CN117607910A - 一种基于矢量跟踪新息矢量的欺骗检测方法及系统 - Google Patents
一种基于矢量跟踪新息矢量的欺骗检测方法及系统 Download PDFInfo
- Publication number
- CN117607910A CN117607910A CN202311361126.7A CN202311361126A CN117607910A CN 117607910 A CN117607910 A CN 117607910A CN 202311361126 A CN202311361126 A CN 202311361126A CN 117607910 A CN117607910 A CN 117607910A
- Authority
- CN
- China
- Prior art keywords
- deception
- vector
- pseudo
- clustering
- signals
- 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.)
- Granted
Links
- 239000013598 vector Substances 0.000 title claims abstract description 146
- 238000001514 detection method Methods 0.000 title claims abstract description 78
- 230000002159 abnormal effect Effects 0.000 claims abstract description 28
- 238000003064 k means clustering Methods 0.000 claims abstract description 24
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims description 57
- 238000004364 calculation method Methods 0.000 claims description 23
- 230000006870 function Effects 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000012937 correction Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 239000011159 matrix material Substances 0.000 description 4
- 230000006399 behavior Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000004043 responsiveness Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/21—Interference related issues ; Issues related to cross-correlation, spoofing or other methods of denial of service
- G01S19/215—Interference related issues ; Issues related to cross-correlation, spoofing or other methods of denial of service issues related to spoofing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
- G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Automation & Control Theory (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明涉及导航系统欺骗检测技术领域，尤其涉及一种基于矢量跟踪新息矢量的欺骗检测方法及系统，包括获取惯性导航系统输出的估计量参数和全球导航卫星系统输出的观测量参数；估计量参数包括伪距估计量和伪距率估计量，观测量参数包括伪距观测量和伪距率观测量计算估计量参数与观测量参数在对应时刻的伪距误差值和伪距率误差值，得到新息矢量；采用K均值聚类算法对新息矢量进行欺骗检测，得到欺骗聚类结果；根据欺骗聚类结果识别出存在欺骗信号或者嫌疑信号的异常卫星信号，并剔除异常卫星信号。本发明通过K均值聚类算法对包含伪距和伪距率误差信息的新息矢量进行判决，可以有效精确识别出正常信号和欺骗信号，具有更强的自适应性。
Description
技术领域
本发明涉及导航系统欺骗检测技术领域，尤其涉及一种基于矢量跟踪新息矢量的欺骗检测方法及系统。
背景技术
近年来，随着经济和科技的快速发展，卫星导航系统在民用和军事领域中扮演着越来越重要的角色，然而，由于GNSS信号到达地面的功率极低，且民用信号结构公开，因此，卫星导航系统容易受到欺骗，这种欺骗攻击可能引发灾难性后果，例如引导敌方飞机按照欺骗者的意愿飞行，使远洋运输轮船在海上迷失方向，或者使依赖导航授时的网络系统(比如：电力系统和金融系统)陷入混乱等等，为了解决这一问题，目前已有的欺骗检测方法主要以单一卫星信号特征作为检测量，例如，载波多普勒频移、信号功率、信号的方位角与俯仰角、定位结果信息等，如果连续若干个历元的检测量超过设定的检测门限值，那么就判定存在欺骗，这种方法原理简单且易于实现，对于一些简单的欺骗行为具有一定效果，然而，对于与真实信号几乎一致的欺骗信号，这种方法可能会由于无法及时检测到，导致欺骗渐进地接管接收机控制权，而不会引发任何PVT系统异常，因此，上述欺骗检测方法将在这种情况下失效；除此之外，现有的采用多系统多设备的欺骗检测的方法不仅需要额外增加设备，使得增加成本，而且需要考虑多个系统之间的融合问题，也无法应对较为复杂的欺骗行为，例如，将卫星导航和惯性导航得到的PVT信息作对比的欺骗检测方法，或者采用多接收机的伪距单差或载波互差检测方法等，其中，PVT信息是位置(Position)、速度(Velocity)和时间(Time)信息的缩写。
