Ces dernières années, de plus en plus de conducteurs se sont tournés vers des dispositifs de brouillage GNSS bon marché pour se promener ou détruire le système antivol intégré ou le système de péage routier sans détection. Ces brouilleur sonneront non seulement leurs propres récepteurs GNSS, mais bloqueront également la réception des signaux GNSS dans un rayon de quelques centaines de mètres. Par conséquent, il existe une demande croissante de détection automatique de ces brouilleurs illégaux pour aider à rattraper les conducteurs impliqués.
La présentation ION GNSS + 2018 a montré comment un récepteur GNSS multi-antenne avec un moniteur de spectre RF intégré et des outils de traitement appropriés peut détecter et classer efficacement les événements d’interférence et identifier les voitures ou les camions problématiques. Ils ont installé deux récepteurs à double antenne Septentrio AsteRx-U sur la structure surélevée au-dessus de l’autoroute très fréquentée et ont effectué un test de cinq jours.
Parallèlement au suivi GNSS et aux fonctions anti-brouillage intégrées, AsteRx-U peut échantillonner simultanément les signaux RF de ses deux antennes. L’un des objectifs de ce test est d’évaluer la possibilité d’effectuer une détection de voie en intercorrélant les signaux brouilleur gps reçus par les deux antennes. De plus, l’antenne est installée à un angle d’inclinaison significatif pour produire un motif de réception asymétrique.
Le but est d’évaluer la faisabilité de la détection du sens de déplacement à partir de la série temporelle de la puissance de brouillage reçue. Lorsque plus d’un véhicule traverse la structure surélevée en cas de congestion, ce type de détection de voie ou de direction aidera grandement à identifier les conducteurs qui enfreignent les règles dans le trafic intense.
Au cours des cinq jours de l’expérience, 45 événements de brouilleur ont été enregistrés et analysés, la plupart étant intentionnels: onde continue, ou même le brouilleur gsm d’impulsions peu connu.
Les chercheurs ont expliqué comment utiliser des outils de traitement pour détecter et classifier automatiquement les événements d’interférence, et utiliser la reconnaissance de formes pour distinguer les événements nuisibles intentionnels des interférences involontaires. Ils ont présenté quelques cas sélectionnés qui illustrent les signatures RF des principaux types de brouilleurs.
Ensuite, ils ont discuté des algorithmes de détection de direction et de voie et des effets de la propagation par trajets multiples des signaux d’interférence. Tous les algorithmes sont expliqués avec des exemples pratiques.