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GNSS生成式欺骗干扰检测方法，具体步骤如下：
[0006](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；
[0007]步骤(1)具体包括：
[0008](1.1)对GNSS中频信号进行预处理，输入原始中频信号；
[0009](1.2)计算得到改进Ratio移动均值、改进Ratio移动方差；
[0010]其中，改进Ratio移动均值、改进Ratio移动方差的表达式为：
[0011][0012][0013]式中，RatioMA、RatioMA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：
[0014][0015][0016][0017][0018]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；
[0019](1.3)计算得到改进Delta移动均值、改进Delta移动方差；
[0020]其中，改进Delta移动均值、改进Delta移动方差的表达式为：
[0021][0022][0023]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：
[0024][0025](1.4)计算得到早晚码相位差ELP；
[0026][0027]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；
[0028](1.5)计算获得载噪比移动方差C/N0(i)MV；
[0029][0030](1.6)计算获得接收机钟差变化率；
[0031][0032](1.7)将上述改进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作为特征向量x，样本特征向量即为：
[0033][0034](1.8)对数据的预处理还包括缺失值处理、偏差计算、取观测到的所有卫星特征值的均值、数据标准化和主成分分析；
[0035](2)构造不同核函数下的SVM模型，将GNSS信号样本随机抽取70％的数据用于训练，30％的数据用于测试；
[0036](3)通过测试后，模型可以用于检测欺骗干扰是否发生。
[0037]作为本专利技术进一步改进，步骤(2)具体包括：
[0038](2.1)构造六个不同核函数下的SVM模型；
[0039]核函数定义为对于所有数据点需满足：
[0040]K(z
i
，z
j
)＝<φ(z
i
)，φ(z
j
)>
[0041]其中，z
i
和z
j
为两个不同的支持向量，K(
·
)为核函数，φ(
·
)是从z到F
k
的映射，是一个与核K(
·
)相关的内积特征空间：
[0042]φ：z
i
∈z
→
φ(z
i
)＝K(z
i
，
·
)∈F
K
[0043]具体的核函数有以下六种：
[0044]第一种为线性Linear核，可以表示为：
[0045][0046]第二、三、四种为径向基核RB函数的精高斯RBF核、中高斯RBF核和粗高斯RBF核，并写成：
[0047][0048]其中，σ定义为核的宽度，同样，核尺度参数对应于RBF定义中的γ参数，只是与σ表示方式不同；
[0049]将上式中的RBF核尺度γ调整为不同的值：
[0050][0051][0052][0053]其中，γ
fG
、γ
mG
和γ
cG
分别为精高斯RBF核、中高斯RBF核和粗高斯RBF核对应时的γ取值，n为特征值个数；
[0054]第五、六种核函数是多项式Polynomial核，表示为：
[0055][0056]其中，P是多项式核的阶数。分别取值2和3得到2阶多项式核函数和3阶多项式核函数；
[0057](2.2)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。
[0058]本专利技术与现有技术相比，其显著优点是：
[0059]本专利技术提出了一种基于BP神经网络的GNSS生成式欺骗检测方法。所述方法首先提取GNSS卫星中频信号，对中频信号预处理，得到特征向量，特征向量包括了改进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。接着将各个时刻点的中频信号进行标记，根据已知的欺骗信号施加时刻将施加欺骗信号之前的信号标记为0，欺骗施加之后的信号标记为1。构造一个三本文档来自技高网...

【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：