CN118169716A - 一种gnss导航欺骗检测方法及装置 - Google Patents
一种gnss导航欺骗检测方法及装置 Download PDFInfo
- Publication number
- CN118169716A CN118169716A CN202410323284.1A CN202410323284A CN118169716A CN 118169716 A CN118169716 A CN 118169716A CN 202410323284 A CN202410323284 A CN 202410323284A CN 118169716 A CN118169716 A CN 118169716A
- Authority
- CN
- China
- Prior art keywords
- detection
- code
- signal
- comparison result
- spoofing
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 233
- 238000000034 method Methods 0.000 claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 23
- 238000004590 computer program Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 244000195895 saibo Species 0.000 abstract description 28
- 238000004422 calculation algorithm Methods 0.000 description 23
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 5
- 230000008569 process Effects 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000002347 injection Methods 0.000 description 3
- 239000007924 injection Substances 0.000 description 3
- 230000007480 spreading Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 230000001427 coherent effect Effects 0.000 description 1
- 238000010835 comparative analysis Methods 0.000 description 1
- 239000000306 component Substances 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 239000008358 core component Substances 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000003362 replicative effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000000243 solution Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明实施例提供了一种GNSS导航欺骗检测方法及装置,涉及GNSS导航欺骗检测的技术领域。其中,该方法包括:接收GNSS导航欺骗信号,所述欺骗信号与真实信号的功率相近且同频同相;获取对所述欺骗信号进行处理得到的超前码、即时码和滞后码,并获取所述超前码、所述即时码和所述滞后码在同相支路的三个信号输出值;根据所述三个信号输出值的总输出值得到第一检测量;将所述第一检测量与预设门限进行对比得到对比结果,并根据所述对比结果输出检测结果。通过本发明,对超前码、即时码和滞后码在同相支路的三个信号输出值求和构建SAIBO检测量,能够将真实信号和欺骗信号区分开来,从而能够提高欺骗检测性能。
Description
技术领域
本发明实施例涉及GNSS导航欺骗检测的技术领域,具体而言,涉及一种GNSS导航欺骗检测方法及装置。
背景技术
全球导航卫星系统(Global Navigation Satellite System,GNSS)利用卫星广播的伪距、星历和信号发射时间等信息,为地表或近地空间用户提供全天候的定位、测速和授时服务,广泛应用在交通、通信、电力、金融等领域。由于能量微弱、信号结构公开和系统对时间敏感等原因,GNSS易受各种干扰的影响。其中,欺骗干扰的隐蔽性极强和危害性最大。欺骗攻击者通过播发虚假导航信号,将接收机跟踪环牵引至欺骗信号,导致接收机输出错误的定位信息,甚至输出攻击者意图控制的定位结果,是GNSS面临的主要安全威胁之一。研究有效的导航欺骗检测技术,保障GNSS的时空信息安全,是当前卫星导航研究的热点问题。
