Since the antennas of high-altitude spaceborne global navigation satellite system (GNSS) receivers are installed in the satellite nadir direction, interference from Earth poses a potential threat. For interference mitigation in high-altitude spaceborne GNSS receivers, a spatial filtering algorithm is proposed with the constrained minimum spatial mean interference power (CMSMIP) as its metric. Specifically, a spatial mean interference power matrix is conceived based on the spatial probability distribution of the interference sources. The optimization problem for spatial filtering is formulated to minimize the spatial mean interference power expressed by the introduced matrix subject to constraints on the desired signal-to-noise ratio gain. To solve this optimization problem, mathematical properties of the spatial mean interference power matrix are derived, based on which the optimal weight vector is found. The performance of the proposed algorithm is evaluated by simulation with respect to power inversion (PI) as well as minimum variance distortionless response, showing an improved performance at typical interference-to-noise ratios. The proposed algorithm is adaptive to a large number of interference signals and consistent in the performance under different levels of interference power. Furthermore, it can be implemented by retrieving a lookup table of precalculated optimal weight vectors for different GNSS signal directions of arrival, which requires less than 10 MB of memory, instead of requiring frequent snapshots and matrix inversion operations as in conventional spatial filters.

中文翻译：

---

用于高空星载 GNSS 接收器干扰抑制的空间滤波

由于高空星载全球导航卫星系统（GNSS）接收机的天线安装在卫星天底方向，来自地球的干扰构成了潜在威胁。为了减轻高空星载 GNSS 接收机的干扰，提出了一种以受限最小空间平均干扰功率 (CMSMIP) 为度量的空间滤波算法。具体地，根据干扰源的空间概率分布构想空间平均干扰功率矩阵。空间滤波的优化问题被表述为最小化空间平均干扰功率，该空间平均干扰功率由引入的矩阵表达，受制于对期望信噪比增益的约束。为了解决这个优化问题，导出空间平均干扰功率矩阵的数学性质，基于该矩阵找到最佳权重向量。所提出算法的性能通过关于功率反转 (PI) 以及最小方差无失真响应的仿真进行评估，在典型的干扰噪声比下显示出改进的性能。所提算法对大量干扰信号具有适应性，在不同干扰功率水平下性能保持一致。此外，它可以通过为不同的 GNSS 信号到达方向检索预先计算的最佳权重向量的查找表来实现，这需要不到 10 MB 的内存，而不是像传统空间滤波器那样需要频繁的快照和矩阵求逆操作。在此基础上找到最佳权重向量。所提出算法的性能通过关于功率反转 (PI) 以及最小方差无失真响应的仿真进行评估，在典型的干扰噪声比下显示出改进的性能。所提算法对大量干扰信号具有适应性，在不同干扰功率水平下性能保持一致。此外，它可以通过为不同的 GNSS 信号到达方向检索预先计算的最佳权重向量的查找表来实现，这需要不到 10 MB 的内存，而不是像传统空间滤波器那样需要频繁的快照和矩阵求逆操作。在此基础上找到最佳权重向量。所提出算法的性能通过关于功率反转 (PI) 以及最小方差无失真响应的仿真进行评估，在典型的干扰噪声比下显示出改进的性能。所提算法对大量干扰信号具有适应性，在不同干扰功率水平下性能保持一致。此外，它可以通过为不同的 GNSS 信号到达方向检索预先计算的最佳权重向量的查找表来实现，这需要不到 10 MB 的内存，而不是像传统空间滤波器那样需要频繁的快照和矩阵求逆操作。所提出算法的性能通过关于功率反转 (PI) 以及最小方差无失真响应的仿真进行评估，在典型的干扰噪声比下显示出改进的性能。所提算法对大量干扰信号具有适应性，在不同干扰功率水平下性能保持一致。此外，它可以通过为不同的 GNSS 信号到达方向检索预先计算的最佳权重向量的查找表来实现，这需要不到 10 MB 的内存，而不是像传统空间滤波器那样需要频繁的快照和矩阵求逆操作。所提出算法的性能通过关于功率反转 (PI) 以及最小方差无失真响应的仿真进行评估，在典型的干扰噪声比下显示出改进的性能。所提算法对大量干扰信号具有适应性，在不同干扰功率水平下性能保持一致。此外，它可以通过为不同的 GNSS 信号到达方向检索预先计算的最佳权重向量的查找表来实现，这需要不到 10 MB 的内存，而不是像传统空间滤波器那样需要频繁的快照和矩阵求逆操作。所提算法对大量干扰信号具有适应性，在不同干扰功率水平下性能保持一致。此外，它可以通过为不同的 GNSS 信号到达方向检索预先计算的最佳权重向量的查找表来实现，这需要不到 10 MB 的内存，而不是像传统空间滤波器那样需要频繁的快照和矩阵求逆操作。所提算法对大量干扰信号具有适应性，在不同干扰功率水平下性能保持一致。此外，它可以通过为不同的 GNSS 信号到达方向检索预先计算的最佳权重向量的查找表来实现，这需要不到 10 MB 的内存，而不是像传统空间滤波器那样需要频繁的快照和矩阵求逆操作。