CN117607917A - 一种基于接收机输出的自动欺骗检测算法 - Google Patents
一种基于接收机输出的自动欺骗检测算法 Download PDFInfo
- Publication number
- CN117607917A CN117607917A CN202410095167.4A CN202410095167A CN117607917A CN 117607917 A CN117607917 A CN 117607917A CN 202410095167 A CN202410095167 A CN 202410095167A CN 117607917 A CN117607917 A CN 117607917A
- Authority
- CN
- China
- Prior art keywords
- branch
- signal
- deception
- tracking
- sequence
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 56
- 238000000034 method Methods 0.000 claims abstract description 25
- 230000002596 correlated effect Effects 0.000 claims abstract description 10
- 238000012549 training Methods 0.000 claims description 13
- 230000000875 corresponding effect Effects 0.000 claims description 11
- 238000012545 processing Methods 0.000 claims description 9
- 230000001427 coherent effect Effects 0.000 claims description 6
- 230000003111 delayed effect Effects 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 3
- 238000002372 labelling Methods 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 11
- 238000000605 extraction Methods 0.000 abstract description 5
- 238000012360 testing method Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000013178 mathematical model 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
- 210000002569 neuron Anatomy 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012706 support-vector machine Methods 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
- 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
- G01S19/35—Constructional details or hardware or software details of the signal processing chain
- G01S19/37—Hardware or software details of the signal processing chain
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
- G06N3/0442—Recurrent networks, e.g. Hopfield networks characterised by memory or gating, e.g. long short-term memory [LSTM] or gated recurrent units [GRU]
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Theoretical Computer Science (AREA)