经典的SQM欺骗检测算法主要包括Delta和Ratio,两种算法均利用同相支路超前、即时和滞后相关器的输出结果构建检测量,以衡量相关峰的畸变程度,然而,当接收复合信号在同相和正交通道波动时,检测性能变差。ELP(Early-Late Phase)算法使用超前与滞后的相位差作为检测量,但当欺骗信号与真实信号的相位差接近的整数倍时,ELP的检测性能急剧恶化。
可见,在载波同步的欺骗场景下,现有技术中的欺骗检测的性能较差。
发明内容
本发明实施例提供了一种GNSS导航欺骗检测方法及装置,以至少解决在载波同步的欺骗场景中,欺骗检测的性能较差的问题。
根据本发明的一个实施例,提供了一种GNSS导航欺骗检测方法,包括:
接收GNSS导航欺骗信号,所述欺骗信号与真实信号的功率相近且同频同相;
获取对所述欺骗信号进行处理得到的超前码、即时码和滞后码,并获取所述超前码、所述即时码和所述滞后码在同相支路的三个信号输出值;
根据所述三个信号输出值的总输出值得到第一检测量,所述总输出值为所述三个信号输出值的和;
将所述第一检测量与预设门限进行对比得到对比结果,并根据所述对比结果输出检测结果。
根据本发明的一个实施例,提供了一种欺骗检测装置,包括:
接收模块,用于接收GNSS导航欺骗信号,所述欺骗信号与真实信号的功率相近且同频同相;
获取模块,用于获取对所述欺骗信号进行处理得到的超前码、即时码和滞后码,并获取所述超前码、所述即时码和所述滞后码在同相支路的三个信号输出值;
获得模块,用于根据所述三个信号输出值的总输出值得到第一检测量,所述总输出值为所述三个信号输出值的和;
输出模块,用于将所述第一检测量与预设门限进行对比得到对比结果,并根据所述对比结果输出检测结果。
根据本发明的又一个实施例,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,其中,所述计算机程序被设置为运行时执行上述GNSS导航欺骗检测方法中任一实施例中的步骤。
根据本发明的又一个实施例,还提供了一种电子装置,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行上述GNSS导航欺骗检测方法中任一实施例中的步骤。
通过本发明,对超前码、即时码和滞后码在同相支路的三个信号输出值求和构建SAIBO检测量,能够将真实信号和欺骗信号区分开来,从而能够提高欺骗检测性能。
附图说明
图1是本发明实施例的一种GNSS导航欺骗检测方法的移动终端的硬件结构图;
图2是本发明实施例的一种GNSS导航欺骗检测方法的流程图;
图3是本发明具体实施例的中级欺骗示意图;
图4是本发明SAIBO检测量的输出分布图;
图5是本发明通过滑动窗口构建SAIBO-MA的示意图;
图6是本发明SAIBO检测量的波形图;
图7是本发明SAIBO-MA检测量的波形图;
图8是本发明通过SAIBO-MA检测量进行欺骗检测的流程图;
图9是本发明原始检测量的检测概率对比图;
图10是本发明各检测量对应的二元判决对比图;其中,图(a)表示SAIBO检测量对应的二元判决对比图;图(b)表示PCS检测量对应的二元判决对比图;图(c)表示Ratio检测量对应的二元判决对比图;图(d)表示ELP检测量对应的二元判决对比图;
图11是本发明滑动平均检测量的检测概率对比图;
图12是本发明SAIBO-MA的检测概率随ω的变化曲线对比图;其中,图(a)表示ω为25ms时,SAIBO-MA的检测概率随ω的变化曲线图;图(b)表示ω为50ms时,SAIBO-MA的检测概率随ω的变化曲线图;图(c)表示ω为100ms时,SAIBO-MA的检测概率随ω的变化曲线图;图(d)表示ω为200ms时,SAIBO-MA的检测概率随ω的变化曲线图;
图13是本发明ROC(接收机工作特性,Receiver Operating Characteristic)曲线对比图;
图14是本发明检测概率随虚警概率的变化曲线对比图;
图15是本发明实施例的一种GNSS导航欺骗检测装置的结构图。
具体实施方式
下文中将参考附图并结合实施例来详细说明本发明的实施例。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。
本申请实施例中所提供的方法实施例可以在移动终端、计算机终端或者类似的运算装置中执行。以运行在移动终端上为例,图1是本发明实施例的一种GNSS导航欺骗检测方法的移动终端的硬件结构框图。如图1所示,移动终端可以包括一个或多个(图中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104,其中,上述移动终端还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解,图1所示的结构仅为示意,其并不对上述移动终端的结构造成限定。例如,移动终端还可包括比图1中所示更多或者更少的组件,或者具有与图1所示不同的配置。
