CN112859116B - 基于主特征盲源分离的单天线gnss欺骗式干扰检测方法 - Google Patents

Abstract

本发明公开了一种基于主特征盲源分离的单天线GNSS欺骗式干扰检测方法。本发明步骤：1：将接收到的混合信号IQ两路分别建立观测矩阵，对观测矩阵求解协方差矩阵，再对协方差矩阵进行特征值分解，并对特征值进行重构；2：对重构后的特征值进行计算得到特征值占比重，并设置门限完成欺骗干扰情况的初步筛选；3：对初步筛选后的其余情况下的混合信号进行提取主特征的Fast_ICA盲源分离算法，得到估计数据信息和扩频码信息；4：对估计数据信息进行解调，并统计锁相环跟踪段频率跟踪曲线方差值P和跟踪频率值均值E；并对跟踪解调得到的基带数据进行分析。本发明具有识别检测性能好、适应低噪环境等优点，且识别率高、抗噪性能好、代价低，整体性能提升大。

Description

基于主特征盲源分离的单天线GNSS欺骗式干扰检测方法

技术领域

本发明主要针对GNSS领域的欺骗式干扰的识别和检测，主要涉及基于主特征盲源分离的单天线GNSS欺骗式干扰检测方法。

背景技术

在军事和民用领域，卫星导航系统得到广泛应用。由于卫星距离地面接收机距离较远，卫星导航信号到达地面时信号功率大幅度衰减。这样卫星导航信号在传输过程中极易受到干扰，导致导航接收机受到欺骗干扰得到错误的定位定时结果。除了常见的压制干扰之外，近年来欺骗干扰逐渐成为危害卫星导航系统安全的重要途径。压制干扰主要是利用噪声信号来淹没有用的导航信号，而欺骗干扰是指故意释放假的导航信号，引导目标到达错误的位置。其中转发式欺骗干扰的目的是将得到错误的位置信息，生成式欺骗干扰是将接收机接收错误的数据信息和位置信息。没有经过特殊算法设计的接收机本身很难察觉到这种欺骗干扰。所以，对于有效检测欺骗干扰仍是当前GNSS领域内的研究热点。

针对GNSS领域内欺骗干扰的检测问题，目前的采用的欺骗干扰检测技术主要为下面几种：信号功率检测技术、信号空间特性检测技术、导航信息检测技术、外界辅助信息检测技术和多峰检测技术等。基于信号功率检测技术依赖于信号功率，但复杂环境中信号功率的不稳定性导致信号检测性能急速下降。基于信号空间特性检测技术需要多天线接收机和大量的观测空间，造成实施代价高昂。基于导航信息检测技术利用对码率和多普勒的一致性来实现检测，对复杂欺骗干扰信号，检测稳定性差，检测性能低。基于外界辅助信息检测技术需增加接收机的复杂性，且在检测过程中使用的加密认证技术可能会破坏导航信号的内部特征。其中，目前采用较多的是多峰检测技术，在信号捕获过程中通过检测超过捕获门限的相关峰个数来实现对转发式欺骗干扰的检测。但易受噪声干扰，且这种基于多峰能量的判决方法无法获取导航信号，从而不能识别区分转发式和生成式欺骗干扰。针对这一问题，本发明基于单天线卫星接收机，利用主特征盲源分离算法来实现单一性欺骗干扰信号和真实导航信号的有效分离，得到真实信号和欺骗干扰的估计数据信号和扩频码序列。从接收混合信号的特征值分布变化判决到欺骗干扰的存在，并利用估计数据信号解调获得基带信号的相关性分析和载波信息的差异性识别检测转发式和产生式欺骗干扰。所提算法从特征值分布的变化完成干扰个数估计，在此基础上，再联合基带数据和载波信息进行进一步的对欺骗干扰种类(转发干扰、生成干扰)的识别。

