导航卫星系统的快速发展及其在多个领域中的广泛应用对系统工作的稳定性和安全性提出了更高的要求。信号干扰是卫星导航系统中较为常见的问题,会影响地面终端接收信号的质量,严重时甚至导致整个导航卫星系统无法正常工作。目前对干扰源定位方法的研究主要针对单个干扰源的情况,并且大多依赖于昂贵的精密侧向设备和复杂的计算,成本较高且定位性能容易被单个测向设备的结果影响。本文针对导航信号受到的射频压制式干扰。通过在目标区域内布置随机分布的密集接收机,获取大量具有空间分布意义的终端数据,从而引入机器学习中的聚类思想来解决干扰源的定位问题。本文的主要工作是提出了两个多干扰源定位算法:1.当目标区域内干扰源的数量未知时,基于无参数聚类思想提出UKL算法,该算法对于多个干扰源的平均定位精度可达0.37%,与基于TDOA的算法相比提升了 0.61%。2.当目标区域内干扰源的数量已知时,基于有参数聚类思想提出KL算法,该算法的平均定位精度可达0.16%,与基于TDOA的算法相比提升了 0.82%。与现有的主流干扰源定位算法相比,本文提出的UKL算法和KL算法的定位精度均有明显的提高,同时在不同的环境和参数设置下呈现了较强的鲁棒性,证明了较高的实用价值。