GPS信号为何脆弱？从1瓦干扰到航空安全的技术拆解

军用 GPS 干扰到底有多强？一个 1 瓦的干扰设备放在 1 公里外，到达接收机天线口面的干扰功率约 -66 dBm，而 GPS 卫星信号到达地面的典型功率只有 -128 dBm 左右。双方的“信干比”超过 60 dB，绝大多数商用 GPS 接收机的抗干扰容限只有 25~40 dB。也就是说，地面一个低功率干扰源，就能让天上整个 GPS 星座的信号变成噪声。

这正是“军用 GPS 干扰演练与坠机调查”这类事件真正值得技术行业关注的原因。外媒报道提到，2022 年初北欧一场大规模军事演习期间，一架小型飞机坠毁，机上人员遇难。事故调查机构随后发现，飞机坠毁前其 GPS 接收机曾暴露在大范围、持续性的外部干扰环境中，而演习空域内恰好安排了 GPS 干扰训练。调查组正在评估“干扰”与“坠机”之间是否存在因果关联，媒体表述为“美军 GPS 干扰演练被怀疑与坠机有关”。

这篇文章不谈立场，只拆技术。分四块内容：GPS 信号为什么这么容易被压制，航空系统从“丢星”到“事故”的失效链，调查和工程上怎么检测干扰，以及抗干扰与冗余导航的工程实践和常见误区。如果你做无人机、自动驾驶、机器人、航空电子、基站授时或者 GNSS 数据质量分析，这篇文章值得仔细看。

1. 核心技术信息速览

先把这个事件背后涉及的技术要素列一张表，后面逐项展开。

这起事件不是孤立个案。GPS 干扰成本低、实施门槛低、影响范围大，而现代航空、交通、电力、金融、通信对 GPS 的依赖度又极高。理解这条技术链，比争论单一事故原因更有工程价值。

2. 适用场景与安全边界

这个主题适合谁？以下四类工程师最容易碰到相关问题。

第一类是定位与导航应用开发者。无人机、机器人、无人配送车只要依赖 GPS 定位，就必须考虑 GPS 被干扰时的降级策略：是悬停、返航，还是切换视觉/惯性定位。第二类是航空与通航相关从业人员。RNAV 进近、ADS-B 追踪、地形告警都建立在对 GPS 位置的可信依赖上，干扰环境下这些能力全部会退化。第三类是授时与同步工程师。基站、电力系统、交易所、数据中心大量使用 GPS/北斗授时，一旦干扰导致时间源丢失，守时性能和 PTP 链路稳定性会立刻暴露问题。第四类是互联网平台做轨迹、路况、物流数据的开发者。手机上报的位置数据在干扰区域内会出现漂移，如果数据清洗逻辑不识别这种异常，后续分析结论会失真。

安全边界必须说清楚：GPS 干扰频段受国家无线电管理法规严格约束，任何个人或机构在未获授权的情况下开启干扰设备都属于违法行为，可能危害航空安全和公共安全。本文所有关于干扰机制的内容，目的都是帮助工程师理解风险、设计检测和防护手段，而不是提供干扰设备的制作方法。真实环境下的干扰验证，应当在合法测试场地、屏蔽实验室或获得授权的频谱测试环境中进行。

3. GPS 信号为什么这么容易被打掉

3.1 GPS 信号的基本特征

GPS 卫星在约 2 万公里的中圆轨道上，以约 1.023 MHz 码率的 C/A 码扩频方式，把导航电文调制在 L1 载波上。由于卫星发射功率有限、轨道距离远，信号到达地面时已经衰减到了接近噪底的水平。这个 -128 dBm 量级的信号强度，比手机通信信号弱了几十个 dB，相当于在 1 万公里外用一盏 25 瓦灯泡的余光做定位。

扩频通信本身有一定的抗干扰余量。GPS 接收机通过相关运算解扩，可以获得约 20~30 dB 的处理增益，因此正常环境下依然能完成捕获和跟踪。问题是，这个处理增益在真正的压制干扰面前并不够用：干扰源通常在地面，距离接收机只有几公里到几十公里，功率又不受限制，链路差距足以抵消扩频增益。