由此可见，利用主特征盲源分离算法来实现对欺骗干扰类型进行识别和检测有着非常广泛的应用前景。

发明内容

由于转发式欺骗干扰是对卫星信号进行转发，不改变导航信息，无需考虑导航信息就可以检测到转发式欺骗干扰的存在，因此目前对转发欺骗干扰的检测研究较多，但生成式欺骗干扰改变了导航信息，增加了欺骗干扰的复杂性，在检测时要至少从扩频码和导航信息两个方面考虑，检测难度增大。目前对生成式欺骗干扰的检测研究较少。本发明是利用主特征盲源分离算法实现产生欺骗干扰和信号的分离，获得估计导航信息和估计扩频码序列，联合信号特征值分布、基带导航数据和载波信息完成对欺骗干扰类型的检测和识别，增加了检测的稳定和可靠性，提升了检测性能。

设置的欺骗干扰类型存在情况为如下四种：无欺骗式干扰、仅存在生成式欺骗干扰、仅存在转发式欺骗干扰、同时存在生成式欺骗干扰和转发式欺骗干扰。

本发明解决其技术问题所采用的技术方案包括以下步骤：

步骤1：将接收到的混合信号IQ两路分别建立观测矩阵，并对观测矩阵求解协方差矩阵，再对协方差矩阵进行特征值分解，并对特征值进行重构；

步骤2：对重构后的特征值进行计算得到特征值占比重，并设置门限完成欺骗干扰情况的初步筛选；

步骤3：对初步筛选后的其余情况下的混合信号进行提取主特征的Fast_ICA盲源分离算法，得到估计数据信息和扩频码信息；

步骤4：对估计数据信息进行解调，并统计锁相环跟踪段频率跟踪曲线方差值P和跟踪频率值均值E。并对跟踪解调得到的基带数据进行相关分析。

步骤1具体实现如下：

1-1.对于单天线多通道卫星接收机，每个通道只能接收和连续跟踪一个卫星导航信号，卫星导航信号系统采用的调制方式是BPSK调制，则接收到的单个卫星信号的数学模型可表示为：

其中

为真实卫星信号的功率；D_a为真实卫星导航数据信息；C表示真实卫星信号的C/A码；τ_a为接收到的真实卫星信号的时延；f₀为信号的载波频率，f_a、

分别为真实卫星信号的多普勒频率及载波初始相位。

根据转发式欺骗干扰产生的原理可知转发式欺骗干扰相对于真实卫星信号，主要增大了信号功率和传输时延，并没有改变信号信息，因此可对转发式欺骗干扰进行数学建模表示为：

其中

为转发式欺骗干扰信号的功率；D_a为真实卫星导航数据信息，卫星导航数据信息与真实卫星信号保持一致；C表示真实卫星信号的C/A码；τ_z为接收到的转发式欺骗干扰信号的时延；f₀为信号的载波频率，f_z、

分别为欺骗信号的多普勒频率以及载波初始相位。

而转发式欺骗干扰是借助已知民用码信息，伪造卫星导航数据信息，由此可对生成式欺骗干扰进行数学建模可表示为

其中

为生成式欺骗干扰信号的功率；D_s是伪造的卫星导航数据信息；C表示真实卫星信号的C/A码；τ_s为接收到的生成式欺骗干扰信号的时延；f₀为信号的载波频率，f_s、

分别为生成式欺骗信号多普勒频率以及载波初始相位。

1-2.由于传统的盲源分离采用单路调制信号，且提取信号空间全部特征值，但在低噪环境中，易出现噪声特征值大于信号中小的特征值的现象，即大特征值的抗噪性能优于小特征值的抗噪能力。这样在提取特征值过程中容易提取到噪声特征作为信号特征值，从而导致分离效果差。因此，这里提出对IQ两路信号分别进行盲源分离处理，且在提取特征值时基于提取特征值占总特征值的80％以上的提取准则来实现主特征值的提取，解决了传统盲源分离算法低噪环境下分离效果差的问题。