矢量跟踪是一种新兴技术，能够实现多通道信息融合处理，在高动态性能和抗干扰性能方面优于传统标量跟踪，因此，它在许多领域得到了广泛应用，在矢量跟踪中，可以利用Kalman滤波器的新息矢量来对当前信号进行分类，通过K-means聚类方法将当前信号分为正常信号、嫌疑信号和欺骗信号三个类别，在无需额外设备的情况下，为了确保新息矢量的正确性，每次对Kalman滤波器进行信息更新时，都需要对新的信息(即新息矢量)进行检测，只有当检测结果为正常信号时，才将新息矢量应用于PVT解算中，否则将停止该次信息更新并发出警告，这种方法可以有效地检测出嫌疑信号和欺骗信号，避免它们对PVT解算造成影响，从而提高PVT解算的精度和可靠性。
然而，虽然在目前已有研究人员提出的基于卡尔曼滤波估计的北斗/惯性组合抗欺骗干扰方法中使用了矢量跟踪紧组合方式来识别欺骗信号，但是该方法仅在获取到GNSS和INS的伪距残差后，将其与预设阈值进行比较，判断GNSS信号是否为欺骗信号，如果伪距残差大于阈值，则认为该GNSS信号为欺骗信号并将其剔除；只有当伪距残差小于阈值时，才将信号送入卡尔曼滤波器进行处理，因此，这种方法虽然相对简单且易于实现，但只能识别一些较低级别的欺骗行为，仍旧无法应对复杂的欺骗行为。
此外，目前相关研究人员提出的基于聚类的卫星导航欺骗攻击防御方法同样采用了聚类方法进行信号处理，这种聚类方法主要针对信号发射时间，并且需要一些先验信息，如接收机的大致位置信息或时间信息中的至少一个，先将发射时间差小于预设阈值的卫星信号聚类在一起，经过两轮聚类后，针对每一类信号分别进行定位，然后从中筛选出定位结果与先验信息最匹配的一类信号作为真实信号，而其余信号则被视为欺骗信号，这种方法不仅需要进行两轮聚类，涉及到大量的数据计算和分析，计算复杂度相对较高，需要较长的处理时间和较大的计算资源，而且依赖于一些先验信息，由于这些先验信息并不总是可用的或者准确的，这会影响到聚类的效果和定位的准确性。
发明内容
本发明提供了一种基于矢量跟踪新息矢量的欺骗检测方法及系统，解决的技术问题是，现有的欺骗检测方法需要依靠先验信息或者存在多个系统之间融合问题，无法应对复杂的欺骗行为，大大降低了欺骗信号识别的准确性。
为解决以上技术问题，本发明提供了一种基于矢量跟踪新息矢量的欺骗检测方法及系统。
第一方面，本发明提供了一种基于矢量跟踪新息矢量的欺骗检测方法，所述方法包括以下步骤：
获取惯性导航系统输出的估计量参数和全球导航卫星系统输出的观测量参数；所述估计量参数包括伪距估计量和伪距率估计量，所述观测量参数包括伪距观测量和伪距率观测量；
计算所述估计量参数与观测量参数在对应时刻的伪距误差值和伪距率误差值，得到新息矢量；
采用K均值聚类算法对所述新息矢量进行欺骗检测，得到欺骗聚类结果；所述欺骗聚类结果包括正常信号、嫌疑信号和欺骗信号的卫星信号；
根据欺骗聚类结果识别出存在欺骗信号或者嫌疑信号的异常卫星信号，并剔除所述异常卫星信号。
在进一步的实施方案中，所述采用K均值聚类算法对所述新息矢量进行欺骗检测，得到欺骗聚类结果的步骤包括：
确定新息矢量类别数，并定义损失函数和迭代步数；
从所有的新息矢量中按照所述新息矢量类别数选取初始的聚类中心；
计算每个所述新息矢量到各个所述聚类中心的欧式距离，并根据所述欧氏距离，将各个所述新息矢量分配到距离最近的聚类中心；
重新计算每个所述聚类中心的类中心点，并将所述类中心点和所述聚类中心进行比较，若所述类中心点与所述聚类中心点不一致，则采用所述类中心点更新聚类中心，并根据更新后的聚类中心和所述迭代步数进行迭代计算，直至损失函数的值小于预设的损失阈值，得到欺骗聚类结果。
在进一步的实施方案中，所述损失函数具体为：
式中，loss表示损失函数；xi表示第i个新息矢量；μj表示第j个聚类中心；I表示新息矢量的总数量；J表示聚类中心的总数量。
在进一步的实施方案中，所述类中心点的计算公式为：
式中，表示在第(τ+1)次迭代时的第j个聚类中心；τ表示迭代步数；xi表示第i个新息矢量；μ表示第(τ+1)次迭代时预设的聚类中心；/>表示第τ次迭代时属于第j个聚类中心的第i个新息矢量；/>表示第τ次迭代时的聚类中心；b表示第τ次迭代时属于第j个聚类中心的新息矢量的个数。
在进一步的实施方案中，所述获取惯性导航系统输出的估计量参数和全球导航卫星系统输出的观测量参数的步骤包括：
在接收卫星发射信号之后，通过全球导航卫星系统的接收机测量卫星发射信号的到达时间差，计算得到卫星与全球导航卫星系统接收机之间的观测量参数；
通过惯性导航系统对其输出的角速率和加速度与星历数据进行反算，得到估计量参数。
在进一步的实施方案中，所述方法还包括：根据所述欺骗聚类结果识别出正常信号的卫星信号，由组合导航卡尔曼滤波器对所述正常信号的卫星信号进行滤波处理，输出组合导航信息，并对惯性导航系统进行误差校正。
第二方面，本发明提供了一种基于矢量跟踪新息矢量的欺骗检测系统，所述系统包括：
参数获取模块，用于获取惯性导航系统输出的估计量参数和全球导航卫星系统输出的观测量参数；所述估计量参数包括伪距估计量和伪距率估计量，所述观测量参数包括伪距观测量和伪距率观测量；
新息估计模块，用于计算所述估计量参数与观测量参数在对应时刻的伪距误差值和伪距率误差值，得到新息矢量；
聚类检测模块，用于采用K均值聚类算法对所述新息矢量进行欺骗检测，得到欺骗聚类结果；所述欺骗聚类结果包括正常信号、嫌疑信号和欺骗信号的卫星信号；