- Biomedical Technology (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种基于接收机输出的自动欺骗检测算法，采用延时码片互不相同的七个相关器对混频后的跟踪信号分别进行相关处理，对应得到跟踪信号中同相支路的七个相关输出、正交支路的七个相关输出，然后将14个相关输出形成组合序列输入训练好的LSTM网络进行预测，判断捕获的跟踪信号是否为欺骗信号；由此可见，本发明无需对接收机相关器输出结果进行欺骗特征计算，直接将其结果送入LSTM网络即可得到检测结果，相对传统方法可以大幅度减少欺骗特征提取的计算量；同时，本发明具有很强的鲁棒性，在公开的TEXBAT数据集上，针对不同类型的欺骗方式，均取得了相比传统方法更好的检测精度。
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输出的自动欺骗检测算法。
背景技术
随着GPS技术在各个领域的广泛应用，GPS欺骗信号的威胁日益凸显。传统的GPS欺骗检测方法往往依赖于复杂的数学模型和规则，需要人为去设定检测特征及检测阈值，存在误检、漏检等问题。因此，需要一种高效准确的GPS欺骗信号检测方法，以提高GPS系统的安全性和可靠性。
近年来，许多学者对欺骗信号对GNSS接收机不同阶段的影响进行了分析，主要是在跟踪环路进行欺骗特征提取，如在欺骗过程中，接收机相关器输出会发生异常，因此可提取相关器输出构建欺骗特征来进行欺骗检测。现有的检测算法可以根据欺骗参数数量分为单参数检测和多参数检测。单参数检测方法是指在欺骗之前和之后参数的变化来识别欺骗信号的存在。常用的SQM和信号功率监测方法主要利用相关峰值失真和信号功率异常变化的特征来检测欺骗信号的入侵。多参数检验是利用支持向量机等方法来解决优化问题。
现有技术缺点：（1）目前的检测技术过度依赖于人工欺骗特征构造，鲁棒性不强，在遇到其他类型欺骗方式时可能会检测失败。（2）目前的检测技术计算量大，无论是单参数检测和多参数检测，均需要将相关器输出值做特征计算，尤其是多参数检验由于其需要提取的特征多，因此其检测需要大量的计算量。
（3）目前的检测技术针对不同类型的欺骗干扰时，需要根据实际情况人工设定检测阈值，泛化能力不强。
发明内容
为解决上述问题，本发明提供一种基于接收机输出的自动欺骗检测算法，直接利用接收机跟踪结果输入LSTM网络进行计算来判断其是否受到干扰，无需对相关器输出进行额外的特征提取即可实现对欺骗干扰的快速有效检测。
一种基于接收机输出的自动欺骗检测算法，包括以下步骤：
S1：将接收机捕获的跟踪信号分别进行混频；
S2：采用延时码片互不相同的七个相关器对混频后的跟踪信号分别进行相关处理，对应得到跟踪信号中同相支路的七个相关输出、/>、/>、/>、/>、/>、/>以及正交支路的七个相关输出/>、/>、、/>、/>、/>、/>；其中，/>、/>、/>、/>、/>、/>、/>分别表示七个相关器对应的延时码片，分别为-2、-1、-0.1、0、0.1、1、2；
S3：分别将跟踪信号各支路的相关输出按时间顺序进行串联，再将串联得到的I支路序列和Q支路序列进行并联，得到组合序列；
S4：将组合序列输入训练好的LSTM网络进行预测，判断捕获的跟踪信号是否为欺骗信号。
进一步地，同相支路或正交支路的七个相关输出的计算方法如下：
其中，x=I或Q，且I表示同相支路的相关输出，Q表示正交支路的相关输出，表示采用延时码片为/>的相关器对真实信号的同相支路或正交支路进行相关处理时得到的理想相干峰，/>表示采用延时码片为/>的相关器对欺骗信号的同相支路或正交支路进行相关处理时得到的理想相干峰，/>。
进一步地，所述LSTM网络模型的训练方法为：
步骤一、从公开数据集TEXBAT数据库中获取不包含欺骗信号以及包含不同类型欺骗信号的GNSS中频信号；
步骤二、通过接收机捕获各GNSS中频信号作为跟踪信号进行混频，并通过独热编码的方式为各跟踪信号打标签，其中，标签用于区分跟踪信号是否包含欺骗信号；
步骤三、采用延时码片互不相同的七个相关器对混频后的各跟踪信号分别进行相关处理，对应得到各跟踪信号中同相支路的七个相关输出、/>、/>、/>、/>、/>、/>以及正交支路的七个相关输出/>、、/>、/>、/>、/>、/>；
步骤四、分别将单个跟踪信号各支路的相关输出按时间顺序进行串联，再将串联得到的I支路序列和Q支路序列进行并联，得到组合序列；
步骤五、将各跟踪信号对应的组合序列进行串联，得到总序列；
步骤六、将总序列作为LSTM网络的输入，总序列对应的各跟踪信号的标签作为LSTM网络的输出，对LSTM网络进行训练；
步骤七、判断步骤六得到的LSTM网络对欺骗信号的预测结果准确率是否达到设定值，若为是，则为最终的LSTM网络，若为否，则重复执行步骤一~步骤六。
进一步地，假设各GNSS中频信号的长度为T毫秒，剔除各GNSS中频信号前T0毫秒后得到长度为（T-T0）毫秒的稳定中频信号，其中，T0为接收机启动后能够稳定接收数据的响应时间；然后通过接收机捕获设定长度的稳定中频信号作为跟踪信号执行后续步骤。
进一步地，将总序列进行归一化处理后再输入待训练的LSTM网络。
有益效果：
