一种信号捕获阶段基于LSTM的GNSS欺骗干扰检测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欺骗干扰检测方法及系统，包括以下步骤：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；通过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，完成在信号捕获阶段基于LSTM的GNSS欺骗干扰检测。本发明专利技术的检测方法及系统的检测准确率较高，且能够区分欺骗干扰的攻击方式。

A Detection Method and System of GNSS Deceptive Jamming Based on LSTM in Signal Acquisition Phase

【技术实现步骤摘要】
一种信号捕获阶段基于LSTM的GNSS欺骗干扰检测方法及系统
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欺骗干扰检测方法及系统。
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。综上，亟需一种新的适用于GNSS系统的信号欺骗干扰检测方法及系统。
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欺骗干扰检测方法及系统，以解决上述存在的技术问题。本专利技术的检测方法准确率较高，且能够区分欺骗干扰的攻击方式。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欺骗干扰检测方法，包括以下步骤：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，完成在信号捕获阶段基于LSTM的GNSS欺骗干扰检测。本专利技术的进一步改进在于，步骤2中，所述训练好的LSTM神经网络模型的检测结果包括：D0、D1和D2；检测结果D0、D1和D2与场景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，存在欺骗信号且识别欺骗信号的干扰方式为异步欺骗干扰；当检测结果为D2时，存在欺骗信号且识别欺骗信号的干扰方式为同步欺骗干扰。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，LSTM神经网络模型的结构为：序号各层类型参数1输入层102双向LSTM层1003全连接层——4Softmax层——5输出层3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；所述大功率为能够破坏接收机跟踪环路的功率；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；所述较低的功率为不影响接收机跟踪环路的功率。本专利技术的进一步改进在于，式中，ax，y为矩阵A的第x，y个元素；x为A中多普勒频移轴上的坐标；y为A中伪码相位轴上的坐标；式中，VT为接收机捕获门限；X3＝num({(x,y)|A(x,y)>VT})式中，num({·})表示满足大括号中条件的元素集合的大小；X4＝num((x,y)|{PA(x,y)>VT})式中，PA表示矩阵A中的波峰；X5＝P1＝max(A)式中，P1表示矩阵A中最大波峰的峰值，即最大相关峰；式中，和分别为最大相关峰在伪码相位轴和多普勒频移轴上的坐标；X8＝P2式中，P2表示矩阵A中大于捕获门限的第二波峰峰值；式中，和分别为第二相关峰在伪码相位轴和多普勒频移轴上的坐标。本专利技术的方法能够适用于伪码相位差在1码片以内时的检测。一种信号捕获阶段基于LSTM的GNSS欺骗干扰检测系统，包括：特征提取模块，用于在信号捕获阶段，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；同时用于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；判决分类模块，通过特征提取模块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；用于通过训练好的LSTM神经网络模型对GNSS接收机接收的信号进行检测，完成在信号捕获阶段基于LSTM的GNSS欺骗干扰检测。进一步地，特征提取模块中，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。与现有技术相比，本专利技术具有以下有益效果：本专利技术的检测方法，是一种在信号捕获阶段基于LSTM神经网络的GNSS欺骗干扰检测方法，其在信号捕获阶段，使用特征提本文档来自技高网...

【技术保护点】
1.一种信号捕获阶段基于LSTM的GNSS欺骗干扰检测方法，其特征在于，包括以下步骤：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，完成在信号捕获阶段基于LSTM的GNSS欺骗干扰检测。

【技术特征摘要】
1.一种信号捕获阶段基于LSTM的GNSS欺骗干扰检测方法，其特征在于，包括以下步骤：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，完成在信号捕获阶段基于LSTM的GNSS欺骗干扰检测。2.根据权利要求1所述的一种信号捕获阶段基于LSTM的GNSS欺骗干扰检测方法，其特征在于，步骤2中，所述训练好的LSTM神经网络模型的检测结果包括：D0、D1和D2；检测结果D0、D1和D2与场景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，存在欺骗信号且识别欺骗信号的干扰方式为异步欺骗干扰；当检测结果为D2时，存在欺骗信号且识别欺骗信号的干扰方式为同步欺骗干扰。3.根据权利要求1所述的一种信号捕获阶段基于LSTM的GNSS欺骗干扰检测方法，其特征在于，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。4.根据权利要求1所述的一种信号捕获阶段基于LSTM的GNSS欺骗干扰检测方法，其特征在于，LSTM神经网络模型的结构为：序号各层类型参数1输入层102双向LSTM层1003全连接层-4Softmax层-5输出层35.根据权利要求2所述的一种信号捕获阶段基于LSTM的GNSS欺骗干扰检测方法，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；所述大功率为能够破坏接收机跟踪环路的功率；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；所述较低的功...

【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