CN116577808B - 一种基于接收机相关器输出的导航欺骗干扰检测方法 - Google Patents
一种基于接收机相关器输出的导航欺骗干扰检测方法 Download PDFInfo
- Publication number
- CN116577808B CN116577808B CN202310841096.3A CN202310841096A CN116577808B CN 116577808 B CN116577808 B CN 116577808B CN 202310841096 A CN202310841096 A CN 202310841096A CN 116577808 B CN116577808 B CN 116577808B
- Authority
- CN
- China
- Prior art keywords
- code
- delta
- correlator
- receiver
- metric
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 32
- 238000000034 method Methods 0.000 claims abstract description 21
- 238000012549 training Methods 0.000 claims abstract description 12
- 238000004364 calculation method Methods 0.000 claims description 29
- 238000005259 measurement Methods 0.000 claims description 11
- 238000012706 support-vector machine Methods 0.000 claims description 10
- 238000005311 autocorrelation function Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 2
- 230000008569 process Effects 0.000 abstract description 10
- 230000035945 sensitivity Effects 0.000 abstract description 3
- 238000005314 correlation function Methods 0.000 description 6
- 230000001427 coherent effect Effects 0.000 description 5
- 230000010354 integration Effects 0.000 description 5
- 230000006872 improvement Effects 0.000 description 2
- 239000013598 vector Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- IAZDPXIOMUYVGZ-UHFFFAOYSA-N Dimethylsulphoxide Chemical compound CS(C)=O IAZDPXIOMUYVGZ-UHFFFAOYSA-N 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
Landscapes
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明提供一种基于接收机相关器输出的导航欺骗干扰检测方法,利用接收机的六个相关输出结果,即利用同相I支路和正交Q支路的超前、滞后和即时码计算出10个特征用于欺骗干扰预测模型的训练和欺骗干扰的检测,可同时体现I支路与Q支路输出受到欺骗干扰的影响,进而可以提高检测的灵敏度;也就是说,本发明根据软件接收机对导航信号的跟踪结果进行计算,仅需要利用接收机的跟踪结果中的同相I支路和正交Q支路的输出结果,不需要利用接收过程中的其他信息,也无需利用其它硬件支持,更不需要对接收机内部软件进行修改,即可对欺骗干扰进行有效的检测。
Description
技术领域
本发明属于导航欺骗式干扰检测技术领域,尤其涉及一种基于接收机相关器输出的导航欺骗干扰检测方法。
背景技术
随着全球卫星导航系统在日常交通、生活通信、无人机定位导航等方面的普遍应用,其潜在威胁也逐渐暴露出来。由于导航信号到达地面时经过了一段很长的距离,所以信号微弱,导致应用全球卫星导航系统的终端极易受到多径干扰等无意识的干扰和欺骗干扰等的干扰。而干扰的存在使终端接收过程受到不利的影响,尤其是欺骗干扰在导航信号的捕获跟踪过程中会使码跟踪环路偏离,造成接收机输出错误信息导致位置偏离、时间延迟等后果。随着位置和时间信息在各领域重要性的提升,值得信赖的定位和时机服务是保护人们安全和财务的关键。可靠的检测是保证接收方接收安全的第一步,因此对于如何能快速、准确的检测识别出欺骗干扰源是值得研究并且至关重要的。