根据欺骗干扰的存在情况，可在接收时得到不同的混合信号，对混合信号的IQ两路分别建立观测矩阵，并求得协方差矩阵，对协方差矩阵进行特征值分解得到特征值。根据主特征盲源分离模型，

对有延迟有频偏信号的实部或虚部混合信号进行大量仿真分析，统计得到一个源信号的3个主特征值。因此，对于有延迟有频偏的混合信号的特征值选取个数为3K，其中，K为源信号个数。欺骗式干扰的存在将对信号的特征值有明显影响，因此可根据特征值的分布来对干扰信号类型进行区分。

欺骗式干扰类型	干信比	估计特征值个数
			无干扰	3～5dB	3
生成式欺骗干扰	3～5dB	6
			转发式欺骗干扰	3～5dB	6
生成、转发欺骗干扰同时存在	3～5dB、3～5dB	9

由特征值个数可将欺骗干扰情况分为三类，第一类为不存在欺骗干扰，第二类为两种欺骗干扰类型同时存在，第三类为仅存在一种欺骗干扰类型。

1-3.为减少噪声对特征值的影响，可对所有特征值进行重构处理，达到去除噪声基底的效果。特征值分解后，特征值已完成从大到小的排序，特征值大的区间为信号空间，特征值小的区间为噪声区间。可从噪声区间选取10个特征值进行统计计算得到噪声基底的估计值。综合考虑后选取第20个至第29个特征值，并对其求和及均值，得到噪声基底的估计值

即

借助噪声基底的估计值

对特征值进行重构，将每一个特征值减去噪声基底估计值，可近似得到无噪环境下特征值分布为

步骤2具体实现如下：

2-1.已知欺骗式干扰的存在必然会对信号能量产生影响，从而影响到特征值分布，因此可根据特征值的分布来对干扰信号类型进行区分。利用重构后的特征值进行特征值占比重计算，从而估计信号数目，实现干扰信号情况的区分。特征值占比重η_k的计算模型可表示为

2-2.在信号区域内，η_k变化快，即增量大；噪声区域时，η_k变化缓慢，即增量小。在两区域的过渡段，特征值比重值η_k的增量落差也大。由欺骗干扰信号的存在影响特征值分布的特性，可对η₃和η₆进行计算，然后与预设的阈值进行比较，完成欺骗干扰情况的初步筛选：若占比重特征值η₃大于预设的阈值，则说明不存在欺骗干扰，为第一类欺骗干扰情况。若占比重特征值η₆小于预设的阈值，则说明欺骗干扰存在情况为第二类情况，反之，欺骗干扰存在情况为第三类。

步骤3具体实现如下：

3-1.根据初步筛选情况，可以确定第一类和第二类欺骗干扰情况，对于第三类欺骗干扰需要借助主特征盲源分离算法进行识别检测。在特征值分解后，根据主特征提取规则，确定估计分量个数，完成数据降维、白化处理，得到新的观测信号矩阵Z，进入Fast-ICA算法的迭代计算过程中。

3-2.确定估计分量个数后，设置迭代次数，并选择初始权矢量(随机)W_p，令

W_p＝E[Zg(W_p ^TZ)]-E[g'(W_p ^TZ)]W_p (7)

其中p为估计分量个数，用到的非线性函数g(x)为g(x)＝x^3函数，将得到的W_p正交化、归一处理得到

W_p＝W_p/||W_p|| (9)

若W_p不收敛，代入公式(7)一直迭代计算直至收敛。得到解混矩阵W，从而分离估计到源信号。

步骤4具体实现如下：

4-1.由于盲源分离后的估计数据信号具有无序性，因此无法完成信号的追溯，需对分离得到的信号进行分析，从而实现干扰信号类型的分离和识别。首先是将分离得到IQ两路信号进行组合，得到复信号，在组合过程中将出现正确组合复信号和非正确组合复信号以及噪声分量大的信号，将所有组合复信号经过锁相环解调完成估计数据信号的解调处理。

