CИСТЕМНИЙ АНАЛІЗ МЕТОДІВ ПРОСТОРОВО-ЧАСОВОЇ ОБРОБКИ СИГНАЛІВ ДЛЯ ЗАХИСТУ НАВІГАЦІЙНОЇ АПАРАТУРИ ВІД АКТИВНИХ ЗАВАД В УМОВАХ РЕСУРСНИХ ОБМЕЖЕНЬ

Анотаця

Досвід сучасної війни високої інтенсивності демонструє критичну залежність ефективності застосування безпілотних систем (БпС) від стійкості навігаційного забезпечення в умовах масованого застосування засобів радіоелектронної боротьби (РЕБ). Оскільки традиційні методи частотної фільтрації вичерпали свій потенціал, єдиним дієвим інструментом захисту залишається просторово-часова обробка сигналів (ПЧОС) з використанням адаптивних антенних решіток (CRPA). У статті проведено системний аналіз субоптимальних методів ПЧОС та архітектурних рішень для їх реалізації в умовах жорстких обмежень на масо-габаритні показники, енергоспоживання та вартість.

Виконано порівняльний аналіз математичної ефективності та обчислювальної складності основних класів алгоритмів адаптації: градієнтних (LMS), рекурсивних (RLS), прямого обернення матриці (MVDR) та мінімізації потужності (PI). Досліджено вплив апаратних обмежень приймального тракту (фазових шумів, розрядності АЦП, ефектів квантування у фіксованій комі) на реальний коефіцієнт придушення завад (ICR). Встановлено, що для бюджетних рішень без прецизійного калібрування граничний рівень реального коефіцієнту придушення насичується на позначці 30–35 дБ.

Обґрунтовано диференційований підхід до вибору апаратної платформи залежно від класу носія. Для БпС оперативного рівня рекомендовано високопродуктивні SoC (AMD Versal AI Edge, Intel Agilex 5) з підтримкою алгоритмів MVDR та штучного інтелекту. Для масового сегмента (FPV, баражуючі боєприпаси) запропоновано використання алгоритму PI на базі бюджетних SoC Xilinx Zynq-7000 або гібридних рішень (MCU+FPGA). Доведено, що метод PI забезпечує надійний захист від потужних шумових завад без необхідності отримання точних даних про кутову орієнтацію платформи, що є критичним для дешевих інерціальних систем.

Визначено, що в умовах високої динаміки польоту ізольована робота CRPA є недостатньою. Запропоновано концепцію глибокої інтеграції (Ultra-Tightly Coupled) з бортовою інерціальною системою (INS) для компенсації обертання носія та попередження зриву супроводу супутників під час маневрів.

Ключові слова: ГНСС, завадостійкість, CRPA, адаптивна антенна решітка, ПЧОС, MVDR, Power Inversion, LMS, RLS,інерціальна навігація, ПЛІС, СнК, БпЛА.НРК

ПОВНИЙ ТЕКСТ СТАТТІ 

Список бібліографічних посилань

1.    Уидроу Б., Стирз С. Адаптивная обработка сигналов / пер. с англ. Москва : Радио и связь, 1989. 440 с.

2.    Monzingo R. A., Miller T. W. Introduction to Adaptive Arrays. New York : Wiley, 1980. 528 p.

3.    Jiang P., Geng X., Pan G., Li B., Ning Z., Guo Y., Wei H. GNSS Anti-Interference Technologies for Unmanned Systems: A Brief Review. Drones. 2025. Vol. 9, № 5. Article 349. DOI: https://doi.org/10.3390/drones9050349.

4.    Панченко І. В. та ін. Аналіз підходів до захисту від завад супутникових навігаційних приймачів БпЛА. Системи і техніка зв’язку, інформатизації та кібербезпеки : збірник наукових праць ВІТІ. 2024. № 5. DOI: https://doi.org/10.58254/viti.5.2024.10.108.