通过评估信号相关峰平坦度和对称性的方法是信号质量检测方法,是识别全球导航卫星系统欺骗干扰的有效手段,比较经典的度量方法有Ratio度量和Delta度量。信号质量监测方法是对接收机的相关器输出进行计算,噪声影响大,虚警概率高,性能损失较大。而且当真实信号和欺骗信号的码相位和载波频率相似时,欺骗干扰很难被检测出来。因此,简单的Ratio度量和Delta度量已经无法满足现有的检测要求,需对其进行进一步的改良来应对日益复杂的恶意的欺骗干扰。
发明内容
为解决上述问题,本发明提供一种基于接收机相关器输出的导航欺骗干扰检测方法,仅需利用接收机的六个相关输出结果进行计算,无需改变接收机内部软件,也无需多余硬件支持,即可对欺骗干扰进行有效的检测。
一种基于接收机相关器输出的导航欺骗干扰检测方法,包括以下步骤:
S1:将接收机捕获的不同跟踪信号分别进行混频和相关处理,对应得到各跟踪信号中同相支路的超前码、滞后码/>、即时码/>以及正交支路的超前码/>、滞后码/>、即时码/>;
S2:分别根据各同相支路的超前码、滞后码/>、即时码/>以及正交支路的超前码/>、滞后码/>、即时码/>获取用于检测欺骗信号的特征,其中,所述特征包括Ratio度量的移动平均和移动方差、Delta度量的移动平均和移动方差、ELP度量的移动平均和移动方差、改进的Delta度量的移动平均和移动方差以及点积功率幅度差的移动平均和移动方差;同时,为每一组特征的取值标注真实信号或欺骗信号的标签;
S3:将各组特征以及各组特征对应的标签分别输入到支持向量机模型进行训练,得到用于欺骗检测的预测模型;
S4:采用训练好的预测模型对接收机重新捕获的跟踪信号进行预测,判断重新捕获的跟踪信号是否为欺骗信号。
进一步地,任一跟踪信号中同相支路的超前码、滞后码/>、即时码/>以及正交支路的超前码/>、滞后码/>、即时码/>的计算方法为:
其中,为跟踪信号的功率,D(n)表示卫星在第n时刻的电文信息,/>、和/>分别为超前码相关器、滞后码相关器、即时码相关器对应的自相关函数,/>、/>、/>分别为超前码相关器、滞后码相关器、即时码相关器对应的延时码片,/>为本地载波和跟踪信号的相位差。
进一步地,用于检测欺骗信号的Ratio度量的移动平均RatioMA和移动方差RatioMV的计算方法如下:
其中,Ratio(i)为第i时刻的Ratio度量,且,为滑动窗口的长度,k为滑动窗口的步长;
Delta度量的移动平均DeltaMA和移动方差DeltaMV的计算方法如下:
其中,Delta(i)为第i时刻的Delta度量;
ELP度量的移动平均ELPMA和移动方差ELPMV的计算方法如下:
其中,ELP(i)为第i时刻的ELP度量;
改进的Delta度量的移动平均DeltaimproveMA和移动方差DeltaimproveMV的计算方法如下:
其中,Deltaimprove(i)为第i时刻的改进的Delta度量;
点积功率幅度差的移动平均DotMA和移动方差DotMV的计算方法如下:
其中,Dot(i)为第i时刻的点积功率幅度差。
进一步地,Ratio度量Ratio(n)的计算方法如下:
Delta度量Delta(n)的计算方法如下:
ELP度量ELP(n)的计算方法如下:
改进的Delta度量Deltaimprove(n)的计算方法如下:
点积功率幅度差的计算方法如下:
其中,、/>、/>分别为超前码相关器、滞后码相关器、即时码相关器对应的C/A码自相关幅值。
进一步地,训练支持向量机模型的数据集为德克萨斯州大学实验室提供的生成式欺骗数据集TEXBAT。
有益效果:
1、本发明提供一种基于接收机相关器输出的导航欺骗干扰检测方法,利用接收机的六个相关输出结果,即利用同相I支路和正交Q支路的超前、滞后和即时码计算出10个特征用于欺骗干扰预测模型的训练和欺骗干扰的检测,可同时体现I支路与Q支路输出受到欺骗干扰的影响,进而可以提高检测的灵敏度;也就是说,本发明根据软件接收机对导航信号的跟踪结果进行计算,仅需要利用接收机的跟踪结果中的同相I支路和正交Q支路的输出结果,不需要利用接收过程中的其他信息,也无需利用其它硬件支持,更不需要对接收机内部软件进行修改,即可对欺骗干扰进行有效的检测。
2、本发明提供一种基于接收机相关器输出的导航欺骗干扰检测方法,基于跟踪过程中的载波环输出载波相位差异会影响欺骗干扰检测的缺陷,本发明通过改进的点积幅度法使接收机可以忽略载波误差对码跟踪相干积分的影响,进而使检测效果得到大大提升;同时,本发明使用多特征向量训练支持向量机模型,并且在检测过程中同时输入多个特征向量,也可以大大提高检测性能,增强检测效率。
