-coupled

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Navigation (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

Dispositif électronique de détection d’interférence(s) GNSS, véhicule, procédé et programme d’ordinateur associés La présente invention concerne un dispositif (10) de détection d’interférence(s) GNSS, comprenant au moins : - une unité (12) de mesure inertielle, - un récepteur GNSS (16), - un filtre de Kalman (20) configuré pour calculer cycliquement un vecteur innovation (22) par hybridation de données fournies par : - ladite unité de mesure inertielle, et - ledit récepteur GNSS, et en outre, en sortie dudit filtre de Kalman : - un module (26) de filtrage appliquant au moins un filtrage sur chaque composante du vecteur innovation fourni à chaque cycle de calcul, - un module (30) de détection d’interférence(s) détectant une interférence lorsque pendant Q cycles et sur un nombre U de composantes du vecteur d’innovation, la valeur absolue de la sortie (28) du module de filtrage, pour au moins un filtrage, est supérieure à un seuil prédéterminé. Figure pour l'abrégé : Figure 1

Description

Dispositif électronique de détection d’interférence(s) GNSS, véhicule, procédé et programme d’ordinateur associés
La présente invention concerne un dispositif électronique de détection d’interférence(s) GNSS propre à être embarqué à bord d’un véhicule propre à se déplacer entre deux positions géographiques, le dispositif comprenant au moins : une unité de mesure inertielle propre à fournir des mesures de navigation, un récepteur GNSS de mesures de positionnement par satellite(s), un filtre de Kalman configuré pour calculer cycliquement un vecteur innovation par hybridation de données fournies, en entrée dudit filtre de Kalman, à la fois par ladite unité de mesure inertielle et par ledit récepteur GNSS.
L’invention concerne également un véhicule comprenant un tel dispositif électronique de détection d’interférence(s) GNSS.
L’invention concerne également un procédé de détection d’interférence(s) GNSS, ledit procédé étant mis en œuvre par un dispositif électronique de détection d’interférence(s) GNSS propre à être embarqué à bord d’un véhicule propre à se déplacer entre deux positions géographiques.
L’invention concerne également un programme d’ordinateur comportant des instructions logicielles, qui lorsqu’elles sont exécutées par un ordinateur mettent en œuvre un tel procédé de détection d’interférence(s) GNSS.
La présente invention concerne la navigation d’un véhicule (également appelé porteur) propre à se déplacer entre deux positions géographiques distinctes, tel qu’un véhicule terrestre correspondant notamment à une voiture, un camion, ou tel qu’un aéronef ou tout type de porteur.
Pour ce faire, le véhicule embarque généralement un récepteur de système de navigation et de positionnement par satellites configuré pour déterminer, notamment par trilatération, un positionnement (i.e. une position de géolocalisation ou encore une solution de géolocalisation) du véhicule en utilisant des estimations de distances aux satellites visibles d’une même ou de plusieurs constellations de satellites du système de navigation et de positionnement par satellites. Des exemples de systèmes de navigation par satellites sont le système GPS américain (de l’anglais «Global Positioning System»), le système GALILEO européen, le système GLONASS russe, ou encore le système BEIDOU chinois, etc.
Plus précisément, la présente invention porte sur la détection d’interférences appelées par la suite « interférences GNSS » à partir de l’hybridation entre les données inertielles et les données reçues par le récepteur GNSS, également dite par la suite hybridation inertie/GNSS.
Par la suite, on entend par « interférence GNSS » une interférence qui consiste en l’envoi de signaux radiofréquences erronés au récepteur GNSS. Le récepteur GNSS utilise alors ces signaux erronés pour calculer les données de navigation du véhicule dans lequel il est embarqué, par exemple sa position et sa vitesse, qui vont être alors différentes des données exactes (i.e. « vraies »), à cause des erreurs sur les signaux radiofréquences.
Par exemple, une telle interférence GNSS se produit lorsqu’à l’intérieur des hangars situés dans les aéroports, on utilise des répéteurs de signaux GNSS, notamment GPS, permettant de propager ces signaux à l’intérieur des hangars, de sorte à être utilisés pour assister un pilote d’aéronef situé à l’intérieur des hangars à se positionner.
Cependant, lorsque les portes de ces hangars sont ouvertes, les signaux issus de ces répéteurs sont propres à se propager à l’extérieur des hangars, et à être captés par des aéronefs situés à l’extérieur, qui eux doivent utiliser les signaux GNSS directs pour se positionner, et non les signaux issus de ces répéteurs qui constituent alors une interférence pour les aéronefs à l’extérieur des hangars.
Pour y remédier, une technique actuelle de détection de telles interférences GNSS est décrite dans la norme DO-229D «Minimum Operational Performance Standards for Global Positionning System/Satellite-Based Augmentation System Airborne Equipment» et en particulier, dans l’appendice R 3 1 1, et consiste à utiliser l’hybridation entre les données inertielles et les données GPS de manière à détecter l’interférence en utilisant un filtre de Kalman.
Plus précisément, cette technique actuelle, calcule tout d’abord, lors de l’hybridation, le vecteur innovation qui constitue la différence entre d’une part l’écart mesuré entre les données GNSS et les données inertielles, et d’autre part l’écart prédit d’après le modèle d’hybridation entre ces données.
Puis, cette technique met en œuvre ensuite la comparaison des différentes composantes de ce vecteur innovation à l’écart type attendu sur chaque composante du vecteur innovation, cet écart type attendu étant calculé à partir de la matrice de covariance P du filtre de Kalman employé pour le calcul du vecteur innovation, et lorsque la valeur absolue de l’une ou de plusieurs composantes du vecteur innovation sont très supérieures à l’écart type attendu, inactive l’utilisation des données du récepteur GNSS car il y a potentiellement un problème au niveau des données GNSS, provenant d’une interférence ou d’un autre phénomène.
Cette technique actuelle n’est cependant pas satisfaisante, car une interférence sur les données GNSS peut provoquer une erreur augmentant progressivement au cours du temps sans entrainer, à chaque cycle de calcul du filtre de Kalman, de changements de valeur trop importants au niveau des composantes du vecteur innovation, si bien que les valeurs des composantes de ce vecteur innovation seront du même ordre de grandeur que celles présentes en l’absence d’interférence et ne seront pas très supérieures à l’écart type calculé à partir de la matrice de covariance P du filtre de Kalman employé dans le calcul du vecteur innovation. Ainsi, une telle interférence sur les données GNSS ne sera pas détectée la plupart du temps, ou du moins pas immédiatement ou rapidement après apparition d’un telle interférence.
Le but de l’invention est alors de proposer un dispositif électronique de détection d’interférence(s) GNSS qui permette de pallier les inconvénients de la technique actuelle en augmentant l’efficacité et la réactivité de détection d’interférences GNSS.
