做嵌入式射频或者安全检测的工程师可能都遇到过这个问题：一辆被测车辆驶入检测区域，频谱仪瀑布图上干净得像做完清洗——但车上

一、技术问题定义：如何在复杂电磁环境下检测超低占空比的间歇性GPS定位器？

做嵌入式射频或者安全检测的工程师可能都遇到过这个问题：一辆被测车辆驶入检测区域，频谱仪瀑布图上干净得像做完清洗——但车上确实藏着一个正在工作的GPS定位器。

问题出在哪？不是设备不工作，而是它几乎不发射。

绝大多数车载GPS定位器采用间歇上报机制：并非实时回传位置，而是按预设间隔（从几分钟到几小时不等）发送一次数据包，单次发射时长仅几毫秒到几十毫秒。换算成占空比，仅有0.1%～0.5%。传统能量检测法（Energy Detection）的窗口通常为毫秒级，在这种超低占空比信号面前，几乎等于"睁眼瞎"——检测概率（Pd）会直接跌入噪声水平。

更麻烦的是车内电磁环境本身并不干净：GSM基站的周期广播、蓝牙/WiFi的跳频干扰、车载CAN总线辐射、甚至发动机点火系统的杂散发射，都会在频谱上叠加出复杂的本底噪声。需要在这样的环境中，从噪声中"捞"出一个功率仅在-90dBm～-70dBm量级、持续时间极短的脉冲信号，这对射频检测系统的灵敏度、时频分辨率和处理算法都提出了极高的要求。

本文围绕这一技术问题，从射频特征分析、检测算法原理、工程实现要点到实测数据，做一个完整的技术拆解。

---

二、四类车载GPS定位器的射频特征对比

当前市面上的车载GPS定位器按照通信制式和射频特征，大致可分为四类。以下从工作频段、调制方式、信号带宽、发射功率、占空比和检测难度六个维度进行对比：

| 定位器类型 | 工作频段 | 调制方式 | 信号带宽 | 典型发射功率 | 占空比 | 检测难度 |

|:---|:---|:---|:---|:---|:---|:---|

| 2G GSM模块型 | GSM900: 880-960MHz
GSM1800: 1710-1880MHz | GMSK (BT=0.3) | 约200kHz | +33dBm (2W) | 0.1%～0.5% | 低（功率大易捕获） |

| 4G LTE Cat.1型 | LTE B1: 2100MHz
LTE B3: 1805-1880MHz
LTE B8: 900MHz | QPSK/OFDM (SC-FDMA上行) | 1.4-20MHz可配 | +23dBm (200mW) | 0.2%～0.5% | 中（功率适中但信号窄） |

| 4G LTE Cat.M型 | LTE B1/B3/B8/B20 | QPSK (窄带) | 1.08MHz | +20dBm (100mW) | 0.1%～0.3% | 高（功率低且窄带） |

| GPS L1中继/转发型 | GPS L1: 1575.42MHz | BPSK/DSSS | 2.046MHz | -20dBm～0dBm | 连续或准连续 | 极高（功率极低且信号与GPS噪声混叠） |

关键观察：

• 2G定位器尽管功率高达2W，但占空比极低，常规FFT扫频窗口（如5ms）内只有不到1%的概率捕获到信号，所以功率大≠容易检测。
• 4G Cat.1定位器是目前的主流，工作频段集中在B1/B3/B8，发射功率约200mW，信号持续时间约10-30ms（取决于TBS大小和调制阶数），射频检测的主要目标对象。
• Cat.M是物联网优化版本，带宽更窄、功率更低，属于"最难检测的典型"。
• GPS L1转发器是被动转发卫星信号，功率极低，且频率与GPS导航信号重叠，常规检测手段几乎无效，需要相关性检测或相位特征分析。

---

三、检测算法思路：CFAR多窗口检测与长时间累积处理增益

3.1 为什么能量检测不管用

经典能量检测法（ED）的判决量为：

\[

T(y) = \sum_{n=0}^{N-1} |y[n]|^2 \quad \underset{H_1}{\overset{H_0}{\gtrless}} \quad \lambda

\]

当信号占空比δ < 0.5%时，若N取一个固定窗口长度（如1024点@20MHz采样，对应约51μs），噪声能量占主导，信号能量几乎不可区分。即使将窗口拉长到10ms级别，由于信号在时域上的稀疏性，累积能量依然被噪声淹没。