对于正确组合复信号，在解调时，锁相环能够稳定正确跟踪信号，频率跟踪曲线将变得平滑。对于非正确组合复信号，由于IQ两路数据信息和载波频率大小的不一致，锁相环将无法稳定跟踪信号，频率跟踪曲线将会是波动大的曲线。而对于噪声分量大的信号，无法识别信号中的载波信息，因此频率跟踪曲线将会在0附近抖动。

4-2解调处理完成后，可得到解调数据和频率跟踪曲线。频率跟踪曲线的收敛说明组合复信号为正确数据信号或噪声分量大的信号。因此可对跟踪曲线的抖动进行分析，即对频率跟踪曲线跟踪段进行方差计算。信号数据长度为1998，选取频率跟踪曲线的后半段，即1400～1998数据片段，对其统计计算得到方差值P分别为

其中，f_PLL表示频率跟踪曲线值、

表示频率跟踪曲线均值；对频率跟踪曲线的计算得到曲线的抖动方差，并设置阈值，排除抖动大的不稳定曲线。

4-3.频率跟踪曲线的均值反映信号对应估计数据信号的载波频率大小。信号数据长度为1998，选取频率跟踪曲线的后半段，即1400～1998数据片段，对其统计计算得到均值E为

对于噪声分量大的信号跟踪曲线在0附近抖动，仅从方差方面来考虑，无法排除。因此对于方差小的跟踪曲线，可再从频率跟踪曲线的频率值大小来考虑，对跟踪曲线的均值设置阈值，将0附近的跟踪情况排除，保留正确组合复信号。

4-4由于欺骗干扰和真实导航信号的传输途径不同，多普勒对信号载波影响不同，从而导致真实导航信号和欺骗干扰载波大小不一致。且转发是欺骗干扰未改变基带导航信号，而产生式欺骗干扰改变了基带导航信号。对于正确的锁相环跟踪曲线，跟踪曲线的均值代表跟踪信号的频率。因此在不同均值情况下，对不同基带数据信息的相关性进行分析。解调得到的真实导航基带数据和欺骗干扰导航数据分别为为

两者相关分析计算得到的相关值公式如下，

若不同频率对应的基带解调数据存在相关性，即p_corr大于设定阈值，则说明欺骗干扰为转发式欺骗干扰；若不存在相关性，即p_corr小于等于设定阈值，则说明存在的欺骗干扰为生成式欺骗干扰。设定阈值取值为1000，通过大量仿真实验获得。

本发明有益效果如下：

本发明针对传统算法难以对不同欺骗干扰的识别和检测，而提出基于改进的盲源分离算法来实现对欺骗干扰信号的识别和检测。

通过发明设计根据特征值分解得到的特征值分布完成欺骗干扰情况的初步筛选，再利用改进的分离算法实现对混合信号中的数据信号的估计，并根据解调结果的频率跟踪曲线和基带数据的相关性联合第三类欺骗干扰的识别和检测。

本发明提供了解决卫星导航系统中欺骗干扰的检测问题的新思路，提出利用改进的盲源分离算法实现干扰信号的和真实导航信号的分离，完成欺骗干扰信号的检测。

综上所述：本发明算法具有识别检测性能好、适应低噪环境等优点。且识别率高、抗噪性能好、代价低，整体性能有了较大的提升。

附图说明

图1欺骗干扰的识别和检测流程图

图2不同欺骗干扰情况下的特征值分布图

图3不同欺骗干扰情况下的特征值占比重变化图

图4不同欺骗干扰情况下的检测概率图

具体实施方式

下面结合附图对本发明的具体实施例做进一步的说明。欺骗干扰的识别和检测流程如图1所示，具体实现步骤如下：

步骤1具体实现如下：

按照公式(1)～(3)得到随机的真实导航和欺骗干扰采样信号，并设置不同的欺骗干扰的存在情况，从而在接收时得到不同情况下的混合信号，对混合信号建立观测矩阵X，对观测矩阵进行计算得到协方差矩阵，对协方差矩阵进行特征值分解，并依据公式(4)和公式(5)对特征值进行重构处理，得到重构后的特征值分布图如图2所示。