A cet effet l’invention a pour objet un dispositif électronique de détection d’interférence(s) GNSS, propre à être embarqué à bord d’un véhicule propre à se déplacer entre deux positions géographiques, le dispositif comprenant au moins :
- une unité de mesure inertielle propre à fournir des mesures de navigation,
- un récepteur GNSS de mesures de positionnement par satellite(s),
- un filtre de Kalman configuré pour calculer cycliquement un vecteur innovation par hybridation de données fournies, en entrée dudit filtre de Kalman, à la fois par :
- ladite unité de mesure inertielle, et
- ledit récepteur GNSS,
le dispositif comprenant en outre, en sortie dudit filtre de Kalman :
- un module de filtrage configuré pour appliquer au moins un filtrage sur chaque composante du vecteur innovation fourni à chaque cycle de calcul par ledit filtre de Kalman,
- un module de détection d’interférence(s) configuré pour détecter une interférence lorsque pendant Q cycles et sur un nombre U de composantes du vecteur d’innovation, Q et U étant chacun un entier supérieur ou égal à un, la valeur absolue de la sortie du module de filtrage, pour au moins un filtrage appliqué par ledit module, est supérieure à un seuil prédéterminé.
Ainsi le dispositif électronique de détection d’interférence(s) GNSS selon la présente invention présente une architecture particulière permettant de détecter les interférences en utilisant non pas directement les composantes du vecteur innovation mais la sortie d’un filtrage sur ces composantes.
En d’autres termes, la présente invention consiste à utiliser un dispositif électronique de détection d’interférence(s) GNSS propre à appliquer un ou plusieurs filtrages sur chaque composante du vecteur innovation, et à utiliser la sortie de ces filtrages pour détecter les interférences GNSS.
En effet, la présente invention vise à exploiter le fait que l’évolution dans le temps des composantes du vecteur innovation est différente suivant qu’une interférence au niveau des données GNSS est présente ou non. Le filtrage utilisé permet alors, spécifiquement selon la présente invention, au niveau de la sortie renvoyée par le filtrage, de mettre en évidence cette différence d’évolution dans le temps.
Suivant d’autres aspects avantageux de l’invention, le dispositif électronique de détection d’interférence(s) GNSS comprend une ou plusieurs des caractéristiques suivantes, prises isolément ou suivant toutes les combinaisons techniquement possibles :
- ledit seuil prédéterminé dépend du type de filtrage appliqué par le module de filtrage et/ou du cycle de calcul courant ;
- le module de filtrage est configuré pour appliquer un filtrage par somme pondérée sur chaque composante du vecteur innovation fourni à chaque cycle de calcul par ledit filtre de Kalman ;
- ledit module de filtrage utilise un filtre à réponse impulsionnelle finie dont les N coefficients de filtrage, pour chaque composante du vecteur innovation, sont propres à sommer les N dernières valeurs d’entrées normalisées dudit filtre, et à pondérer ladite somme résultante par un coefficient de pondération prédéterminé ;
- ledit coefficient de pondération est propre à dépendre de l’indice de ladite composante considérée du vecteur innovation ;
- le module de filtrage est configuré pour appliquer au moins un filtrage avec des coefficients de filtrage prédéterminés.
- ledit module de filtrage utilise un filtre à réponse impulsionnelle finie, dont les N coefficients de filtrage, pour chaque composante du vecteur innovation, sont calculés avec des coefficients prédéterminés pour chaque type d’interférence d’un ensemble de types d’interférences prédéterminé et pour chaque type de phase de navigation d’un ensemble de types de phases de navigation prédéterminé associé audit véhicule.
L’invention a également pour objet un véhicule comprenant un tel dispositif électronique de détection d’interférence(s) GNSS.
L’invention a également pour objet un procédé de détection d’interférence(s) GNSS, ledit procédé étant mis en œuvre par un dispositif électronique de détection d’interférence(s) GNSS propre à être embarqué à bord d’un véhicule propre à se déplacer entre deux positions géographiques, le procédé comprenant au moins les étapes suivantes :
- calcul cyclique d’un vecteur innovation, mis en œuvre par un filtre de Kalman dudit dispositif, par hybridation de données fournies, en entrée dudit filtre de Kalman, à la fois par une unité de mesure inertielle propre à fournir des mesures de navigation et par un récepteur GNSS de mesures de positionnement par satellite(s) ;
- application d’au moins un filtrage sur chaque composante du vecteur innovation fourni à chaque cycle de calcul par ledit filtre de Kalman,
- détection d’une interférence lorsque pendant Q cycles et sur un nombre U de composantes du vecteur d’innovation, Q et U étant chacun un entier supérieur ou égal à un, la valeur absolue de la sortie de filtrage, pour au moins un filtrage, est supérieure à un seuil prédéterminé.
L’invention a également pour objet un programme d’ordinateur comportant des instructions logicielles qui, lorsqu’elles sont exécutées par un ordinateur, mettent en œuvre un tel procédé de détection d’interférence(s) GNSS tel que défini ci-dessus.
Ces caractéristiques et avantages de l’invention apparaîtront plus clairement à la lecture de la description qui va suivre, donnée uniquement à titre d’exemple non limitatif, et faite en référence aux dessins annexés, sur lesquels :
- la est un schéma illustrant un dispositif électronique de détection d’interférence(s) GNSS ;
- la est un organigramme représentatif du procédé de détection d’interférence(s) GNSS selon la présente invention ;
- la illustre, sous l’effet d’une interférence, la kièmecomposante normalisée du vecteur innovation ainsi que la somme pondérée de cette composante normalisée obtenue en sortie du filtrage mis en œuvre selon un mode de réalisation de l’invention ;
- les figures 4 et 5 illustrent les coefficients de filtrage prédéterminés, la kièmecomposante normalisée du vecteur innovation ainsi que la sortie du filtrage avec lesdits coefficients de filtrage prédéterminés mis en œuvre selon un autre mode de réalisation de l’invention et sous l’effet d’une interférence intervenant à partir de cycles de calculs distincts.
La est une représentation globale d’un dispositif 10 électronique de détection d’interférence(s) GNSS selon la présente invention.
Un tel dispositif 10 électronique de détection d’interférence(s) GNSS, est propre à être embarqué à bord d’un véhicule propre à se déplacer entre deux positions géographiques.
Comme illustré par la , un tel dispositif 10 comprend tout d’abord une unité 12 de mesure inertielle propre à fournir des mesures 14 de navigation.
De plus, un tel dispositif 10 comprend un récepteur GNSS 16 de mesures 18 de positionnement par satellite(s).
Un tel dispositif 10 comprend également un filtre de Kalman 20 configuré pour calculer cycliquement un vecteur innovation 22 par hybridation de données fournies, en entrée dudit filtre de Kalman, à la fois par ladite unité 12 de mesure inertielle et par ledit récepteur GNSS 16.
Autrement dit, le dispositif 10 électronique de détection d’interférence(s) GNSS est tout d’abord configuré pour utiliser les données inertielles (i.e. les mesures 14 de navigation) et les données du récepteur GNSS (i.e. les mesures 18 de positionnement par satellite(s)) en réalisant une hybridation entre ces données, grâce à un filtre de Kalman activé à différents cycles de calcul, ces cycles de calcul représentant le temps qui s’écoule.