信号识别模块，用于根据欺骗聚类结果识别出存在欺骗信号或者嫌疑信号的异常卫星信号，并剔除所述异常卫星信号。
在进一步的实施方案中，所述聚类检测模块具体用于：
确定新息矢量类别数，并定义损失函数和迭代步数；
从所有的新息矢量中按照所述新息矢量类别数选取初始的聚类中心；
计算每个所述新息矢量到各个所述聚类中心的欧式距离，并根据所述欧氏距离，将各个所述新息矢量分配到距离最近的聚类中心；
重新计算每个所述聚类中心的类中心点，并将所述类中心点和所述聚类中心进行比较，若所述类中心点与所述聚类中心点不一致，则采用所述类中心点更新聚类中心，并根据更新后的聚类中心和所述迭代步数进行迭代计算，直至损失函数的值小于预设的损失阈值，得到欺骗聚类结果。
第三方面，本发明还提供了一种计算机设备，包括处理器和存储器，所述处理器与所述存储器相连，所述存储器用于存储计算机程序，所述处理器用于执行所述存储器中存储的计算机程序，以使得所述计算机设备执行实现上述方法的步骤。
第四方面，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时实现上述方法的步骤。
本发明提供了一种基于矢量跟踪新息矢量的欺骗检测方法及系统，所述方法包括获取惯性导航系统输出的估计量参数和全球导航卫星系统输出的观测量参数；计算估计量参数与观测量参数在对应时刻的误差值，得到新息矢量；采用K均值聚类算法对所述新息矢量进行欺骗检测，得到欺骗聚类结果；欺骗聚类结果包括正常信号、嫌疑信号和欺骗信号的卫星信号；根据欺骗聚类结果识别出存在欺骗信号或者嫌疑信号的异常卫星信号，并剔除异常卫星信号。与现有采用检测门限识别欺骗信号的技术相比，该方法采用K均值聚类算法和新息矢量来识别欺骗信号，不仅能够自适应地学习和识别卫星导航信号的特征，提高识别准确性，降低对先验信息的依赖，而且提高了计算效率，减少了计算时间和计算资源。
附图说明
图1是本发明实施例提供的基于矢量跟踪新息矢量的欺骗检测方法流程示意图；
图2是本发明实施例提供的欺骗检测过程框图；
图3是本发明实施例提供的基于矢量跟踪新息矢量的欺骗检测系统框图；
图4是本发明实施例提供的计算机设备的结构示意图。
具体实施方式
下面结合附图具体阐明本发明的实施方式，实施例的给出仅仅是为了说明目的，并不能理解为对本发明的限定，包括附图仅供参考和说明使用，不构成对本发明专利保护范围的限制，因为在不脱离本发明精神和范围基础上，可以对本发明进行许多改变。
参考图1，本发明实施例提供了一种基于矢量跟踪新息矢量的欺骗检测方法，如图1所示，该方法包括以下步骤：
S1.获取惯性导航系统输出的估计量参数和全球导航卫星系统输出的观测量参数；所述估计量参数包括伪距估计量和伪距率估计量，所述观测量参数包括伪距观测量和伪距率观测量。
全球卫星导航系统(Global Navigation Satellite System，简称GNSS)和惯性导航系统(Inertial Navigation System，简称INS)的组合导航系统具有两者互补误差特性，GNSS能够在全球范围内提供全天候连续性的位置、速度和时间(Position，Velocity&Time，PVT)服务的优点，而INS具有独立自主、连续工作、提供短期抗干扰能力等优点，两者组合增加了系统的冗余度和可靠性，GNSS/INS组合导航分为松组合、紧组合和深组合三种组合模式，如图2所示，本实施例基于采用全球卫星导航系统(Global Navigation SatelliteSystem，简称GNSS)和惯性导航系统(Inertial Navigation System，简称INS)紧组合模式和卡尔曼滤波器(Kalman filtering，简称KF)作为导航滤波器的矢量跟踪环路。
在矢量跟踪环路的GNSS/INS紧组合模式中，GNSS的接收机接收到卫星发射信号之后，通过测量卫星发射信号的到达时间差计算出卫星与GNSS接收机之间的伪距(pseudo-range)观测量，即信号传播的距离，同时GNSS的接收机通过测量卫星发射信号的到达时间变化率计算出伪距率(pseudo-range rate)观测量，即信号传播距离的变化率；而惯性导航系统是一种基于惯性传感器(如加速度计和陀螺仪)测量的导航系统，其用于估计和跟踪导航装置的位置、速度和姿态，本实施例通过将惯性导航系统INS输出的角速率和加速度信息与星历数据(卫星的轨道信息)进行反算，得到INS伪距估计量和伪距率估计量。
S2.计算所述估计量参数与观测量参数在对应时刻的伪距误差值和伪距率误差值，得到新息矢量。
由于GNSS和INS在测量伪距和伪距率时都存在一定的误差，为了准确估计GNSS和INS的位置和速度，需要消除这些误差，同时为了更好应对较为复杂的卫星导航欺骗行为，因此，本实施例将GNSS接收机输出的伪距观测量和伪距率观测量与INS结合星历反算得到的伪距估计量和伪距率估计量进行相减操作，得到GNSS和INS的伪距误差值和伪距率误差值，形成新息矢量，从而可以采用跟踪域层次引入的新息矢量作为检测量对卫星导航进行欺骗检测，并通过误差估计补偿GNSS的不确定性和INS的漂移，从而提高整体导航系统的准确度和稳定性，需要说明的是，本实施例采用了GNSS接收机跟踪层面的信息进行组合，伪距和伪距率等基本观测量的相关性相对较弱，使导航定位精度更准确，且系统在可见星少于4颗的情况下仍然可以工作。
与现有的欺骗检测量采用简单的信号特征或其组合(比如载噪比、信号入射角等)方法相比，本实施例在跟踪层面引入了新的信息，即来自GNSS和INS的伪距与伪距率误差，本实施例将这些误差作为新息矢量，新息矢量代表了新的信息引入，这也是欺骗信号想要接管接收机控制权所必须经历的过程，因此，本实施例使用新息矢量作为检测量，即使是对于一些复杂的欺骗行为，也能够提供有效的检测效果。
S3.采用K均值聚类算法对所述新息矢量进行欺骗检测，得到欺骗聚类结果。
