Detection of GNSS Interference Using Reflected Signal Ob-servations from the LEO Satellite Constellation

Diese Studie stellt eine neue Methode zur zuverlässigen Erkennung von GNSS-Störungen vor, die die maximale Rauschbodenmessung von vier gleichzeitigen Reflexionen der CYGNSS-Satellitenkonstellation mit einem zweistufigen Verifikationsrahmen kombiniert, um in Tests über Weißer Sands und im Nahen Osten eine signifikant höhere Detektionsrate als bestehende Ansätze zu erzielen.

Das Wesentliche

Hier ist eine einfache Erklärung des wissenschaftlichen Artikels, verpackt in eine Geschichte mit anschaulichen Vergleichen.

🛰️ Die Geschichte: Die acht fliegenden Detektive und das unsichtbare Rauschen

Stellen Sie sich vor, die Erde wird von acht kleinen Satelliten umkreist, die wie neugierige Spione arbeiten. Diese Satelliten (das CYGNSS-System) sind eigentlich dafür da, den Wind über den Ozeanen zu messen. Sie tun dies, indem sie auf die Erde schauen und die Signale von GPS-Satelliten auffangen, die von der Erdoberfläche zurückgeworfen werden – ähnlich wie ein Echo in einer Höhle.

Aber diese Spione haben eine geheime Superkraft: Sie können auch Störungen (sogenannte "Radio Frequency Interference" oder RFI) entdecken. Das sind böswillige Signale von der Erde aus, die GPS-Signale stören oder blockieren – wie wenn jemand in einem ruhigen Konzertsaal mit einem lauten Megafon schreit.

Das Problem bisher war: Die alten Methoden waren wie ein dicker Filter. Wenn nur einer der vier GPS-Signale, die ein Satellit gleichzeitig empfängt, gestört war, aber die anderen drei ruhig blieben, dann "verwässerte" der laute Störschrei im Durchschnitt. Der Filter sagte: "Alles in Ordnung, der Durchschnitt ist noch leise." Die Störung wurde übersehen.

🚀 Die neue Lösung: Der "Maximal-Detektor"

Die Autoren dieses Papiers haben eine neue Idee entwickelt, die wir uns wie einen wachen Wachhund vorstellen können:

1. Nicht den Durchschnitt, sondern den Lautesten hören:
   Statt zu fragen: "Wie laut ist es im Durchschnitt?", fragt die neue Methode: "Wie laut ist das lauteste Signal?"

   • Die Analogie: Stellen Sie sich vor, Sie sitzen mit drei Freunden in einem Raum. Drei flüstern, aber einer schreit. Wenn Sie den Durchschnitt nehmen, hören Sie vielleicht nur ein leises Gemurmel. Aber wenn Sie nur auf den Lautesten hören, hören Sie sofort den Schrei.
   • Im Papier: Der Satellit empfängt vier Signale gleichzeitig. Wenn nur ein Signal gestört ist (z. B. durch einen lokalen Störsender), ignoriert die alte Methode das. Die neue Methode schreit: "Achtung! Hier ist etwas Lauteres als erlaubt!" und schlägt Alarm.

2. Die "Zwei-Augen-Prüfung" (Falsche Alarme vermeiden):
   Ein lautes Geräusch könnte aber auch nur ein technischer Fehler des Satelliten sein (ein "Hickup"). Um sicherzugehen, dass es wirklich ein Störsender ist, nutzt die Methode zwei Tricks:

   • Der Team-Check: Wenn zwei oder mehr Satelliten zur gleichen Zeit an der gleichen Stelle einen lauten Schrei hören, ist es fast sicher ein echter Störsender.
   • Der Zeit-Check: Wenn nur ein Satellit etwas hört, wartet er 10 Sekunden. Bleibt das Signal in dieser Zeit laut? Dann ist es echt.
   • Die Analogie: Wenn ein einzelner Zeuge behauptet, ein Monster gesehen zu haben, ist das vielleicht ein Scherz. Aber wenn zwei Zeugen es sehen, oder wenn ein Zeuge es über 10 Sekunden lang beobachtet, dann ist es wahrscheinlich wahr.

🌍 Was haben sie herausgefunden?

Die Forscher haben ihre neue Methode an zwei Orten getestet:

1. Der Test-Labor (White Sands, USA):
   Hier gab es offizielle Tests, bei denen GPS-Signale absichtlich gestört wurden.

   • Das Ergebnis: Die alten Methoden haben viele dieser Störungen übersehen, weil sie zu "dumm" waren (sie haben den Durchschnitt gebildet). Die neue Methode hat fast alle Störungen gefunden, sogar die schwachen, die nur kurz auftraten. Sie hat Störungen entdeckt, die die anderen Methoden komplett ignoriert haben.