1、本发明提供一种基于接收机输出的自动欺骗检测算法，采用延时码片互不相同的七个相关器对混频后的跟踪信号分别进行相关处理，对应得到跟踪信号中同相支路的七个相关输出、正交支路的七个相关输出，然后将14个相关输出形成组合序列输入训练好的LSTM网络进行预测，判断捕获的跟踪信号是否为欺骗信号；由此可见，本发明无需对接收机相关器输出结果进行欺骗特征计算，直接将其结果送入LSTM网络即可得到检测结果，相对传统方法可以大幅度减少欺骗特征提取的计算量；同时，本发明具有很强的鲁棒性，在公开的TEXBAT数据集上，针对不同类型的欺骗方式，均取得了相比传统方法更好的检测精度。
2、本发明提供一种基于接收机输出的自动欺骗检测算法，在传统的早码、即时码、晚码对应的三个相关器[-0.1 0 0.1]的基础上，再增设四个辅助相关器[-2,-1,1,2]来进行欺骗成功后真实信号的观察，能够提高原始数据的可分辨性。
3、本发明提供一种基于接收机输出的自动欺骗检测算法，将单个跟踪信号各支路的相关输出按时间顺序进行串联，再将串联得到的I支路序列和Q支路序列进行并联，得到组合序列；将各跟踪信号对应的组合序列进行串联，得到总序列；最后将总序列作为LSTM网络的输入；也就是说，本发明按照时间顺序对各相关输出进行排列组合后再输入LSTM网络的输入，这种数据增强操作能够使LSTM网络更好地提取到相关器输出数据的时序相关性，最终提高检测精度。
4、本发明提供一种基于接收机输出的自动欺骗检测算法，在接收到GNSS中频信号后，剔除接收机刚启动时接收到的不稳定数据，再采用稳定中频信号执行后续步骤，能够更好地提高LSTM网络模型训练效果。
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自动欺骗检测算法的流程图；
图2为本发明的LSTM网络的训练方法流程图；
图3为ds3数据集PRN3号卫星信号I支路相关器输出图；
图4为本发明设计的LSTM网络结构图；
图5为本发明设计的自动欺骗检测算法用于不同测试集时对应的检测准确率示意图；
图6为本发明设计的自动欺骗检测算法用于不同测试集时对应的损失值示意图；
图7为本发明提出的方法在不同数据集上的识别准确率。
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。
在目前已有的基于接收机相关器输出结果进行的GNSS欺骗干扰检测方法中，无一不是人为设计欺骗特征去实现欺骗干扰检测，而人为设计的欺骗特征泛化能力不强，遇到其他类型的欺骗时，可能会存在误检、漏检等问题。因此，本发明设计了一种基于接收机输出的自动欺骗检测算法，可以实现较好的检测效果。
具体的，如图1所示，本发明提供一种基于接收机输出的自动欺骗检测算法，包括以下步骤：
S1：将接收机捕获的跟踪信号分别进行混频；
S2：采用延时码片互不相同的七个相关器对混频后的跟踪信号分别进行相关处理，对应得到跟踪信号中同相支路的七个相关输出、/>、/>、/>、/>、/>、/>以及正交支路的七个相关输出/>、/>、、/>、/>、/>、/>；其中，/>、/>、/>、/>、/>、/>、/>分别表示七个相关器对应的延时码片，分别为-2、-1、-0.1、0、0.1、1、2，且同相支路或正交支路的七个相关输出的计算方法如下：
其中，x=I或Q，且I表示同相支路的相关输出，Q表示正交支路的相关输出，表示采用延时码片为/>的相关器对真实信号的同相支路或正交支路进行相关处理时得到的理想相干峰，/>表示采用延时码片为/>的相关器对欺骗信号的同相支路或正交支路进行相关处理时得到的理想相干峰，/>；
S3：分别将跟踪信号各支路的相关输出按时间顺序进行串联，再将串联得到的I支路序列和Q支路序列进行并联，得到组合序列；
S4：将组合序列输入训练好的LSTM网络进行预测，判断捕获的跟踪信号是否为欺骗信号。
下面陈述本发明采用七个延时码片分别为-2、-1、-0.1、0、0.1、1、2的相关器对混频后的跟踪信号进行相关处理，进而获得较好的检测精度的基本原理。
在接收机稳定跟踪真实卫星信号的时候，其本地生成的载波在多普勒频移上与卫星信号对齐，同样，其本地生成的伪码在码相位上也与卫星信号对齐。经过最终的相干积分（积分时长），积分器输出的理想相干峰为
其中，是真实信号的相关峰功率值，/>代表归一化后的本地码
和真实信号的码相位差。在欺骗信号加入以后，可以得到由欺骗信号经过相干积分后产生的理想相干峰为：
表示欺骗信号的相关峰功率值，/>代表归一化后的本地码和欺骗信号伪码的码相位差；/>是两个信号之间的伪码码率差。由上述式子可知，当欺骗信号和真实信号的C/A码相位差超过2个码片时，接收机将保持对真实信号的跟踪，因为两者在伪码相关值上并没有重叠的部分，欺骗信号无法进入接收机的跟踪环路。
根据接收机跟踪原理可知，接收机在跟踪环节的判决上是产生三个通道来进行相关计算，在接收机内部，中频信号首先分别同时与I支路上的正弦载波信号/>和Q支路上的余弦载波信号/>相乘，生成/>和/>信号。由于I支路、Q支路输出的信号仅在相位上存在90°差异，为方便表示，下面以相关器通道都是指I支路为例对本发明的原理进行进一步说明。