K-means聚类是一种无监督学习的机器学习方法，其原理是将目的是将数据集划分为若干个不同的簇，其中每个簇的数据在某种度量下尽可能相似，在卫星导航系统中，伪距和伪距率是关键的误差源之一，也是最容易受到欺骗攻击影响的部分，而欺骗信号通常会表现为异常的误差模式，本实施例采用K-means聚类方法对GNSS和INS之间的伪距误差值和伪距率误差值进行聚类分析，K-means聚类算法可以有效地识别出异常的误差模式，从而可以有效精确地检测出欺骗信号，在本实施例中，所述采用K均值聚类算法对所述新息矢量进行欺骗检测，得到欺骗聚类结果的步骤包括：
确定新息矢量类别数，并定义损失函数和迭代步数；在本实施例中，所述损失函数具体为：
式中，loss表示损失函数；xi表示第i个新息矢量；μj表示第j个聚类中心；I表示新息矢量的总数量；J表示聚类中心的总数量；
从所有的新息矢量中按照所述新息矢量类别数选取初始的聚类中心；
计算每个所述新息矢量到各个所述聚类中心的欧式距离，并根据所述欧氏距离，将各个所述新息矢量分配到距离最近的聚类中心，距离最近的聚类中心公式为：
式中，表示第τ次迭代时的聚类中心；/>表示在第τ次迭代时的第j个聚类中心；
重新计算每个所述聚类中心的类中心点，并将所述类中心点和所述聚类中心进行比较，若所述类中心点与所述聚类中心点不一致，则采用所述类中心点更新聚类中心，并根据更新后的聚类中心和所述迭代步数进行迭代计算，直至损失函数的值小于预设的损失阈值，即损失函数收敛，得到欺骗聚类结果，其中，所述类中心点的计算公式为：
式中，表示在第(τ+1)次迭代时的第j个聚类中心；τ表示迭代步数；xi表示第i个新息矢量；μ表示第(τ+1)次迭代时预设的聚类中心；/>表示第τ次迭代时属于第j个聚类中心的第i个新息矢量；/>表示第τ次迭代时的聚类中心；b表示第τ次迭代时属于第j个聚类中心的新息矢量的个数。
传统的采用检测门限实现欺骗额信号检测方法只能根据单一的阈值来判断信号是否正常，很容易受到数据波动和异常值的影响，而本实施例采用了K均值聚类算法分析伪距和伪距率数据的特征的方法，K-means聚类方法可以根据数据内在的分布情况进行分类，能够更好地处理多维数据和大量数据，可以探测到由欺骗信号引起的异常变化，更精确地识别出异常的误差模式，从而更有效精确地识别出正常信号和欺骗信号，比如，攻击者可能通过发送虚假的卫星信号来引导接收器计算出错误的距离和速度，这会呈现出与正常情况下不同的伪距和伪距率分布，因此，利用伪距和伪距率进行欺骗信号分析可以便于识别和检测欺骗信号。
需要说明的是，虽然欺骗信号可能对其他导航参数也产生影响，但是由于伪距和伪距率是卫星导航系统中常用的观测量参数，大多数接收器都会测量和记录伪距和伪距率信息，因此，相比于其他导航参数，伪距和伪距率参数更易于获得，而其他导航参数(如位置、速度、时间)可能需要通过进一步的计算才能获得，比如：PVT结算中的位置、速度、时间是根据伪距和伪距率等观测量通过最小二乘法等方法来估计得到接收器的位置、速度和时间参数，而且在卫星导航系统中，当存在欺骗行为时，欺骗信号通常是通过干扰卫星和接收器之间的通信来引入虚假信息，以模拟正常的卫星信号，改变接收器接收到的卫星信号特征，伪距和伪距率的计算受到欺骗信号的干扰后，会直接影响到实际的观测量值，由于伪距和伪距率直接与信号传播时间和速度有关，即使只有微小的干扰，也可能导致较大的测量误差，因此，这些参数相对于其他导航参数更为敏感，对于检测欺骗信号的影响更具有响应性，而且本实施例采用聚类算法针对伪距和伪距率误差值的欺骗信号检测方法是直接针对欺骗信号进行检测，这种方式可以更准确地识别出存在的欺骗信号，而对于其他导航参数(如位置、速度、时间)，如果伪距和伪距率受到欺骗信号的干扰，计算出来的位置、速度和时间参数会受到影响，进而影响到PVT结算的结果，因此，对其他的导航参数(如位置、速度、时间)进行欺骗信号检测的方法实质上是针对欺骗信号导致的导航结果异常进行间接推断实现的，无法及时精准检测出欺骗信号，而且容易出现误判的情况。
S4.根据欺骗聚类结果识别出存在欺骗信号或者嫌疑信号的异常卫星信号，并剔除所述异常卫星信号。
在本实施例中，所述欺骗聚类结果包括正常信号、嫌疑信号和欺骗信号的卫星信号，若根据所述欺骗聚类结果识别出卫星信号为欺骗信号或嫌疑信号，则将该卫星信号判定为异常卫星信号并剔除该异常卫星信号，同时中止此次的导航滤波并向用户发出警告。
若根据所述欺骗聚类结果识别出卫星信号为正常信号，则将该卫星信号判定为正常卫星信号，由组合导航卡尔曼滤波器对所述正常信号的卫星信号进行滤波处理，输出组合导航信息，并对惯性导航系统进行误差校正，开始下一轮的滤波处理，为了便于理解Kalman滤波过程，以下将对Kalman滤波过程进行简要说明，本实施例采用卫星导航系统的误差状态矢量建模一阶高斯-马尔可夫过程，其状态转移矩阵为：
δxk+1＝Fk,k+1δxk+Wk
式中，Fk,k+1表示状态转移矩阵；Wk表示系统噪声矩阵；δx表示误差状态矢量；k表示滤波器的第k个历元时刻；[xu,yu,zu]表示接收机的三维位置(ECEF坐标)；
表示接收机的三维速度；tu表示接收机和卫星的钟差，其值很小，一般要乘以光速；/>表示接收机的钟漂，其值很小，一般要乘以光速；下标u表示用户端，即接收机端。
扩展Kalman滤波器解算间隔记为tk,k+1，则状态转移矩阵Fk,k+1可以表示为：
在矢量跟踪环路中，本实施例可以由采用K均值聚类算法的鉴别器输出码相位鉴别误差δτi,k+1和载波频率鉴别误差δfi,k+1，并根据码相位鉴别误差δτi,k+1和载波频率鉴别误差δfi,k+1，计算得到伪距误差δρi,k+1和伪距率误差具体公式如下所示：
式中，i表示第i颗卫星；δ表示参数的误差量；ρi,k+1表示伪距；表示伪距率；fcode表示伪码频率；c表示光速。
将伪距和伪距率分别在点和点/>做一阶泰勒展开，可以得到：
