CN113985451B - 一种基于卡尔曼滤波跟踪环路的导航欺骗检测方法和装置 - Google Patents

Abstract

本申请涉及一种卫星导航欺骗检测的方法及装置。所述方法包括：获取导航接收机射频前端输出的I/Q两路原始采样数据；对原始采样数据进行码域、频域二维搜索捕获可见星，获得用于跟踪环路的伪随机序列；提取用于滤波器的码相位差异、载波相位偏差和载波变化率；构建基于卡尔曼滤波的码跟踪和载波跟踪环路；建立无导航欺骗信号的零假设和存在导航欺骗信号的备择假设，通过对实时归一化新息平方的区间检测，判决当前接收卫星信号是否包含导航欺骗信号。本方法给出了一个较为完整可靠的导航欺骗信号检测方法，更适合现有单天线接收机硬件场景。

Description

一种基于卡尔曼滤波跟踪环路的导航欺骗检测方法和装置

技术领域

本申请涉及通信技术领域，特别是涉及一种基于卡尔曼滤波跟踪环路的导航欺骗检测方法和装置。

背景技术

全球导航卫星系统(Global Navigation Satellite System，GNSS)在获得广泛应用的同时，也存在一定的安全隐患。由于地面卫星信号功率微弱，民码结构完全公开，极大降低了GNSS的可靠性。早在2012年就有研究人员通过软件定义无线电(SDR)设备完成了多项对民用导航的欺骗干扰实验。随着电子战技术的发展，导航攻击方式将继续增加和多样化，研究利用GNSS信号特征进行导航环境监测的方法和系统具有重要的意义。

无论转发欺骗还是生成欺骗，都存在一定的信号特征差异，虽然已有通过信号功率、信号到达特性、相关峰检测、天线阵列、外部辅助等方法的检测方法，实现了信号能量、多峰、相关峰畸变、信号到达方向、信号到达时间和信号间相关性等检测方法。

但目前的方法存在一些不足：1、依靠欺骗信号时域和频域的对齐过程，对于精度较好的直接对齐检测可行性差。2、需要更改现有接收机的硬件方案，需要支持多天线接收，额外的原始数据传输链路。3、智能算法的应用，需要额外的计算单元完成对数据的计算。4、INS、气压计等通过外部辅助的方式，较大地增大了接收机成本。在此情况下，结合现有接收机硬件方案和数据处理流程，增加对某些特征的检测，同时不引入太高计算复杂度以实现对欺骗检测的方法更具适用性。

发明内容

基于此，有必要针对上述技术问题，提供一种满足低成本、较低计算复杂度、无需额外硬件支持，解决实际应用场景导航欺骗检测问题的特征值检测方法和装置。

一种基于卡尔曼滤波跟踪环路的导航欺骗检测方法，所述方法包括：

对接收机中频信号进行码域与频域的二维搜索，获得可见星码相位时延和多普勒频移，作为跟踪参数向量初始值；

构建接收机卡尔曼滤波器跟踪环路；

根据卡尔曼滤波器跟踪过程中测量向量与预测向量的差异计算得到归一化新息平方；

将所述归一化新息平方作为特征量，根据显著水平和其分布函数确定归一化新息平方的置信区间；

建立无导航欺骗信号的零假设和存在导航欺骗信号的备择假设，通过对所述归一化新息平方的区间检测，获得导航信号中是否存在欺骗信号的判断。

所述基于卡尔曼滤波跟踪环路的导航欺骗检测方法包括以下步骤：

S1，获取1ms接收机I/Q两路中频采样数据S_IF；

S2,对采样数据S_IF进行码域、频域二维搜索，获得可见星C/A码序列、可见星码相位时延和多普勒频移，作为跟踪参数向量初始值；

S3，构建基于载波相位变化量和码相位差异的卡尔曼滤波跟踪环路，得到系统状态方程和观测方程；

S4,通过跟踪参数向量生成本地C/A码序列，将所述1ms采样数据S_IF与超前、即时、滞后C/A码序列做互相关运算得到相关器输出积分值，计算得到载波相位变化量以及码相位差异；