3.2 CFAR（恒虚警率）检测器的核心思想

CFAR检测器不依赖绝对能量阈值，而是动态估计每个检测单元周围的噪声基底，然后设置一个相对阈值。其核心流程如下：

```

输入：时域IQ采样数据 x[n], n = 0, 1, ..., L-1

输出：检测到的信号脉冲时间戳列表

1. 参数初始化

Fs = 20e6 // 采样率 20MHz

N_fft = 1024 // FFT点数

N_hop = 512 // 步进

Pfa = 1e-6 // 目标虚警率

N_guard = 4 // 保护单元数

N_ref = 16 // 参考单元数

1. 时频图构建 (Spectrogram)

for each sliding window at index i:

segment = x[i * N_hop : i * N_hop + N_fft]

windowed = segment * hamming(N_fft)

S[i, :] = |FFT(windowed)|^2 // 功率谱密度

1. 多窗口CFAR检测 (CA-CFAR)

for each time-frequency单元 (t, f):

// 构造参考窗 — 避开保护单元

ref_cells = [S[t, f-N_ref-N_guard : f-N_guard],

S[t, f+N_guard : f+N_guard+N_ref]]

noise_floor = mean(ref_cells)

threshold = noise_floor * (N_ref * (Pfa^(-1/N_ref) - 1))

if S[t, f] > threshold:

标记为候选信号单元

1. 时间-频率聚类 (Connected Component)

// 将相邻的候选单元合并为脉冲事件

pulses = dbscan_cluster(candidates, eps_time=2, eps_freq=3)

1. 输出脉冲列表

```

算法关键点：

• 保护单元（Guard Cells）：避免信号泄漏到参考窗中抬高噪声估计，导致漏检。
• 参考单元数目：N_ref越大，噪声估计越稳定，但计算量越大。工程上16-32是常用折中值。
• Pfa设定：1e-6级别意味着每百万个检测单元中允许1个虚警，以20MHz采样、50%重叠估计，每秒约产生3.9万个检测单元，即约0.04次/秒的虚警率，可接受。

3.3 长时间累积处理增益

单次FFT的处理增益有限。对于占空比0.1%的信号，需要在时间维上做长时累积。方法如下：

多帧非相干累积：

\[

S_{acc}[t, f] = \sum_{k=0}^{K-1} S[t + k \cdot T_{frame}, f]

\]

其中K为累积帧数，T_frame为帧间隔。当K=100时，处理增益约10·log10(100) = 20dB——但这只在信号帧对齐时成立。实际中信号发射时间未知，需要采用三通道并行累积策略：

• 通道A：短窗（10ms），用于捕获突发信号
• 通道B：中窗（100ms），用于捕获中等占空比信号
• 通道C：长窗（1s），用于捕获极低占空比信号

三个通道的结果通过OR逻辑合并，最终输出检测结果。

---

四、工程实现要点

4.1 频段覆盖与天线设计

定位器可能工作在GSM900、GSM1800、LTE B1/B3/B8、GPS L1等多个频段，覆盖范围从880MHz到2100MHz。一个宽带全向天线（700MHz-2700MHz）是基础选择，但增益需控制在3dBi以内，避免方向性导致的检测盲区。

实际工程中，可考虑双天线分集接收方案：

• 天线1：700-1000MHz，覆盖GSM900/LTE B8
• 天线2：1700-2200MHz，覆盖GSM1800/LTE B1/B3/GPS L1

4.2 采样率与ADC动态范围

• 采样率：理论最低要求为2×最高频率 ≈ 2×2100MHz = 4.2GSa/s，但实际SDR方案采用零中频架构（ZIF），基带采样率只需覆盖信号带宽即可。对于20MHz带宽的LTE上行信号，30.72MHz或40MHz的基带采样率是合理选择。
• ADC分辨率：12bit以上，确保在强干扰（如基站信号-30dBm）下仍有足够的动态范围分辨-90dBm的定位器信号。
• SFDR：≥70dBc，防止谐波和杂散落入目标频段造成虚警。

4.3 实时处理瓶颈

以40MHz采样率、12bit数据计算，原始IQ数据速率为：

\[

40 \times 10^6 \times 2 \times 12 \div 8 = 120 \text{ MB/s}

\]

实时做FFT+CFAR需要约2-3 GFLOPS的算力，常规ARM Cortex-A72（如树莓派4）不足以支撑，工程上通常采用FPGA协处理+ARM后处理的异构架构：FPGA负责高速FFT和CFAR检测，ARM负责脉冲聚类、数据上传和用户交互。