式中，表示伪距估计值；/>表示伪距率估计值；∧表示参数的估计值；[αx,i,k,αy,i,k,αz,i,k]T表示接收机到卫星的几何视线矢量，具体为：
由伪距、伪距率和接收机误差状态矢量之间的关系可以建立扩展Kalman滤波器的观测方程，具体为：
δZk+1＝Hk+1δxk+1+Vk
式中，Vk表示量测噪声；Hk+1表示扩展Kalman滤波器的观测矩阵。
至此，本实施例采用的扩展Kalman滤波器的模型建立完成，需要说明的是，卡尔曼滤波器的一个滤波周期可以分为两个过程，时间更新过程和量测更新过程，系统的量测更新过程的目的是合理地利用观测信息，对时间更新过程中的系统状态预测量进行修正。
本发明实施例提供了一种基于矢量跟踪新息矢量的欺骗检测方法，所述方法包括获取惯性导航系统输出的估计量参数和全球导航卫星系统输出的观测量参数；估计量参数包括伪距估计量和伪距率估计量，观测量参数包括伪距观测量和伪距率观测量；计算估计量参数与观测量参数在对应时刻的伪距误差值和伪距率误差值，得到新息矢量；采用K均值聚类算法对新息矢量进行欺骗检测，得到欺骗聚类结果；根据欺骗聚类结果识别出存在欺骗信号或者嫌疑信号的异常卫星信号，并剔除异常卫星信号。相比于现有的欺骗检测量采用简单的信号特征或其组合(比如载噪比、信号入射角等)技术，本实施例采用了将卫星导航和惯性导航结合起来紧组合导航系统，通过矢量跟踪将GNSS和INS的伪距和伪距率误差作为检测量来检测欺骗信号，更能准确地反映出信号的本质特征，即使是对于一些复杂的欺骗行为，也能够提供有效的检测效果，而且与传统的检测门限判断方法相比，本实施例使用K-means聚类方法进行判决具有更强的自适应性，同时也更加智能化，降低对先验信息的依赖，提高了计算效率，减少了计算时间和计算资源，同时可以根据待检测信号可能为欺骗信号的概率来设定不同的类别数，这样可以满足不同用户的需求，可广泛应用于军用领域和民用领域。
需要说明的是，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
在一个实施例中，如图3所示，本发明实施例提供了一种基于矢量跟踪新息矢量的欺骗检测系统，所述系统包括：
参数获取模块101，用于获取惯性导航系统输出的估计量参数和全球导航卫星系统输出的观测量参数；所述估计量参数包括伪距估计量和伪距率估计量，所述观测量参数包括伪距观测量和伪距率观测量；
新息估计模块102，用于计算所述估计量参数与观测量参数在对应时刻的伪距误差值和伪距率误差值，得到新息矢量；
聚类检测模块103，用于采用K均值聚类算法对所述新息矢量进行欺骗检测，得到欺骗聚类结果；所述欺骗聚类结果包括正常信号、嫌疑信号和欺骗信号的卫星信号；
信号识别模块104，用于根据欺骗聚类结果识别出存在欺骗信号或者嫌疑信号的异常卫星信号，并剔除所述异常卫星信号。
在本实施例中，所述聚类检测模块具体用于：
确定新息矢量类别数，并定义损失函数和迭代步数；
从所有的新息矢量中按照所述新息矢量类别数选取初始的聚类中心；
计算每个所述新息矢量到各个所述聚类中心的欧式距离，并根据所述欧氏距离，将各个所述新息矢量分配到距离最近的聚类中心；
重新计算每个所述聚类中心的类中心点，并将所述类中心点和所述聚类中心进行比较，若所述类中心点与所述聚类中心点不一致，则采用所述类中心点更新聚类中心，并根据更新后的聚类中心和所述迭代步数进行迭代计算，直至损失函数的值小于预设的损失阈值，得到欺骗聚类结果。
关于一种基于矢量跟踪新息矢量的欺骗检测系统的具体限定可以参见上述对于一种基于矢量跟踪新息矢量的欺骗检测方法的限定，此处不再赘述。本领域普通技术人员可以意识到，结合本申请所公开的实施例描述的各个模块和步骤，能够以硬件、软件或者两者结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
本发明实施例提供了一种基于矢量跟踪新息矢量的欺骗检测系统，所述系统通过参数获取模块获取惯性导航系统输出的估计量参数和全球导航卫星系统输出的观测量参数，估计量参数包括伪距估计量和伪距率估计量，观测量参数包括伪距观测量和伪距率观测量；通过新息估计模块计算所述估计量参数与观测量参数在对应时刻的伪距误差值和伪距率误差值，得到新息矢量；通过聚类检测模块对新息矢量进行K均值聚类分析，得到欺骗聚类结果；通过信号识别模块104识别出存在欺骗信号或者嫌疑信号的异常卫星信号，并剔除异常卫星信号。与现有技术相比，本实施例通过对伪距误差值和伪距率误差值形成的新息矢量进行K均值聚类分析，实现了直接针对欺骗信号进行检测，无需通过欺骗信号导致的导航结果异常间接推断检测欺骗信号，可以提高对欺骗信号的识别和检测能力，而且对于检测欺骗信号的影响更具有响应性，降低了对先验信息的依赖，减少了计算时间和计算资源。
图4是本发明实施例提供的一种计算机设备，包括存储器、处理器和收发器，它们之间通过总线连接；存储器用于存储一组计算机程序指令和数据，并可以将存储的数据传输给处理器，处理器可以执行存储器存储的程序指令，以执行上述方法的步骤。
其中，存储器可以包括易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者；处理器可以是中央处理器、微处理器、特定应用集成电路、可编程逻辑器件或其组合。通过示例性但不是限制性说明，上述可编程逻辑器件可以是复杂可编程逻辑器件、现场可编程逻辑门阵列、通用阵列逻辑或其任意组合。
另外，存储器可以是物理上独立的单元，也可以与处理器集成在一起。
本领域普通技术人员可以理解，图4中示出的结构，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，或者具有相同的部件布置。
在一个实施例中，本发明实施例提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现上述方法的步骤。