S5，根据所述相关器输出积分值更新可见星载噪比，并更新测量噪声协方差矩阵；

S6，将步骤S4所得载波相位变化量和码相位差异作为观测矩阵参数，代入卡尔曼滤波器进行融合计算，获得所述归一化新息平方值，并更新跟踪参数向量，得到最优估计载波相位变化量以及码相位变化量；

S7，通过域值检测判断是否接受原假设，如果是则重复步骤S4至S6，如果否则结束跟踪环路。

在步骤S2中，对采样数据S_IF进行码域、频域二维搜索，获得可见星C/A码序列、可见星码相位时延和多普勒频移，作为跟踪参数向量初始值，包括：

根据以下公式进行二维搜索：

其中C为卫星对应C/A码序列，根据搜索结果获得间隔大于一个码宽的第一峰值与第二峰值，判断判断第一峰值与第二峰值的比值是否大于预设阈值，常用阈值为2dB，若是则得到可见星序号，其峰值所在对应可见星码相位时延及多普勒频移。若否则搜索其它卫星。

在步骤S3中，构建基于载波相位变化量和码相位差异的卡尔曼滤波跟踪环路，得到系统状态方程和观测方程，包括：

根据载波相位变化量和码相位变化量之间的线性系统关系，可以得到系统状态方程：

得到系统状态方程公式：

X_t＝FX_t-1+w_t

其中状态向量X为由码相位差异Δ_τ、载波相位变化量Δ_θ、载波频率变化量Δ_f、载波频率变化率Δ_α组成的列向量，X_t-1为上一时刻状态，ω_t为过程噪声，F为状态转移矩阵：

其中β为S_IF采样速率与C/A码频率的比值，t为积分时间。

根据观测量与状态向量X的线性关系，可以得到观测方程：

得到观测方程公式：

Z_t＝HX_t+v_t

其中测量向量Z_t为由观测码相位差异δ_τ、观测载波相位变化量δ_θ组成的列向量，v_t为t时刻对应的测量误差，H为将状态向量映射到测量域的转换矩阵：

在步骤S4中，通过跟踪参数向量生成本地C/A码序列，将所述1ms采样数据S_IF与超前、即时、滞后C/A码序列做互相关运算得到相关器输出积分值，计算得到载波相位变化量以及码相位差异，包括：

通过以下公式计算得到载波相位：

其中I_P和Q_p为即时码相关器输出积分值。

通过以下公式计算得到载波相位误差Δ_θ：

Δ_θ＝φ_e(t)-φ_e(t-1)

通过以下公式计算得到码相位差异：

其中d为超前、即时、滞后码的距离，I_E和Q_E、I_L和Q_L分别为超前码和滞后码相关器输出的积分值。

在步骤S5中，根据所述相关器输出积分值更新可见星载噪比，并更新测量噪声协方差矩阵，包括：

根据以下公式计算得到载噪比：

其中I_P和Q_p为即时码相关器输出积分值，T为积分时间。

根据以下公式计算得到测量噪声协方差：

其中

在步骤S6中，将步骤S4所得载波相位变化量和码相位差异作为观测矩阵参数，代入卡尔曼滤波器进行融合计算，获得所述归一化新息平方值，并更新跟踪参数向量，得到最优估计载波相位变化量以及码相位变化量，包括：

根据系统状态方程获得状态向量预测值

更具以下公式预测误差协方差矩阵：

P_t＝FP_t-1F+Q

其中Q为过程噪声协方差。

根据测量向量与预测向量的差异计算得到归一化新息平方：

ε_t＝(Z_t-HX_t)^T(HP_tH^T+R)^-1(Z_t-HX_t)

其中

为测量噪声协方差。

根据以下公式计算得到卡尔曼增益：

K_k＝P_tH^T(HP_t-1H^T+R)^-1

根据以下公式计算得到状态向量的最优估计：

X_t＝X_t-1+K(Z_k-HX_t-1)