3、本发明提供一种基于接收机相关器输出的导航欺骗干扰检测方法,利用六个相关器输出、/>、/>、/>、/>、/>,能充分体现相关函数的形变,然后对同相支路和正交支路的相干积分进行平方相加,得到超前码相关器、滞后码相关器、即时码相关器对应的C/A码自相关幅值/>、/>、/>,可以有效屏蔽载波环的影响。
附图说明
图1为本发明提供的一种基于接收机相关器输出的导航欺骗式干扰检测方法的流程图;
图2为本发明提供的改进的Delta度量的移动平均DeltaimproveMA的结果示意图;
图3为本发明提供的改进的Delta度量的移动方差DeltaimproveMV的结果示意图;
图4为本发明提供的点积功率幅度差的移动平均DotMA的结果示意图;
图5为本发明提供的点积功率幅度差的移动方差DotMV的结果示意图;
图6为本发明提供的超前、滞后和即时三个支路的C/A码自相关幅值计算过程示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
在传统信号质量检测方法中,通过检测欺骗干扰下I支路的早晚码相位差,评估了真实信号与欺骗信号之间的相互作用对接收机的相关器输出影响。Delta算法通过评估相关函数的相关峰不对称性来识别欺骗干扰,但是当欺骗信号与真实信号的相位和载波多普勒相似时,相关函数会变得相对平滑,欺骗信号就难以被检测出来。然而本发明在Delta算法的基础上联合Q支路的相关峰不对称性特征,这样在欺骗干扰的条件下改进后的算法得出的结果会有更加明显的变化,并且可同时体现I支路与Q支路输出受到欺骗干扰的影响,进而可以提高检测的灵敏度。
具体的,如图1所示,本发明提供一种基于接收机相关器输出的导航欺骗式干扰检测方法,包括以下步骤:
S1:将接收机捕获的不同跟踪信号分别进行混频和相关处理,对应得到各跟踪信号中同相支路的超前码、滞后码/>、即时码/>以及正交支路的超前码/>、滞后码/>、即时码/>。
需要说明的是,步骤S1~S3实际为用于欺骗检测的预测模型的训练过程,本发明训练支持向量机模型的数据集为德克萨斯州大学实验室提供的生成式欺骗数据集TEXBAT;本发明通过软件接收机捕获跟踪信号,利用码环路相关器输出结果,得到同相I支路和正交Q支路的早晚码和即时码数据。
具体的,任一跟踪信号中同相支路的超前码、滞后码/>、即时码/>以及正交支路的超前码/>、滞后码/>、即时码/>的计算方法为:
其中,为跟踪信号的功率,且跟踪信号属于中频信号,D表示卫星在第n时刻的电文信息,/>、/>和/>分别为超前码相关器、滞后码相关器、即时码相关器对应的自相关函数,/>、/>、/>分别为超前码相关器、滞后码相关器、即时码相关器对应的延时码片,通常早码或晚码相对于即时码相关器的间隔取0.5码片,/>为本地载波和跟踪信号的相位差。
S2:分别根据各同相支路的超前码、滞后码/>、即时码/>以及正交支路的超前码/>、滞后码/>、即时码/>获取用于检测欺骗信号的特征,其中,所述特征包括Ratio度量的移动平均和移动方差、Delta度量的移动平均和移动方差、ELP度量的移动平均和移动方差、改进的Delta度量的移动平均和移动方差以及点积功率幅度差的移动平均和移动方差;同时,为每一组特征的取值标注真实信号或欺骗信号的标签。
也就是说,本发明旨在通过软件接收机同相支路和正交支路的超前、滞后和即时相关器输出的数据进行计算,利用C/A码自相关函数的对称性等特性识别欺骗干扰的存在;所述用来检测欺骗信号的特征包括Ratio度量、Delta度量、ELP度量、改进的Delta以及点积功率幅度差的移动平均和移动方差,一共十个特征。
下面详细介绍各个用来检测欺骗信号的特征的计算方法。
(1)Ratio度量的移动平均RatioMA和移动方差RatioMV的计算方法如下:
其中,Ratio(i)为第i时刻的Ratio度量,且,为滑动窗口的长度,k为滑动窗口的步长;
进一步地,Ratio度量Ratio(n)的计算方法如下:
其中,n为采样时刻的序号;显然,Ratio(i)与Ratio(n)仅是采用不同序号进行表示,两者均为Ratio度量;
(2)Delta度量的移动平均DeltaMA和移动方差DeltaMV的计算方法如下:
其中,Delta(i)为第i时刻的Delta度量;
进一步地,Delta度量Delta(n)的计算方法如下:
(3)ELP度量的移动平均ELPMA和移动方差ELPMV的计算方法如下:
其中,ELP(i)为第i时刻的ELP度量;
进一步地,ELP度量ELP(n)的计算方法如下:
(4)改进的Delta度量的移动平均DeltaimproveMA和移动方差DeltaimproveMV的计算方法如下:
其中,Deltaimprove(i)为第i时刻的改进的Delta度量;如图2和图3所示,分别为改进的Delta度量的移动平均DeltaimproveMA和移动方差DeltaimproveMV的结果示意图;
