一种信号捕获阶段基于LSTM的GNSS欺骗式干扰识别、抑制方法及系统技术方案

本发明专利技术公开了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，包括：以下步骤：在信号捕获阶段，检测欺骗干扰并识别干扰攻击类型；其中，欺骗干扰场景包括：H0无欺骗干扰、H1异步欺骗干扰和H2同步欺骗干扰；检测结果包括：D0、D1和D2；D0、D1和D2与H0、H1和H2一一对应；检测结果为D0时，不存在欺骗信号；检测结果为D1时，捕获结果中存在2个相关峰时，使用基于峰值的方法识别欺骗信号；检测结果为D2时，捕获结果中存在2个相关峰时，使用基于峰值的方法识别欺骗信号。本发明专利技术的识别方法准确率较高；本发明专利技术的检测、识别及抑制方法的组合应用均在信号捕获阶段进行且无需进行解算，时效性较强。

【技术实现步骤摘要】
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
本专利技术属于卫星导航系统中的干扰检测
，具体涉及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。
技术介绍
全球卫星导航系统(GlobalNavigationSatelliteSystem，GNSS)是一种覆盖广、全天候、实时、高精度的导航系统。随着卫星导航技术的不断发展，GNSS广泛应用于各类军用和民用设施，其用户数量及应用场景不断增加，安全性、可靠性也越来越受到人们的重视。当前卫星导航系统所面临的安全威胁主要可以分为无意干扰和有意干扰。有意干扰主要指人为恶意干扰，又可以分为压制式干扰、欺骗式干扰以及组合干扰。压制式干扰指对卫星频段施加强功率干扰信号，导致接收机无法接收卫星信号；欺骗式干扰指发射与导航卫星相同或相似、然而功率更强一些的信号，卫星导航系统用户的接收终端可能把这种信号误认为是由真实导航卫星发来的，而对其进行捕获与跟踪，导致接收终端产生错误的信息或者无信息输出。相对于传统的强功率压制式干扰，欺骗式干扰具备隐蔽性强、设备小型化和干扰效率高等优势。现有欺骗式干扰的检测方法主要分为三个方面：一是基于空域信号处理的方法；二是基于时频码域信号处理的方法；三是基于导航信息处理的方法。现有基于时频码域信号处理的方法中：基于接收机信号强度、噪声电平和载噪比估计的欺骗信号检测方法，适用性较强但检测准确率较低；基于超过捕获阈值的相关峰个数来的检测方法，该方法在欺骗信号与真实信号伪码相位差较小时检测效果较差；在接收机信号功率、信噪比、相关峰数量的基础上加入了相关函数宽度\捕获门限处相关峰宽度作为检测特征的检测方法，该类方法在欺骗信号与真实信号伪码相位差在1码片以外的情况下，检测性能较好，但伪码相位差在1码片以内时，检测效果不好。以上检测方法均为对当前时刻信号进行检测的方法，无法区分欺骗干扰的攻击方式。基于信号认证序列的加密方法，该类方法需要对信号格式进行修改，不适用与当前已经普遍应用的GNSS系统。基于RAIM(ReceiverAutonomousIntegrityMonitoring，接收机自体完好性监控)和INS(InertialNavigationSystem，惯性导航系统)的检测方法，该方法需要对信号进行解算而复杂度较高、时效性不强。当前的信号识别方法，大多基于欺骗干扰功率较真实信号功率大的假设来识别哪个信号为欺骗干扰，在复杂的实际干扰和噪声环境中其应用存在局限性，仍然需要依靠基于信号认证或RAIM和INS的识别方法提高识别欺骗信号与真实信号的准确率，但后者需要进行解算而复杂度较高，且不能实现快速识别。欺骗者需要考虑欺骗式干扰的攻击方式和参数设置，在欺骗信号与真实信号的差异性和隐蔽性之间做出取舍，当欺骗者已知目标接收机具备欺骗信号的检测与抑制能力时，将会以更加隐蔽的参数设置来实施欺骗。为了让目标接收机将真实信号误认为是欺骗信号而消除真实信号，保留欺骗信号，欺骗者将可能使用低于真实信号的功率，而目前时频域信号处理方法中仅有认为欺骗信号功率一定大于真实信号的方法，无法对功率等于或低于真实信号的欺骗信号进行有效识别。综上，亟需一种信号捕获阶段基于LSTM的GNSS欺骗式干扰识别、抑制方法。
技术实现思路
本专利技术的目的在于提供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，以解决上述存在的一个或多个技术问题。本专利技术的识别方法准确率较高，且能够在欺骗信号与真实信号接近或欺骗信号功率低于真实信号的情况下识别欺骗信号；本专利技术的检测、识别及抑制方法的组合应用均在信号捕获阶段进行且无需进行解算，时效性较强，通过对相关峰的时序特征进行检测，欺骗干扰检测和识别的准确度高，使用子空间投影方法消除欺骗信号，不影响真实信号的信息。为达到上述目的，本专利技术采用以下技术方案：一种信号捕获阶段基于LSTM的GNSS欺骗干扰识别方法，包括以下步骤：在信号捕获阶段，检测欺骗干扰并识别干扰攻击类型；其中，欺骗干扰场景包括：H0无欺骗干扰、H1异步欺骗干扰和H2同步欺骗干扰；检测结果包括：D0、D1和D2；D0、D1和D2与H0、H1和H2一一对应；检测结果为D0时，不存在欺骗信号；检测结果为D1时，欺骗信号的干扰方式为异步欺骗干扰；捕获结果中仅存在1个相关峰时，欺骗相关峰与真实相关峰重合，无法识别欺骗信号，舍弃当前通道信号数据；捕获结果中存在2个相关峰时，使用基于峰值的方法识别欺骗信号；检测结果为D2时，欺骗信号的干扰方式为同步欺骗干扰；捕获结果中仅存在1个相关峰时，欺骗相关峰与真实相关峰重合，无法识别欺骗信号，舍弃当前通道信号数据；捕获结果中存在2个相关峰时，使用基于峰值的方法识别欺骗信号；基于峰值的方法包括：首先取多个时刻，计算两个相关峰的峰值均值，然后与预保存的仅存在真实信号时的相关峰均值进行比较，差异较大者为欺骗峰。本专利技术的进一步改进在于，异步欺骗干扰至少包括以下阶段：欺骗信号出现，欺骗者以大功率干扰破坏目标接收机的跟踪环路；欺骗式干扰保持固定的参数；同步欺骗干扰至少包括以下阶段：欺骗信号以较低的功率出现，逐渐实现与目标接收机的伪码相位和多普勒频移相同步；欺骗信号逐步增大功率；欺骗信号锁定目标接收机的跟踪环路；欺骗信号逐步引导目标接收机脱离真实信号的跟踪环路；欺骗信号在新的伪码相位和多普勒频移进行欺骗。本专利技术的进一步改进在于，基于峰值的欺骗信号识别方法具体包括：计算无欺骗信号阶段的真实信号峰值平均值Pm0，在有欺骗信号且存在2个相关峰时，将多个时刻2个相关峰峰值的均值分别记为Pm1和Pm2；如果|Pm1-Pm0|>|Pm2-Pm0|，则Pm2为真实相关峰，反之则Pm1为真实相关峰。本专利技术的进一步改进在于，检测欺骗干扰并识别干扰攻击类型的方法具体包括：步骤1，在信号捕获阶段，通过GNSS接收机产生以多普勒频移和码相位为轴的二维搜索数组，即矩阵A；提取多个时刻的矩阵A的参数构成特征参数，将获得的特征参数作为训练数据集；所述多个时刻的场景包括：H0无欺骗干扰、H1异步欺骗干扰和H2同步欺骗干扰；步骤2，通过步骤1获得的训练数据集对LSTM神经网络模型进行训练，训练完毕后，获得训练好的LSTM神经网络模型；通过所述训练好的LSTM神经网络模型能够判断是否存在欺骗信号；如果存在欺骗信号，通过训练后的LSTM神经网络模型能够判断攻击方式为异步欺骗干扰或同步欺骗干扰；步骤3，通过步骤2训练好的LSTM神经网络模型对GNSS接收机接收的信号进行检测，完成欺骗干扰检测及干扰攻击类型的识别。本专利技术的进一步改进在于，步骤1中，提取获得的特征参数XLSTM＝[X1,X2,...,XL]，式中l＝1,2,...,L，L为采集时序特征的时刻长度；每个时刻的特征参数包括：相关值全局累加量X1、相关值局部累加量X2、大于捕获门限的相关值数量X3、达到捕获门限的相关峰数量X4、全局相关峰值X5、全局相关峰伪码相位轴的坐标X6、全局相关峰多普勒频移轴的坐标X7、全局相关峰值X8、全局相关峰伪码相位轴的坐标X9和全局相关峰多普勒频移轴的坐标X10。本专利技术的进一步改进在于，通过LSTM-2神经网络模型完成欺骗信号识别，具体包括以下步骤：采集多个本文档来自技高网...

【技术保护点】
1.一种信号捕获阶段基于LSTM的GNSS欺骗干扰识别方法，其特征在于，包括以下步骤：在信号捕获阶段，检测欺骗干扰并识别干扰攻击类型；其中，欺骗干扰场景包括：H0无欺骗干扰、H1异步欺骗干扰和H2同步欺骗干扰；检测结果包括：D0、D1和D2；D0、D1和D2与H0、H1和H2一一对应；检测结果为D0时，不存在欺骗信号；检测结果为D1时，欺骗信号的干扰方式为异步欺骗干扰；捕获结果中仅存在1个相关峰时，欺骗相关峰与真实相关峰重合，无法识别欺骗信号，舍弃当前通道信号数据；捕获结果中存在2个相关峰时，使用基于峰值的方法识别欺骗信号；检测结果为D2时，欺骗信号的干扰方式为同步欺骗干扰；捕获结果中仅存在1个相关峰时，欺骗相关峰与真实相关峰重合，无法识别欺骗信号，舍弃当前通道信号数据；捕获结果中存在2个相关峰时，使用基于峰值的方法识别欺骗信号；基于峰值的方法包括：首先取多个时刻，计算两个相关峰的峰值均值，然后与预保存的仅存在真实信号时的相关峰均值进行比较，差异较大者为欺骗峰。

【技术特征摘要】
1.一种信号捕获阶段基于LSTM的GNSS欺骗干扰识别方法，其特征在于，包括以下步骤：在信号捕获阶段，检测欺骗干扰并识别干扰攻击类型；其中，欺骗干扰场景包括：H0无欺骗干扰、H1异步欺骗干扰和H2同步欺骗干扰；检测结果包括：D0、D1和D2；D0、D1和D2与H0、H1和H2一一对应；检测结果为D0时，不存在欺骗信号；检测结果为D1时，欺骗信号的干扰方式为异步欺骗干扰；捕获结果中仅存在1个相关峰时，欺骗相关峰与真实相关峰重合，无法识别欺骗信号，舍弃当前通道信号数据；捕获结果中存在2个相关峰时，使用基于峰值的方法识别欺骗信号；检测结果为D2时，欺骗信号的干扰方式为同步欺骗干扰；捕获结果中仅存在1个相关峰时，欺骗相关峰与真实相关峰重合，无法识别欺骗信号，舍弃当前通道信号数据；捕获结果中存在2个相关峰时，使用基于峰值的方法识别欺骗信号；基于峰值的方法包括：首先取多个时刻，计算两个相关峰的峰值均值，然后与预保存的仅存在真实信号时的相关峰均值进行比较，差异较大者为欺骗峰。2.根据权利要求1所述的一种信号捕获阶段基于LSTM的GNSS欺骗干扰识别方法，其特征在于，异步欺骗干扰至少包括以下阶段：欺骗信号出现，欺骗者以大功率干扰破坏目标接收机的跟踪环路；欺骗式干扰保持固定的参数；同步欺骗干扰至少包括以下阶段：欺骗信号以较低的功率出现，逐渐实现与目标接收机的伪码相位和多普勒频移相同步；欺骗信号逐步增大功率；欺骗信号锁定目标接收机的跟踪环路；欺骗信号逐步引导目标接收机脱离真实信号的跟踪环路；欺骗信号在新的伪码相位和多普勒频移进行欺骗。3.根据权利要求1所述的一种信号捕获阶段基于LSTM的GNSS欺骗干扰识别方法，其特征在于，基于峰值的欺骗信号识别方法具体包括：计算无欺骗信号阶段的真实信号峰值平均值Pm0，在有欺骗信号且存在2个相关峰时，将多个时刻2个相关峰峰值的均值分别记为Pm1和Pm2；如果|Pm1-Pm0|>|Pm2-Pm0|，则Pm2为真实相关峰，反之则Pm1为真实相关峰。4.根据权利要求1所述的一种信号捕获阶段基于LSTM的GNSS欺骗干扰识别方法，其特征在于，检测欺骗干扰并识别干扰攻击类型的方法具体包括：步骤1，在信号捕获阶段，通过GNSS接收机产生以多普勒频移和码相位为轴的二维搜索数组，即矩阵A；提取多个时刻的矩阵A的参数构成特征参数，将获得的特征参数作为训练数据集；所述多个时刻的场景包括：H0无欺骗干扰、H1异步欺骗干扰和H2同步欺骗干扰；步骤2，通过步骤1获得的训练数据集对LSTM神经网络模型进行训练，训练完毕后，获得训练好的LSTM神经网络模型；通过所述训练好的LSTM神经网络模型能够判断是否存在欺骗信号；如果存在欺骗信号，通过训练后的LSTM神经网络模型能够判断攻击方式为异步欺骗干扰或同步欺骗干扰；步骤3，通过步骤2训练好的LSTM神经网络模型对GNSS接收机接收的信号进行检测，完成欺骗干扰检测及干扰攻击类型的识别。5....

【专利技术属性】
技术研发人员：张国梅，孟伟，李国兵，吕刚明，
申请(专利权)人：西安交通大学，
类型：发明
国别省市：陕西,61