载波相位变化量以及码相位差异的最优估计位于状态向量

中。

根据以下公式更新误差协方差矩阵：

P_t＝(I-KH)P_t

其中I为行列数均为4行的对角矩阵。

通过所述置信区间判断是否接受原假设，如果是则重复步骤S4至S6，如果否则结束跟踪环路，包括：

原假设不存在欺骗信号：

H₀:E[ε_t]＝m

如果归一化新息平方满足ε_t∈[r1,r2]，则接受原假设。其中置信区间[r1,r2]定义为：

P(ε_t∈[r₁ r₂]|H₀)＝1-α

其中α为显著水平，归一化新息平方服从维度为m的卡方分布，

其中m为观测向量X的行数。通过判断每一时刻的归一化新息平方值是否处在置信区间内，判断是否接受原假设。如果超出置信区间则拒绝原假设，认为存在导航欺骗信号。

一种基于卡尔曼滤波跟踪环路的导航欺骗检测装置，所述装置包括：

信号采集模块，连续获取接1ms收机I/Q两路中频采样数据S_IF；

捕获模块，对采样数据S_IF进行码域、频域二维搜索，获得可见星C/A码序列、可见星码相位时延和多普勒频移，作为跟踪参数向量初始值；

相关器模块，所述1ms采样数据S_IF与超前、即时、滞后C/A码序列做互相关运算得到相关器输出积分值；

载波相位鉴别器模块，用于基于相关器输出结果计算得到载波相位变化量。

码相位鉴别器模块，用于基于相关器输出结果计算得到码相位差异；

滤波器模块，将所述载波相位变化量和码相位差异作为观测矩阵参数，代入卡尔曼滤波器进行融合计算，获得所述归一化新息平方值，并更新跟踪参数向量，计算得到最优估计载波相位变化量以及码相位变化量；

判决器模块，用于利用归一化新息平方作为指标评估滤波器预测参数与计算参数的变化量，以判断当前导航环境是否存在欺骗信号。

上述基于卡尔曼滤波跟踪环路的导航欺骗检测方法和装置，根据卫星导航欺骗信号基本原理和导航接收机数字信号处理的具体过程，提出了一种适用于接收机跟踪环路状态评估的检测方法，并提取合适的跟踪参数，构建了环路卡尔曼滤波器，建立了适用于接收机跟踪环路的状态转移和观测模型。根据卡尔曼滤波器评估参数归一化新息平方的分布特点，给出了判定导航欺骗信号的假设检验准则。给出了一个完整可靠的基于卡尔曼滤波跟踪环路的导航欺骗检测方法。

附图说明

图1为本发明的基于卡尔曼滤波跟踪环路的导航欺骗检测方法的步骤流程示意图。

图2为本发明提供的卡尔曼滤波跟踪过程中归一化新息平方计算结果图。

具体实施方式

为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。

在一个实施例中，参见图1至2所示，提供了一种基于卡尔曼滤波跟踪环路的导航欺骗检测方法，首先通过分析导航欺骗的实际过程和导航接收机的数据处理过程，提出了一种卡尔曼滤波跟踪环路的信号跟踪方法；分析了导航欺骗信号对环路滤波器工作状态的影响，研究了不同滤波参数下的检测效果，建立了用于构建完整跟踪环路的参数模型；最后用归一化新息平方作为评价指标，根据显著水平和其分布函数确定归一化新息平方的置信区间，通过对实时归一化新息平方的域值检测，实现判断导航欺骗信号是否存在的问题。具体可以包括以下步骤：

S202,对采样数据S_IF进行码域、频域二维搜索，获得可见星C/A码序列、可见星码相位时延和多普勒频移，作为跟踪参数向量初始值；

根据卫星星座及卫星序号，生成一个周期C/A码序列，以采样S_IF数据时同样的采样速率对其进行采样，得到采样后的C/A码序列。取与一个周期C/A码序列同样时长下的采样数据S_IF，根据以下公式进行码域、频域二维搜索：