Ainsi, l’hybridation mise en œuvre par le filtre de Kalman 20 consiste à combiner mathématiquement les mesures 14 et 18 fournies respectivement par l’unité de mesure inertielle 12 et le récepteur 16 de mesures de positionnement par satellites GNSS dudit véhicule pour obtenir des informations de position et de vitesse en tirant avantage de ces deux sources 12 et 16 de mesures 14 et 18 respectivement.
Le filtrage de Kalman s'appuie sur les possibilités de modélisation de l'évolution de l'état d'un système physique considéré dans son environnement, au moyen d'une équation dite "d'évolution" (estimation a priori), et de modélisation de la relation de dépendance existant entre les états du système physique considéré et les mesures d'un capteur externe, au moyen d'une équation dite "d'observation" pour permettre un recalage des états du filtre (estimation a posteriori). Dans un filtre de Kalman, la mesure effective ou "vecteur de mesure" permet de réaliser une estimée a posteriori de l'état du système qui est optimale dans le sens où elle minimise la covariance de l'erreur faite sur cette estimation. La partie estimateur du filtre génère des estimées a posteriori du vecteur d'état du système en utilisant l'écart constaté entre le vecteur de mesure effectif et sa prédiction a priori pour engendrer un terme correctif, appelé innovation. Cette innovation appelée par la suite vecteur innovation, après une multiplication par une matrice gain du filtre de Kalman, est, de manière non représentée, propre à être appliquée à l'estimée a priori du vecteur d'état du système et conduit à l'obtention de l'estimée optimale a posteriori.
Le filtrage de Kalman mis en œuvre par le filtre de Kalman 20 est ainsi également propre à modéliser l'évolution des erreurs de l’unité de mesure inertielle 12 et à délivrer, de manière non représentée, l'estimée a posteriori de ces erreurs qui sert à corriger le point de positionnement et de vitesse de l’unité de mesure inertielle 12.
Plus précisément, à chaque cycle n de calcul, on calcule le vecteur observation Znqui constitue l’écart entre les données inertielles 14 (i.e. mesures 14 de navigation) et les données GNSS 18 (i.e. mesures 18 de positionnement par satellite(s)).
Un tel vecteur observation Zncorrespond selon un premier exemple à l’écart entre la position inertielle associée aux données inertielles 14 et la position GNSS associée aux données GNSS 18, ou encore selon un autre exemple à l’écart entre la pseudo-distance (de l’anglaispseudo-range) associées aux mesures 18 de positionnement par satellite(s) correspondant à la distance entre le récepteur GNSS du porteur et les satellites émettant les signaux radio fréquences, et la pseudo-distance (de l’anglaispseudo-range) calculées à partir de la position inertielle du porteur et de la position des satellites émettant les signaux radio fréquences.
Le fonctionnement classique du filtre de Kalman dans le domaine de l’invention est rappelé ci-après.
Le filtre de Kalman 20 est configuré tout d’abord pour définir le vecteur d’état Xn, avec NEcomposantes, qui rassemble un certain nombre d’états inconnus que l’on souhaite estimer, une composante du vecteur Xnétant par exemple l’erreur sur la position inertielle.
Puis, le filtre de Kalman 20 est configuré pour écrire la relation entre le vecteur observation Zn, avec NOcomposantes, ce vecteur étant connu, et le vecteur d’état Xnà estimer sous la forme Zn= Hn*Xn+ vn, avec Hnla matrice d’observation connue, vnle bruit de mesure inconnu, considéré comme un bruit gaussien, mais dont la variance Rnest connue.
Puis, le filtre de Kalman 20 est configuré pour calculer le vecteur Xn|n-1correspondant à l’estimation du vecteur Xnà partir des observations Z1, Z2, … Zn -1, puis à calculer le vecteur innovation Yn= Zn- Hn*Xn|n-1.
Ce vecteur innovation Ynest donc lui-même l’écart entre d’une part Znqui correspond à l’écart obtenu entre les données inertielles 14 et les données GNSS au cycle n, et d’autre part Hn*Xn|n-1qui correspond à l’écart prédit à partir de l’estimation Xn|n-1. Autrement dit, Yncorrespond à l’écart prédit à partir du modèle d’hybridation.
Le filtre de Kalman 20 est également propre à générer les éléments 24 σn(k) avec k variant entre 1 et NO(NOétant le nombre de composantes du vecteur innovation Yn), chaque élément σn(k) correspondant à l’écart type attendu, en l’absence d’interférence, pour la composante k du vecteur innovation Yn, le calcul de σn(k) faisant appel à Rnla variance du bruit de mesure vn.
Il est à noter qu’il peut être démontré qu’en l’absence d’interférence, pour chaque valeur de k entre 1 et NO(NOétant la dimension du vecteur innovation), Yn(k), lorsque n varie, correspond à un bruit blanc gaussien d’écart type σn(k). Il est également à noter qu’il peut être démontré que, sous l’effet d’une interférence, pour chaque valeur de k entre 1 et NO, la kièmecomposante du vecteur innovation, lorsque n varie, peut être exprimée sous la forme d’une somme de l’effet dû uniquement à l’interférence d’une part et du bruit blanc gaussien d’écart type σn(k) calculé par le filtre de Kalman 20.
Spécifiquement selon la présente invention, tel qu’illustré par la , le dispositif 10 électronique de détection d’interférence(s) GNSS comprend en outre, en sortie dudit filtre de Kalman 20 un module 26 de filtrage configuré pour appliquer au moins un filtrage sur chaque composante k du vecteur innovation Yn22 fourni à chaque cycle de calcul par ledit filtre de Kalman 20.
En effet, comme décrit par la suite en relation avec les figures 3 à 5, un tel module de filtrage vise à utiliser le fait qu’au début de l’application de l’interférence, les composantes normalisées du vecteur innovation Yn(k)/σn(k) ont un comportement qui ne correspond pas à ce qu’elles ont en l’absence d’interférence.
Plus précisément, le module 26 de filtrage est configuré pour appliquer un ou plusieurs filtrages, via un ou plusieurs filtres respectivement, à chaque cycle n de calcul du filtre de Kalman 20, sur chaque composante du vecteur innovation.
La sortie du filtre d’indice J ou d’un filtre d’indice J des filtres du module 26 de filtrage est notée : SJ n(k).
Dans le cas où le filtre d’indice J (également appelé filtre J par la suite) correspond à un filtre à réponse impulsionnelle finie, ce qui correspond au fait que la sortie de ce filtre J à un instant ne dépend que des N dernières valeurs de l’entrée du filtre, on peut écrire SJ n(k) de la façon suivante :
SJ n(k) = ,
ce qui revient à :
SJ n(k) = aJ 0,n(k) * Yn(k) + aJ 1,n(k)* Yn-1(k) +… + aJ N-1,n(k)* Yn - (N-1)(k),
avec Yn(k), la kièmecomposante du vecteur innovation calculé au cycle courant n, Yn-1(k) est la kièmecomposante du vecteur innovation calculé au cycle précédent n-1, et aJ 0,n(k), aJ 1,n(k),… , aJ N-1,n(k) les coefficients du filtre J, qui dépendent potentiellement dudit filtre J considéré, de la kièmecomposante du vecteur innovation considéré, et du cycle courant n.
De plus, spécifiquement selon la présente invention, tel qu’illustré par la , le dispositif 10 électronique de détection d’interférence(s) GNSS comprend en outre un module 30 de détection d’interférence(s) configuré pour détecter une interférence lorsque pendant Q cycles et sur un nombre U de composantes du vecteur d’innovation, Q et U étant chacun un entier supérieur ou égal à un, la valeur absolue de la sortie 28 du module de filtrage 26, pour au moins un filtrage appliqué par ledit module, est supérieure à un seuil prédéterminé.