根据早通道和迟通道的输出相等来锁定确切的相位值，考虑到欺骗信号和真实信号两个信号在跟踪环路的相互作用，可以将其合成信号在早通道和迟通道的输出分别表示为：
其中，表示早通道和迟通道的伪码相位间距，欺骗干扰实施时的测量精度不同会导致欺骗信号在与真实信号对齐时的码相位偏差不同，基于此，本发明为了能够在0.1个码片（300m误差）的测量精度下检测到欺骗干扰且令欺骗攻击初始时刻欺骗信号的码相位落后真实信号2个码片，需要将/>设置为/>个码片，同时，要使接收机跟踪环路锁定在加入欺骗信号后的新的码相位值处，需要满足如下条件：
通过求解上式子可以得到，当时，/>，真实信号和欺骗信号的码相位差随时间的递增而逐渐变大，也说明了欺骗信号成功的和接收机的跟踪环路实现码相位同步，并偏离真实相关峰，此时欺骗攻击的同步是成功的；在欺骗成功后，真实信号会偏离欺骗信号一个码片以上，同时因为当欺骗信号和真实信号的C/A码相位差超过2个码片时，接收机将保持对真实信号的跟踪，因为两者在伪码相关值上并没有重叠的部分，欺骗信号无法进入接收机的跟踪环路，所以本发明在进行欺骗干扰检测时，可以在距离接收机跟踪码相位1个码片和2个码片的位置设置相关器来分析欺骗干扰是否已经成功实施并观察欺骗干扰造成的码相位的偏移情况。
以ds3 PRN3卫星为例，图3给出了同相相关器输出(绝对值)示意图，图3可以明显看出，在120s开始欺骗，在欺骗后，欺骗信号不断从码跟踪环路剥离真实信号，随着时间的推移，在距离欺骗信号1、2码片位置可以明显观察到被剥离的真实信号。
通过以上分析可以得到，为了在0.1码片（30m）精度下识别欺骗检测，本发明设置接收机三个基础相关器E、P、L的位置关系为[-0.1 0 0.1]，即早码与即时码、晚码与即时码的码间距为0.1个码片，同时再增设4个辅助相关器[-2,-1,1,2]来进行欺骗成功后真实信号的观察以提高原始数据可分辨性。
因此，本发明设置的I支路上的相关器输出为：
其中，为码片间隔为-0.1的I支路上的相关器输出，/>码片间隔为0的I支路上的相关器输出，/>码片间隔为0.1的I支路上的相关器输出，/>为码片间隔为-1的I支路上的相关器输出，/>为码片间隔为-2的I支路上的相关器输出，/>为码片间隔为1的I支路上的相关器输出，/>为码片间隔为2的I支路上的相关器输出。
进一步地，如图2所示，所述LSTM网络模型的训练方法为：
步骤一、从公开数据集TEXBAT数据库中获取不包含欺骗信号以及包含不同类型欺骗信号的GNSS中频信号；表1为TEXBAT不同数据集的介绍。
表1
也就是说，本发明以公开数据集TEXBAT为例，获取基于TEXBAT数据库提供的CleanStacic、ds2、ds3等包含不同欺骗类型的GNSS中频信号；
理想条件下，GPS接收机接收到的信号为：
其中，为真实信号，/>为欺骗信号。
需要说明的是，此时可以将从公开数据集TEXBAT数据库中获取的GNSS中频信号分为训练集和测试集，并对训练集和测试集分别进行归一化处理，将归一化处理好的数据送LSTM网络中进行训练并生成LSTM网络模型，再将归一化后的测试集输入模型进行欺骗信号识别，输出识别结果准确率。
步骤二、通过https://github.com/nlsfi/FGI-GSRx.提供的FPI-GSRx软件接收机捕获各GNSS中频信号作为跟踪信号进行混频，并通过独热编码的方式为各跟踪信号打标签，其中，标签用于区分跟踪信号是否包含欺骗信号。
步骤三、采用延时码片互不相同的七个相关器对混频后的各跟踪信号分别进行相关处理，对应得到各跟踪信号中同相支路的七个相关输出、/>、/>、/>、/>、/>、/>以及正交支路的七个相关输出/>、、/>、/>、/>、/>、/>。
步骤四、分别将单个跟踪信号各支路的相关输出按时间顺序进行串联，再将串联得到的I支路序列和Q支路序列进行并联，得到组合序列。
步骤五、将各跟踪信号对应的组合序列进行串联，得到总序列。
需要说明的是，步骤四和步骤五实际是对7个相关器输出结果进行数据增强操作，使得LSTM网络能够更好地提取到相关器输出数据的时序相关性；下面以ds3数据集为例，对所述数据增强操作进行具体说明如下：
ds3数据集中共有13个信道（即13个卫星）能够捕获跟踪到卫星信号，每个通道信号长度为T=410000ms，由于接收机存在热启动、温启动、冷启动三种不同启动方式，观测结果受到其影响，为后续更好地提高LSTM网络模型训练效果，这里选择将接收到的每个卫星的前10000ms数据滤除掉，选择T0=10000ms之后的接收机稳定接受的400000ms的数据来进行实验；也即本发明假设各GNSS中频信号的长度为T毫秒，剔除各GNSS中频信号前T0毫秒后得到长度为（T-T0）毫秒的稳定中频信号，其中，T0为接收机启动后能够稳定接收数据的响应时间；然后通过接收机捕获设定长度的稳定中频信号作为跟踪信号执行后续步骤。