5.    Лось А. М., Жирна О. В. Результати експерименту використання навігаційних антен з контрольованою діаграмою спрямованості на БПЛА в зонах активного подавлення засобами радіоелектронної боротьби. Збірник наукових праць ДНДІ ВС ОВТ. 2024. Вип. 1 (19). С. 73-80. DOI: https://doi.org/10.37701/dndivsovt.19.2024.09.

6.    Карлов Д. В., Коробецький О. В., Рєзніков Ю. В. Рекомендації щодо розробки захищеного від завад приймача глобальних навігаційних супутникових систем для вирішення завдань Збройних Сил України. Системи озброєння і військова техніка. 2020. № 4 (64). С. 60-66. DOI: https://doi.org/10.30748/soivt.2020.64.08.

7.    Лось А. М., Роженков А. М., Жирна О. В., Казначей С. М. Аналіз можливості розробки та впровадження базового безпілотного авіаційного комплексу. Збірник наукових праць ДНДІ ВС ОВТ. 2023. Вип. 3 (17). С. 37-45. DOI: https://doi.org/10.37701/dndivsovt.17.2023.05.

8.    Ma H.-J. et al. Adaptive Beam Forming Algorithm of Anti-Jamming GNSS Terminal Research. Advanced Materials Research. 2014. Vol. 905. P. 591-594. DOI: https://doi.org/10.4028/www.scientific.net/AMR.905.591.

9.    Konovaltsev S., Montenbruck O. Development of Array Receivers with Anti-Jamming and Anti-Spoofing Capabilities. Proceedings of the 32nd International Technical Meeting of the Satellite Division of The Institute of Navigation (ION GNSS+ 2019), Miami, 2019. P. 953-966. DOI: https://doi.org/10.33012/2019.16988.

10. Wu J. et al. Blind Adaptive Beamforming for a Global Navigation Satellite System Array Receiver Based on Direction Lock Loop. Remote Sensing. 2023. Vol. 15, № 13. Article 3387. DOI: https://doi.org/10.3390/rs15133387.

11. Chang C.-L., Wu B.-H. Analysis of performance and implementation complexity of array processing in anti-jamming GNSS receivers. Electrical and Electronic Engineering. 2011. Vol. 1, № 2. P. 79-84. DOI: https://doi.org/10.5923/j.eee.20110102.13.

12. Skachkov V., Chepkii V., Yefymchykov O., Korkin O., Goncharuk A. Solving the Problem of Forming Stable and Consistent Estimates of a Correlation Matrix of Observations Using the Method of Dynamic Regularization. Cybernetics and Systems Analysis. 2021. Vol. 57. P. 128-138. DOI: https://doi.org/10.1007/s10559-021-00331-3.

13. Huang K.-Y., Juang J.-C., Tsai Y.-F., Lin C.-T. Efficient FPGA Implementation of a Dual-Frequency GNSS Receiver with Robust Inter-Frequency Aiding. Sensors. 2021. Vol. 21, № 14. Article 4634. DOI: https://doi.org/10.3390/s21144634.

14. Xie Y., Chen L., Zhang K. et al. Deep neural network based anti-jamming processing in the GNSS array receiver. GPS Solutions. 2025. Vol. 29. Article 63. DOI: https://doi.org/10.1007/s10291-025-01821-z.

15. Meng Z., Shen F. Robust Space-Time Adaptive Processing Method for GNSS Receivers in Coherent Signal Environments. Remote Sensing. 2023. Vol. 15, № 17. Article 4212. DOI: https://doi.org/10.3390/rs15174212.

16. Foreman-Campins G., Pallarés-Rodríguez L., Locubiche-Serra S., Seco-Granados G., López-Salcedo J. A. Methodologic Assessment of Beamforming Techniques for Interference Mitigation on GNSS Handheld Devices. 2023 International Conference on Localization and GNSS (ICL-GNSS), Castellón, Spain, 2023. P. 1-7. DOI: https://doi.org/10.1109/ICL-GNSS57829.2023.10148918.