步骤2的具体实现如下：

根据公式(6)对重构后的特征值进行特征占比重计算，得到前k个特征值占比重大小，得到不同欺骗干扰情况下的特征值占比重变化图如图3所示。由于不同欺骗干扰情况下对应的主要特征值个数不同，因此分别计算第3个特征值占比重和第6个占比重，由图3观察可知，阈值参数可设置为0.9，第3个占比重特征值大于0.9，则说明不存在欺骗干扰，为第一类欺骗干扰情况。若第6个特征值占比重小于0.9，则说明欺骗干扰存在情况为第二类情况，反之，欺骗干扰存在情况为第三类；

步骤3的具体实现如下：

对第三类欺骗干扰情况进行Fast-ICA算法处理，根据公式(7)～(9)对降维、白化后混合信号进行迭代计算，迭代次数选择为100，得到分离估计数据；

步骤4的具体实现如下：

对分离得到的组合复信号进行解调，根据公式(10)和公式(11)对锁相环跟踪曲线的稳定区间的方差和跟踪均值进行计算，得到跟踪频率曲线的方差值P，并设置阈值为2，当方差值P小于2，且跟踪均值E不近似为0，则说明可能完成信号的解调。并根据公式(12)对不同频率的基带数据信息进行相关性分析，若p_corr大于1000，则为转发式欺骗干扰，否则为生成式欺骗干扰。

实施例

待识别和检测欺骗干扰类型存在情况为无欺骗干扰、存在转发式欺骗干扰、存在生成式欺骗干扰、两种欺骗干扰都存在。信号参数设置：基带信号序列随机产生，基带信号速率为1Kbit/s，信号幅度为1，信息码元个数为2000；CA码码速为1.023Mbit/s；导航信号信噪比为5～20dB，干信比设置为5dB，生成式欺骗干扰大小为30个码元，转发式欺骗干扰大小为10个码元。

为验证本发明中所提算法的有效性，通过计算机仿真统计出了该算法在不同情况的识别率。仿真时首先按上述参数设置随机真实目标信号和随机欺骗式干扰信号，并依据待检测欺骗干扰存在情况将欺骗干扰与真实导航信号进行混合，得到混合信号。将混合信号按上述步骤进行分类识别，在相同条件、不同信噪比下每次随机产生一组目标信号作为测试集进行识别率测试，统计其正确识别检测概率，仿真测试结果如图4所示。随着信噪比的下降，混合信号中噪声分量增大，解调效果受噪声影响导致转发式和产生式检测概率有所下降。但相对于多峰检测得到的欺骗干扰的检测概率，本发明转发式欺骗干扰的检测概率仍高于多峰检测的检测概率。多峰检测根据峰值个数可以检测到欺骗干扰，但存在一种欺骗干扰时，无法区分识别转发式和产生式欺骗干扰，而本说明可以实现这两种欺骗干扰的识别检测。并且本专利算法具有识别率高、抗噪性能好、鲁棒性强等优点。

最后需要注意的是，公布实施例的目的在于帮助进一步理解本发明，但是本领域的技术人员可以理解：在不脱离本发明及所附的权利要求的精神和范围内，各种替换和修改都是可能的。因此，本发明不应局限于实施例所公开的内容，本发明要求保护的范围以权利要求书界定的范围为准。

Claims (3)

1.基于主特征盲源分离的单天线GNSS欺骗式干扰检测方法，其特征在于将设置的欺骗干扰类型存在情况为如下四种：无欺骗式干扰、仅存在生成式欺骗干扰、仅存在转发式欺骗干扰、同时存在生成式欺骗干扰和转发式欺骗干扰，其检测实现步骤具体如下：