根据搜索结果获得第一峰值所在的码相位时延、多普勒频移和相关峰值，再在第一峰上下一个码片宽度之外进行二次搜索，获得第二峰的相关峰值。

根据第一相关峰值与第二相关峰值的比值是否大于预设阈值以判断该序号所对应的卫星信号是否存在。

S203，构建基于载波相位变化量和码相位差异的卡尔曼滤波跟踪环路，得到系统状态方程和观测方程。

根据载波相位变化量和码相位变化量之间的线性系统关系，可以得到系统状态方程：

得到系统状态方程公式：

X_t＝FX_t-1+w_t

状态转移矩阵F：

根据观测量与状态向量X的线性关系，可以得到观测方程：

观测方程公式：

Z_t＝HX_t+v_t

H为将状态向量映射到测量域的转换矩阵：

S204,通过跟踪参数向量生成本地C/A码序列，将所述1ms采样数据S_IF与超前、即时、滞后C/A码序列做互相关运算得到相关器输出积分值，计算得到载波相位变化量以及码相位差异。

通常超前、滞后码的间距为0.5个码片，即d＝0.5，根据步骤S202同样生成采样后的三路C/A码序列，与所述1ms采样数据S_IF经过互相关计算后，得各自的相干积分结果I_E和Q_E、I_P和Q_P、I_L和Q_L。

通过以下公式计算得到载波相位：

根据以下公式计算得到载波相位变化量Δ_θ：

Δ_φ＝φ_e(t)-φ_e(t-1)

根据以下公式计算得到码相位变化量：

S205，根据所述相关器输出积分值更新可见星载噪比，并更新测量噪声协方差矩阵；

根据以下公式计算得到载噪比：

根据以下公式计算得到测量噪声协方差：

其中

S206，将步骤S204所得载波相位变化量和码相位差异作为观测矩阵参数，代入卡尔曼滤波器进行融合计算，获得所述归一化新息平方值，并更新跟踪参数向量，得到最优估计载波相位变化量以及码相位变化量，；

根据系统状态方程获得状态向量预测值

根据以下公式预测误差协方差矩阵：

P_t＝FP_t-1F+Q

其中Q为过程噪声协方差，为行列数均为4的对角矩阵。

根据以下公式计算得到归一化新息平方：

ε_t＝(Z_t-HX_t)^T(HP_tH^T+R)^-1(Z_t-HX_t)

根据以下公式计算得到卡尔曼增益：

K_k＝P_tH^T(HP_t-1H^T+R)^-1

根据以下公式计算得到状态向量的最优估计：

X_t＝X_t-1+K(Z_k-HX_t-1)

载波相位变化量以及码相位差异的最优估计位于状态向量

中。

根据以下公式更新误差协方差矩阵：

P_t＝(I-KH)P_t

S207，通过域值检测判断是否接受原假设，如果是则重复步骤S204至S206，如果否则结束跟踪环路；

原假设不存在欺骗信号：

H₀:E[ε_t]＝m

如果归一化新息平方满足ε_t∈[r1,r2]，则接受原假设。其中置信区间[r1,r2]定义为：

P(ε_t∈[r₁ r₂]|H₀)＝1-α

通过判断每一时刻的归一化新息平方值是否处在置信区间内，判断是否接受原假设，如果超出置信区间则认为存在导航欺骗信号。

如图2所示，在0～110s的时间段INS值处于置信区间中，在110s时加入了导航欺骗信号，导致INS值超出置信区间。

在一个实施例中提供了一种基于卡尔曼滤波跟踪环路的导航欺骗检测装置，包括：

信号采集模块，连续获取接收机I/Q两路中频采样数据S_IF；

捕获模块，对采样数据S_IF进行码域、频域二维搜索，获得可见星C/A码序列、可见星码相位时延和多普勒频移，作为跟踪参数向量初始值；

相关器模块，所述1ms采样数据S_IF与超前、即时、滞后C/A码序列做互相关运算得到相关器输出积分值；

载波相位鉴别器模块，用于基于相关器输出结果计算得到载波相位变化量。

码相位鉴别器模块，用于基于相关器输出结果计算得到码相位差异；

滤波器模块，将所述载波相位变化量和码相位差异作为观测矩阵参数，代入卡尔曼滤波器进行融合计算，获得所述归一化新息平方值，并更新跟踪参数向量，计算得到最优估计载波相位变化量以及码相位变化量；