进一步地,改进的Delta度量Deltaimprove(n)的计算方法如下:
(5)点积功率幅度差的移动平均DotMA和移动方差DotMV的计算方法如下:
其中,Dot(i)为第i时刻的点积功率幅度差。如图4和图5所示,分别为点积功率幅度差的移动平均DotMA和移动方差DotMV的结果示意图;
进一步地,点积功率幅度差Dot(n)的计算方法如下:
如图6所示,利用六个相关器输出得到的相干积分值,可以得到码跟踪环路非相关鉴别器点积法的公式
六个相关器输出的相干积分值分为超前、滞后和即时三个支路,然后将同相支路与正交支路上的超前、滞后和即时相干积分结果进行平方再相加,由此可以得到超前、滞后和即时三个支路的C/A码自相关幅值如下:
其中,、/>、/>分别为超前码相关器、滞后码相关器、即时码相关器对应的C/A码自相关幅值;此时码环路的工作将不再受到载波环的载波相位影响,计算改进后的点积功率幅度法公式如下:
S3:将各组特征以及各组特征对应的标签分别输入到支持向量机模型进行训练,得到用于欺骗检测的预测模型;
需要说明的是,本发明训练支持向量机二分类模型时,各组特征对应的标签可以为真实信号与两种欺骗信号,验证方法使用交叉验证,核函数使用高斯函数,分为精高斯核、中高斯核和粗高斯核。
S4:采用训练好的预测模型对接收机重新捕获的跟踪信号进行预测,判断重新捕获的跟踪信号是否为欺骗信号。
进一步地,为了验证本发明采用10种特征训练得到的预测模型的有效性,本发明同时将所得特征参数的移动平均和移动方差分为四组再进行多参数的支持向量机训练,得到不同的预测模型作为对照;
其中,第一个对照模型采用的特征参数为:Ratio度量的移动平均RatioMA、Ratio度量的移动方差RatioMV、Delta度量的移动平均DeltaMA和Delta度量的移动方差DeltaMV;
第二个对照模型采用的特征参数为:Delta度量的移动平均DeltaMA、Delta度量的移动方差DeltaMV、改进的Delta度量的移动平均DeltaimproveMA和改进的Delta度量的移动方差DeltaimproveMV;
第三个对照模型采用的特征参数为:ELP度量的移动平均ELPMA、ELP度量的移动方差ELPMV、点积功率幅度差的移动平均DotMA、点积功率幅度差的移动方差DotMV、改进的Delta度量的移动平均DeltaimproveMA、改进的Delta度量的移动方差DeltaimproveMV;
第四个模型即为步骤S3得到的采用10个特征参数训练得到的预测模型;
对比结果表明,本发明的采用10个特征参数训练得到的预测模型的检测准确度和检测效率远大于其他三个对照模型。
由此可见,本发明公开了一种基于接收机相关器输出的欺骗干扰检测方法,使用软件接收机处理数据集TEXBAT,在码跟踪环路中进行检测;利用GNSS接收机跟踪环路六个相关器的输出值计算相关函数,通过对相关函数异变的分析,识别出欺骗干扰;在此过程中,本发明首先利用六个相关器输出,能充分体现相关函数的形变,然后对同相支路和正交支路的相干积分进行平方相加,可以有效屏蔽载波环的影响,最后通过支持向量机的方法对所得特征进行检测,该方法检测效率高,性能好。
当然,本发明还可有其他多种实施例,在不背离本发明精神及其实质的情况下,熟悉本领域的技术人员当然可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (5)
1.一种基于接收机相关器输出的导航欺骗干扰检测方法,其特征在于,包括以下步骤:
S1:将接收机捕获的不同跟踪信号分别进行混频和相关处理,对应得到各跟踪信号中同相支路的超前码、滞后码/>、即时码/>以及正交支路的超前码/>、滞后码/>、即时码/>;
S2:分别根据各同相支路的超前码、滞后码/>、即时码/>以及正交支路的超前码/>、滞后码/>、即时码/>获取用于检测欺骗信号的特征,其中,所述特征包括Ratio度量的移动平均和移动方差、Delta度量的移动平均和移动方差、ELP度量的移动平均和移动方差、改进的Delta度量的移动平均和移动方差以及点积功率幅度差的移动平均和移动方差;同时,为每一组特征的取值标注真实信号或欺骗信号的标签;
其中,改进的Delta度量的移动平均DeltaimproveMA和移动方差DeltaimproveMV的计算方法如下:
其中,为第i时刻的改进的Delta度量,且有:
点积功率幅度差的移动平均DotMA和移动方差DotMV的计算方法如下:
其中,为第i时刻的点积功率幅度差,且有:
其中,、/>、/>分别为超前码相关器、滞后码相关器、即时码相关器对应的C/A码自相关幅值;
S3:将各组特征以及各组特征对应的标签分别输入到支持向量机模型进行训练,得到用于欺骗检测的预测模型;
S4:采用训练好的预测模型对接收机重新捕获的跟踪信号进行预测,判断重新捕获的跟踪信号是否为欺骗信号。
