卫星导航技术自问世以来便由于其高覆盖、高精度、高便利等特点而引起了各国的广泛关注。世界各国也争相研发其独有的卫星导航技术,如美国的GPS,俄罗斯的GLONASS和中国的北斗导航系统。当今,战场的范围领域已经从海洋、陆地、天空进一步扩展到外太空,未来的战争将会是陆地、海洋、天空、外太空融合一体化的战争。由此,卫星导航系统的研究尤为重要。随着时代的不断发展,卫星导航接收机所在的工作环境越来越复杂,而且卫星导航信号极易受到外部信号干扰,如无意干扰、压制式干扰、欺骗式干扰以及压制与欺骗组合式干扰等,这直接影响卫星导航接收器的工作性能。从而亟需研究突破导航干扰源高效、准确、快速检测、识别、定位等关键技术与工程应用体系。针对卫星导航过程中遇到的干扰信号源快速进行特征识别,这对提高卫星导航系统的抗干扰性能具有重要意义。本文主要工作如下:1.总结当前卫星导航信号传输过程中所面临的典型干扰,归纳六种干扰信号,建立每种干扰信号的数学模型,总结每种干扰特点及对干扰信号进行仿真分析,并利用信号时域、频域、时频域分析方法提取信号特征参数归一化频域3dB带宽,频谱峰度系数、频域冲激部分标准方差,傅里叶域能量聚集度,分数阶傅里叶域冲激部分标准方差等五种特征参数。2.针对干扰特征识别问题中复合形式干扰信号特征提取困难,不易识别的问题,通过利用独立成分分析方法PCA,将复合干扰信号分离为多个单一干扰分别识别,经仿真验证,PCA方法对复合式干扰信号具有良好的分离效果。对传统ICA求解算法FastICA通过牛顿法迭代求解最优解时,引入约束因子降低算法迭代次数,保证算法更快达到收敛。3.研究设计卫星导航干扰源分类器,在传统决策树分类算法的基础上,根据决策树分类算法在人为设置门限阈值上的不足,利用KNN和SVM算法与决策树算法相结合的方式提高分类算法的识别准确率。对三种算法进行对比仿真验证,实验结果表明,以决策树分类模型为基础,结合SVM的卫星导航干扰源分类器具有最佳的分类性能。