17. Vagle N., Broumandan A., Lachapelle G. Analysis of Multi-Antenna GNSS Receiver Performance under Jamming Attacks. Sensors. 2016. Vol. 16, № 11. Article 1931. DOI: https://doi.org/10.3390/s16111931.

18. Deng Z., Zhang Z., Gao X., Liu P. A Phase Bias Compensation Method for Anti-Interference Antenna Arrays in RTK Positioning. Remote Sensing. 2025. Vol. 17, № 6. Article 1018. DOI: https://doi.org/10.3390/rs17061018.

19. Gupta I., Ksienski A. Effect of Mutual Coupling on the Performance of Adaptive Arrays. IEEE Transactions on Antennas and Propagation. 1983. Vol. 31, № 5. P. 785-791. DOI: https://doi.org/10.1109/TAP.1983.1143128.

20. Ortega E. et al. Enhancing efficiency in spaceborne phased array systems: MVDR algorithm and FPGA integration. Digital Signal Processing. 2024. Vol. 155. Article 104732. DOI: https://doi.org/10.1016/j.dsp.2024.104732.

21. AMD Versal™ AI Edge Portfolio Product Selection Guide (XMP464 v1.12). Advanced Micro Devices, Inc. 2025. URL: https://www.xilinx.com/support/documentation/selection-guides/versal-ai-edge-product-selection-guide.pdf (date of access: 11.10.2025).

22. Agilex™ 5 FPGA and SoC Device Data Sheet. Altera, an Intel Company. 2025. URL: https://www.intel.com/content/www/us/en/products/details/fpga/agilex/5.html (date of access: 11.10.2025).

23. Zynq UltraScale+ MPSoC Data Sheet: Overview (DS891 v1.10). Advanced Micro Devices, Inc. 2025. URL: https://docs.xilinx.com/v/u/en-US/ds891-zynq-ultrascale-plus-overview (date of access: 12.10.2025).

24. Zynq-7000 SoC Data Sheet: Overview (DS190 v1.13). Advanced Micro Devices, Inc. 2024. URL: https://docs.xilinx.com/v/u/en-US/ds190-Zynq-7000-Overview (date of access: 12.10.2025).

25. Gowin Arora V FPGA Products Data Sheet (DS981-1.6). Gowin Semiconductor Corp. 2025. URL: https://www.gowinsemi.com/en/product/detail/49/ (date of access: 12.10.2025).

26. Titanium FPGA Series Data Sheets. Efinix, Inc. 2025. URL: https://www.efinixinc.com/en/products/titanium.html (date of access: 12.10.2025).

27. PolarFire SoC FPGA Family Overview. Microchip Technology Inc. 2025. URL: https://www.microchip.com/en-us/products/fpgas-and-plds/system-on-chip-fpgas/polarfire-soc-fpgas (date of access: 12.10.2025).

28. Borhani Darian P., Li H., Wu P., Closas P. Detecting GNSS spoofing using deep learning. Research Square. 2023. DOI: https://doi.org/10.21203/rs.3.rs-2873776/v1.

29. Manai H., Ben Hadj Slama L., Bouallegue R. A Hybrid Adaptive Beamforming Algorithm for SINR Enhancement. Radioengineering. 2023. Vol. 32, № 3. P. 345-355. DOI: https://doi.org/10.13164/re.2023.0345.