存储器104可用于存储计算机程序,例如,应用软件的软件程序以及模块,如本发明实施例中的一种GNSS导航欺骗检测方法对应的计算机程序,处理器102通过运行存储在存储器104内的计算机程序,从而执行各种功能应用以及数据处理,即实现上述的方法。存储器104可包括高速随机存储器,还可包括非易失性存储器,如一个或者多个磁性存储装置、闪存、或者其他非易失性固态存储器。在一些实例中,存储器104可进一步包括相对于处理器102远程设置的存储器,这些远程存储器可以通过网络连接至移动终端。上述网络的实例包括但不限于互联网、企业内部网、局域网、移动通信网及其组合。
传输设备106用于经由一个网络接收或者发送数据。上述的网络具体实例可包括移动终端的通信供应商提供的无线网络。在一个实例中,传输设备106包括一个网络适配器(Network Interface Controller,简称为NIC),其可通过基站与其他网络设备相连从而可与互联网进行通讯。在一个实例中,传输设备106可以为射频(Radio Frequency,简称为RF)模块,其用于通过无线方式与互联网进行通讯。
本实施例提供了一种GNSS导航欺骗检测方法,其中,图2是本发明实施例的一种GNSS导航欺骗检测方法的流程图,如图2所示,该流程包括如下步骤:
步骤S201、接收GNSS导航欺骗信号,所述欺骗信号与真实信号的功率相近且同频同相。
在GNSS导航的载波同步场景中,如图3所示,中级欺骗攻击的过程分欺骗注入(Ⅰ)、欺骗对齐(Ⅱ)、欺骗牵引(Ⅲ)和欺骗分离(Ⅳ)四个阶段。第Ⅰ阶段:欺骗信号与真实信号存在一定距离并不断靠近真实信号,接收机跟踪真实信号;第Ⅱ阶段:欺骗信号与真实信号对齐并逐渐提升欺骗信号功率,接收机仍然跟踪真实信号;第Ⅲ阶段:欺骗信号利用功率优势夺取接收机的控制权,接收机被牵引至欺骗信号;第Ⅳ阶段:欺骗信号通过调整自身码速率,缓慢偏离真实信号,中级欺骗的完成对接收机造成不可逆的影响。
当存在欺骗干扰时,接收信号x(t)由真实信号、欺骗信号和噪声组成,可以表示为:
x(t)=xa(t)+xs(t)+n(t) (1)
其中,xa(t)为真实信号,xs(t)为欺骗信号,n(t)为零均值的高斯白噪声。上式中的真实信号xa(t)表示为:
其中,Pa为真实信号功率,Ca为真实信号伪随机扩频码,Da为±1的真实信号导航数据,τa为真实信号码延迟,f0为中心频率,为真实信号的多普勒频移,/>为真实信号的载波相位。
由于欺骗信号与真实信号具有相同的信号结构,则欺骗信号为:
其中,Ps为欺骗信号功率,Cs为欺骗信号伪随机扩频码,Ds为±1的欺骗信号导航数据,τs为欺骗信号码延迟,为欺骗信号的多普勒频移,/>为欺骗信号的载波相位。
欺骗信号与真实信号的功率相近,也就是说,欺骗信号与真实信号的功率差值小于预设值,当功率差值小于该预设值时表示欺骗信号与真实信号的功率相近。欺骗信号与真实信号同频同相,为了将欺骗信号与真实信号进行区分,接收机接收欺骗信号后,先对欺骗信号进行处理。
步骤S202、获取对所述欺骗信号进行处理得到的超前码、即时码和滞后码,并获取所述超前码、所述即时码和所述滞后码在同相支路的三个信号输出值。
作为接收机的核心组成部分,相关器的作用是剥离伪码。以全球定位系统(GlobalPositioning System,GPS)L1载波的C/A码为例,相关输出为
R(t,τ)=Ra(t,τ)+Rs(t,τ)+Rn(t,τ) (4)
其中,Ra(t,τ)为真实信号与本地信号的互相关结果,Rs(t,τ)为欺骗信号与本地信号的互相关结果,Rn(t,τ)为噪声信号与本地信号的互相关结果。由PRN码的特性可知
欺骗信号与真实信号的信号结构相似、功率相当,则Rs(t,τ)可表示为
Rs(t,τ)=Ra(t-τ1) (6)
其中,τ1为欺骗信号与真实信号之间的码相位差。
跟踪环使用超前、即时和滞后三对相关器,相邻相关器间隔为0.5个码片,相干积分时间1ms。每对相关器由同相支路、正交支路组成,若导航数据码为1,即时码在同相支路IP和正交之路QP输出分别为
其中,Pa、Ps分别为真实信号和欺骗信号的功率,τc为本地扩频码相位,τa真实信号的码相位,τs为欺骗信号的码相位,为真实信号载波相位,/>为复制信号的载波相位,/>欺骗信号的载波相位,R(·)为扩频码的互相关函数。用IE、IL分别表示超前码和滞后码在同相支路的输出,QE和QL分别表示超前码和滞后码在正交支路的输出。
若导航数据码为-1,则IP为式(7)的相反数,IE、IL分别为IP左右两侧间隔0.5个码片的相关输出;QP为式(8)的相反数,QE和QL分别QP左右两侧间隔0.5个码片的相关输出。
步骤S203、根据所述三个信号输出值的总输出值得到第一检测量,所述总输出值为所述三个信号输出值的和。
在获取三个信号输出值后,获取三个信号输出值的总输出值,根据总输出值信息检测,从而将真实信号与欺骗信号区分开来。
进一步地,考虑三个信号输出值的正负符号,先对同相支路上的超前、即时和滞后相关器取绝对值,再求和构建SAIBO欺骗检测量:
SAIBO=|IE|+|IP|+|IL| (9)
由于|IE|、|IP|和|IL|近似服从高斯分布,因此SAIBO同样近似服从高斯分布。其输出结果直方统计如图4所示。