进一步地，在所述400000ms的数据中，七个相关器依次以每10ms的数据得到的一个同相支路的相关输出和一个正交支路的相关输出，一个同相支路的相关输出和一个正交支路的相关输出作为一个样本，每个样本的形状为70*2，70指的是相关器10ms的同相支路输出结果按、/>、/>、/>、/>、/>、/>的时间顺序串联组合，正交支路输出结果按/>、/>、/>、/>、/>、、/>的时间顺序串联组合，2指的是相关器输出结果分为I、Q两路，I、Q两路的串联组合进行并联；因此，在所述400000ms的数据中，400000/10=40000，即每颗卫星通道的数据可以获得的样本数为40000个，则单个卫星通道的数据进行数据增强后的输出组合序列的形状为40000*70*2，13个卫星通道的组合序列并联起来得到大小为13*40000*70*2的总序列。
步骤六、将总序列作为LSTM网络的输入，总序列对应的各跟踪信号的标签作为LSTM网络的输出，对LSTM网络进行训练。
本发明设计的LSTM网络如图4所示，依次为输入层、长短期记忆层LSTM、Dropout层、长短期记忆层LSTM、Dropout层、长短期记忆层LSTM、全连接层。
以第一层参数为例来进行说明，其中input为[None,70,2]，none表示的是待输入进神经网络的样本数，70表示序列长度为70，2表示I、Q两个维度；每一层LSTM网络采用256个隐藏神经元个数，因此LSTM输出层为[None,70,256]
长短记忆LSTM层常用于用于处理序列数据的神经网络，导航信号欺骗信号检测领域常见的SQM算法正是对早、即时、晚相关器输出做欺骗特征提取来进行欺骗检测的，且早、即时、晚相关器输出的排列组合属于时序逻辑信号，因此可采用LSTM层对相关器输出做检测。
随机抽取样本集的70%作为输入的训练集、其余30%作为测试集，将步骤五处理好的数据送入LSTM神经网络中进行训练并生成LSTM网络模型，将测试集输入LSTM网络模型中进行GNSS欺骗信号检测，用于计算本发明的识别准确率，在这里，本发明若发现一颗卫星信号被欺骗，则判定此时接收机被欺骗，因此以数据集中识别率最高的卫星的识别准确率作为本方法在此数据集上的识别准确率。
图5展示为了本发明提出的方法在测试集不同卫星上的识别准确率，图6展示为了本发明提出的方法在测试集ds3不同卫星上的损失值；图7为本发明提出的方法在不同数据集上的识别准确率，由此可见，本发明具有很强的鲁棒性、在公开的TEXBAT数据集上，针对不同类型的欺骗方式，该方法均取得了相比传统方法较好的检测精度。
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)
1.一种基于接收机输出的自动欺骗检测算法，其特征在于，包括以下步骤：
S1：将接收机捕获的跟踪信号分别进行混频；
S2：采用延时码片互不相同的七个相关器对混频后的跟踪信号分别进行相关处理，对应得到跟踪信号中同相支路的七个相关输出、/>、/>、/>、、/>、/>以及正交支路的七个相关输出/>、/>、、/>、/>、/>、/>；其中，/>、/>、/>、/>、/>、/>、/>分别表示七个相关器对应的延时码片，分别为-2、-1、-0.1、0、0.1、1、2；
S3：分别将跟踪信号各支路的相关输出按时间顺序进行串联，再将串联得到的I支路序列和Q支路序列进行并联，得到组合序列；
S4：将组合序列输入训练好的LSTM网络进行预测，判断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输出的自动欺骗检测算法，其特征在于，同相支路或正交支路的七个相关输出的计算方法如下：
其中，x=I或Q，且I表示同相支路的相关输出，Q表示正交支路的相关输出，表示采用延时码片为/>的相关器对真实信号的同相支路或正交支路进行相关处理时得到的理想相干峰，/>表示采用延时码片为/>的相关器对欺骗信号的同相支路或正交支路进行相关处理时得到的理想相干峰，/>。
3.如权利要求1所述的一种基于接收机输出的自动欺骗检测算法，其特征在于，所述LSTM网络模型的训练方法为：
步骤一、从公开数据集TEXBAT数据库中获取不包含欺骗信号以及包含不同类型欺骗信号的GNSS中频信号；
步骤二、通过接收机捕获各GNSS中频信号作为跟踪信号进行混频，并通过独热编码的方式为各跟踪信号打标签，其中，标签用于区分跟踪信号是否包含欺骗信号；
步骤三、采用延时码片互不相同的七个相关器对混频后的各跟踪信号分别进行相关处理，对应得到各跟踪信号中同相支路的七个相关输出、/>、/>、、/>、/>、/>以及正交支路的七个相关输出/>、/>、/>、/>、/>、/>、/>；
步骤四、分别将单个跟踪信号各支路的相关输出按时间顺序进行串联，再将串联得到的I支路序列和Q支路序列进行并联，得到组合序列；
步骤五、将各跟踪信号对应的组合序列进行串联，得到总序列；
步骤六、将总序列作为LSTM网络的输入，总序列对应的各跟踪信号的标签作为LSTM网络的输出，对LSTM网络进行训练；
