本发明专利技术提供的一种导航多特征GNSS欺骗干扰检测方法，系统、设备及介质，所述方法为获取GNSS用户层数据；所述GNSS用户层数据为一维导航序列数据；采用格拉姆角场将一维导航序列数据转换为二维导航图像；将所述二维导航图像输入Mobile－Transformer网络模型进行深度学习训练，得到训练结果；保存训练模型，将模型对欺骗场景进行检测与评估，判断是否存在欺骗信号。本发明专利技术方便易实施，可以将该套系统搭载在嵌入式系统上，实现实时欺骗信号检测，使导航接收机能有效抵御欺骗干扰的攻击。接收机能有效抵御欺骗干扰的攻击。接收机能有效抵御欺骗干扰的攻击。
【技术实现步骤摘要】
一种导航多特征GNSS欺骗干扰检测方法、系统、设备及介质
[0001]本专利技术涉及导航系统
，特别是涉及一种导航多特征GNSS 欺骗干扰检测方法、系统、设备及介质。
技术介绍
[0002]目前，全球导航卫星系统(GNSS)的发展已广泛应用于各行各业，支撑着许多现代系统。它可以为智能终端、汽车、飞机、游轮等提供定位和导航服务，也可以为电网和通信网络等提供授时服务等。然而，卫星信号仍然具有许多明显的缺陷，例如容易受到干扰和欺骗，这就将其脆弱性暴露了出来。由于卫星信号的这一特性，GNSS的研究重点方向从最开始的提高定位精度逐渐过渡到扩展系统应用、提升系统安全可靠性能的方向，增强GNSS的抗欺骗干扰能力已经成为工业界和学术界研究的热点。
[0003]在所有的干扰类别中，欺骗干扰是危害最大的一类干扰。欺骗干扰指的是欺骗干扰机发射欺骗信号诱导用户接收机产生错误的位置、速度或时间信息，影响接收机的正常工作和使用，并实现对目标接收机的控制，如果系统使用这些错误的信息，将带来严重的后果。例如，欺骗无人驾驶汽车的导航系统并使该车偏离预定路线；对无人机进行欺骗，而致无人机偏离航线等。
[0004]为了应对欺骗干扰带来的影响，保障GNSS为终端用户提供正确的导航、定位和授时服务，许多研究者相继提出了很多检测方法，主要包括失真检测，包括信号功率、到达时间、信号来向的空间分布特性，以及利用天线阵、载波相位、接收机解码、接收机跟踪环、从统计学角度进行假设检验、设定阈值、分形理论的信息维数、相关性等方面来实现抗欺骗干扰。例如，C/N0检测方法通过检测C/N0的异常变化来发现欺骗信号的存在，但当欺骗信号与噪声一起发射时，容易导致误判；信号到达时间检测是针对转发式欺骗干扰到达接收机的路程相对于真实信号较长，从而在时间上存在差异，以此来判断是否存在欺骗信号。但该方法应用场景有限主要针对转发式欺骗干扰，对生成式欺骗信号作用不大，甚至会消除真实信号而保留欺骗信号；基于多天线、惯导系统以及多频点的欺骗干扰检测方法虽然检测效果较好，但结构复杂，成本较高，不适合在低成本的民用领域。
技术实现思路
[0005]本专利技术的目的是提供一种导航多特征GNSS欺骗干扰检测方法、系统、设备及介质，方便易实施，应用场景更广泛，同时可以将该套系统搭载在嵌入式系统上，实现实时欺骗信号检测，使导航接收机能有效抵御欺骗干扰的攻击。
[0006]为了实现上述目的，有必要针对上述技术问题，提供了一种导航多特征GNSS欺骗干扰检测方法、系统、设备及介质。
[0007]第一方面，本专利技术实施例提供了一种导航多特征GNSS欺骗干扰检测方法，所述方法包括以下步骤：
[0008]获取GNSS用户层数据；所述GNSS用户层数据为一维导航序列数据；
[0009]采用格拉姆角场将一维导航序列数据转换为二维导航图像；
[0010]将所述二维导航图像输入Mobile－Transformer网络模型进行深度学习训练，得到训练结果；
[0011]保存训练模型，将模型对欺骗场景进行检测与评估，判断是否存在欺骗信号。
[0012]进一步地，所述获取GNSS用户层数据，包括：
[0013]将卫星信号通过解算接收机解算得到GNSS用户层数据；
[0014]所述GNSS用户层数据包括GNSS中频信号，GNSS中频信号采用如下模型表示：
[0015]S
R
(t)＝S
T
(t)+S
S
(t)+n0(t)
[0016]其中，S
R
(t)表示接收机接受到的中频信号，S
T
(t)和S
S
(t)分别表示真实卫星信号和欺骗信号，n0(t)表示均值为0，方差为σ2的加性高斯白噪声；
[0017]进一步地，所述GNSS用户层数据包括：SQM移动方差，SQM移动均值，载噪比移动均值、载噪比移动方差、伪距多普勒一致性参数、伪距残差、接收机钟差和接收机钟差变化率。
[0018]所述真实卫星信号和欺骗信号分别表示如下：
[0019][0020][0021]其中，M和N表示接收到的信号中真实卫星信号和欺骗信号的个数；和分别表示第i个真实卫星信号和欺骗信号的功率；C
i
(t)表示第i 个卫星的伪码；D
