【技术实现步骤摘要】
基于阻尼累加和粒子群优化灰色模型的GNSS反欺骗检测方法及应用
[0001]本专利技术属于GNSS反欺骗技术安全领域,涉及一种基于阻尼累加和粒子群优化灰色模型的GNSS反欺骗检测方法应用。
技术介绍
[0002]随着车联网时代的到来,智能网联汽车技术在国家社会经济发展中发挥着越来越重要的战略作用,并渗透到社会各领域。纵观汽车一百多年的发展历史,表面上看汽车没有太大的变化,但其实在过去这几十年,汽车内部的控制系统发生了巨大的变化,就如新能源汽车的诞生。
[0003]众所周知,全球导航卫星信号可能被虚假信号所欺骗,因此检测欺骗攻击已成为一个迫切需要解决的全球问题。GNSS被欺骗的案例不乏,例如,2011年伊朗通过全球定位系统(GPS)欺骗劫持美国CIA的一架无人机,而该无人机本将预定在阿富汗降落。对于汽车来说,欺骗检测一般利用车内传感器,即惯性测量单元(IMU)和里程表。
[0004]灰色预测模型可针对数量非常少,数据完整性和可靠性较低的数据序列进行有效预测,但是灰色预测模型一般只适用于短期预测。灰色预测通过鉴别系统因素之间发展趋势的相异程度,即进行关联分析,并对原始数据进行生成处理来寻找系统变动的规律,生成有较强规律性的数据序列,然后建立相应的微分方程模型,从而预测事物未来发展趋势的状况。
技术实现思路
[0005]为了解决现有技术存在的不足,本专利技术的目的是提出了一种基于阻尼累加和粒子群优化灰色模型的GNSS反欺骗检测方法。
[0006]本专利技术提出的基于阻尼累加和粒子群优 ...
【技术保护点】
【技术特征摘要】
1.一种基于阻尼累加和粒子群优化灰色模型的GNSS反欺骗检测方法,其特征在于,包括以下步骤:步骤1:获取任意两帧GPS信号signal
i
,signal
i+1
之间车载IMU和里程表数据所推算出的地理坐标,作为算法输入,signal
i
表示第i时刻的GPS信号;步骤2:使用基于阻尼累加和粒子群优化的灰度模型算法,预测signal
i+1
帧GPS真实值信号到达时的地理坐标,作为算法输出;步骤3:使用欧拉公式,计算预测的地理坐标和GPS获得的地理坐标之间的距离;步骤4:使用上一步求得距离与范围阈值进行比较,判断车辆是否被欺骗。2.根据权利要求1所述的基于阻尼累加和粒子群优化灰色模型的GNSS反欺骗检测方法,其特征在于,所述步骤1中,所述车载IMU和里程表数据推算的地理坐标,由车载IMU的加速度计和陀螺仪,以及里程表获得,并通过推导公式计算并记录地理坐标,即经度、纬度和高度。3.根据权利要求1所述的基于阻尼累加和粒子群优化灰色模型的GNSS反欺骗检测方法,其特征在于,所述步骤2具体包括如下步骤:步骤2.1:从原始数据中选择最新的n个数据点作为原始数据序列,对原始数据序列应用阻尼累加生成算子获得阻尼累加序列;步骤2.2:使用粒子群优化算法,随机生成m个粒子,作为预测第i+1时刻地理坐标问题的候选解;步骤2.3:计算每个粒子计算时间响应序列步骤2.4:计算每个粒子的恢复值步骤2.5:使用适应度函数评估每个粒子的个体最佳位置p
id
;步骤2.6:使用适应度函数计算集群最佳位置g
best
;步骤2.7:更新粒子的属性;所述属性包括a,b,s,v;所述a,b,s均表示粒子在集群中的位置,所述v表示粒子的速度;步骤2.8:判断迭代次数是否超过给定阈值,或者小于标准误差,若是,则输出对应的时间响应序列所产生的预测值;否则,返回步骤2.3。4.根据权利要求3所述的基于阻尼累加和粒子群优化灰色模型的GNSS反欺骗检测方法,其特征在于,所述步骤2.1中,使用阻尼累加生成算子,为调整时间序列中各数据权重所设置,解决预测结果受旧数据的影响程度;所述算子的生成公式为:设置,解决预测结果受旧数据的影响程度;所述算子的生成公式为:其中i,k表示时间;ζ表示ζ阶累加生成算子,ζ∈(0,1];x
(ζ)
(k)表示阻尼累加序列k时刻元素;x
(0)
(i)为原始时间序列i时刻的元素,即真实值,i∈[1,k]。5.根据权利要求3所述的基于阻尼累加和粒子群优化灰色模型的GNSS反欺骗检测方法,其特征在于,所述步骤2.2中,使用粒子群优化算法,生成m个粒子形成集群,每个粒子都含有各自在集群中的位置属性a,b,s、速度属性v和最佳位置属性p
id
,以及对于整个粒子集群含有集群最佳位置属性g
best
。6.根据权利要求3所述的基于阻尼累加和粒子群优化灰色模型的GNSS反欺骗检测方法,其特征在于,所述步骤2.3中,基于每个粒子a,b,s的值求解时间响应序列,所述时间响...
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。