步骤七、判断步骤六得到的LSTM网络对欺骗信号的预测结果准确率是否达到设定值，若为是，则为最终的LSTM网络，若为否，则重复执行步骤一~步骤六。
4.如权利要求3所述的一种基于接收机输出的自动欺骗检测算法，其特征在于，假设各GNSS中频信号的长度为T毫秒，剔除各GNSS中频信号前T0毫秒后得到长度为（T-T0）毫秒的稳定中频信号，其中，T0为接收机启动后能够稳定接收数据的响应时间；然后通过接收机捕获设定长度的稳定中频信号作为跟踪信号执行后续步骤。
5.如权利要求3或4所述的一种基于接收机输出的自动欺骗检测算法，其特征在于，将总序列进行归一化处理后再输入待训练的LSTM网络。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410095167.4A CN117607917B (zh) | 2024-01-24 | 2024-01-24 | 一种基于接收机输出的自动欺骗检测算法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410095167.4A CN117607917B (zh) | 2024-01-24 | 2024-01-24 | 一种基于接收机输出的自动欺骗检测算法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117607917A true CN117607917A (zh) | 2024-02-27 |
| CN117607917B CN117607917B (zh) | 2024-03-26 |
Family
ID=89948326
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410095167.4A Active CN117607917B (zh) | 2024-01-24 | 2024-01-24 | 一种基于接收机输出的自动欺骗检测算法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117607917B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5537121A (en) * | 1995-04-28 | 1996-07-16 | Trimble Navigation Limited | Carrier phase multipath reduction technique |
| CN105607077A (zh) * | 2015-12-23 | 2016-05-25 | 北京时代民芯科技有限公司 | 一种星载双模四频gnss导航接收机 |
| CN111948622A (zh) * | 2020-08-07 | 2020-11-17 | 哈尔滨工程大学 | 基于并联cnn-lstm的线性调频雷达信号toa估计算法 |
| US10838071B1 (en) * | 2019-12-12 | 2020-11-17 | The Aerospace Corporation | Reducing user multipath error and acquisition time in satellite navigation receivers |
| 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 |
| CN116577808A (zh) * | 2023-07-11 | 2023-08-11 | 中国人民解放军战略支援部队航天工程大学 | 一种基于接收机相关器输出的导航欺骗干扰检测方法 |
| CN116699662A (zh) * | 2023-05-08 | 2023-09-05 | 武汉大学 | 一种基于gnss-r的海上目标定位方法及系统 |
-
2024
- 2024-01-24 CN CN202410095167.4A patent/CN117607917B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5537121A (en) * | 1995-04-28 | 1996-07-16 | Trimble Navigation Limited | Carrier phase multipath reduction technique |
| CN105607077A (zh) * | 2015-12-23 | 2016-05-25 | 北京时代民芯科技有限公司 | 一种星载双模四频gnss导航接收机 |
| US10838071B1 (en) * | 2019-12-12 | 2020-11-17 | The Aerospace Corporation | Reducing user multipath error and acquisition time in satellite navigation receivers |