3.2 链路预算与 J/S 计算

用标准的自由空间路径损耗公式就能看出数量级差异。计算公式如下：

FSPL(dB) = 20 * log10(d) + 20 * log10(f) - 147.55

其中 d 为距离（米），f 为频率（Hz）。下面用 Python 算一个典型场景：卫星斜距 20000 公里，地面干扰源距离接收机 1 公里，干扰源功率 1 瓦。

import math def fspl(d_m, f_hz): """自由空间路径损耗，单位 dB""" return 20 * math.log10(d_m) + 20 * math.log10(f_hz) - 147.55 f_l1 = 1575.42e6 # GPS L1 频率 d_sat = 20_000_000 # 卫星到地面接收机典型斜距，米 d_jam = 1_000 # 干扰源到接收机距离，米 # 卫星链路：卫星 EIRP 约 24 dBW，减去损耗得到到达功率 eirp_sat = 24.0 # dBW，约 250W EIRP loss_sat = fspl(d_sat, f_l1) p_sat_dbm = eirp_sat - loss_sat + 30.0 # 转成 dBm # 干扰链路：1W 干扰源 EIRP 约 30 dBm eirp_jam_dbm = 30.0 loss_jam = fspl(d_jam, f_l1) p_jam_dbm = eirp_jam_dbm - loss_jam j_to_s = p_jam_dbm - p_sat_dbm print(f"卫星链路损耗: {loss_sat:.1f} dB") print(f"GPS 信号到达功率: {p_sat_dbm:.1f} dBm") print(f"干扰链路损耗: {loss_jam:.1f} dB") print(f"1W 干扰到达功率: {p_jam_dbm:.1f} dBm") print(f"J/S 信干比: {j_to_s:.1f} dB")

计算结果大致是：卫星链路损耗约 182 dB，GPS 信号到达功率约 -127.5 dBm；1 公里外 1W 干扰源到达功率约 -66.4 dBm；J/S 比约 61 dB。这个 61 dB 已经远超前面提到的 25~40 dB 容限。

3.3 结论：为什么 1W 干扰就够用

这条链路预算说明了一个关键事实：GPS 干扰不是“强功率对抗”，而是“距离即正义”。干扰源只要贴近目标区域，就能以极低功率把卫星信号淹没。军用干扰演练使用的系统功率通常是几十瓦到千瓦级，覆盖范围可以到几十甚至上百公里，这也解释了为什么一次演练的干扰带能影响大片空域。

对工程人员来说，这条计算也提示了检测思路：只要接收机能实时观察到 J/S 比、C/No 和卫星失锁状态，就能较早识别出是否处于干扰环境。

4. GPS 干扰的常见形态与识别特征

按干扰信号的形式，可以把 GPS 干扰分成四类：

前三种属于压制式干扰，实施成本低，影响是让接收机“看不见”卫星。识别特征是所有可见卫星的 C/No 同时跳水，而不是某一颗卫星单独变差。正常环境下，健康 GPS 信号的载噪比通常在 35~50 dBHz 之间，低于 25 dBHz 就处于失锁边缘。如果有干扰，观测到的现象往往是大批卫星的 SNR 在几十秒内同时跌到 15 dBHz 以下，甚至直接变为 0。

欺骗攻击是另一类风险。它不压制信号，而是发射与真实 GPS 结构高度一致的伪造信号，让接收机锁定到错误的位置或时间。对于航空导航，欺骗比压制更危险，因为机组和自动驾驶在一段时间内并不会感知到异常。好在军用级欺骗的技术门槛远高于压制式干扰，普通安全事件里很少出现。

5. 从“GPS 失锁”到“坠机”：航空失效链

5.1 哪些机载系统依赖 GPS

现代通用航空飞机和运输类飞机的很多功能都建立在 GPS 位置上，最常见的包括：

• 区域导航（RNAV）和所需导航性能（RNP）进近程序，直接依赖 GNSS 定位；
• ADS-B 广播，把机载 GPS 位置通过 1090 MHz 广播给地面和周边飞机；
• 地形感知与告警系统（TAWS/EGPWS），需要 GPS 位置判断前方地形威胁；
• 驾驶舱移动地图、空中防撞系统（TCAS）的潜在冲突预测；
• 机载 GPS 授时输出，影响部分航电设备的基准时间。

GPS 失锁后，受影响的不止“导航画面不动了”，而是整个监视和告警链路的可用性同步下降。

5.2 失效链传播

在一次明显干扰事件中，飞行员会先看到 GPS 位置冻结、丢星或异常跳变，随后 RNAV 设备可能直接进入“无法使用”状态。如果飞机处于航路上，机组需要切换到 VOR/DME 或惯性基准导航；如果正处于进近阶段且天气不好，失去 GPS 意味着必须改用 ILS 或复飞等待。