2. Der Dauer-Stör-Ort (Naher Osten):
   Hier gibt es bekanntermaßen fast ständig GPS-Störungen.

   • Das Ergebnis: Die neue Methode hat 62 % der Zeit Alarm geschlagen. Die alte Durchschnittsmethode nur 46 %, und die sehr strenge Methode der NASA nur 33 %.
   • Was das bedeutet: Die neue Methode ist viel empfindlicher. Sie sieht mehr von dem, was wirklich passiert, ohne dabei in Panik zu verfallen (falsche Alarme).

💡 Warum ist das wichtig?

Stellen Sie sich vor, Sie fahren ein autonomes Auto oder steuern ein Flugzeug. Wenn das GPS gestört wird, kann das katastrophal sein. Bisher wussten wir oft nicht, wo und wann genau diese Störungen passierten, besonders wenn sie schwach oder lokal waren.

Diese neue Methode ist wie ein globales Frühwarnsystem:

• Sie braucht keine teuren Bodenstationen (alles läuft im Weltraum).
• Sie ist so sensibel, dass sie Störungen schon in der Anfangsphase erkennt, bevor sie stark werden.
• Sie kann sogar seltsame, bisher unbekannte Störungsmuster finden.

Fazit: Die Autoren haben einen cleveren Weg gefunden, die Daten der Satelliten besser zu nutzen. Anstatt alle Signale zu "vermitteln", hören sie auf den lautesten Schrei und prüfen dann, ob es echt ist. Das macht unsere Navigation sicherer und hilft uns, unschöne Überraschungen im GPS-System früher zu erkennen.

Technische Zusammenfassung

Hier ist eine detaillierte technische Zusammenfassung des vorliegenden Papers auf Deutsch:

Titel: Detektion von GNSS-Störungen mittels reflektierter Signalbeobachtungen von LEO-Satellitenkonstellationen

Veröffentlicht in: Remote Sensing (2025), 17, x

---

1. Problemstellung

Das Global Navigation Satellite System (GNSS) ist eine kritische Infrastruktur für Positionierung, Navigation und Zeitgebung (PNT). Die Signale sind jedoch aufgrund ihrer geringen Sendeleistung und offenen Struktur anfällig für Radio Frequency Interference (RFI), wie z. B. Jamming oder Spoofing.

• Herausforderung: Bestehende bodengestützte Überwachungssysteme sind teuer, haben eine begrenzte Abdeckung und dienen eher der Umgehung als der Detektion von Störungen.
• Limitierungen bestehender Weltraum-basierter Methoden:
  • NASA nutzt derzeit einen Kurtosis-basierten Ansatz für CYGNSS-Daten, der jedoch anfällig für Fehlalarme durch Höhenmodellierungsfehler ist.
  • Mittelwert-basierte Ansätze (Durchschnitt der Rauschböden) versagen oft, wenn nur ein Teil der gleichzeitig empfangenen Signale gestört ist, da das Störsignal durch die normalen Signale „verwässert" wird.
  • Es fehlt an Methoden, die schwache oder lokalisierte Störungen zuverlässig erkennen, ohne die Fehlalarmrate zu erhöhen.

2. Methodik

Die Studie schlägt einen neuen Detektionsrahmen vor, der auf den Delay-Doppler Maps (DDM) des CYGNSS-Satellitenkonstellations (8 LEO-Satelliten) basiert.

A. Kernkonzept: Maximum-basierte Detektion

Anstatt den Mittelwert der Rauschboden-Werte (Noise Floor) der vier gleichzeitig empfangenen GNSS-Reflexionen (PRNs) pro 0,5-Sekunden-Epoche zu verwenden, wählt die Methode den höchsten Wert aus.

• Begründung: Da jede Reflexion einen anderen Pfad und unterschiedliche Reflexionsbedingungen hat, kann eine Störung nur einen oder wenige Kanäle betreffen. Der Mittelwert würde diese Anomalie verwässern, während der Maximalwert die Störung sensitiv erfasst.

