【技术实现步骤摘要】
一种基于CNN
‑
LSTM的GNSS欺骗信号检测方法
[0001]本专利技术涉及GNSS欺骗干扰信号检测领域,特别是涉及一种基于CNN
‑
LSTM的GNSS欺骗信号检测方法。
技术介绍
[0002]现如今,全球卫星导航系统(GlobalNavigationSatelliteSystem,GNSS系统)已成为人们生活中重要的基础设施,各个领域对GNSS的依赖程度越来越高,GNSS已经成为不可或缺的导航工具,能够为用户提供实时的定时、定位和其他导航信息。但出于经济效益和军事等目的,GNSS往往成为被攻击的对象。欺骗式干扰严重威胁到了GNSS系统的安全运行。因此,GNSS欺骗干扰的有效准确识别对GNSS系统的安全具有极其重要的意义。
[0003]目前信号质量检测技术SQM以及基于信号质量检测技术的改进技术被广泛应用于欺骗信号检测领域,其过程中一旦目标接收机受到欺骗信号干扰,接收机相关器输出会发生异常,早码、即时码和晚码三者相关器输出将不再满足对称性,通过检查三者相关峰畸变进行检测。
[0004]现有技术缺点:(1)SQM等传统检测技术以机理模型为主,需依靠模型计算出欺骗干扰信号存在时特征量的观测门限值;(2)传统检测技术在计算门限值的过程中需预设虚警概率进而推导监测概率,影响最终识别准确率;(3)传统检测技术针对不同类型的欺骗干扰类型时,需反复设定门限值进行计算,泛化能力不足,难以在保证精准度的前提下做到对多种欺骗干扰类型通用。由以上分析可知,以往的方法在准确度、泛化能力 ...
【技术保护点】
【技术特征摘要】
1.一种基于CNN
‑
LSTM的GNSS欺骗信号检测方法,其特征在于,包括如下步骤:步骤S1、获取原始数据源,所述原始数据源为基于TEXBAT数据库提供的包含未加入欺骗的GNSS中频数字信号及含有不同欺骗类型的GNSS中频数字信号,并通过GNSS软件接收机对各GNSS中频数字信号分别进行捕获跟踪,得到GNSS软件接收机相关器的输出值;步骤S2、对GNSS软件接收机相关器的输出值进行计算,得到Ratio的移动均值序列即RatioMA序列;步骤S3、对经步骤S2处理后的RatioMA序列进行选取以制作样本集;所述样本集包含若干条加入欺骗数据RatioMA序列和若干条未加入欺骗的干净数据RatioMA序列,且单条加入欺骗数据RatioMA序列和单条未加入欺骗的干净数据RatioMA序列保持样本点数相同,其中加入欺骗数据RatioMA序列的选取包含从欺骗开始至成功欺骗范围内的样本点;将加入欺骗数据RatioMA序列和未加入欺骗的干净数据RatioMA序列采用相同的压缩方式进行压缩降维处理,对样本集中的序列逐条压缩降维处理后,最终形成带有标签的样本集,x(m)=[x1,x2...x
m
]
T
,其中x(m)表示经处理后的样本集,x
m
表示第m条压缩降维处理后的序列;其中压缩降维处理的过程为:以一定的采样频率对样本集中序列逐条均匀采集,从而对样本集中每条序列分别进行压缩降维处理;序列采样满足x=RatioMA
·
fs,其中x表示压缩降维处理后的序列,fs表示采样频率;步骤S4、搭建CNN
‑
LSTM网络;将样本集分为训练集和测试集,并对训练集和测试集分别进行归一化处理,将归一化后的训练集输入到CNN
‑
LSTM网络中进行训练并生成CNN
‑
LSTM网络模型;再将归一化后的测试集输入训练好的CNN
‑
LSTM网络模型进行GNSS欺骗信号识别,输出识别结果准确率。2.根据权利要求1所述的基于CNN
‑
LSTM的GNSS欺骗信号检测方法,其特征在于:步骤S1具体包括:获取原始数据源,所述原始数据源为基于TEXBAT数据库提供的包含未加入欺骗的GNSS中频数字信号及含有不同欺骗类型的GNSS中频数字信号,将CNSS中频数字信号与本地产生的载波信号经过正弦和余弦处理后的结果做乘积运算,运算结果做傅...
【专利技术属性】
技术研发人员:李新波,户健,范书源,冯伟嘉,赵欣烨,冯海,崔浩,李卓,
申请(专利权)人:吉林大学,
类型:发明
国别省市:
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。