这样,将同相支路的输出,通过绝对值求和形式集中起来,搭建检测量,充分使用同相支路的输出结果,从而将真实信号与欺骗信号区分开来,以提高欺骗信号检测出来的概率。
可选的,所述根据所述三个信号输出值的总输出值得到第一检测量之后,所述方法还包括:
通过滑动窗口对所述第一检测量进行处理,得到第二检测量;
所述将所述第一检测量与预设门限进行对比得到对比结果,并根据所述对比结果输出检测结果,包括:
将所述第二检测量与所述预设门限对比得到所述对比结果,并根据所述对比结果输出所述检测结果。
为了抑制噪声,提高检测即时性,通过固定长度的滑动窗口进行滑动处理,滑动窗口中包含多个第一检测量,也就是SAIBO检测量。通过对多个第一检测量进行处理,构建第二检测量。由于第二检测量即时性较高,将第二检测量与预设门限进行对比,并根据对比结果输出检测结果,能够提高检测准确性。
可选的,所述通过滑动窗口对所述第一检测量进行处理,得到第二检测量,包括:
采用滑动窗口依次滑动预设的滑动间隔,其中,所述滑动窗口中包含ω个第一检测量,ω为大于1的整数;
根据所述ω个第一检测量构建所述第二检测量。
为了抑制噪声,提高检测即时性,通过固定长度的滑动窗口进行滑动处理。如图5所示,从左到右依次滑动上述滑动窗口,每次滑动的滑动间隔为滑动窗口的长度。这样,滑动窗口在滑动的过程中,依次在N个位置形成了N个窗口。在每次滑动时,滑动窗口中包含ω个第一检测量(即SAIBO检测量),可以根据第一检测量在窗口内的均值构建第二检测量,即SAIBO-MA检测量,其表达式为:
其中,ω表示滑动平均的窗口长度(等于第一检测量的数量),N表示滑动窗口滑动过程中形成的窗口个数,L表示滑动间隔。
需要注意的是,在构建第二检测量时,还可以选择窗口内的任意一个第一检测量,例如,在一些场景中,选择最大、最小或者靠近中位数的值构建第二检测量,或者将ω个第一检测量按照预定方式进行计算后构建第二检测量,上述方式都属于本申请的保护范围之内。
步骤S204、将所述第一检测量与预设门限进行对比得到对比结果,并根据所述对比结果输出检测结果。
欺骗信号的检测问题可视为一个二元假设检验问题,假设H0表示无欺骗干扰,H1表示存在欺骗干扰。将第一检测量与预设门限对比,当第一检测量输出在门限内时,检测结果为无欺骗;当第一检测量输出在门限之外时,检测结果为有欺骗。
为了检验检测结果的准确性,采用美国德克萨斯州大学奥斯汀分校的TEXBAT数据集中的DS7进行中级欺骗的检测实验进行数据采集。DS7是以欺骗类型为时间欺骗、采样频率为24Mhz、码速率为1.023Mhz、牵引策略为载波同步、数据长度为468s和数据类型为I/Q型的静态欺骗数据集。由于载波同步意味同频同相,因此欺骗的隐蔽性更好。取TEXBAT数据集的DS7的前460s数据作为数据进行中级欺骗的检测实验,110s前为干净数据;(110-130)s为欺骗攻击的第Ⅰ阶段、注入欺骗信号;(130-150)s为第Ⅱ阶段即欺骗对齐阶段;(150-400)s为第Ⅲ阶段对应欺骗牵引阶段;(400-460)s为欺骗攻击的Ⅳ阶段对应欺骗分离阶段。第Ⅱ阶段至第Ⅳ阶段,欺骗信号与真实信号的相位差为π。
对DS7中的PRN23进行处理,得到SAIBO检测量输出波形随时间变化情况如图6所示。由图可见,SAIBO检测量输出波形的波动范围大,并在欺骗Ⅰ阶段到欺骗第Ⅲ阶段初,SAIBO检测量的波形无明显畸变。采用长度为100ms的滑动窗进行处理,得到SAIBO-MA检测量如图7所示。根据图7的结果分析可见,前110s无欺骗干扰,SAIBO-MA的输出正常波形;在(110-130)s,注入欺骗信号,SAIBO-MA的发生明显畸变;在(130-150)s,波形明显低于正常输出的波形;(150-400)s,输出波形再次下降,并逐渐稳定;400s后,波形虽有上升,但仍然低于正常波形。
综合图6和图7中的结果,与SAIBO检测量相比,SAIBO-MA检测量的输出波形随时间变化的趋势更加清晰,且114s左右发生畸变后,便持续区别于无欺骗情况下的输出波形。因此基于MA处理,一方面可减小检测量的波动范围,同时可清晰反映其随时间的变化趋势。
上述GNSS导航欺骗检测的流程可以参见图8,将同相支路的输出结果经过取绝对值后,再求和得到SAIBO检测量,并滑动平均处理后构建SAIBO-MA检测量。在SAIBO-MA检测量处于预设门限范围内的情况下,则输出无欺骗干扰;在处于预设门限范围之外的情况下,则输出有欺骗干扰。
可选的,所述将所述第二检测量与所述预设门限对比得到所述对比结果之前,所述方法还包括:
根据所述第二检测量和预设的虚警概率,计算所述预设门限;
所述将所述第二检测量与所述预设门限对比得到所述对比结果,并根据所述对比结果输出所述检测结果之后,所述方法还包括:
根据所述预设门限计算检测概率;
根据所述检测概率确定检测性能。
该实施方式中,同时考虑欺骗干扰的实际情况和判决情况,则会产生4种结果。其中,H1|H0和H1|H1分别表示虚警事件和检测事件,对判决结果影响最大。记虚警事件和检测事件对应的概率分别为虚警概率Pfa和检测概率Pd。
用Thu和Thl分别表示检测上限和检测下限,f(·)表示概率密度函数,那么理论上虚警概率Pfa和检测概率Pd分别可以通过下式计算:
其中,由于存在欺骗信号时,欺骗信号的参数时变且未知,无法基于式(11)和(12)得到Pfa和Pd的理论结果,一般采用统计方法计算。首先,设定检测门限上下限Thu和Thl,当检测量输出超过检测门限时,判为有欺骗;反之,判为无欺骗。然后统计有欺骗(无欺骗)的样本点数,在无欺骗存在时间段内,Pfa为判为有期欺骗的样本数与样本总数的比值,Pd为滑动窗口内判为欺骗的样本点数与滑动窗口内的样本总数的比值。使用统计方法计算虚警概率Pfa和检测概率Pd的公式为
其中,q和p分别代表无欺骗时的样本总数和滑动窗口中的样本总数,Thl和Thu分别代表检测上下限,N(·)代表满足条件的数量。
为了便于理解,以下进行举例描述。例如,预先设置虚警概率10%,将其代入式(13)中,计算SAIBO的检测上下限分别为1.515×107和1.1179×107,进一步将检测门限代入式(14)计算出检测概率,其他检测量的检测概率也可使用该方法计算。为清楚反映检测概率随时间的变化情况,通过滑动窗口方式计算检测概率。以PRN23为例,PCS、Ratio、ELP与SAIBO四类算法的检测概率结果如图9所示。对比四类算法的检测概率,SAIBO算法的检测概率在(163-460)s间始终大于50%。Ratio的检测概率在256s后始终大于50%;PCS算法的检测概率仅在(165-285)s间有绝大部分大于50%;ELP算法的检测概率在绝大多数部分时间范围内低于50%;注入欺骗后,与PCS、Ratio和ELP算法相比,SAIBO算法拥有最高检测概率和最好的检测即时性。
得到检测概率后,对检测概率做判决,当检测概率大于或等于50%判为有欺骗,对应输出为1;反之为无欺骗,输出为0,得到二元判决图如图10所示。由图中结果可见,SAIBO检测量判决为1的数量明显多于PCS、Ratio和ELP检测量判决为1的数量。因此,在欺骗发生时,SAIBO检测量判决为欺骗的次数明显多于其他检测量。依次滑动窗口,得到PCS-MA、Ratio-MA、ELP-MA以及SAIBO-MA检测量,计算相应的检测概率并绘制在460s时间段内,ELP检测量仅有少部分点判决为欺骗干扰的数量,并且四种检测量在150s前判决为欺骗数目为零,这是由于在图中在150s之前几种算法检测概率均低于50%。
为进一步分析滑动平均检测量的检测性能,对PCS、Ratio、ELP和SAIBO检测量均采取滑动平均处理,以ω=100ms的固定的窗口长度,计算窗口内的原始检测量平均值作为新数据点检测概率曲线。以PRN23为例,各检测概率曲线如图11所示。
对比分析可知,110s至460s间,SAIBO-MA检测量的检测概率从第120s开始大于50%并130s之后始终保持在100%。在110s注入欺骗后;PCS-MA检测概率同样开始大于50%,但在(330-340)s和(390-460)s两个时段内检测概率明显低于50%;在欺骗信号存在的情况下,Ratio-MA检测量的检测概率在第190s大于50%,但在(110-180)s和第(200-210)s间,检测概率低于50%;ELP-MA仅有极少部分检测概率大于50%。
综合以上分析,PCS、Ratio、ELP、SAIBO四类算法均在160s以后才检测到欺骗存在,且与其它三类算法相比,SAIBO算法拥有更高的检测概率;SAIBO-MA算法在120s即可检测到欺骗存在,且120s之后检测概率始终保持100%,与SAIBO算法相比,SAIBO-MA算法拥有更好的检测即时性和更高的检测概率。
分别取ω为25ms、50ms、100ms和200ms,为评估SAIBO-MA随的检测概率受ω的影响情况,欺骗检测概率结果如图12所示。
通过上述对比可知,随着滑动窗口长度的增加,SAIBO-MA检测概率波动趋势减小;且随着ω的增加,SAIBO-MA算法的即时性变差。在SAIBO-MA算法中,选择适合的窗口长度可以提高欺骗检测的即时性。
为进一步分析检测量在任意虚警概率下的欺骗检测性能,引入接收机工作特性(Receiver Operating Characteristic,ROC)曲线。图中横轴为虚警概率,纵轴为欺骗第Ⅱ阶段初与第Ⅳ阶段末之间的平均检测概率。ROC曲线中图中离左上角越近,检测越准确。以PRN23为例,SAIBO、PCS、Ratio和PCSR以及对应MA的ROC曲线如图13所示。
为进一步分析SAIBO-MA检测量的稳健性,选取PRN3、PRN7和PRN23,比较分析ELP-MA、PCS-MA、Ratio-MA以及SAIBO-MA的检测概率随虚警概率变化如图14所示。如图所示,在选取的三颗卫星中,PRN23检测效果最好,其次是PRN7,最后为PRN3。与ELP-MA、PCS-MA和Ratio-MA相比,SAIBO-MA算法的检测概率在虚警概率越低的情况下离ROC图的左上角越近,任意虚警概率下SAIBO-MA算法的检测概率始终高于另外三种平均算法的检测概率,因此SAIBO-MA算法具有更高检测精度和更好的稳健性。