B. Falschalarm-Reduktion (Zwei-Stufen-Verifikation)

Um die erhöhte Sensitivität des Maximum-Ansatzes zu nutzen und Fehlalarme durch transienten Rauschen oder Fehler zu unterdrücken, wird ein zweistufiges Verifikationsframework eingeführt:

1. Multi-Satelliten-Koinzidenz: Ein RFI-Ereignis wird bestätigt, wenn zwei oder mehr CYGNSS-Satelliten unabhängig voneinander dieselbe geografische Region zur gleichen Zeit als gestört melden.
2. Zeitliche Persistenz (Single-Satellite): Wenn nur ein Satellit den Schwellenwert überschreitet, wird die Detektion nur bestätigt, wenn der Schwellenwert über einen kontinuierlichen Zeitraum von 10 Sekunden überschritten bleibt.
   • Physikalische Basis: Basierend auf der Geometrie der Schrägentfernung (Slant-Range) zwischen einem bodengestützten Jammer (~500 km Höhe) und dem Satelliten. Eine echte Störquelle bleibt während eines Vorbeiflugs (Overpass) deutlich länger als 10 Sekunden detektierbar, während transienter Rauschen dies nicht erfüllt.

C. Schwellenwert

Ein fester Schwellenwert von 41 dB für den DDM-Rauschboden wurde basierend auf der statistischen Verteilung in RFI-freien Gebieten (Pazifik) festgelegt.

3. Schlüsselergebnisse

Die Methode wurde mit CYGNSS Level-1-Daten von Mai 2025 in zwei Testregionen evaluiert: dem White Sands Missile Range (USA, mit NOTAM-gekündigten Jamming-Tests) und dem Nahen Osten (bekannt für persistente RFI).

• Vergleich mit bestehenden Methoden:
  • White Sands: Die vorgeschlagene Methode detektierte RFI-Ereignisse an drei Tagen (14., 15., 20. Mai), an denen weder die Kurtosis- noch die Mittelwert-Methode signifikante Alarme auslösten.
  • Naher Osten: Die vorgeschlagene Methode markierte 62 % aller Epochen als RFI, verglichen mit 46 % (Mittelwert-Methode) und 33 % (Kurtosis-Methode). Dies deutet auf eine signifikant höhere Sensitivität in stark gestörten Umgebungen hin.
• Früherkennung: Die Analyse zeitlicher Sequenzen zeigte, dass die Maximum-Methode den Beginn einer sich langsam verstärkenden Störung (faint vertical patterns) früher erkennt als die Mittelwert-Methode, die erst bei starker Durchdringung aller Kanäle reagiert.
• Erkennung atypischer Muster: Die Methode identifizierte auch ungewöhnliche Störungsmuster, die von anderen Methoden übersehen wurden.

4. Hauptbeiträge

1. Neue Detektionsstrategie: Einführung einer Maximum-basierten DDM-Rauschboden-Analyse, die die Verwässerungseffekte bei partiellen Störungen eliminiert.
2. Robustes Verifikationsframework: Kombination aus Multi-Satelliten-Konsistenz und einer physikalisch fundierten 10-Sekunden-Persistenzprüfung zur effektiven Unterdrückung von Fehlalarmen.
3. Validierung: Experimenteller Nachweis, dass CYGNSS-Daten nicht nur für Windmessungen, sondern auch für ein zuverlässiges, globales RFI-Monitoring genutzt werden können.
4. Erweiterte Detektionsfähigkeit: Nachweis der Fähigkeit, sowohl schwache, lokalisierte Störungen als auch den frühen Verlauf von intensiver werdenden Interferenzen zu erfassen.

5. Bedeutung und Ausblick

Die Studie demonstriert, dass die Nutzung von GNSS-Reflektometrie (GNSS-R) Daten eine kosteneffiziente und großflächige Lösung für das Monitoring von GNSS-Störungen bietet, ohne auf bodengestützte Infrastruktur angewiesen zu sein.

• Praktische Relevanz: Die Methode verbessert die Integritätsüberwachung von GNSS-Signalen, was für sicherheitskritische Anwendungen (Luftfahrt, autonomes Fahren) essenziell ist.
• Zukünftige Arbeiten: Die Autoren schlagen adaptive Schwellenwertstrategien (basierend auf lokalen Rauschstatistiken), die Integration von Machine-Learning-Klassifizierungen und die Validierung auf anderen GNSS-R-Plattformen (z. B. HydroGNSS) vor.

Fazit: Der vorgeschlagene Maximum-basierte Ansatz übertrifft bestehende Mittelwert- und Kurtosis-Methoden signifikant in Bezug auf die Detektionsrate (bis zu +29 % im Nahen Osten) und die Fähigkeit, schwache oder teilweise Störungen zu erkennen, während die Fehlalarmrate durch das Verifikationsframework kontrolliert bleibt.