CN108828628A - 一种欺骗信号检测方法 - Google Patents

Abstract

本发明涉及一种欺骗信号检测方法，该方法包括将卫星信号进行射频处理得到中频采样信号并送至基带处理，获得原始观测值，惯性传感器的观测值经过预处理之后，映射为设备的运动参数，与原始观测值进行联合欺骗干扰检测；预先建立噪声模型，根据惯性传感器的实时输出数据进行实时修正，修正后的参数将与预先建立的噪声模型参数进行比对，并输出对欺骗信号的检测概率；将各类检测概率利用融合序贯检测技术进行联合检测，判断出存在欺骗干扰信号的概率；本发明提供了一种欺骗信号检测方法，具有体积小、功耗低、成本低、检测性能好的优点，同时在使用低成本惯导传感器时，有效的消除了器件的观测噪声提高其检测性能。

Description

一种欺骗信号检测方法

技术领域

本发明涉及物联网技术领域，尤其涉及一种基于MEMS惯导辅助的物联网设备欺骗信号检测方法。

背景技术

随着物联网技术的飞速发展，卫星导航系统已经成为日常生活及工业活动中不可缺失的组成部分，无论在消费类电子或工业电子中，包括卫星定位、导航及授时功能的产品市场出货量都在飞速增长；但卫星导航信号微弱，采用公开的信号体制，使得其很容易受到欺骗干扰信号的影响。

欺骗干扰源通过播发与真实卫星及其相似的欺骗信号，诱导设备输出错误的定位结果，达到欺骗的目的。早期的防欺骗技术研究主要集中在军事领域，军用信号本身就带有加密功能，对欺骗信号有一定的抵抗力，并且军用设备可采用复杂的阵列天线、强大的处理单元等，已经有很多成熟的技术解决方案。而物联网设备受到体积、功耗和成本的制约，无法采用相同的防欺骗技术。

发明内容

本发明提供一种欺骗信号检测方法，从而解决上述现有技术存在的技术问题。

为实现上述目的，本发明采用如下技术方案：

一种欺骗信号检测方法，所述方法包括如下步骤：

将设备接收到的卫星信号进行射频处理得到中频采样信号；

将中频采样信号送至基带处理，获得卫星信号的原始观测值；其中，原始观测值包括伪距、多普勒频率和载波相位；

惯性传感器的观测值经过预处理之后，映射为设备的运动参数，与卫星信号的原始观测值进行联合欺骗干扰检测；

预先建立噪声模型，根据惯性传感器的实时输出数据进行实时修正，修正后的参数将与预先建立的噪声模型参数进行比对，并输出对欺骗信号的检测概率；

将各类检测概率利用融合序贯检测技术进行联合检测，判断出存在欺骗干扰信号的概率。

进一步地，所述将中频采样信号送至基带处理，获得卫星信号的原始观测值，具体包括：

在基带处理中完成捕获、跟踪、电文解调和定位计算；其中，在跟踪环路中采用卡尔曼滤波器计算出卫星信号的原始观测值。

进一步地，所述的欺骗信号检测方法还包括：

根据基带处理的信息进行如下检验：信号功率检验，验证卫星信号的验证卫星信号的载噪比是否在可信范围内；跟踪环路残差检测，验证跟踪环路卡尔曼滤波器每次迭代更新的新息是否在可信范围内；导航电文交叉检验，验证导航电文中的参数取值是否在可信范围内。

进一步地，所述惯性传感器的观测值经过预处理之后，映射为设备的运动参数，与卫星信号的原始观测值进行联合欺骗干扰检测，具体包括：

所述映射为设备的运动参数包括位置、速度、加速度以及姿态；联合欺骗干扰检测的关系公式如下：

式中，y_GNSs为卫星导航接收机输出的运动参数矢量，y_IMU为惯导输出的运动参数矢量；σ由惯导的误差参数决定。

进一步地，所述预先建立噪声模型，根据惯性传感器的实时输出数据进行实时修正，修正后的参数将与预先建立的噪声模型参数进行比对，并输出对欺骗信号的检测概率，具体包括：

所述噪声模型采用Allen方差形式，通过大量离线采集的数据进行建模，并在系统工作过程中，根据惯性传感器的实时输出数据进行实时修正，修正后的参数将与预先建立的噪声模型参数进行比对，并输出对欺骗信号的检测概率，所述公式如下：

Pr(x|α_IMU,α_M)＝f(||α_IMU-α_M||²)

式中，f为概率映射函数，α_IMU为惯导的噪声模型实时估计值，使用Sage-Husa滤波器进行估计，α_M为离线采集数据的建模参数，采用Allen方差统计方法获得。

进一步地，所述将各类检测概率利用融合序贯检测技术进行联合检测，判断存在欺骗干扰信号的概率，具体包括：

将各类检测概率利用融合序贯检测技术进行联合检测，使用多个时间历元的数据，每个时刻的融合检测概率表示为：

式中H_m为第k个历元的第m个检验条件；

多历元联合检测判决公式表示为：

式中λ_N代表第N个历元的判决门限。

本发明提供了一种基于低成本MEMS惯导辅助的物联网卫星导航接收机欺骗信号检测方法，具有体积小、功耗低、成本低、检测性能好的优点，同时在使用低成本惯导传感器时，有效的消除了器件的观测噪声提高其检测性能。

附图说明

图1为本发明的欺骗信号检测方法的原理框图；

图2为本发明的惯导噪声模型比对检测的原理框图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面将结合附图以及具体实施方式，对本发明做进一步描述：

图1是本发明实施例中欺骗信号检测方法的原理框图，如图1所示，物联网设备所接收到的卫星信号经由射频处理后，送至基带处理部分进行捕获、跟踪、电文解调和定位计算处理，其中在跟踪环路中采用卡尔曼滤波器计算出卫星信号的原始观测值，所提取的原始观测值包括伪距、多普勒频率以及载波相位。

利用基带处理的信息进行信号特征比对，进行如下步骤的检验：信号功率检验，验证卫星信号的验证卫星信号的载噪比是否在可信范围内；跟踪环路残差检测，验证跟踪环路卡尔曼滤波器每次迭代更新的新息是否在可信范围内；导航电文交叉检验，验证导航电文中的参数取值是否在可信范围内。

惯性传感器的观测值经过预处理之后，映射为设备的位置、速度、加速度以及姿态等运动参数，与卫星导航的原始观测值进行联合欺骗干扰检测；其关系公式如下：

式中，y_GNSS为卫星导航接收机输出的运动参数矢量，y_IMU为惯导输出的运动参数矢量；σ由惯导的误差参数决定。

惯导传感器的输出同时会与预先建立的噪声模型进行对比，并作为欺骗信号的一种手段，具体如图2所示，噪声模型采用Allen方差形式，预先通过大量离线采集的数据进行建模，并在系统工作过程中，根据惯性传感器的实时输出数据进行实时修正，修正后的参数将与原始的离线模型参数进行对比，并输出对欺骗信号的检测概率，其公式可表示为：

Pr(x|α_IMU,α_M)＝f(||α_IMU-α_M||²)

式中，f为概率映射函数，α_IMU为惯导的噪声模型实时估计值，使用Sage-Husa滤波器进行估计，α_M为离线采集数据的建模参数，采用Allen方差统计方法获得。

将上述各类检测概率利用融合序贯检测技术进行联合检测，使用多个时间历元的数据，每个时刻融合检测概率表示为：

式中Hm为第k个历元第m个检验条件，包括：信号功率检测；跟踪环路残差检测；导航电文交叉验证；运动参数检测；噪声模型检测；共5个条件。

多历元联合检测判决公式表示为：

式中λ_N代表第N个历元的判决门限。

本发明提出了一种基于MEMS惯导辅助的物联网设备欺骗信号检测方法，将各类检测概率进行融合序贯检测，进行欺骗信号和真实信号的分辨，具有体积小、功耗低、成本低以及检测性能好的优点，同时在惯导传感器输出时与预先建立的噪声模型进行比对修正，有效的消除了器件的观测噪声提高其检测性能。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；对于本技术领域的普通技术人员来说，其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明的保护范围。

Claims (6)

1.一种欺骗信号检测方法，其特征在于，所述方法包括如下步骤：

将设备接收到的卫星信号进行射频处理得到中频采样信号；

将中频采样信号送至基带处理，获得卫星信号的原始观测值；其中，原始观测值包括伪距、多普勒频率和载波相位；

惯性传感器的观测值经过预处理之后，映射为设备的运动参数，与卫星信号的原始观测值进行联合欺骗干扰检测；

预先建立噪声模型，根据惯性传感器的实时输出数据进行实时修正，修正后的参数将与预先建立的噪声模型参数进行比对，并输出对欺骗信号的检测概率；

将各类检测概率利用融合序贯检测技术进行联合检测，判断出存在欺骗干扰信号的概率。

2.根据权利要求1所述的欺骗信号检测方法，其特征在于，所述将中频采样信号送至基带处理，获得卫星信号的原始观测值，具体包括：

在基带处理中完成捕获、跟踪、电文解调和定位计算；其中，在跟踪环路中采用卡尔曼滤波器计算出卫星信号的原始观测值。

3.根据权利要求1所述的欺骗信号检测方法，其特征在于，还包括：

根据基带处理的信息进行如下检验：信号功率检验，验证卫星信号的验证卫星信号的载噪比是否在可信范围内；跟踪环路残差检测，验证跟踪环路卡尔曼滤波器每次迭代更新的新息是否在可信范围内；导航电文交叉检验，验证导航电文中的参数取值是否在可信范围内。

4.根据权利要求1所述的欺骗信号检测方法，其特征在于，所述惯性传感器的观测值经过预处理之后，映射为设备的运动参数，与卫星信号的原始观测值进行联合欺骗干扰检测，具体包括：

所述映射为设备的运动参数包括位置、速度、加速度以及姿态；联合欺骗干扰检测的关系公式如下：

式中，y_GNSS为卫星导航接收机输出的运动参数矢量，y_IMU为惯导输出的运动参数矢量；σ由惯导的误差参数决定。

5.根据权利要求1所述的欺骗信号检测方法，其特征在于，所述预先建立噪声模型，根据惯性传感器的实时输出数据进行实时修正，修正后的参数将与预先建立的噪声模型参数进行比对，并输出对欺骗信号的检测概率，具体包括：

所述噪声模型采用Allen方差形式，通过大量离线采集的数据进行建模，并在系统工作过程中，根据惯性传感器的实时输出数据进行实时修正，修正后的参数将与预先建立的噪声模型参数进行比对，并输出对欺骗信号的检测概率，所述公式如下：

Pr(x|α_IMU,α_M)＝f(||α_IMU-α_M||²)

式中，f为概率映射函数，α_IMU为惯导的噪声模型实时估计值，使用Sage-Husa滤波器进行估计，α_M为离线采集数据的建模参数，采用Allen方差统计方法获得。

6.根据权利要求3所述的欺骗信号检测方法，其特征在于，所述将各类检测概率利用融合序贯检测技术进行联合检测，判断存在欺骗干扰信号的概率，具体包括：

将各类检测概率利用融合序贯检测技术进行联合检测，使用多个时间历元的数据，每个时刻的融合检测概率表示为：

式中H_m为第k个历元的第m个检验条件；

多历元联合检测判决公式表示为：

式中λ_N代表第N个历元的判决门限。