发明实施例,通过本发明,对超前码、即时码和滞后码在同相支路的三个信号输出值求和构建SAIBO检测量,能够将真实信号和欺骗信号区分开来,进一步改善欺骗检测性能。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到根据上述实施例的方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
在本实施例中还提供了一种GNSS导航欺骗检测装置,该装置用于实现上述实施例及优选实施方式,已经进行过说明的不再赘述。如以下所使用的,术语“模块”可以实现预定功能的软件和/或硬件的组合。尽管以下实施例所描述的装置较佳地以软件来实现,但是硬件,或者软件和硬件的组合的实现也是可能并被构想的。
图15是根据本发明实施例的一种GNSS导航欺骗检测装置的结构图,如图15所示,该装置包括:
接收模块1501,用于接收GNSS导航欺骗信号,所述欺骗信号与真实信号的功率相近且同频同相;
获取模块1502,用于获取对所述欺骗信号进行处理得到的超前码、即时码和滞后码,并获取所述超前码、所述即时码和所述滞后码在同相支路的三个信号输出值;
获得模块1503,用于根据所述三个信号输出值的总输出值得到第一检测量,所述总输出值为所述三个信号输出值的和;
输出模块1504,用于将所述第一检测量与预设门限进行对比得到对比结果,并根据所述对比结果输出检测结果。
可选的,所述装置还包括:
处理模块,用于通过滑动窗口对所述第一检测量进行处理,得到第二检测量;
所述输出模块具体用于:
将所述第二检测量与所述预设门限对比得到所述对比结果,并根据所述对比结果输出所述检测结果。
可选的,所述处理模块包括:
滑动子模块,用于采用滑动窗口依次滑动预设的滑动间隔,其中,所述滑动窗口中包含ω个第一检测量,ω为大于1的整数;
构建子模块,用于根据所述ω个第一检测量构建所述第二检测量。
可选的,所述装置还包括:
第一计算模块,用于根据所述第二检测量和预设的虚警概率,计算所述预设门限;
第二计算模块,用于根据所述预设门限计算检测概率;
确定模块,用于根据所述检测概率确定检测性能。
通过本发明,对超前码、即时码和滞后码在同相支路的三个信号输出值求和构建SAIBO检测量,能够将真实信号和欺骗信号区分开来,从而能够提高欺骗检测性能。
需要说明的是,上述各个模块是可以通过软件或硬件来实现的,对于后者,可以通过以下方式实现,但不限于此:上述模块均位于同一处理器中;或者,上述各个模块以任意组合的形式分别位于不同的处理器中。
本发明的实施例还提供了一种计算机可读存储介质,该计算机可读存储介质中存储有计算机程序,其中,该计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
在一个示例性实施例中,上述计算机可读存储介质可以包括但不限于:U盘、只读存储器(Read-Only Memory,简称为ROM)、随机存取存储器(Random Access Memory,简称为RAM)、移动硬盘、磁碟或者光盘等各种可以存储计算机程序的介质。
本发明的实施例还提供了一种电子装置,包括存储器和处理器,该存储器中存储有计算机程序,该处理器被设置为运行计算机程序以执行上述任一项方法实施例中的步骤。
在一个示例性实施例中,上述电子装置还可以包括传输设备以及输入输出设备,其中,该传输设备和上述处理器连接,该输入输出设备和上述处理器连接。
本实施例中的具体示例可以参考上述实施例及示例性实施方式中所描述的示例,本实施例在此不再赘述。
显然,本领域的技术人员应该明白,上述的本发明的各模块或各步骤可以用通用的计算装置来实现,它们可以集中在单个的计算装置上,或者分布在多个计算装置所组成的网络上,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,并且在某些情况下,可以以不同于此处的顺序执行所示出或描述的步骤,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。这样,本发明不限制于任何特定的硬件和软件结合。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种GNSS导航欺骗检测方法,其特征在于,包括:
接收GNSS导航欺骗信号,所述欺骗信号与真实信号的功率相近且同频同相;
获取对所述欺骗信号进行处理得到的超前码、即时码和滞后码,并获取所述超前码、所述即时码和所述滞后码在同相支路的三个信号输出值;
根据所述三个信号输出值的总输出值得到第一检测量,所述总输出值为所述三个信号输出值的和;
将所述第一检测量与预设门限进行对比得到对比结果,并根据所述对比结果输出检测结果。
2.根据权利要求1所述的方法,其特征在于,所述根据所述三个信号输出值的总输出值得到第一检测量之后,所述方法还包括:
通过滑动窗口对所述第一检测量进行处理,得到第二检测量;
所述将所述第一检测量与预设门限进行对比得到对比结果,并根据所述对比结果输出检测结果,包括:
将所述第二检测量与所述预设门限对比得到所述对比结果,并根据所述对比结果输出所述检测结果。
3.根据权利要求2所述的方法,其特征在于,所述通过滑动窗口对所述第一检测量进行处理,得到第二检测量,包括:
采用滑动窗口依次滑动预设的滑动间隔,其中,所述滑动窗口中包含ω个第一检测量,ω为大于1的整数;
根据所述ω个第一检测量构建所述第二检测量。
4.根据权利要求2所述的方法,其特征在于,所述将所述第二检测量与所述预设门限对比得到所述对比结果之前,所述方法还包括:
根据所述第二检测量和预设的虚警概率,计算所述预设门限;
所述将所述第二检测量与所述预设门限对比得到所述对比结果,并根据所述对比结果输出所述检测结果之后,所述方法还包括:
根据所述预设门限计算检测概率;
根据所述检测概率确定检测性能。
5.一种GNSS导航欺骗检测装置,其特征在于,包括:
接收模块,用于接收GNSS导航欺骗信号,所述欺骗信号与真实信号的功率相近且同频同相;
获取模块,用于获取对所述欺骗信号进行处理得到的超前码、即时码和滞后码,并获取所述超前码、所述即时码和所述滞后码在同相支路的三个信号输出值;
获得模块,用于根据所述三个信号输出值的总输出值得到第一检测量,所述总输出值为所述三个信号输出值的和;
输出模块,用于将所述第一检测量与预设门限进行对比得到对比结果,并根据所述对比结果输出检测结果。
6.根据权利要求5所述的装置,其特征在于,所述装置还包括:
处理模块,用于通过滑动窗口对所述第一检测量进行处理,得到第二检测量;
所述输出模块具体用于:
将所述第二检测量与所述预设门限对比得到所述对比结果,并根据所述对比结果输出所述检测结果。
7.根据权利要求6所述的装置,其特征在于,所述处理模块包括:
滑动子模块,用于采用滑动窗口依次滑动预设的滑动间隔,其中,所述滑动窗口中包含ω个第一检测量,ω为大于1的整数;
构建子模块,用于根据所述ω个第一检测量构建所述第二检测量。
8.根据权利要求6所述的装置,其特征在于,所述装置还包括:
第一计算模块,用于根据所述第二检测量和预设的虚警概率,计算所述预设门限;
第二计算模块,用于根据所述预设门限计算检测概率;
确定模块,用于根据所述检测概率确定检测性能。
9.一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,其中,所述计算机程序被设置为运行时执行所述权利要求1至4中任一项所述的方法。
10.一种电子装置,包括存储器和处理器,其特征在于,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行所述权利要求1至4中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410323284.1A CN118169716A (zh) | 2024-03-20 | 2024-03-20 | 一种gnss导航欺骗检测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410323284.1A CN118169716A (zh) | 2024-03-20 | 2024-03-20 | 一种gnss导航欺骗检测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118169716A true CN118169716A (zh) | 2024-06-11 |
Family
ID=91359612
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410323284.1A Pending CN118169716A (zh) | 2024-03-20 | 2024-03-20 | 一种gnss导航欺骗检测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118169716A (zh) |
-
2024
- 2024-03-20 CN CN202410323284.1A patent/CN118169716A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Troglia Gamba et al. | Hypothesis testing methods to detect spoofing attacks: A test against the TEXBAT datasets | |
Jafarnia Jahromi et al. | GPS spoofer countermeasure effectiveness based on signal strength, noise power, and C/N0 measurements | |
Shafiee et al. | Detection of spoofing attack using machine learning based on multi-layer neural network in single-frequency GPS receivers | |
O'Hanlon et al. | Real‐time GPS spoofing detection via correlation of encrypted signals | |