REFERENCES

1.    Widrow, B., & Stearns, S. D. (1989). Adaptivnaia obrabotka signalov [Adaptive signal processing] (A. M. Kuzminskii, Trans.). Radio i sviaz. (Original work published 1985)

2.    Monzingo, R. A., & Miller, T. W. (1980). Introduction to adaptive arrays. Wiley.

3.    Jiang, P., Geng, X., Pan, G., Li, B., Ning, Z., Guo, Y., & Wei, H. (2025). GNSS anti-interference technologies for unmanned systems: A brief review. Drones, 9(5), Article 349. https://doi.org/10.3390/drones9050349

4.    Panchenko, I. V., et al. (2024). Analiz pidkhodiv do zakhystu vid zavad suputnykovykh navihatsiinykh pryimachiv BpLA [Analysis of approaches to protection against interference of satellite navigation receivers of UAVs]. Systemy i tekhnika zviazku, informatyzatsii ta kiberbezpeky, (5). https://doi.org/10.58254/viti.5.2024.10.108

5.    Los, A. M., & Zhyrna, O. V. (2024). Rezultaty eksperymentu vykorystannia navihatsiinykh anten z kontrolovanoiu diahramoiu spriamovanosti na BpLA v zonakh aktyvnoho podavlennia zasobamy radioelektronnoi borotby [Results of the experiment using navigational antennas with controlled reception pattern antenna for UAVs in areas of active suppression by electronic warfare means]. Zbirnyk naukovykh prats DNDI VS OVT, 1(19), 73-80. https://doi.org/10.37701/dndivsovt.19.2024.09

6.    Karlov, D. V., Korobetskyi, O. V., & Reznikov, Y. V. (2020). Rekomendatsii shchodo rozrobky zakhyshchenoho vid zavad pryimacha hlobalnykh navihatsiinykh suputnykovykh system dlia vyrishennia zavdan Zbroinykh Syl Ukrainy [Recommendation on development of the receiver protected from jamming of global satellite navigation system for decision of tasks of Armed Forces of Ukraine]. Systemy ozbroiennia i viiskova tekhnika, 4(64), 60-66. https://doi.org/10.30748/soivt.2020.64.08

7.    Los, A. M., Rozhenkov, A. M., Zhyrna, O. V., & Kaznachey, S. M. (2023). Analiz mozhlyvosti rozrobky ta vprovadzhennia bazovoho bezpilotnoho aviatsiinoho kompleksu [Analysis of the possibility of development and implementation of a basic unmanned aircraft system]. Zbirnyk naukovykh prats DNDI VS OVT, 3(17), 37-45. https://doi.org/10.37701/dndivsovt.17.2023.05

8.    Ma, H.-J., et al. (2014). Adaptive beam forming algorithm of anti-jamming GNSS terminal research. Advanced Materials Research, 905, 591-594. https://doi.org/10.4028/www.scientific.net/AMR.905.591

9.    Konovaltsev, S., & Montenbruck, O. (2019). Development of array receivers with anti-jamming and anti-spoofing capabilities. In Proceedings of the ION GNSS+ 2019 (pp. 953-966). https://doi.org/10.33012/2019.16988

10. Wu, J., et al. (2023). Blind adaptive beamforming for a global navigation satellite system array receiver based on direction lock loop. Remote Sensing, 15(13), Article 3387. https://doi.org/10.3390/rs15133387

11. Chang, C.-L., & Wu, B.-H. (2011). Analysis of performance and implementation complexity of array processing in anti-jamming GNSS receivers. Electrical and Electronic Engineering, 1(2), 79-84. https://doi.org/10.5923/j.eee.20110102.13

12. Skachkov, V., Chepkii, V., Yefymchykov, O., Korkin, O., & Goncharuk, A. (2021). Solving the problem of forming stable and consistent estimates of a correlation matrix of observations using the method of dynamic regularization. Cybernetics and Systems Analysis, 57, 128-138. https://doi.org/10.1007/s10559-021-00331-3

13. Huang, K.-Y., Juang, J.-C., Tsai, Y.-F., & Lin, C.-T. (2021). Efficient FPGA implementation of a dual-frequency GNSS receiver with robust inter-frequency aiding. Sensors, 21(14), Article 4634. https://doi.org/10.3390/s21144634