步骤1：将接收到的混合信号IQ两路分别建立观测矩阵，并对观测矩阵求解协方差矩阵，再对协方差矩阵进行特征值分解，并对特征值进行重构；

步骤2：对重构后的特征值进行计算得到特征值占比重，并设置门限完成欺骗干扰情况的初步筛选；

步骤3：对初步筛选后的第三类欺骗干扰情况下的混合信号进行提取主特征的Fast_ICA盲源分离算法，得到估计数据信息和扩频码信息；

步骤4：对估计数据信息进行解调，并统计锁相环跟踪段频率跟踪曲线方差值P和跟踪频率值均值E；并对跟踪解调得到的基带数据进行相关分析；

步骤1具体实现如下：

1-1.对于单天线多通道卫星接收机，每个通道只能接收和连续跟踪一个卫星导航信号，卫星导航信号系统采用的调制方式是BPSK调制，则接收到的单个卫星信号的数学模型表示为：

其中

为真实卫星信号的功率；D_a为真实卫星导航数据信息；C表示真实卫星信号的C/A码；τ_a为接收到的真实卫星信号的时延；f₀为信号的载波频率，f_a、

分别为真实卫星信号的多普勒频率及载波初始相位；

根据转发式欺骗干扰产生的原理可知转发式欺骗干扰相对于真实卫星信号，主要增大了信号功率和传输时延，并没有改变信号信息，因此对转发式欺骗干扰进行数学建模表示为：

其中

为转发式欺骗干扰信号的功率；D_a为真实卫星导航数据信息，卫星导航数据信息与真实卫星信号保持一致；C表示真实卫星信号的C/A码；τ_z为接收到的转发式欺骗干扰信号的时延；f₀为信号的载波频率，f_z、

分别为欺骗信号的多普勒频率以及载波初始相位；

而转发式欺骗干扰是借助已知民用码信息，伪造卫星导航数据信息，由此对生成式欺骗干扰进行数学建模表示为

其中

为生成式欺骗干扰信号的功率；D_s是伪造的卫星导航数据信息；C表示真实卫星信号的C/A码；τ_s为接收到的生成式欺骗干扰信号的时延；f₀为信号的载波频率，f_s、

分别为生成式欺骗信号多普勒频率以及载波初始相位；

1-2.提出对IQ两路信号分别进行盲源分离处理，且在提取特征值时基于提取特征值占总特征值的80％以上的提取准则来实现主特征值的提取，具体如下：

根据欺骗干扰的存在情况，可在接收时得到不同的混合信号，对混合信号的IQ两路分别建立观测矩阵，并求得协方差矩阵，对协方差矩阵进行特征值分解得到特征值；根据主特征盲源分离模型，对有延迟有频偏信号的实部或虚部混合信号进行大量仿真分析，统计得到一个源信号的3个主特征值；因此，对于有延迟有频偏的混合信号的特征值选取个数为3K，其中K为源信号个数；欺骗式干扰的存在将对信号的特征值有明显影响，因此根据特征值的分布来对干扰信号类型进行区分；

欺骗式干扰类型 干信比 估计特征值个数 无干扰 3～5dB 3 生成式欺骗干扰 3～5dB 6 转发式欺骗干扰 3～5dB 6 生成、转发欺骗干扰同时存在 3～5dB、3～5dB 9

由特征值个数将欺骗干扰情况分为三类，第一类为不存在欺骗干扰，第二类为两种欺骗干扰类型同时存在，第三类为仅存在一种欺骗干扰类型；

1-3.对所有特征值进行重构处理：特征值分解后，特征值已完成从大到小的排序，特征值大的区间为信号空间，特征值小的区间为噪声区间；从噪声区间选取10个特征值进行统计计算得到噪声基底的估计值；综合考虑后选取第20个至第29个特征值，并对其求和及均值，得到噪声基底的估计值

即

借助噪声基底的估计值

对特征值进行重构，将每一个特征值减去噪声基底估计值，近似得到无噪环境下特征值分布为

步骤2具体实现如下：

2-1.根据特征值的分布来对干扰信号类型进行区分；利用重构后的特征值进行特征值占比重计算，从而估计信号数目，实现干扰信号情况的区分；特征值占比重η_k的计算模型表示为