真正的风险在于组合因素。GPS 失效本身通常不会直接导致坠机，但会在下面几种条件下放大风险：飞行员过度依赖 GPS、对备用导航设备不熟练；山区或低能见度环境下，缺乏地形参考；仪表进近中突然失去水平/垂直引导，机组工作负荷骤增。事故调查最关键的问题就是：当时的 GPS 失效，是否叠加了机组状态、航路地形或气象条件，最终形成不可恢复的链路。

5.3 干扰不等于坠机的因果门槛

这也是本次坠机调查的难点。调查机构需要回答的并非“当时有没有干扰”，而是“干扰是否实质性触发了事故链”。通常会从三个层面判断：干扰是否存在、干扰是否导致 GPS 服务丧失、GPS 丧失与事故之间是否构成直接原因链。任何一个环节证据不足，都不能建立因果关系。

6. 军事干扰演练如何波及民航

GPS 干扰信号不会因为地面画了一条“演习区”边界就不再向外传播。实际影响范围取决于干扰源功率、天线方向图、地形遮挡以及接收机高度，经常远远超出演习划定空域。

这里有一个常被忽视的几何因素：飞行中的飞机处于高空，与地面干扰源之间的视距遮挡很少。同一台地面干扰设备，对地面车辆造成的遮蔽可能来自建筑物，但对万米高空的飞机来说，几百公里内的地形遮挡几乎不起作用。也就是说，军用干扰演练即使划定了“影响盒”，实际影响往往是比盒子更大的椭圆区域。北欧这起事件恰好发生在通航小飞机常用的作业高度，干扰覆盖空域与航路重合的概率并不低。

从航空运行角度，这类事件还暴露出告警机制的问题。虽然军演通常会通过 NOTAM 发布 GPS 干扰预警，但很多通航飞行员、特别是驾驶旧式飞机的飞行员，并不会每次飞行前都查阅 GNSS 干扰类 NOTAM。即使看到了，也难以精确判断干扰的实际空间和时间范围。这就意味着仅仅“发了通告”并不能解决安全风险，还需要更实时的干扰监测和数据共享机制。

6.2 调查取证的数据链路

事故调查机构要建立“干扰与坠机相关”的证据链，主要依赖以下几类数据：

如果干扰发生在事发时段且与飞机 GPS 失锁时间高度吻合，调查组就会继续核实：失锁是同时多星发生、还是单星故障；是干扰导致，还是接收机硬件老化；失锁后机组是否被告知、是否还有可用的备用导航手段。只有这些证据全部串起来，结论才站得住脚。

7. 工程上的干扰检测与监测手段

7.1 接收机侧：C/No 与可见星监测

对普通工程师来说，最容易落地的检测方式是从接收机本身取数据。NMEA 0183 协议中，GSV 语句每颗卫星的最后一个字段就是信噪比（dBHz），GSA 语句会给出可用卫星数和定位模式。对一段连续数据做统计：如果所有卫星 C/No 同时下降、且持续超过数十秒，基本可以判定进入了干扰区。

下面是一段简单的 NMEA 解析示例，把各卫星的 SNR 按 PRN 汇总，用于后续异常判断。

import re snr_by_sat = {} def parse_gsv(line): """解析 NMEA GSV 语句，收集每颗卫星的 C/No""" if not line.startswith('$GPGSV'): return fields = line.rstrip().split(',') # 从第 5 个字段开始，每 4 个字段描述一颗卫星 for i in range(4, len(fields) - 3, 4): prn = fields[i] try: snr = int(fields[i + 3]) except ValueError: continue if snr > 0: snr_by_sat.setdefault(prn, []).append(snr) def detect_interference(min_sats=4, snr_threshold=20.0, bad_ratio=0.8): """如果可见卫星不少于 min_sats，且超过 80% 的卫星 SNR 低于门限，判为疑似干扰""" if len(snr_by_sat) < min_sats: return "sats-insufficient" recent = [vals[-1] for vals in snr_by_sat.values() if vals] if not recent: return "no-data" bad = sum(1 for snr in recent if snr < snr_threshold) if bad / len(recent) >= bad_ratio: return "interference-suspected" return "normal"

需要注意，这个逻辑要把“多星同时恶化”和“单星正常波动”区分开。单颗卫星 SNR 下降可能是仰角低、遮挡、天线方向图问题；所有卫星同时恶化则大概率是射频环境问题。

7.2 数据侧：轨迹气泡与时间戳异常

如果你做的是位置大数据平台，可以从聚合视角发现干扰。当大量设备在同一区域同一时刻发生位置漂移、轨迹断裂或者“位置气泡”时，往往不是单个设备故障，而是该区域存在 GPS 射频干扰。这类异常可以通过 ADS-B 公开数据、手机定位数据或车载终端数据做时空聚类发现，也是干扰源定位的重要线索。

7.3 频谱侧：SDR 监测

在合法前提下，用软件定义无线电（SDR）设备扫描 L1/L2 频段，可以直接看到干扰信号形态。宽带噪声干扰表现为 1575.42 MHz 附近出现一个宽频谱凸起；单频连续波则是一个窄带尖峰。有条件做频谱监测的单位，可以把 SDR 接收机部署在重点区域，结合自动告警，形成一张实时的 GPS 干扰分布图。

7.4 时间同步场景的 GPS 干扰检测

GPS 干扰不仅影响定位，也影响授时。对使用 chrony 做时间同步的服务器，GPS 授时接收机一旦被干扰，时间源会丢失。此时可以用 chrony 的跟踪信息快速判断：

# 查看当前时间源状态，GPS 源通常显示为 ^* 或 ^+ chronyc tracking chronyc sources -v # 如果 GPS 源频繁变 ^? 或失联，需要检查天线/馈线/干扰环境

授时系统被干扰后的承压能力，取决于本地时钟的守时性能。普通晶振在失去 GPS 后几小时内就可能漂移出 PTP 精度要求，因此关键授时节点需要 OCXO、铷钟甚至氢钟做 holdover，并配置时钟源切换策略。

8. 抗干扰与冗余导航的工程实践

8.1 航空：冗余导航与程序兜底

航空领域对抗 GPS 干扰的第一原则是“不把 GPS 当唯一信息源”。

在设备层面，现代运输飞机通常配备惯性基准系统（IRS），GPS 失效后可以保持短时位置推算；进近阶段还有 ILS、DME/DME、VOR 等地面导航设施作为备选。在程序层面，运行单位需要为机组提供明确的降级流程：GPS 丢失后如何识别、何时切换导航源、什么条件下必须复飞或改航。RAIM（接收机自主完好性监测）也是重要工具，它能在定位结果不可信时提前发出告警，避免机组在错误位置上继续进近。

对于通用航空，设备配置没有运输机那么强，更需要依靠事前规划。执行山区、低能见度任务前，确认沿途有可用的非 GPS 导航手段，并保留目视备降方案。

8.2 无人机与机器人：传感器融合兜底

对无人机、自动配送车和机器人，GPS 被干扰时常用的兜底思路是传感器融合。简单说，就是用 IMU 做短时惯性推算，用相机/激光雷达做视觉里程计或建图定位，在 GPS 可信时持续标定这些传感器的零偏和尺度。

工程上要注意几点：第一，参与融合的每个传感器都要有自己的“健康度”评价，GPS 健康度可以用 C/No、可见星数和 RAIM 状态综合得出；第二，融合算法要支持信息源动态剔出，GPS 信号异常时自动降低权重，而不是把错误位置直接带入滤波器；第三，要设计 GPS 失效后的行为策略，无人机可以悬停或按视觉定位返航，物流车可以减速靠边停车，避免“失去定位后还继续高速移动”的危险状态。

8.3 授时与数据中心：守时与备份

GPS 干扰对时间同步系统的打击是“沉默式”的。基站、数据中心、电力变电站一旦失去 GPS 授时，如果没有备份时间源，网络设备间的时间偏差会在数小时到数天内逐步扩大。

实践上推荐三层方案：一是时间源多源化，不只依赖 GPS/北斗，可叠加 PTP 上游时间源或本地高稳时钟；二是守时性能冗余，关键节点配置 OCXO 级别以上的 holdover 能力，并定期测试“脱星后 24 小时守时误差”；三是监控告警，对 GPS 授时接收机的 C/No、锁定状态、时间源切换事件做指标采集，异常时第一时间通知运维。

9. 常见误区与问题排查清单

9.1 常见误区

9.2 排查清单