本发明实施例提供的一种基于矢量跟踪新息矢量的欺骗检测方法及系统，其一种基于矢量跟踪新息矢量的欺骗检测方法通过K-means聚类方法对卫星和惯性导航系统之间的伪距和伪距率误差信息进行聚类分析，降低了对先验信息的依赖性，可以有效地检测出复杂的欺骗行为，而且本实施例用于检测分析的新息矢量相对于其他导航参数更为敏感，对于检测欺骗信号的影响更具有响应性，在计算效率和处理时间上更有优势，提高了欺骗信号识别的精确性。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本发明实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线)或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如SSD)等。
本领域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。
以上所述实施例仅表达了本申请的几种优选实施方式，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，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和替换，这些改进和替换也应视为本申请的保护范围。因此，本申请专利的保护范围应以所述权利要求的保护范围为准。
Claims (10)
1.一种基于矢量跟踪新息矢量的欺骗检测方法，其特征在于，包括以下步骤：
获取惯性导航系统输出的估计量参数和全球导航卫星系统输出的观测量参数；所述估计量参数包括伪距估计量和伪距率估计量，所述观测量参数包括伪距观测量和伪距率观测量；
计算所述估计量参数与观测量参数在对应时刻的伪距误差值和伪距率误差值，得到新息矢量；
采用K均值聚类算法对所述新息矢量进行欺骗检测，得到欺骗聚类结果；所述欺骗聚类结果包括正常信号、嫌疑信号和欺骗信号的卫星信号；
根据欺骗聚类结果识别出存在欺骗信号或者嫌疑信号的异常卫星信号，并剔除所述异常卫星信号。
2.如权利要求1所述的一种基于矢量跟踪新息矢量的欺骗检测方法，其特征在于，所述采用K均值聚类算法对所述新息矢量进行欺骗检测，得到欺骗聚类结果的步骤包括：
确定新息矢量类别数，并定义损失函数和迭代步数；
从所有的新息矢量中按照所述新息矢量类别数选取初始的聚类中心；
计算每个所述新息矢量到各个所述聚类中心的欧式距离，并根据所述欧氏距离，将各个所述新息矢量分配到距离最近的聚类中心；
重新计算每个所述聚类中心的类中心点，并将所述类中心点和所述聚类中心进行比较，若所述类中心点与所述聚类中心点不一致，则采用所述类中心点更新聚类中心，并根据更新后的聚类中心和所述迭代步数进行迭代计算，直至损失函数的值小于预设的损失阈值，得到欺骗聚类结果。
3.如权利要求2所述的一种基于矢量跟踪新息矢量的欺骗检测方法，其特征在于，所述损失函数具体为：
式中，loss表示损失函数；xi表示第i个新息矢量；μj表示第j个聚类中心；I表示新息矢量的总数量；J表示聚类中心的总数量。
4.如权利要求2所述的一种基于矢量跟踪新息矢量的欺骗检测方法，其特征在于，所述类中心点的计算公式为：
式中，表示在第(τ+1)次迭代时的第j个聚类中心；τ表示迭代步数；xi表示第i个新息矢量；μ表示第(τ+1)次迭代时预设的聚类中心；i:/>表示第τ次迭代时属于第j个聚类中心的第i个新息矢量；/>表示第τ次迭代时的聚类中心；b表示第τ次迭代时属于第j个聚类中心的新息矢量的个数。
5.如权利要求1所述的一种基于矢量跟踪新息矢量的欺骗检测方法，其特征在于，所述获取惯性导航系统输出的估计量参数和全球导航卫星系统输出的观测量参数的步骤包括：
在接收卫星发射信号之后，通过全球导航卫星系统的接收机测量卫星发射信号的到达时间差，计算得到卫星与全球导航卫星系统接收机之间的观测量参数；
通过惯性导航系统对其输出的角速率和加速度与星历数据进行反算，得到估计量参数。
6.如权利要求1所述的一种基于矢量跟踪新息矢量的欺骗检测方法，其特征在于，所述方法还包括：
根据所述欺骗聚类结果识别出正常信号的卫星信号，由组合导航卡尔曼滤波器对所述正常信号的卫星信号进行滤波处理，输出组合导航信息，并对惯性导航系统进行误差校正。
7.一种基于矢量跟踪新息矢量的欺骗检测系统，其特征在于，所述系统包括：
参数获取模块，用于获取惯性导航系统输出的估计量参数和全球导航卫星系统输出的观测量参数；所述估计量参数包括伪距估计量和伪距率估计量，所述观测量参数包括伪距观测量和伪距率观测量；
新息估计模块，用于计算所述估计量参数与观测量参数在对应时刻的伪距误差值和伪距率误差值，得到新息矢量；
聚类检测模块，用于采用K均值聚类算法对所述新息矢量进行欺骗检测，得到欺骗聚类结果；所述欺骗聚类结果包括正常信号、嫌疑信号和欺骗信号的卫星信号；
信号识别模块，用于根据欺骗聚类结果识别出存在欺骗信号或者嫌疑信号的异常卫星信号，并剔除所述异常卫星信号。
8.如权利要求7所述的一种基于矢量跟踪新息矢量的欺骗检测系统，其特征在于，所述聚类检测模块具体用于：
确定新息矢量类别数，并定义损失函数和迭代步数；
从所有的新息矢量中按照所述新息矢量类别数选取初始的聚类中心；
计算每个所述新息矢量到各个所述聚类中心的欧式距离，并根据所述欧氏距离，将各个所述新息矢量分配到距离最近的聚类中心；
重新计算每个所述聚类中心的类中心点，并将所述类中心点和所述聚类中心进行比较，若所述类中心点与所述聚类中心点不一致，则采用所述类中心点更新聚类中心，并根据更新后的聚类中心和所述迭代步数进行迭代计算，直至损失函数的值小于预设的损失阈值，得到欺骗聚类结果。
9.一种计算机设备，其特征在于：包括处理器和存储器，所述处理器与所述存储器相连，所述存储器用于存储计算机程序，所述处理器用于执行所述存储器中存储的计算机程序，以使得所述计算机设备执行如权利要求1至6中任一项所述的方法。