判决器模块，用于利用归一化新息平方作为指标评估滤波器预测参数与计算参数的变化量，以判断当前导航环境是否存在欺骗信号。

关于一种基于卡尔曼滤波跟踪环路的导航欺骗检测装置的具体限定可以参见上文中对于一种基于卡尔曼滤波跟踪环路的导航欺骗检测法的限定，在此不再赘述。上述一种基于卡尔曼滤波跟踪环路的导航欺骗检测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。

在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端。该计算机设备包括通过系统总线连接的处理器、存储器、通信接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的通信接口用于与外部的终端进行有线或无线方式的通信，无线方式可通过WIFI、运营商网络、NFC(近场通信)或其他技术实现。该计算机程序被处理器执行时以实现一种基于卡尔曼滤波跟踪环路的导航欺骗检测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。

本领域技术人员可以理解，上述描述仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。

在一个实施例中，还提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现上述各方法实施例中的步骤。

在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一非易失性计算机可读取存储介质中，该计算机程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和易失性存储器中的至少一种。非易失性存储器可包括只读存储器(Read-Only Memory，ROM)、磁带、软盘、闪存或光存储器等。易失性存储器可包括随机存取存储器(Random Access Memory，RAM)或外部高速缓冲存储器。作为说明而非局限，RAM可以是多种形式，比如静态随机存取存储器(Static Random Access Memory，SRAM)或动态随机存取存储器(Dynamic Random Access Memory，DRAM)等。

以上实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。以上所述实施例仅表达了本申请的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本申请构思的前提下，还可以做出若干变形和改进，这些都属于本申请的保护范围。因此，本申请专利的保护范围应以所附权利要求为准。

Claims (2)

1.一种基于卡尔曼滤波跟踪环路的导航欺骗检测方法，其特征在于：所述欺骗检测方法是建立无导航欺骗信号的零假设和存在导航欺骗信号的备择假设，通过构建接收机卡尔曼滤波器跟踪环路，根据卡尔曼滤波器跟踪过程中测量向量与预测向量的差异计算得到归一化新息平方，将归一化新息平方作为特征量，根据显著水平和其分布函数确定归一化新息平方的置信区间，通过对实时归一化新息平方的区间检测，获得导航信号中是否存在欺骗信号的判断；包括以下步骤：

S1，获取1ms接收机I/Q两路中频采样数据S_IF；

S2,对采样数据S_IF进行码域、频域二维搜索，获得可见星C/A码序列、可见星码相位时延和多普勒频移，作为跟踪参数向量初始值；其中，根据以下公式进行二维搜索：

其中C为卫星对应C/A码序列，根据搜索结果获得间隔大于一个码宽的第一峰值与第二峰值，判断第一峰值与第二峰值的比值是否大于预设阈值，常用阈值为2dB，若是则得到可见星序号，其峰值所在对应可见星码相位时延及多普勒频移，若否则搜索其它卫星；

S3，构建基于载波相位变化量和码相位差异的卡尔曼滤波跟踪环路，得到系统状态方程和观测方程；系统状态方程公式：

X_t＝FX_t-1+w_t

其中状态向量X为由码相位差异Δ_τ、载波相位变化量Δ_θ、载波频率变化量Δ_f、载波频率变化率Δ_α组成的列向量，X_t-1为上一时刻状态，ω_t为过程噪声，F为状态转移矩阵：

其中β为S_IF采样速率与C/A码频率的比值，t为积分时间；

观测方程公式：

Z_t＝HX_t+v_t

其中测量向量Z_t为由观测数据提供，为观测码相位差异δ_τ、观测载波相位变化量δ_θ组成的列向量，v_t为码相位差异和载波相位变化量的测量噪声；

H为将状态向量映射到测量域的转换矩阵；

S4,通过跟踪参数向量生成本地C/A码序列，将所述1ms采样数据S_IF与超前、即时、滞后C/A码序列做互相关运算得到相关器输出积分值，计算得到载波相位变化量以及码相位差异；通过以下公式计算得到载波相位：

其中I_P和Q_p为即时码相关器输出积分值；

通过以下公式计算得到载波相位变化量Δ_θ：

Δ_θ＝φ_e(t)-φ_e(t-1)

通过以下公式计算得到码相位差异：

其中d为超前、即时、滞后码的距离，I_E和Q_E、I_L和Q_L分别为超前码和滞后码相关器输出的积分值；

S5，根据所述相关器输出积分值更新可见星载噪比，并更新测量噪声协方差矩阵；其中，根据以下公式计算得到载噪比：

其中I_P和Q_p为即时码相关器输出积分值，

和

分别为接收信号中信号和总噪声功率的期望和方差，T为积分时间；

根据以下公式计算得到测量噪声协方差：

其中

S6，将步骤S4所得载波相位变化量和码相位差异作为观测矩阵参数，代入卡尔曼滤波器进行融合计算，获得所述归一化新息平方值，并更新跟踪参数向量，得到最优估计载波相位变化量以及码相位变化量；根据系统状态方程获得状态向量预测值

根据以下公式预测误差协方差矩阵：

P_t＝FP_t-1F+Q

其中Q为过程噪声协方差；

根据卡尔曼测量向量与预测向量的差异计算得到归一化新息平方：

ε_t＝(Z_t-HX_t)^T(HP_tH^T+R)^-1(Z_t-HX_t)

其中

为测量噪声协方差；

根据以下公式计算得到卡尔曼增益：

K_k＝P_tH^T(HP_t-1H^T+R)^-1

根据以下公式计算得到状态向量的最优估计：

X_t＝X_t-1+K(Z_k-HX_t-1)

载波相位变化量以及码相位差异的最优估计位于状态向量

中；

根据以下公式更新误差协方差矩阵：

P_t＝(I-KH)P_t

其中I为行列数均为4对角矩阵；S7，通过所述置信区间判断是否接受原假设，如果是则重复步骤S4至S6，如果否则结束跟踪环路；包括：

原假设不存在欺骗信号：

H₀:E[ε_t]＝m

如果归一化新息平方满足ε_t∈[r1,r2]，则接受原假设,其中置信区间[r1,r2]定义为：

P(ε_t∈[r₁ r₂]|H₀)＝1-α

其中α为显著水平，归一化新息平方服从维度为m的卡方分布，

其中m为观测向量X的行数；通过判断每一时刻的归一化新息平方值是否处在置信区间内，判断是否接受原假设；如果超出置信区间则拒绝原假设，认为存在导航欺骗信号。

2.一种基于卡尔曼滤波跟踪环路的导航欺骗检测装置，其特征在于，用于权利要求1所述方法的导航欺骗检测装置：

信号采集模块，连续获取1ms接收机I/Q两路中频采样数据S_IF；

捕获模块，对采样数据S_IF进行码域、频域二维搜索，获得可见星C/A码序列、可见星码相位时延和多普勒频移，作为跟踪参数向量初始值；

相关器模块，所述1ms采样数据S_IF与超前、即时、滞后C/A码序列做互相关运算得到相关器输出积分值；

载波相位鉴别器模块，用于基于相关器输出结果计算得到载波相位变化量；

码相位鉴别器模块，用于基于相关器输出结果计算得到码相位差异；

滤波器模块，将所述载波相位变化量和码相位差异作为观测矩阵参数，代入卡尔曼滤波器进行融合计算，获得所述归一化新息平方值，并更新跟踪参数向量，计算得到最优估计载波相位变化量以及码相位变化量；

判决器模块，用于利用归一化新息平方作为指标评估滤波器预测参数与计算参数的变化量，以判断当前导航环境是否存在欺骗信号。

Images