2-2.在信号区域内，η_k变化快，即增量大；噪声区域时，η_k变化缓慢，即增量小；在两区域的过渡段，特征值比重值η_k的增量落差也大；由欺骗干扰信号的存在影响特征值分布的特性，对η₃和η₆进行计算，然后与预设的阈值进行比较，完成欺骗干扰情况的初步筛选：若占比重特征值η₃大于预设的阈值，则说明不存在欺骗干扰，为第一类欺骗干扰情况；若占比重特征值η₆小于预设的阈值，则说明欺骗干扰存在情况为第二类情况，反之，欺骗干扰存在情况为第三类。

2.根据权利要求1所述的基于主特征盲源分离的单天线GNSS欺骗式干扰检测方法，其特征在于步骤3具体实现如下：

3-1.根据初步筛选情况确定第一类和第二类欺骗干扰情况，对于第三类欺骗干扰需要借助主特征盲源分离算法进行识别检测；在特征值分解后，根据主特征提取规则，确定估计分量个数，完成数据降维、白化处理，得到新的观测信号矩阵Z,进入Fast-ICA算法的迭代计算过程中；

3-2.确定估计分量个数后，设置迭代次数，并选择初始权矢量W_p，令

W_p＝E[Zg(W_p ^TZ)]-E[g'(W_p ^TZ)]W_p (7)

其中p为估计分量个数，用到的非线性函数g(x)为g(x)＝x^3函数，将得到的W_p正交化、归一处理得到

W_p＝W_p/||W_p|| (9)

若W_p不收敛，代入公式(7)一直迭代计算直至收敛；得到解混矩阵W，从而分离估计到源信号。

3.根据权利要求2所述的基于主特征盲源分离的单天线GNSS欺骗式干扰检测方法，其特征在于步骤4具体实现如下：

4-1.将分离得到IQ两路信号进行组合，得到复信号；在组合过程中将出现正确组合复信号和非正确组合复信号以及噪声分量大的信号，将所有组合复信号经过锁相环解调完成估计数据信号的解调处理；

对于正确组合复信号，在解调时，锁相环能够稳定正确跟踪信号，频率跟踪曲线将变得平滑；对于非正确组合复信号，由于IQ两路数据信息和载波频率大小的不一致，锁相环将无法稳定跟踪信号，频率跟踪曲线将会是波动大的曲线；而对于噪声分量大的信号，无法识别信号中的载波信息，因此频率跟踪曲线将会在0附近抖动；

4-2解调处理完成后，可得到解调数据和频率跟踪曲线；频率跟踪曲线的收敛说明组合复信号为正确数据信号或噪声分量大的信号；因此对跟踪曲线的抖动进行分析，即对频率跟踪曲线跟踪段进行方差计算；信号数据长度为1998，选取频率跟踪曲线的后半段，即1400～1998数据片段，对其统计计算得到方差值P分别为

其中，f_PLL表示频率跟踪曲线值、

表示频率跟踪曲线均值；对频率跟踪曲线的计算得到曲线的抖动方差，并设置阈值，排除抖动大的不稳定曲线；

4-3.频率跟踪曲线的均值反映信号对应估计数据信号的载波频率大小；信号数据长度为1998，选取频率跟踪曲线的后半段，即1400～1998数据片段，对其统计计算得到均值E为：

对于方差小的跟踪曲线，再从频率跟踪曲线的频率值大小来考虑，对跟踪曲线的均值设置阈值，将0附近的跟踪情况排除，保留正确组合复信号；

4-4解调得到的真实导航基带数据和欺骗干扰导航数据分别为

两者相关分析计算得到的相关值公式如下，

若不同频率对应的基带解调数据存在相关性，即p_corr大于设定阈值，则说明欺骗干扰为转发式欺骗干扰；若不存在相关性，即p_corr小于等于设定阈值，则说明存在的欺骗干扰为生成式欺骗干扰；设定阈值取值为1000，通过大量仿真实验获得。

Images