10.一种计算机可读存储介质，其特征在于：所述计算机可读存储介质中存储有计算机程序，当所述计算机程序被运行时，实现如权利要求1至6任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311361126.7A CN117607910B (zh) | 2023-10-19 | 2023-10-19 | 一种基于矢量跟踪新息矢量的欺骗检测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311361126.7A CN117607910B (zh) | 2023-10-19 | 2023-10-19 | 一种基于矢量跟踪新息矢量的欺骗检测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117607910A true CN117607910A (zh) | 2024-02-27 |
| CN117607910B CN117607910B (zh) | 2024-05-17 |
Family
ID=89944944
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311361126.7A Active CN117607910B (zh) | 2023-10-19 | 2023-10-19 | 一种基于矢量跟踪新息矢量的欺骗检测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117607910B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118625366A (zh) * | 2024-08-08 | 2024-09-10 | 比亚迪股份有限公司 | 定位系统的定位方法及装置、存储介质和计算机程序产品 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150070212A1 (en) * | 2011-10-27 | 2015-03-12 | Southwest Research Institute | Detection of Deceptive Navigation Signal |
| CN110715660A (zh) * | 2019-11-21 | 2020-01-21 | 中国人民解放军63961部队 | 基于卡尔曼滤波估计的北斗/惯性组合抗欺骗干扰方法 |
| CN114065803A (zh) * | 2021-10-21 | 2022-02-18 | 中国人民解放军61081部队 | 干扰信号识别模型的训练方法、识别方法及装置 |
| CN114779642A (zh) * | 2022-04-24 | 2022-07-22 | 中国人民解放军战略支援部队信息工程大学 | 一种基于新息抗差估计的gnss/ins紧组合欺骗检测方法 |
| CN116184445A (zh) * | 2022-12-21 | 2023-05-30 | 广东电网有限责任公司 | 基于多频点的gnss欺骗信号检测方法、装置及设备 |
| CN116449405A (zh) * | 2023-04-12 | 2023-07-18 | 东南大学 | 一种基于密度聚类自适应滤波的组合导航方法 |
-
2023
- 2023-10-19 CN CN202311361126.7A patent/CN117607910B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150070212A1 (en) * | 2011-10-27 | 2015-03-12 | Southwest Research Institute | Detection of Deceptive Navigation Signal |
| CN110715660A (zh) * | 2019-11-21 | 2020-01-21 | 中国人民解放军63961部队 | 基于卡尔曼滤波估计的北斗/惯性组合抗欺骗干扰方法 |
| CN114065803A (zh) * | 2021-10-21 | 2022-02-18 | 中国人民解放军61081部队 | 干扰信号识别模型的训练方法、识别方法及装置 |
| CN114779642A (zh) * | 2022-04-24 | 2022-07-22 | 中国人民解放军战略支援部队信息工程大学 | 一种基于新息抗差估计的gnss/ins紧组合欺骗检测方法 |
| CN116184445A (zh) * | 2022-12-21 | 2023-05-30 | 广东电网有限责任公司 | 基于多频点的gnss欺骗信号检测方法、装置及设备 |
| CN116449405A (zh) * | 2023-04-12 | 2023-07-18 | 东南大学 | 一种基于密度聚类自适应滤波的组合导航方法 |
Non-Patent Citations (3)
| Title |
|---|
| Y. GAO ET AL.: "A Slowly Varying Spoofing Algorithm Avoiding Tightly-Coupled GNSS/IMU With Multiple Anti-Spoofing Techniques", 《 IEEE TRANSACTIONS ON VEHICULAR TECHNOLOGY》, 31 August 2022 (2022-08-31), pages 8864 - 8876 * |
| Z. CHEN ET AL.: "An BDS Spoofing Interference Detection and Identification Method Using the Radio Determination Satellite Service", 《2023 JOINT CONFERENCE OF THE EUROPEAN FREQUENCY AND TIME FORUM AND IEEE INTERNATIONAL FREQUENCY CONTROL SYMPOSIUM 》, 19 May 2023 (2023-05-19), pages 1 - 5, XP034441420, DOI: 10.1109/EFTF/IFCS57587.2023.10272130 * |
| 钟伦珑等: "基于紧组合导航的欺骗式干扰检测技术研究", 《第五届中国航空科学技术大会论文集》, 9 November 2021 (2021-11-09), pages 418 - 423 * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118625366A (zh) * | 2024-08-08 | 2024-09-10 | 比亚迪股份有限公司 | 定位系统的定位方法及装置、存储介质和计算机程序产品 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117607910B (zh) | 2024-05-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US5760737A (en) | Navigation system with solution separation apparatus for detecting accuracy failures | |
| EP1868008B1 (en) | Estimate of relative position between navigation units | |
| US20140347219A1 (en) | Receivers and methods for multi-mode navigation | |
| CN115047496B (zh) | 一种用于gnss/ins组合导航卫星同步多故障检测方法 | |
| CN117607910B (zh) | 一种基于矢量跟踪新息矢量的欺骗检测方法及系统 | |
| JP2014516408A (ja) | 複数のｒｔｋエンジンを有するｇｎｓｓ測量受信機 | |
| EP1776600A2 (en) | Signal inconsistency detection of spoofing | |
| WO2005027283A2 (en) | Method for receiver autonomous integrity monitoring and fault detection and elimination | |
| CN112230247B (zh) | 一种用于城市复杂环境下gnss完好性监测方法 | |
| US7492314B2 (en) | User equipment navigation solution with position determination of a navigation signal reflector | |
| US11061143B2 (en) | Global navigation satellite system, navigation terminal, navigation method and program | |
| CN103592657B (zh) | 一种基于钟差辅助的低可见星下单模raim实现方法 | |
| CN115420284B (zh) | 一种组合导航系统故障检测与识别方法 | |
| CN112083446B (zh) | 定位欺骗干扰源的方法及装置 | |
| CN115201856A (zh) | 基于伪距残差的全球定位系统欺骗检测和定位恢复方法 | |
| EP2813864A2 (en) | Receivers and methods for multi-mode navigation | |
| Chen et al. | Two-Level Integrity-Monitoring Method for Multi-Source Information Fusion Navigation | |
| US9612336B2 (en) | Method and system for detecting anomalies on satellite navigation signals and hybridization system comprising such a detection system | |
| CN113109843A (zh) | 基于双接收机伪距双差的欺骗信号检测抑制方法及装置 | |
| CN116953744A (zh) | 一种导航卫星非视距信号识别方法和导航卫星定位方法 | |
| CN115561782B (zh) | 一种基于奇偶矢量投影的组合导航中卫星故障检测方法 | |
| KR102572546B1 (ko) | 단일 주파수 수신기에서 다중 채널에서 발생하는 신호의 차이를 감지하는 장치 및 방법 | |
| CN113848570A (zh) | 基于非高斯分布的自适应实时多径消除及抗差定位方法 | |
| Cui et al. | A GNSS Anti-Spoofing Technique Based on the Spatial Distribution Characteristic of the Residual Vectors | |
| CN116794700B (zh) | 一种用于船载北斗一体机的卫星故障检测方法 |
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 |