i
(t)表示第i个信号导航电文数据比特；f
IF
表示信号中频频率；和分别表示第i个真实卫星信号和欺骗信号的多普勒频移；表示第i个信号码相位；和分别表示真实卫星信号和欺骗信号的初始载波相位。
[0022]进一步地，所述采用格拉姆角场将一维导航序列数据转换为二维导航图像数据，包括：
[0023]按照如下公式对所述一维导航序列数据进行归一化并缩放到 [－1，1]；
[0024][0025]或者按照如下公式对所述一维导航序列数据进行归一化并缩放到 [0，1]；
[0026][0027]以数值作为夹角余弦值，特征数量作为半径N，按照如下公式将缩放后的一维导航序列数据转换到极坐标系下；
[0028][0029]按照如下公式将极坐标系下的一维导航序列数据作角度差，得到格拉姆矩阵：
[0030][0031][0032]根据所述特征数量，由格拉姆矩阵生成二维导航图像。
[0033]进一步地，所述保存训练模型，将模型对欺骗场景进行检测与评估，判断是否存在欺骗信号，包括：
[0034]若训练结果为0，则不存在欺骗卫星信号；
[0035]若训练结果为1，则存在欺骗卫星信号。
[0036]进一步地，所述获取GNSS用户层数据之前，还包括：
[0037]通过公开数据集对Mobile－Transformer网络模型进行预训练；
[0038]所述公开数据集包括TEXBAT数据集和OAKBAT数据集。
[0039]进一步地，所述将所述二维导航图像输入Mobile－Transformer网络模型进行深度学习训练之前，还包括：
[0040]采用如下公式对所述二维导航图像进行零均值归一化：
[0041][0042]其中，μ
i
表示第i个特征数据的均值，σ
i
表示第i个特征数据的标准差。
[0043]第二方面，本专利技术实施例提供了一种导航多特征GNSS欺骗干扰检测系统，所述系统包括：
[0044]获取模块，用于获取GNSS用户层数据；所述GNSS用户层数据为一维导航序列数据；
[0045]转换模块，用于采用格拉姆角场将一维导航序列数据转换为二维导航图像；
[0046]训练模块，用于将所述二维导航图像输入Mobile－Transformer网络模型进行深度学习训练，得到训练结果；
[0047]判断模块，用于保存训练模型，将模型对欺骗场景进行检测与评估，判断是否存在欺骗信号。
[0048]第三方面，本专利技术实施例还提供了一种计算机设备本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种导航多特征GNSS欺骗干扰检测方法，其特征在于，所述方法包括：获取GNSS用户层数据；所述GNSS用户层数据为一维导航序列数据；采用格拉姆角场将一维导航序列数据转换为二维导航图像；将所述二维导航图像输入Mobile－Transformer网络模型进行深度学习训练，得到训练结果；保存训练模型，将模型对欺骗场景进行检测与评估，判断是否存在欺骗信号。2.根据权利要求1所述的一种导航多特征GNSS欺骗干扰检测方法，其特征在于，所述获取GNSS用户层数据，包括：将卫星信号通过解算接收机解算得到GNSS用户层数据；所述GNSS用户层数据包括GNSS中频信号，GNSS中频信号采用如下模型表示：S
R
(t)＝S
T
(t)+S
S
(t)+n0(t)其中，S
R
(t)表示接收机接受到的中频信号，S
T
(t)和S
S
(t)分别表示真实卫星信号和欺骗信号，n0(t)表示均值为0，方差为σ2的加性高斯白噪声。3.根据权利要求2所述的一种导航多特征GNSS欺骗干扰检测方法，其特征在于，所述GNSS用户层数据包括：SQM移动方差、SQM移动均值、载噪比移动均值、载噪比移动方差、伪距多普勒一致性参数、伪距残差、接收机钟差和接收机钟差变化率；所述真实卫星信号和欺骗信号分别表示如下：所述真实卫星信号和欺骗信号分别表示如下：其中，M和N表示接收到的信号中真实卫星信号和欺骗信号的个数；和分别表示第i个真实卫星信号和欺骗信号的功率；C
i
(t)表示第i个卫星的伪码；D
i
(t)表示第i个信号导航电文数据比特；f
IF
表示信号中频频率；和分别表示第i个真实卫星信号和欺骗信号的多普勒频移；表示第i个信号码相位；和分别表示真实卫星信号和欺骗信号的初始载波相位。4.根据权利要求1所述的一种导航多特征GNSS欺骗干扰检测方法，其特征在于，所述采用格拉姆角场将一维导航序列数据转换为二维导航图像数据，包括：按照如下公式对所述一维导航序列数据进行归一化并缩...
【专利技术属性】
技术研发人员：朱祥维，徐奕禹，袁雪林，李俊志，陈正坤，冉承新，孙仕海，李媛，
申请(专利权)人：中山大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。