En d’autres termes, un tel module 30 de détection d’interférence(s) est apte à décider qu’une interférence a été détectée si, pendant Q cycles de calculs consécutifs et sur un nombre U de composantes du vecteur innovation, la valeur absolue de la sortie du filtrage |SJ n(k)| est supérieure à un seuil prédéterminé noté par la suite SeuilJ npour le seuil associé au filtre J, et ce pour un ou plusieurs des filtres utilisés par le module de filtrage 26.
En cas de détection effective, le module 30 de détection d’interférence est propre à générer et émettre un signal 32 représentatif de la présence d’une telle interférence notamment pour alerter l’utilisateur.
En complément optionnel, chaque seuil prédéterminé dépend du type de filtrage appliqué par le module de filtrage 26 et/ou du cycle de calcul courant n.
Autrement dit, le SeuilJ nassocié au filtre J dépend du filtrage mis en œuvre par ce filtre J considéré (i.e. est propre au filtre J considéré) et du cycle de calcul n considéré et est une valeur prédéfinie.
Plus précisément, pour prédéfinir de telles valeurs de seuil associées respectivement à chaque filtre propre à être utilisé au sein du module de filtrage 26, pour un filtrage J donné, pour lequel on veut qu’il détecte une interférence donnée, lorsque l’application de cette interférence donnée est avérée (par exemple en phase d’essais ou sur une simulation informatique de l’hybridation), la valeur maximale |SJ n(k)|maxobtenue par la sortie |SJ n(k)| du filtre J est tout d’abord déterminée, et la valeur SeuilJ ndu seuil associé au filtre J est par définition inférieure à la valeur maximale |SJ n(k)|maxobtenue par la sortie |SJ n(k)| du filtre J.
Ainsi, selon la présente invention, en ayant défini le type de filtrage appliqué par le module de filtrage 26, les nombres Q, U et le SeuilJ nlorsque le module de filtrage 26 ne met en œuvre qu’un seul filtrage au moyen du filtre J, on est en mesure d’analyser la performance de détection d’interférence en déterminant par ailleurs la probabilité de fausse alarme pour le filtrage J, cette probabilité de fausse alarme étant déterminée en utilisant le fait que chaque composante du vecteur innovation, en l’absence d’interférence, correspond à un bruit blanc gaussien, lorsque le cycle de calcul varie. La probabilité de fausse alarme pour le filtrage J correspond à la probabilité que pendant Q cycles de calculs consécutifs et sur un nombre U de composantes du vecteur innovation, |SJ n(k)| soit supérieure au seuil SeuilJ n ,alors qu’il n’y a pas d’interférence, et la détection de l’interférence est d’autant plus performante que la probabilité de fausse alarme est faible.
On décrit ci-après en relation avec la , un exemple de fonctionnement du dispositif 10 électronique de détection d’interférence(s) GNSS.
Plus précisément, le procédé 40 de détection d’interférence(s) GNSS mis en œuvre par ledit dispositif 10 électronique de détection d’interférence(s) GNSS comprend les étapes décrites ci-après mises en œuvre successivement.
Selon l’étape 42, comme indiqué précédemment, le dispositif 10 électronique de détection d’interférence(s) GNSS selon la présente invention met en œuvre un calcul C cyclique d’un vecteur innovation V, mis en œuvre par un filtre de Kalman 20 dudit dispositif 10, par hybridation de données fournies, en entrée dudit filtre de Kalman 20, à la fois par une unité de mesure inertielle 12 propre à fournir des mesures 14 de navigation et par un récepteur GNSS de mesures 18 de positionnement par satellite(s).
Puis selon l’étape 44, comme indiqué précédemment, le dispositif 10 électronique de détection d’interférence(s) GNSS, via son module 26 de filtrage, selon la présente invention applique au moins un filtrage sur chaque composante, représentée par une flèche, du vecteur innovation fourni à chaque cycle de calcul par ledit filtre de Kalman 20. Il est à noter qu’il est possible d’appliquer différents filtrages sur une même composante.
Il est à noter, que selon deux modes de réalisations distincts deux types de filtrages possibles sont propres à être mis en œuvre distinctement au cours de cette étape 44, à titre d’exemple.
Il est à noter que d’autres types de filtrage, connus de l’homme du métier, sont également propres à être respectivement mis en œuvre selon d’autres modes de réalisation associés, non représentés sur la à des fins de simplicité.
Selon un premier mode de réalisation, le module de filtrage 26 est configuré pour appliquer au cours d’une étape 46, un filtrage par somme pondérée, dit filtrage F_S_P, sur chaque composante (i.e. chaque composante étant représentée par une flèche sur la ) du vecteur innovation fourni à chaque cycle de calcul par ledit filtre de Kalman 20.
Selon un deuxième mode de réalisation, le module de filtrage 26 est configuré pour appliquer, au cours d’une étape 48, au moins un filtrage avec des coefficients de filtrage prédéterminés, dit filtrage F_C_P.
Quel que soit le mode de réalisation 46 ou 48 de l’étape de filtrage 44, on obtient à l’issue de cette étape la sortie de filtrage S.
Enfin, selon l’étape 50, le dispositif 10 électronique de détection d’interférence(s) GNSS selon la présente invention met en œuvre, via son module de détection, une étape de détection D d’une interférence lorsque pendant Q cycles et sur un nombre U de composantes du vecteur d’innovation, Q et U étant chacun un entier supérieur ou égal à un, la valeur absolue de la sortie S de filtrage, pour au moins un filtrage, est supérieure à un seuil prédéterminé et ce pour un ou plusieurs des filtres utilisés par le module de filtrage 26.
On décrit ci-après plus précisément chacun des modes de réalisation 46 et 48 en relation avec les figures 3 à 5.
Selon le premier mode de réalisation, le module de filtrage 26 est configuré pour appliquer au cours d’une étape 46, un filtrage par somme pondérée, dit filtrage F_S_P, sur chaque composante (i.e. chaque composante étant représentée par une flèche sur la ) du vecteur innovation V fourni à chaque cycle de calcul par ledit filtre de Kalman 20.
Plus précisément, selon ce mode de réalisation, on effectue un seul filtrage, si bien qu’il n’est pas nécessaire de préciser l’indice de cet unique filtre pour ce premier mode de réalisation.
Un tel filtrage 46 consiste à utiliser un filtre à réponse impulsionnelle finie dont les N coefficients de filtrage, pour chaque composante du vecteur innovation V, sont propres à sommer les N dernières valeurs d’entrées normalisées dudit filtre, et à pondérer ladite somme résultante par un coefficient de pondération prédéterminé.
Plus précisément, les coefficients d’un tel filtre associé au filtrage F_S_P sont propres à être exprimés sous la forme suivante ai ,n(k) = *Mk ,Mkétant un coefficient quelconque ne dépendant pas de l’indice i (i allant de 0 à N-1, N étant le nombre de coefficients de filtrage) et de l’indice n mais pouvant dépendre, en complément optionnel, de l’indice k de ladite composante considérée du vecteur innovation.
Ainsi, la sortie S de filtrage au cycle n de la composante k est exprimée sous la forme suivante : Sn(k) = Mk = Mk .
Le filtrage consiste ainsi premièrement à effectuer, pour chaque composante k du vecteur innovation, à chaque cycle n de calcul, la somme des N dernières innovations normalisées, une innovation normalisée correspondant à la valeur de l’innovation divisée par l’écart type correspondant, et deuxièmement à pondérer cette somme par le coefficient Mk.
Il est à noter, qu’en l’absence d’interférence, la composante Yn(k), lorsque n varie, correspond à un bruit blanc gaussien d’écart type σn(k), si bien que la composante normalisée de l’innovation Yn(k)/σn(k) est également un bruit blanc gaussien avec un écart type égal à 1, et qu’en conséquence, le signal de sortie de filtrage Sn(k) est également un bruit gaussien d’écart type Mk*N1/2.
Sur la figure 3, la vue 52 représente, en ordonnée la valeur de la composante k normalisée Yn(k)/σn(k) du vecteur innovation en fonction de la valeur du cycle de calcul en abscisse, en présence d’une interférence GNSS, apparaissant à partir du cycle de calcul n=900, et la vue 54 représente, en ordonnée la valeur de la sortie de filtrage Sn(k) correspondant à la somme pondérée de cette composante normalisée en prenant le nombre N de coefficients de filtrage tel que N=20 et Mk= .
Sur la vue 52, avant l’application de l’interférence (i.e. avant le cycle n=900 en abscisse), l’innovation normalisée correspond à un bruit blanc d’écart type 1, puis au début de l’application de l’interférence, entre n=900 et n= 1000 en abscisse, l’innovation normalisée a un comportement qui ne correspond pas à un bruit blanc, enfin après n= 1000, l’innovation normalisée a de nouveau un comportement qui correspond à un bruit blanc.
Il est à noter que la valeur de la composante k normalisée Yn(k)/σn(k) est une grandeur sans dimension du fait qu’il s’agit de la composante de l’innovation divisée par l’écart type correspondant.
Cette figure illustre par ailleurs, qu’en l’absence d’interférence (i.e. avant l’application de l’interférence) le signal Sn(k) est un bruit gaussien d’écart type 1, et que sous l’effet de l’interférence le maximum atteint par la somme pondérée, de l’ordre de 8, sur la vue 54 correspondant à la sortie du filtrage par somme pondérée, est très supérieur au maximum atteint par la composante normalisée valant 3,4 sur la vue 52.
Ainsi, si on se place dans le cas où Q=1 et U=1, ce qui revient au fait que l’interférence est détectée si pour une composante la sortie du filtre est supérieure au seuil sur un cycle de calcul, on voit l’intérêt d’utiliser pour détecter l’interférence la sortie du filtre et non pas simplement la composante normalisée de l’innovation.
Si on utilise, pour détecter l’interférence, simplement la composante normalisée de l’innovation, tel qu’effectué actuellement selon l’état de la technique rappelé précédemment, il faut donc un seuil inférieur ou égal à 3,4 pour détecter l’interférence, alors qu’en utilisant pour détecter l’interférence la sortie du filtre associé au filtrage F_S_P, autrement dit avec comme filtrage une somme pondérée, il faut un seuil inférieur ou égal à 8 pour détecter l’interférence, si bien que la sortie du filtre selon la présente invention permet de détecter des interférences avec des seuils nettement supérieurs qu’avec la simple composante normalisée de l’innovation.
En l’absence d’interférence, la sortie du filtre comme la composante normalisée étant des bruits gaussiens d’écart type 1, le fait de pouvoir utiliser un seuil supérieur de détection permet de réduire drastiquement la probabilité de fausse alarme associée.
Selon l’exemple illustré par la , la probabilité de fausse alarme associée, selon l’état de la technique actuelle, à un seuil de 3,4 aurait en effet été égale à 6.7*10-4, ce qui revient au fait qu’un bruit gaussien d’écart type 1 a une probabilité de 6.7*10-4de dépasser (en valeur absolue) la valeur 3,4, alors que la probabilité de fausse alarme associée à un seuil de 8 obtenu selon la présente invention est avantageusement égale à 1.2*10-15, ce qui revient au fait qu’un bruit gaussien d’écart type 1 a une probabilité de 1.2*10-15de dépasser (en valeur absolue) la valeur 8.
Selon le deuxième mode de réalisation, le module de filtrage 26 est configuré pour appliquer, au cours d’une étape 48 de la , au moins un filtrage avec des coefficients de filtrage prédéterminés, dit filtrage F_C_P.
Dans cet exemple, il est possible d’utiliser un ou plusieurs filtres, par exemple F filtres, le jièmefiltre étant d’indice J. Chacun des F filtres étant un filtre à réponse impulsionnelle finie avec N coefficients, dont l’équation est exprimée sous la forme suivante pour le filtre J d’indice J :
SJ n(k) = *MJ k,n= * MJ k,n
avec MJ k ,nétant un coefficient quelconque ne dépendant pas de l’indice i (i allant de 0 à N-1, N étant le nombre de coefficients de filtrage) mais pouvant dépendre de l’indice k de la composante considérée du vecteur innovation, de l’indice n du cycle de calcul et de l’indice J du filtre considéré dans le module de filtrage 26 et ( pour i entre 0 et N-1) des coefficients pré déterminés Les coefficients aJ i ,n(k) de ce filtre s’expriment donc sous la forme suivante : aJ i ,n(k) = * MJ k ,nd’où le nom d’un tel filtre à savoir filtre avec coefficients de filtrage prédéterminés.
En l’absence d’interférence, la kièmecomposante Yn(k) du vecteur innovation, lorsque n varie, est un bruit blanc gaussien d’écart type σn(k), et la sortie Sn(k) d’un tel filtre F_C_P selon le deuxième mode de réalisation avec coefficients de filtrage prédéterminés, lorsque n varie, est un bruit gaussien d’écart type MJ k ,n, l’unité dans laquelle s’expriment les coefficients ci Jétant celle dans laquelle s’exprime l’innovation.
En complément optionnel, les N coefficients ci Jd’un tel filtre avec coefficients de filtrage prédéterminés, pour chaque composante du vecteur innovation, sont prédéterminés pour chaque type d’interférence d’un ensemble de types d’interférences prédéterminé et pour chaque type de phase de navigation d’un ensemble de types de phases de navigation prédéterminé associé audit véhicule.
En effet, il est établi que, pour un système de navigation hybride inertie/GNSS donné (i.e. mettant en œuvre une hybridation inertie/GNSS) se trouvant dans une phase de navigation donnée, pour une interférence L donnée, sur les cycles de calcul qui suivent le début de l’interférence, l’effet due à l’interférence sur l’innovation peut approximativement s’écrire sous la forme Y= αL* unavec unun signal temporel présentant un maximum égal à 1, unvariant en fonction du cycle de calcul n considéré, et propre à dépendre de la phase de navigation considérée tout en ne dépendant pas de la composante considérée dans le vecteur innovation, ni de l’interférence considérée mais juste de son type.
Typiquement, si on considère le type d’interférence où l’erreur sur les signaux radio fréquence provoque l’apparition d’une erreur sur la position calculée augmentant linéairement dans le temps, unne va pas dépendre du coefficient directeur donnant l’augmentation, en fonction du temps, de l’erreur sur la position calculée.
αLest quant à lui un coefficient qui dépend de la composante considérée dans le vecteur innovation et de l’interférence considérée (de la valeur des erreurs appliquées sur les signaux radiofréquences), sans dépendre de la phase de navigation considérée ni du cycle de calcul n. Par exemple, dans le cas du type d’interférence où l’erreur sur les signaux radio fréquence provoque l’apparition d’une erreur sur la position calculée augmentant linéairement dans le temps, αLdépend du coefficient directeur donnant l’augmentation (en fonction du temps) de l’erreur sur la position calculée.
Selon ce complément optionnel, une première liste de types d’interférences possibles est établie comprenant par exemple un type d’interférence consistant en l’apparition d’une erreur fixe sur la position calculée, un autre type d’interférence consistant en l’apparition d’une erreur augmentant linéairement dans le temps sur la position calculée, etc.
De plus, une deuxième liste des différentes phases de navigation du porteur utilisant les données GNSS et les données inertielles est également établie.
A partir de ces deux listes, pour chaque type d’interférence et chaque phase de navigation, on détermine des coefficients ci Jprédéterminés à partir de l’évolution qu’on obtient sur une composante du vecteur innovation juste après avoir appliqué l’interférence du type considéré, lorsque le porteur est dans la phase de navigation considérée.
Dans ce cas-là, l’application de l’interférence du type considéré est effectivement avérée et les coefficients ci Jsont propres à être déterminés soit en phase d’essais ou bien sur une simulation informatique de l’hybridation mise en œuvre par le filtre Kalman 20, en considérant qu’avantageusement, pour chaque phase de navigation considérée, on a autant de filtres que de types d’interférences considérés.
Plus précisément, pour une phase de navigation donnée, les coefficients ci Jsont propres, par exemple, à être prédéterminés, pour chaque type d’interférence possible, en désignant, par exemple, J l’interférence du type considéré, tout d’abord par application de cette interférence J sur une hybridation inertie/GNSS au cycle de calcul n1, puis par sélection d’une composante k0du vecteur innovation en enregistrant les N valeurs Yn 1(k0), Yn 1 +1(k0), …, Yn 1 +N-1(k0) successives de la composante k0, de sorte que :
cJ 0= Yn 1 +N-1(k0), cJ 1= Yn 1 +N-2(k0), …, cJ N -1= Yn 1(k0).
De tels coefficients associés à ladite phase de navigation donnée, sont ensuite utilisés, lorsque le porteur (i.e. le véhicule) est dans ladite phase de navigation donnée, et ce en considérant tous les types d’interférence possibles, pour définir, pour chaque composante k du vecteur innovation, les coefficients aJ i,n(k) du filtre J selon la formule aJ i,n(k) = * MJ k,n ,filtre qui sera appliqué sur la composante k du vecteur innovation et qui contribuera, via sa sortie S, à la détection subséquente de la présence ou non de ce type d’interférence J. Ainsi, pour chaque composante du vecteur innovation, il y a selon ce deuxième mode de réalisation, autant de filtres que de types d’interférences considérés.
Un tel deuxième mode de réalisation 48 basé sur l’utilisation d’au moins un filtrage avec des coefficients de filtrage prédéterminés, dit filtrage F_C_P présente l’intérêt que pour chaque phase de navigation considérée et chaque type d’interférence considérée, la méthode de calcul des coefficients ci Jprédéterminés est extraite de la méthode qui définit elle-même un filtre, qui permet, lorsque le porteur est dans la phase de navigation considérée et pour le type d’interférence considérée, pour une probabilité de fausse alarme donnée (la probabilité de fausse alarme étant la probabilité de détecter une interférence alors qu’il n’y en a pas) d’obtenir la probabilité minimale de non détection (la probabilité de non détection étant la probabilité de ne pas détecter ce type d’interférence alors qu’elle est présente).
Les figures 4 et 5 sont associées à un tel deuxième mode de réalisation 48 en considérant par simplicité un unique filtre J avec des coefficients de filtrage prédéterminés, la représentant l’effet d’une interférence apparaissant à partir du cycle de calcul n=900, tandis que la représente l’effet d’une interférence apparaissant à partir du cycle de calcul n=1200.
Sur la la vue 58 représente, à nouveau de même que sur la vue 52 de la , en ordonnée la valeur de la composante k normalisée Yn(k)/σn(k) du vecteur innovation en fonction de la valeur du cycle de calcul en abscisse, en présence de l’interférence GNSS, (déjà illustrée par la ) apparaissant à partir du cycle de calcul n=900.
La vue 60 de la représente, en présence de l’interférence GNSS, apparaissant à partir du cycle de calcul n=900, en ordonnée la valeur de la sortie de filtrage SJ n(k) du filtre J avec les coefficients de filtrage prédéterminés (les coefficients ci Jutilisés pour ce filtre sont illustrés par la vue 56 de la ) et :
MJ k ,n= tel qu’en l’absence d’interférence, la sortie du filtre est un bruit gaussien d’écart type 1.
Sur les figures 4 et 5, le même filtre J avec des coefficients de filtrage prédéterminés est appliqué, si bien que les vues 56 de la puis 62 de la , représentant les coefficients ci Jde ce filtre J en fonction de l’indice i en abscisse, sont identiques.
Sur la la vue 64 représente en ordonnée la valeur de la composante k normalisée Yn(k)/σn(k) du vecteur innovation en fonction de la valeur du cycle de calcul en abscisse, en présence de l’interférence GNSS, apparaissant à partir du cycle de calcul n=1200.
La vue 66 de la figure 5 représente, en présence de l’interférence GNSS, apparaissant à partir du cycle de calcul n=1200, en ordonnée la valeur de la sortie de filtrage SJ n(k) du filtre J avec les coefficients de filtrage prédéterminés illustrés par la vue 56 de la figure 4 et MJ k ,n= tel qu’en l’absence d’interférence, la sortie du filtre est un bruit gaussien d’écart type 1.
Dans les deux cas illustrés par les figures 4 et 5 associés à des cycles d’apparition d’interférence distincts n=900 et n=1200, il est constaté tout d’abord qu’en l’absence d’interférence, la sortie du filtrage comme la composante normalisée sont des bruits gaussiens d’écart type 1. De plus, il est constaté que le maximum, de l’ordre de 9 sur la et 11 sur la , atteint par la sortie, en valeur absolue, du filtrage mis en œuvre spécifiquement selon la présente invention, sur les vues 60 de la comme 66 de la , sous l’effet de l’interférence est nettement supérieur au maximum, de l’ordre de 3,4 sur la et 3,5 sur la , atteint par la composante normalisée de l’innovation, en valeur absolue, sur les vues 58 de la et 64 de la .
On voit ainsi l’intérêt d’utiliser pour détecter l’interférence la sortie du filtre du module de filtrage 26 et non pas simplement la composante normalisée de l’innovation tel que proposé selon l’état de la technique actuel.
En effet, en utilisant la sortie du filtre, on peut donc détecter des interférences avec des seuils nettement supérieurs que la simple composante normalisée de l’innovation ce qui permet avantageusement de réduire la probabilité de fausse alarme associée.
L’homme du métier comprendra que l’invention ne se limite pas aux modes de réalisation décrits, ni aux exemples particuliers de la description, les modes de réalisation et les variantes mentionnées ci-dessus étant propres à être combinés entre eux pour générer de nouveaux modes de réalisation de l’invention.
La présente invention propose ainsi une architecture particulière d’un dispositif électronique de détection d’interférence(s) GNSS utilisant non pas directement les composantes du vecteur innovation mais utilisant la sortie d’un filtrage de ces composantes, ce qui permet d’exploiter le fait que l’évolution dans le temps des composantes du vecteur innovation est différente suivant qu’une interférence des données GNSS, est présente ou non. Le filtrage 44 utilisé permet en effet de mettre en évidence cette différence d’évolution dans le temps, au niveau de la sortie renvoyée par le filtrage.

Claims (10)

  1. Dispositif (10) électronique de détection d’interférence(s) GNSS, propre à être embarqué à bord d’un véhicule propre à se déplacer entre deux positions géographiques, le dispositif comprenant au moins :
    - une unité (12) de mesure inertielle propre à fournir des mesures (14) de navigation,
    - un récepteur GNSS (16) de mesures (18) de positionnement par satellite(s),
    - un filtre de Kalman (20) configuré pour calculer cycliquement un vecteur innovation (22) par hybridation de données fournies, en entrée dudit filtre de Kalman, à la fois par :
    - ladite unité (12) de mesure inertielle, et
    - ledit récepteur GNSS (16),
    le dispositif (10) étantcaractérisé en ce qu’ilcomprend en outre, en sortie dudit filtre de Kalman :
    - un module (26) de filtrage configuré pour appliquer au moins un filtrage sur chaque composante du vecteur innovation fourni à chaque cycle de calcul par ledit filtre de Kalman,
    - un module (30) de détection d’interférence(s) configuré pour détecter une interférence lorsque pendant Q cycles et sur un nombre U de composantes du vecteur d’innovation, Q et U étant chacun un entier supérieur ou égal à un, la valeur absolue de la sortie (28) du module de filtrage, pour au moins un filtrage appliqué par ledit module, est supérieure à un seuil prédéterminé.
  2. Dispositif (10) selon la revendication 1, dans lequel ledit seuil prédéterminé dépend du type de filtrage appliqué par le module de filtrage (26) et/ou du cycle de calcul courant.
  3. Dispositif (10) selon la revendication 1 ou 2, dans lequel le module de filtrage (26) est configuré pour appliquer un filtrage par somme pondérée sur chaque composante du vecteur innovation fourni à chaque cycle de calcul par ledit filtre de Kalman.
  4. Dispositif (10) selon la revendication 3, dans lequel ledit module de filtrage (26) utilise un filtre à réponse impulsionnelle finie dont les N coefficients de filtrage, pour chaque composante du vecteur innovation, sont propres à sommer les N dernières valeurs d’entrées normalisées dudit filtre, et à pondérer ladite somme résultante par un coefficient de pondération prédéterminé.
  5. Dispositif (10) selon la revendication 4, dans lequel ledit coefficient de pondération est propre à dépendre de l’indice de ladite composante considérée du vecteur innovation.
  6. Dispositif (10) selon la revendication 1 ou 2, dans lequel le module de filtrage (26) est configuré pour appliquer au moins un filtrage avec des coefficients de filtrage prédéterminés.
  7. Dispositif (10) selon la revendication 6, dans lequel ledit module de filtrage (26) utilise un filtre à réponse impulsionnelle finie, dont les N coefficients de filtrage, pour chaque composante du vecteur innovation, sont calculés avec des coefficients prédéterminés pour chaque type d’interférence d’un ensemble de types d’interférences prédéterminé et pour chaque type de phase de navigation d’un ensemble de types de phases de navigation prédéterminé associé audit véhicule.
  8. Véhicule propre à se déplacer entre deux positions géographiques, ledit véhicule étant caractérisé en ce qu’il comprend un dispositif (10) électronique de détection d’interférence(s) GNSS selon l’une quelconque des revendications précédentes.
  9. Procédé de détection d’interférence(s) GNSS, ledit procédé étant mis en œuvre par un dispositif (10) électronique de détection d’interférence(s) GNSS propre à être embarqué à bord d’un véhicule propre à se déplacer entre deux positions géographiques, le procédé comprenant au moins les étapes suivantes :
    - calcul cyclique d’un vecteur innovation, mis en œuvre par un filtre de Kalman dudit dispositif, par hybridation de données fournies, en entrée dudit filtre de Kalman, à la fois par une unité de mesure inertielle propre à fournir des mesures (14) de navigation et par un récepteur GNSS de mesures (18) de positionnement par satellite(s) ;
    - application d’au moins un filtrage sur chaque composante du vecteur innovation fourni à chaque cycle de calcul par ledit filtre de Kalman,
    - détection d’une interférence lorsque pendant Q cycles et sur un nombre U de composantes du vecteur d’innovation, Q et U étant chacun un entier supérieur ou égal à un, la valeur absolue de la sortie de filtrage, pour au moins un filtrage, est supérieure à un seuil prédéterminé.
  10. Programme d’ordinateur comportant des instructions logicielles qui, lorsqu’elles sont exécutées par un ordinateur mettent en œuvre le procédé de détection d’interférence(s) selon la revendication 9.
FR2302680A 2023-03-22 2023-03-22 Dispositif électronique de détection d'interférence(s) GNSS, véhicule, procédé et programme d'ordinateur associés Active FR3147008B1 (fr)

Priority Applications (4)

Application Number Priority Date Filing Date Title
FR2302680A FR3147008B1 (fr) 2023-03-22 2023-03-22 Dispositif électronique de détection d'interférence(s) GNSS, véhicule, procédé et programme d'ordinateur associés
PCT/EP2024/057742 WO2024194456A1 (fr) 2023-03-22 2024-03-22 Dispositif électronique de détection d'interférence(s) gnss, véhicule, procédé et programme d'ordinateur associés
CN202480020840.6A CN120917340A (zh) 2023-03-22 2024-03-22 Gnss干扰检测电子设备、相关载具、方法以及计算机程序
EP24712837.4A EP4684237A1 (fr) 2023-03-22 2024-03-22 Dispositif électronique de détection d'interférence(s) gnss, véhicule, procédé et programme d'ordinateur associés

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FR2302680 2023-03-22
FR2302680A FR3147008B1 (fr) 2023-03-22 2023-03-22 Dispositif électronique de détection d'interférence(s) GNSS, véhicule, procédé et programme d'ordinateur associés

Publications (2)

Publication Number Publication Date
FR3147008A1 true FR3147008A1 (fr) 2024-09-27
FR3147008B1 FR3147008B1 (fr) 2025-10-17

Family

ID=87554767

Family Applications (1)

Application Number Title Priority Date Filing Date
FR2302680A Active FR3147008B1 (fr) 2023-03-22 2023-03-22 Dispositif électronique de détection d'interférence(s) GNSS, véhicule, procédé et programme d'ordinateur associés

Country Status (4)

Country Link
EP (1) EP4684237A1 (fr)
CN (1) CN120917340A (fr)
FR (1) FR3147008B1 (fr)
WO (1) WO2024194456A1 (fr)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210293970A1 (en) * 2020-03-18 2021-09-23 Honeywell International Inc. Implementing single differences within a solution separation framework

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5872540A (en) * 1997-06-26 1999-02-16 Electro-Radiation Incorporated Digital interference suppression system for radio frequency interference cancellation

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210293970A1 (en) * 2020-03-18 2021-09-23 Honeywell International Inc. Implementing single differences within a solution separation framework

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
"Principles of GNSS, Inertial, and Multisensor Integrated Navigation Systems", 1 March 2013, ARTECH HOUSE, ISBN: 978-1-60807-005-3, article GROVES PAUL D: "Fault Detection, Integrity Monitoring, and Testing", pages: 1 - 800, XP055902672 *
TANIL CAGATAY ET AL: "An INS Monitor Against GNSS Spoofing Attacks During GBAS and SBAS-assisted Aircraft Landing Approaches", GNSS 2016 - PROCEEDINGS OF THE 29TH INTERNATIONAL TECHNICAL MEETING OF THE SATELLITE DIVISION OF THE INSTITUTE OF NAVIGATION (ION GNSS+ 2016), THE INSTITUTE OF NAVIGATION, 8551 RIXLEW LANE SUITE 360 MANASSAS, VA 20109, USA, 16 September 2016 (2016-09-16), pages 2981 - 2990, XP056013879 *

Also Published As

Publication number Publication date
FR3147008B1 (fr) 2025-10-17
CN120917340A (zh) 2025-11-07
EP4684237A1 (fr) 2026-01-28
WO2024194456A1 (fr) 2024-09-26

Similar Documents

Publication Publication Date Title
EP2318854B1 (fr) Procede de protection d'un utilisateur de recepteur de radionavigation vis-a-vis de mesures de pseudo-distances aberrantes
EP3203267B1 (fr) Methode de calibrage d'un recepteur de radio-navigation par satellites
EP3811109A1 (fr) Procede de mesure de la hauteur de vagues a l'aide d'un radar aeroporte
EP4107549B1 (fr) Procédé de navigation d'un porteur à l'aide d'un filtre de kalman estimant un état de navigation du porteur
EP2331983B1 (fr) Procédé pour optimiser une acquisition d'un signal à spectre étalé provenant d'un satellite par un récepteur mobile
EP3709058A1 (fr) Procédé de contrôle d'intégrité d'un signal de radionavigation par satellite et recepteur apte à implementer ce procédé
FR2974914A1 (fr) Dispositif de reception d'un systeme de positionnement par satellite comprenant une fonction de detection de faux accrochages
EP2784547A1 (fr) Procédé de détection de signaux destinés à leurrer un récepteur de signaux d'un système de navigation par satellites et récepteur associé
EP4451017B1 (fr) Méthode de localisation gnss assistée par un modèle d'intelligence artificielle
EP2544020B1 (fr) Procédé et dispositif de détection d'une cible masquée par des réflecteurs de forte énergie
WO2023135379A1 (fr) Detection d'anomalies de mesure par filtre de kalman appliquee a la navigation
EP3374800B1 (fr) Procédé de détection de mouvements parasites lors d'un alignement statique d'une centrale inertielle, et dispositif de détection associé
EP3356840B1 (fr) Procédé de détermination de caractéristiques d'une onde électromagnétique
FR3147008A1 (fr) Dispositif électronique de détection d'interférence(s) GNSS, véhicule, procédé et programme d'ordinateur associés
EP3236280B1 (fr) Calcul automatique d'une dimension d'une plateforme mobile
EP1956386A1 (fr) Procédé de détermination d'une position d'un corps mobile et d'une limite de protection autour de cette position
FR3137461A1 (fr) Dispositif et procédé de navigation et de positionnement
EP1752786B1 (fr) Système de navigation hybride inertiel/satellite et procedé de controle d'un tel système
FR3147636A1 (fr) Procédé d’estimation d’un état d’un système dynamique à l’aide d’un estimateur fonctionnant par itérations successives
WO2023166260A1 (fr) Procede et dispositif d'aide a la navigation basee sur un filtre de kalman
WO2022090157A1 (fr) Procédé de détection d'un masquage d'un ou plusieurs satellites, dispositif électronique de détection et produit programme d'ordinateur associé
EP4551972A1 (fr) Dispositif et procede de maintien de l'integrite du positionnement d'un vehicule independamment de la vulnerabilite de donnees satellitaires
EP0514252B1 (fr) Procédé pour détecter des sources en mouvement et estimer leur trajectoire

Legal Events

Date Code Title Description
PLFP Fee payment

Year of fee payment: 2

PLSC Publication of the preliminary search report

Effective date: 20240927

PLFP Fee payment

Year of fee payment: 3

PLFP Fee payment

Year of fee payment: 4