14. Xie, Y., Chen, L., Zhang, K., Huang, X., Peng, J., & Ni, S. (2025). Deep neural network based anti-jamming processing in the GNSS array receiver. GPS Solutions, 29, Article 63. https://doi.org/10.1007/s10291-025-01821-z

15. Meng, Z., & Shen, F. (2023). Robust space-time adaptive processing method for GNSS receivers in coherent signal environments. Remote Sensing, 15(17), Article 4212. https://doi.org/10.3390/rs15174212

16. Foreman-Campins, G., Pallarés-Rodríguez, L., Locubiche-Serra, S., Seco-Granados, G., & López-Salcedo, J. A. (2023). Methodologic assessment of beamforming techniques for interference mitigation on GNSS handheld devices. In 2023 International Conference on Localization and GNSS (ICL-GNSS) (pp. 1-7). IEEE. https://doi.org/10.1109/ICL-GNSS57829.2023.10148918

17. Vagle, N., Broumandan, A., & Lachapelle, G. (2016). Analysis of multi-antenna GNSS receiver performance under jamming attacks. Sensors, 16(11), Article 1931. https://doi.org/10.3390/s16111931

18. Deng, Z., Zhang, Z., Gao, X., & Liu, P. (2025). A phase bias compensation method for anti-interference antenna arrays in RTK positioning. Remote Sensing, 17(6), Article 1018. https://doi.org/10.3390/rs17061018

19. Gupta, I., & Ksienski, A. (1983). Effect of mutual coupling on the performance of adaptive arrays. IEEE Transactions on Antennas and Propagation, 31(5), 785-791. https://doi.org/10.1109/TAP.1983.1143128

20. Ortega, E., et al. (2024). Enhancing efficiency in spaceborne phased array systems: MVDR algorithm and FPGA integration. Digital Signal Processing, 155, Article 104732. https://doi.org/10.1016/j.dsp.2024.104732

21. Advanced Micro Devices, Inc. (2025). AMD Versal™ AI Edge portfolio product selection guide (XMP464 v1.12). https://www.xilinx.com/support/documentation/selection-guides/versal-ai-edge-product-selection-guide.pdf

22. Altera. (2025). Agilex™ 5 FPGA and SoC device data sheet. https://www.intel.com/content/www/us/en/products/details/fpga/agilex/5.html

23. Advanced Micro Devices, Inc. (2025). Zynq UltraScale+ MPSoC data sheet: Overview (DS891 v1.10). https://docs.xilinx.com/v/u/en-US/ds891-zynq-ultrascale-plus-overview

24. Advanced Micro Devices, Inc. (2024). Zynq-7000 SoC data sheet: Overview (DS190 v1.13). https://docs.xilinx.com/v/u/en-US/ds190-Zynq-7000-Overview

25. Gowin Semiconductor Corp. (2025). Gowin Arora V FPGA products data sheet (DS981-1.6). https://www.gowinsemi.com/en/product/detail/49/

26. Efinix, Inc. (2025). Titanium FPGA series data sheets. https://www.efinixinc.com/en/products/titanium.html

27. Microchip Technology Inc. (2025). PolarFire SoC FPGA family overview. https://www.microchip.com/en-us/products/fpgas-and-plds/system-on-chip-fpgas/polarfire-soc-fpgas

28. Borhani Darian, P., Li, H., Wu, P., & Closas, P. (2023). Detecting GNSS spoofing using deep learning. Research Square. https://doi.org/10.21203/rs.3.rs-2873776/v1

29. Manai, H., Ben Hadj Slama, L., & Bouallegue, R. (2023). A hybrid adaptive beamforming algorithm for SINR enhancement. Radioengineering, 32(3), 345-355. https://doi.org/10.13164/re.2023.0345

Стаття надійшла до редакції: 20.12.2025

©Ковалішин С.С., Коркін О.Ю., 2025

Creative Commons Attribution 4.0 International License (CC BY 4.0)