Dehghanian et al. | GNSS spoofing detection based on receiver C/No estimates | |
Jahromi et al. | GPS spoofer countermeasure effectiveness based on signal strength, noise power, and C/N0 measurements. | |
Sun et al. | GNSS spoofing detection by means of signal quality monitoring (SQM) metric combinations | |
Borhani-Darian et al. | Deep neural network approach to detect GNSS spoofing attacks | |
Hu et al. | GNSS spoofing detection based on new signal quality assessment model | |
Nielsen et al. | Effectiveness of GNSS spoofing countermeasure based on receiver CNR measurements | |
Tu et al. | Low‐complexity GNSS anti‐spoofing technique based on Doppler frequency difference monitoring | |
Manfredini et al. | Signal quality monitoring for discrimination between spoofing and environmental effects, based on multidimensional ratio metric tests | |
Dehghanian et al. | GNSS spoofing detection based on signal power measurements: statistical analysis | |
Zhou et al. | A new induced GNSS spoofing detection method based on weighted second-order central moment | |
Shang et al. | Detection and mitigation of GNSS spoofing via the pseudorange difference between epochs in a multicorrelator receiver | |
CN115236701A (zh) | 一种基于联合sqm平方的gnss欺骗干扰检测方法 | |
Broumandan et al. | A network-based GNSS structural interference detection, classification and source localization | |
Khan et al. | Global navigation satellite systems spoofing detection through measured autocorrelation function shape distortion | |
US11585943B2 (en) | Detection and elimination of GNSS spoofing signals with PVT solution estimation | |
Zhang et al. | Signal quality monitoring‐based spoofing detection method for Global Navigation Satellite System vector tracking structure | |
CN110749905B (zh) | 单星低复杂度卫星导航欺骗信号检测识别方法及装置 | |
Kim et al. | GNSS cloud‐data processing technique for jamming detection, identification, and localisation | |
O'Driscoll et al. | Software receiver strategies for the acquisition and re-acquisition of weak GPS signals | |
Saleem et al. | Simulation and performance evaluations of the new GPS L5 and L1 signals | |
CN118169716A (zh) | 一种gnss导航欺骗检测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |