一种基于SVM的GNSS生成式欺骗干扰检测方法技术

本发明专利技术公开了一种基于SVM的GNSS生成式欺骗干扰检测方法。所述SVM的生成式欺骗检测方法是：首先，接收机实现跟踪GNSS信号，再计算跟踪环路中输入信号的复相关函数，根据接收机输出的原始值提取用于检测的特征值，再对数据进行预处理；接着，对数据进行离线学习，将样本分为训练样本集和测试样本集，将训练样本集放入SVM模型中进行学习，得到学习完成的模型；最后将测试样本放入训练完成的SVM模型，对测试样本进行自动分类；当新的特征向量进入分类模型时，模型将自动判断是否存在生成式欺骗干扰信号。所述方法能够快速自动地判断是否存在生成式欺骗干扰信号，准确率和效率高。准确率和效率高。准确率和效率高。

【技术实现步骤摘要】
一种基于SVM的GNSS生成式欺骗干扰检测方法


[0001]本专利技术涉及GNSS卫星信号领域，特别是涉及一种基于SVM的GNSS生成式欺骗干扰检测方法。

技术介绍

[0002]全球卫星导航系统(GNSS)的民用系统因信号结构公开致使其很容易受到欺骗干扰，十分脆弱。欺骗式干扰对GNSS服务的安全性构成了巨大的威胁。因此，为了使导航系统避免受到欺骗式干扰的安全威胁，欺骗式干扰信号的检测对导航系统正常运行、安全使用具有重大的意义。
[0003]传统的检测方法受到模型限制或者需要额外的硬件设备，且检测系统复杂、检测参数单一，不能准确地反映卫星信号中的欺骗成分。

技术实现思路

[0004]为了解决上述问题，本专利技术提供一种基于SVM的GNSS生成式欺骗干扰检测方法，所述方法结合六种SVM核函数模型，将信号样本随机抽取70％作为训练样本、随机抽取30％作为测试样本，将样本放入构造的不同核函数下的SVM模型进行训练和测试，评价准确率、精确率、召回率、F1 score四个性能指标。
[0005]本专利技术提供一种基于SVM的本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于SVM的GNSS生成式欺骗干扰检测方法，具体步骤如下，其特征在于：(1)对GNSS中频信号进行预处理，得到用于作为神经网络输入量的特征向量，特征向量包括改进Ratio移动均值、改进Ratio移动方差、改进Delta移动均值、改进Delta移动方差、早晚码相位差、载噪比移动方差和接收机钟差变化率；步骤(1)具体包括：(1.1)对GNSS中频信号进行预处理，输入原始中频信号；(1.2)计算得到改进Ratio移动均值、改进Ratio移动方差；其中，改进Ratio移动均值、改进Ratio移动方差的表达式为：其中，改进Ratio移动均值、改进Ratio移动方差的表达式为：式中，RatioMA、RatioMV分别指的是改进Ratio移动均值和改进Ratio移动方差，R
d，improved
(i)为数据中第i个数据样本的值，w为MA滑动窗口的长度，k为滑动区间，n为滑动窗口的总数，R
d，improved
(i)的表达式为：(i)的表达式为：(i)的表达式为：(i)的表达式为：其中，I
e，d
(n)、I
l，d
(n)和I
p
(n)分别式第n个相干积分内相关器同相支路的超前、滞后和即时输出，Q
e，d
(n)、Q
l，d
(n)和Q
p
(n)分别为在第n个相干积分内相关器正交支路的超前、滞后和即时输出；(1.3)计算得到改进Delta移动均值、改进Delta移动方差；其中，改进Delta移动均值、改进Delta移动方差的表达式为：其中，改进Delta移动均值、改进Delta移动方差的表达式为：式中，DeltaMA、DeltaMV分别指的是改进Delta移动均值、改进Delta移动方差，Δ
d，improved
(i)的表达式为：(1.4)计算得到早晚码相位差ELP；其中，I
e
(n)、Q
e
(n)、I
l
(n)和Q
l
(n)分别为在第n个相干积分内I/Q支路相关器的超前、滞
后输出；(1.5)计算获得载噪比移动方差C/N0(i)MV；(1.6)计算获得接收机钟差变化率；(1.7)将上述改进Ratio移动...

【专利技术属性】
技术研发人员：祝雪芬，徐杰，杨帆，汤新华，陈熙源，
申请(专利权)人：东南大学，
类型：发明
国别省市：