| CN111948622A (zh) * | 2020-08-07 | 2020-11-17 | 哈尔滨工程大学 | 基于并联cnn-lstm的线性调频雷达信号toa估计算法 |
| 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 |
| CN116699662A (zh) * | 2023-05-08 | 2023-09-05 | 武汉大学 | 一种基于gnss-r的海上目标定位方法及系统 |
| CN116577808A (zh) * | 2023-07-11 | 2023-08-11 | 中国人民解放军战略支援部队航天工程大学 | 一种基于接收机相关器输出的导航欺骗干扰检测方法 |
Non-Patent Citations (3)
| Title |
|---|
| 徐锐泽: "自注意力机制下的GPS欺骗干扰检测", 万方学位论文, 14 September 2023 (2023-09-14) * |
| 梅妍;傅荣;张得才;: "一种新型的电子对抗干扰技术", 航空计算技术, no. 01, 25 January 2018 (2018-01-25) * |
| 闫舟;王晓宇;: "转发欺骗干扰对卫星导航接收机载波环的影响研究", 现代导航, no. 06, 15 December 2017 (2017-12-15) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117607917B (zh) | 2024-03-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109782304B (zh) | 一种信号捕获阶段的gnss欺骗干扰检测方法及系统 | |
| Gross et al. | Maximum-likelihood power-distortion monitoring for GNSS-signal authentication | |
| CN110231633B (zh) | 一种信号捕获阶段基于lstm的gnss欺骗式干扰识别、抑制方法及系统 | |
| CN109188470B (zh) | 一种基于卷积神经网络的gnss欺骗干扰检测方法 | |
| 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 | |
| CN106814375B (zh) | 一种抗转发式欺骗的捕获方法和接收机 | |
| US8619909B2 (en) | Signal detector using matched filter for training signal detection | |
| CN104155663B (zh) | 一种应用于卫星导航系统的反欺骗攻击的方法及系统 | |
| CN106646546A (zh) | 一种卫星信号多维快速捕获方法及系统 | |
| CN105911569B (zh) | 基于码元序列估计的北斗卫星导航系统b1频带弱d1信号捕获方法 | |
| CN106125053A (zh) | 脉冲多普勒雷达极化抗干扰方法 | |
| CN107085222A (zh) | 一种 boc 信号捕获方法和卫星导航接收机 | |
| CN107290758A (zh) | Gnss干扰信号多级辨识检测系统及方法 | |
| 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 | |
| CN105553506B (zh) | 一种长码扩频信号的快速捕获方法及装置 | |
| CN113376659B (zh) | 一种基于bp神经网络的gnss生成式欺骗干扰检测方法 | |
| CN106054221A (zh) | 一种位同步方法及其装置 | |
| CN117607917B (zh) | 一种基于接收机输出的自动欺骗检测算法 | |
| CN115236701A (zh) | 一种基于联合sqm平方的gnss欺骗干扰检测方法 | |
| CN110456393A (zh) | 北斗弱信号快速捕获方法 | |
| CN111708055A (zh) | 一种导航欺骗信号检测方法及装置 | |
| CN112217584A (zh) | 高动态ads-b电文的低误报率报头检测方法 | |
| CN116626714A (zh) | 一种基于cnn-lstm的gnss欺骗信号检测方法 | |
| CN114325769B (zh) | 一种实时识别及剔除gnss转发欺骗干扰的方法 | |
| CN116660942B (zh) | 基于深度学习的列车卫星定位欺骗干扰检测方法及系统 |
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 |