---

五、实测数据与分析

5.1 测试环境

• 测试地点：城市道路、停车场（地下/地面）、高速服务区
• 样本库：累计8000+台次实车检测数据
• 被测设备：市场主流GPS定位器共12款（含2G/4G Cat.1/Cat.M）
• 检测设备：SDR平台（70MHz-6GHz，40MHz瞬时带宽）+ FPGA实时处理模块

5.2 整体检出率

| 场景 | 测试样本数 | 检出数 | 检出率 | 备注 |

|:---|:---:|:---:|:---:|:---|

| 地面停车场（空旷） | 3200 | 2848 | 89.0% | 视距条件好 |

| 地下停车场 | 2800 | 2284 | 81.6% | 多径衰减严重 |

| 城市道路（行驶中） | 1500 | 1290 | 86.0% | 基站干扰密集 |

| 高速服务区 | 500 | 440 | 88.0% | 环境相对干净 |

| 合计 | 8000 | 6862 | 85.8% | — |

5.3 检出率与信号类型的关系

| 定位器类型 | 测试样本数 | 检出率 | 平均检出时间 |

|:---|:---:|:---:|:---:|

| 2G GSM模块型 | 2000 | 93.2% | 约12秒 |

| 4G LTE Cat.1型 | 4800 | 86.5% | 约35秒 |

| 4G LTE Cat.M型 | 800 | 72.5% | 约90秒 |

| GPS L1转发型 | 400 | 12.0% | 依赖长时间累积 |

关键发现：

• 2G定位器功率大，但占空比低，CFAR多窗口累积约10-15秒可稳定检出。
• 4G Cat.1定位器是当前最主流的类型，在85%左右的检出率水平，主要漏检原因是信号被基站的下行信号完全淹没（如在基站密集的城市峡谷）。
• Cat.M定位器功率低、带宽窄，CFAR检测的累积时间需拉长到60-90秒，但检出率仍不足75%。
• GPS L1转发器检出率仅12%，此类设备本质上是一个低噪声放大器+天线，工作频段与GPS完全重合，需要更复杂的空域滤波（如阵列天线做波束成形）或码域相关检测技术才能提升。

5.4 误报率统计

在无定位器车辆上进行的1000次空白测试中，平均虚警率约0.3次/次检测，主要虚警源为：

• 基站TCH信道分配信令（约45%）
• 车载蓝牙/WiFi热点（约30%）
• 附近车辆的蜂窝通信（约25%）

通过基于脉冲持续时间的过滤（丢弃持续时间<1ms的脉冲）和频点模板匹配（剔除已知基站频点），可将虚警率降低至0.05次/次检测。

---

六、结语与讨论

车载GPS隐蔽定位器的射频检测，本质上是一个低信噪比、超低占空比信号的高灵敏度捕获问题。从本文的分析可以看出：

1. 能量检测在低占空比场景下基本失效，必须引入CFAR类自适应阈值检测算法。
2. 多窗口并行累积是应对未知信号发射时序的有效手段，但会带来数十倍的算力开销。
3. 实测85.8%的总体检出率说明CFAR+长时间累积方案在实际工程中可行，但仍有约14%的漏检空间需要进一步优化——尤其是Cat.M和GPS L1转发器类设备。
4. 虚警控制是另一个工程难题，基站信号的误判需要通过频域模板匹配和时域脉冲特征分析来综合抑制。

几个值得继续探讨的技术方向：

• 对于检出率仅12%的GPS L1转发器，是否可以引入空域滤波（4元阵列天线+DBF波束成形，空域分辨率约30°）来提升信噪比？
• 分布式检测场景下，多台SDR节点的协同检测能否通过空间分集降低虚警率？
• 深度学习模型（如1D-CNN+Transformer）能否替代传统CFAR在时频图上的检测决策？算力能否在嵌入式平台落地？

欢迎在评论区讨论你的工程实现经验和遇到的坑。

---

本文技术数据来源于特防科技反谍技术研究院基于8000+台次实车检测的统计结果，详细技术白皮书可参考：tofind-gps.com/news/tech-huoyan-layer1.html

相关专利：ZL 2023 2 0761756.2、ZL 2023 2 0859072.6、ZL 2023 2 1108839.8

服务覆盖：深圳、广州、上海、北京、郑州、杭州六城

单次检测：1000元 | 含拆除：1500元 | 会员：加500元