2.如权利要求1所述的一种基于接收机相关器输出的导航欺骗干扰检测方法,其特征在于,任一跟踪信号中同相支路的超前码、滞后码/>、即时码/>以及正交支路的超前码/>、滞后码/>、即时码/>的计算方法为:
其中,为跟踪信号的功率,D(n)表示卫星在第n时刻的电文信息,/>、/>和/>分别为超前码相关器、滞后码相关器、即时码相关器对应的自相关函数,/>、、/>分别为超前码相关器、滞后码相关器、即时码相关器对应的延时码片,/>为本地载波和跟踪信号的相位差。
3.如权利要求1所述的一种基于接收机相关器输出的导航欺骗干扰检测方法,其特征在于,用于检测欺骗信号的Ratio度量的移动平均RatioMA和移动方差RatioMV的计算方法如下:
其中,Ratio(i)为第i时刻的Ratio度量,且,/>为滑动窗口的长度,k为滑动窗口的步长;
Delta度量的移动平均DeltaMA和移动方差DeltaMV的计算方法如下:
其中,Delta(i)为第i时刻的Delta度量;
ELP度量的移动平均ELPMA和移动方差ELPMV的计算方法如下:
其中,ELP(i)为第i时刻的ELP度量。
4.如权利要求1~3任一权利要求所述的一种基于接收机相关器输出的导航欺骗干扰检测方法,其特征在于,Ratio度量Ratio(n)的计算方法如下:
Delta度量Delta(n)的计算方法如下:
ELP度量ELP(n)的计算方法如下:
。
5.如权利要求1~3任一权利要求所述的一种基于接收机相关器输出的导航欺骗干扰检测方法,其特征在于,训练支持向量机模型的数据集为实验室提供的生成式欺骗数据集TEXBAT。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310841096.3A CN116577808B (zh) | 2023-07-11 | 2023-07-11 | 一种基于接收机相关器输出的导航欺骗干扰检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310841096.3A CN116577808B (zh) | 2023-07-11 | 2023-07-11 | 一种基于接收机相关器输出的导航欺骗干扰检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116577808A CN116577808A (zh) | 2023-08-11 |
CN116577808B true CN116577808B (zh) | 2023-09-29 |
Family
ID=87536194
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310841096.3A Active CN116577808B (zh) | 2023-07-11 | 2023-07-11 | 一种基于接收机相关器输出的导航欺骗干扰检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116577808B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117233805B (zh) * | 2023-11-13 | 2024-02-06 | 中国人民解放军战略支援部队航天工程大学 | 一种基于多相关器的gnss诱导欺骗检测方法 |
CN117607917B (zh) * | 2024-01-24 | 2024-03-26 | 中国人民解放军战略支援部队航天工程大学 | 一种基于接收机输出的自动欺骗检测算法 |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110471091A (zh) * | 2019-08-29 | 2019-11-19 | 北京航空航天大学合肥创新研究院 | 一种基于相关器正交分量的欺骗干扰检测方法 |
CN113204034A (zh) * | 2021-06-15 | 2021-08-03 | 东南大学 | 一种基于Ratio的GNSS发转发式欺骗检测方法 |
CN113359158A (zh) * | 2021-06-15 | 2021-09-07 | 东南大学 | 一种基于svm的gnss生成式欺骗干扰检测方法 |
CN113376659A (zh) * | 2021-06-15 | 2021-09-10 | 东南大学 | 一种基于bp神经网络的gnss生成式欺骗干扰检测方法 |
CN114396941A (zh) * | 2021-12-20 | 2022-04-26 | 东南大学 | 一种基于强跟踪Kalman滤波的级联式惯性/卫星深组合方法 |
CN114910931A (zh) * | 2022-01-21 | 2022-08-16 | 中国人民解放军战略支援部队信息工程大学 | 一种基于加权二阶中心矩的诱导式欺骗检测方法 |
CN115236701A (zh) * | 2022-06-30 | 2022-10-25 | 山东大学 | 一种基于联合sqm平方的gnss欺骗干扰检测方法 |
CN115327579A (zh) * | 2022-07-20 | 2022-11-11 | 中国人民解放军战略支援部队信息工程大学 | 一种基于信号质量监测的欺骗攻击检测方法 |
CN115494526A (zh) * | 2022-08-29 | 2022-12-20 | 中山大学 | 一种gnss欺骗干扰检测方法、装置、电子设备及存储介质 |
CN115712128A (zh) * | 2022-11-19 | 2023-02-24 | 中国民航大学 | 一种功率与信号质量联合检测的gnss欺骗干扰检测方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7471238B2 (en) * | 2005-11-01 | 2008-12-30 | The Aerospace Corporation | Multitarget tracking antispoofing receiver |
US10365376B2 (en) * | 2017-04-25 | 2019-07-30 | Iposi, Inc. | Protected positioning, navigation, or timing signals resistant to spoofing |
IT202000011794A1 (it) * | 2020-05-20 | 2021-11-20 | St Microelectronics Srl | Procedimento per rilevare spoofing in un ricevitore gnss (global navigation satellite system), corrispondenti apparecchiatura ricevente e prodotto informatico |
US20220357460A1 (en) * | 2021-04-27 | 2022-11-10 | Board Of Regents, The University Of Texas System | System and method for global navigation satellite system (gnss) spoofing detection |
-
2023
- 2023-07-11 CN CN202310841096.3A patent/CN116577808B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110471091A (zh) * | 2019-08-29 | 2019-11-19 | 北京航空航天大学合肥创新研究院 | 一种基于相关器正交分量的欺骗干扰检测方法 |
CN113204034A (zh) * | 2021-06-15 | 2021-08-03 | 东南大学 | 一种基于Ratio的GNSS发转发式欺骗检测方法 |
CN113359158A (zh) * | 2021-06-15 | 2021-09-07 | 东南大学 | 一种基于svm的gnss生成式欺骗干扰检测方法 |
CN113376659A (zh) * | 2021-06-15 | 2021-09-10 | 东南大学 | 一种基于bp神经网络的gnss生成式欺骗干扰检测方法 |
CN114396941A (zh) * | 2021-12-20 | 2022-04-26 | 东南大学 | 一种基于强跟踪Kalman滤波的级联式惯性/卫星深组合方法 |
CN114910931A (zh) * | 2022-01-21 | 2022-08-16 | 中国人民解放军战略支援部队信息工程大学 | 一种基于加权二阶中心矩的诱导式欺骗检测方法 |
CN115236701A (zh) * | 2022-06-30 | 2022-10-25 | 山东大学 | 一种基于联合sqm平方的gnss欺骗干扰检测方法 |
CN115327579A (zh) * | 2022-07-20 | 2022-11-11 | 中国人民解放军战略支援部队信息工程大学 | 一种基于信号质量监测的欺骗攻击检测方法 |
CN115494526A (zh) * | 2022-08-29 | 2022-12-20 | 中山大学 | 一种gnss欺骗干扰检测方法、装置、电子设备及存储介质 |
CN115712128A (zh) * | 2022-11-19 | 2023-02-24 | 中国民航大学 | 一种功率与信号质量联合检测的gnss欺骗干扰检测方法 |
Non-Patent Citations (2)
Title |
---|
GNSS接收机高性能跟踪与捕获环路算法研究;姜毅;中国博士学位论文全文数据库(第12期);全文 * |
基于复合SQM方差的GNSS欺骗式干扰检测算法;王文益,龚婧;中国民航大学学报;第38卷(第4期);摘要、第07页第03段、第08页第01-06段、第09页第02段 * |
Also Published As
Publication number | Publication date |
---|---|
CN116577808A (zh) | 2023-08-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116577808B (zh) | 一种基于接收机相关器输出的导航欺骗干扰检测方法 | |
Gross et al. | Maximum-likelihood power-distortion monitoring for GNSS-signal authentication | |
CN111399002B (zh) | 一种基于两级神经网络的gnss接收机组合干扰分类识别方法 | |
CN109188470B (zh) | 一种基于卷积神经网络的gnss欺骗干扰检测方法 | |
CN110879404B (zh) | 一种基于相关峰和残留信号相结合的gnss欺骗干扰检测方法 | |
CN104267379A (zh) | 一种基于波形设计的主被动雷达协同抗干扰方法 | |
CN110471091B (zh) | 一种基于相关器正交分量的欺骗干扰检测方法 | |
Sun et al. | Robust spoofing detection for GNSS instrumentation using Q-channel signal quality monitoring metric | |
CN113359158B (zh) | 一种基于svm的gnss生成式欺骗干扰检测方法 | |
CN113376659B (zh) | 一种基于bp神经网络的gnss生成式欺骗干扰检测方法 | |
Zhu et al. | Global positioning system spoofing detection based on support vector machines | |
CN115236701A (zh) | 一种基于联合sqm平方的gnss欺骗干扰检测方法 | |
Stenberg et al. | GNSS spoofing mitigation using multiple receivers | |
CN109031193B (zh) | 一种基于信号到达方向的室内非法信号源定位系统及方法 | |
CN112698367B (zh) | 一种卫星导航接收机的抗转发式干扰处理方法 | |
Tu et al. | GNSS intermediate spoofing detection via dual‐peak in frequency domain and relative velocity residuals | |
CN114910931A (zh) | 一种基于加权二阶中心矩的诱导式欺骗检测方法 | |
Zhang et al. | Two-Stage Neural Network Based Combined Interference Classification and Recognition for a GNSS Receiver | |
CN117233805B (zh) | 一种基于多相关器的gnss诱导欺骗检测方法 | |
Axell et al. | Results on GNSS meaconing detection with multiple COTS receivers | |
Iqbal et al. | Machine Learning based Time Synchronization Attack Detection for Synchrophasors | |
Li et al. | GNSS Spoofing Detection Using Moving Variance of Signal Quality Monitoring Metrics and Signal Power | |
Fang et al. | A graphical way of continuous GNSS spoofing detection at the baseband signal level | |
CN116520357B (zh) | 基于稀疏分解的gnss接收机欺骗干扰检测方法及装置 | |
CN117607917B (zh) | 一种基于接收机输出的自动欺骗检测算法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |