卫星导航欺骗干扰检测与抑制技术综述

全球导航卫星系统(Global Navigation Satellite System,GNSS)欺骗式干扰具有隐蔽性强、危害性大的特点,对GNSS造成了严重的安全威胁。介绍了生成式和转发式欺骗干扰的原理和关键技术,总结了现有的欺骗式干扰检测方法和抑制方法,并从成本、性能、复杂度、研究重点等方面对现有技术进行了详细分析。以性能和成本为指标,对比分析了现有干扰攻击、检测和抑制方法。最后,对未来欺骗式干扰防御研究值得关注的问题进行了展望,以期为后续研究提供思路。

多方位测量的相位双差GNSS欺骗干扰检测算法

对于二元天线阵,相位双差检测算法的载波相位双差角度模糊、虚警概率较高,这限制了算法的应用。针对这一问题,提出天线阵方位变化的欺骗干扰检测算法。通过二元天线阵在不同方位估计信号的载波相位双差,进行多次判决,有效消除角度模糊,降低检测的虚警概率,实现二元天线的载波相位双差检测。建立仿真模型,并通过仿真计算分析验证了该方法的有效性。

基于CS-C-SVM的多参数GNSS欺骗干扰检测

欺骗通过传输虚假的全球导航卫星系统(global navigation satellite system,GNSS)信号使接收机解算出错误的位置、速度和时间,具有很大的危害性,因此检测到欺骗干扰是十分必要的。传统的利用单一参数检测欺骗干扰的方法存在一定的局限性,然而欺骗过程会引起一系列参数的变化,本文提出综合利用多个参数的检测方法,即将多个参数作为C-支持向量机(C-support vector machine,C-SVM)的特征输入并构建用于检测欺骗干扰的分类器。考虑到使用传统网格搜索(grid search,GS)优化后的C-SVM算法(GS-C-SVM)容易陷入局部最优继而降低分类器的性能,文中提出利用布谷鸟搜索(cuckoo search,CS)算法优化C-SVM(CS-C-SVM),仿真实验结果表明该方法可以进一步提高分类准确率并降低虚警率。

利用矢量跟踪环路的欺骗干扰检测与抑制方法

欺骗干扰的信号模型与真实卫星信号相似,具有很强的隐蔽性。近年来欺骗干扰不断威胁GPS系统因此受到了国内外学者的广泛关注。生成式欺骗干扰的延迟和功率具有可控性和变化性,因此隐蔽性和危害性更强。针对该问题,本文在欺骗干扰来向与真实卫星信号来向未知的前提下,结合阵列天线技术与矢量跟踪环路,提出一种基于矢量跟踪环路的欺骗干扰检测和抑制方法。该方法首先根据矢量跟踪环路的预测参数重构基于远滞后码的参考信号;其次根据接收信号与参考信号的相干累加结果构造欺骗干扰检测模型;然后根据阵列接收信号与参考信号的相干累加结果估计协方差矩阵;最后根据协方差矩阵中最大特征值对应的特征向量估计欺骗信号的特征向量,并根据该特征向量构造正交投影矩阵抑制欺骗干扰。理论分析和仿真实验得出了本文提出的算法具有较好的抗欺骗干扰性能。

基于决策融合的GNSS欺骗干扰检测性能分析

欺骗干扰是一种旨在迫使GNSS接收机得到错误导航信息的蓄意攻击。卫星导航接收机需要及时且准确检测出现的欺骗干扰信号。本文借鉴认知无线电中协作频谱感知的思想,提出了一种基于决策融合的卫星导航欺骗干扰检测算法。首先采用能量检测算法,分析并推导了单个检测器在瑞利衰落信道下的卫星导航欺骗干扰检测性能,然后应用K/N准则的决策融合方法以进一步改善欺骗干扰的检测性能。仿真结果表明:当SINR=-10 d B时,检测概率比单次检测概率平均提高了16.60%。

利用旋转双天线载波相位双差的欺骗干扰检测技术

有效的欺骗干扰检测是防止卫星导航接收机被欺骗干扰攻击的前提。提出了一种基于旋转双天线载波相位双差的卫星导航接收机欺骗干扰检测技术,在对接收机双天线匀速旋转时输出载波相位测量值进行载波相位双差处理后,利用广义似然比检验实现了对单一发射天线输出欺骗干扰信号的检测。进一步分析了旋转半径和数据长度对检测性能的影响,并与旋转单天线和天线阵载波相位双差欺骗干扰检测方法的性能进行了对比。最后,通过蒙特卡罗方法进行了仿真验证,结果表明了该检测方法和检测性能分析的正确性。

基于BP神经网络的导航信号欺骗干扰检测

全球导航卫星系统的开放服务给生命安全应用程序带来了巨大便利的同时,也存在许多隐患,例如缺乏安全防护以及信号的脆弱性,极易被恶意用户进行欺骗干扰,而这类问题的干扰不同于压制式干扰容易被检测出来,其隐蔽性极高,危害性极大,难以被一般的仪器和算法检测出来。针对这些问题提出一种基于BP神经网络的有监督的机器学习方法进行欺骗干扰检测,BP神经网络是按照误差反向传播的多层前馈神经网络,采用梯度下降法计算目标函数最小值,采用伪距、载波相位、多普勒频移、时钟频漂和信噪比等观测值进行神经网络训练,再将新的信号输入训练好的神经网络进行分类测试,从接收者操作特征曲线的结果看出,此方法的分类效果达到83%,说明此方法具备较高的检测概率,可以进一步研究。

基于功率变化的移动终端欺骗干扰检测方法

对欺骗信号的功率检测是目前最常用的欺骗检测方法之一,但欺骗源可以通过调整发射的信号功率,仍然可实现对环形范围内所有终端的欺骗攻击.针对该问题,本文提出了一种基于信号功率变化的移动终端欺骗干扰检测方法,该方法利用了真实卫星和欺骗源与终端在距离上差异的本质属性,通过终端运动情况下真实信号与欺骗信号在相同距离上信号功率变化的不同,实现对近距离欺骗干扰源的有效检测.本文建立了移动终端导航信号功率变化模型,并在此基础上给出了针对欺骗信号的二元假设检验方法.通过理论分析和仿真实验,验证了本文提出的基于信号功率变化的移动终端欺骗干扰检测技术的有效性,当干扰源距离终端小于2 000 m,终端运动距离大于200 m即可实现在1%的虚警概率下实现对97%以上欺骗攻击的有效检测.

基于自适应SPRT的缓变式欺骗干扰检测算法

缓变式欺骗干扰信号在干扰初期与全球导航卫星系统(Global Navigation Satellite System,GNSS)真实信号保持一致,其隐蔽性强,危害性大。常见的缓变式欺骗干扰检测方法是将卡尔曼滤波新息序列作为检测量,基于卡方检验检测干扰。然而,这些方法存在检测时间较长、检测性能低的问题。针对这一问题,提出了基于序贯概率比检测(Sequential Probability Ratio Test,SPRT)的缓变式欺骗干扰检测算法,将新息序列检测量作为SPRT样本,计算检验统计量,检测欺骗的同时能识别受欺骗的卫星。同时,应用Bayes参数估计理论,提出自适应SPRT算法,自适应补偿检验统计量,加快算法检测速度,并可通过调整风险参数,进一步提高算法的检测性能。仿真结果表明,与传统方法比,本文算法对缓变式欺骗干扰的检测时间短、检测性能高,并且在多星受欺骗时,可达到较好的检测性能.

基于TimeGAN-LSTM的无人机GPS欺骗干扰检测模型

针对无人机易受GPS欺骗干扰的问题,提出一种基于长短时记忆法(LSTM)的无人机全球定位系统(GPS)欺骗干扰检测模型。为了提高模型训练精度,首先利用时序生成对抗网络(TimeGAN)对训练数据集进行了数据增强工作,弥补了训练数据量的不足,还对比了增强数据集与原始数据集的性能差距。然后搭建了LSTM模型,在仿真实验下TimeGAN+LSTM模型获得的准确率、精确率、召回率和F1值分别为98.08%、98.55%、98.07%和98.31%。最后与传统机器学习模型进行比较,对比结果证明,提出的欺骗干扰检测模型拥有更好的性能指标。该模型可实现对无人机GPS欺骗干扰信号的有效检测。

基于IMM-KF算法改进的欺骗式干扰检测算法

针对基于接收机基线长度的欺骗干扰检测方法在短基线和低定位精度下检测性能差的问题,提出了一种交互多模型卡尔曼滤波(Interactive Multi-model Kalman Filtering,IMM-KF)算法改进的欺骗式干扰检测算法。该方法通过IMM-KF算法对两个接收机天线的位置信息进行最优估计,提高基线解算精度,从而提升基于基线长度的欺骗干扰检测方法的检测性能。首先,详细分析了基于基线长度的欺骗干扰检测方法的数学原理;其次,建立欺骗检测算法模型,并对其性能进行仿真分析;然后,根据算法应用场景引入IMM-KF算法优化基线长度估计量;最后,针对不同的基线长度和定位精度进行仿真实验,对算法进行性能评估。仿真结果表明,该算法可以在接收机伪距测量精度为0.1 m、基线长度为0.5 m的情况下达到86%的检测成功率,而传统算法在此情况下检测成功率仅为10%。

利用旋转天线载波相位双差进行欺骗干扰检测技术

有效的欺骗干扰检测,是卫星导航接收机实施欺骗干扰抑制,防止产生错误定位、测速和定时信息的前提。提出了一种基于旋转天线载波相位双差的卫星导航接收机欺骗干扰检测技术,在对接收机天线匀速旋转时输出载波相位测量值进行平动消除和非相关差分处理后,利用广义似然比检验实现了对单一发射天线输出欺骗干扰信号的检测。进一步分析了旋转半径、转速和数据长度对检测性能的影响,指出增加数据长度是提升检测性能的必然选择,并定义了比较全局检测性能和限制检测性能下降的检测盲区。最后,通过蒙特卡洛方法进行了仿真验证,结果验证了所提检测方法和检测性能分析的正确性。

基于PSO-ELM的卫星导航欺骗式干扰检测

近年来,卫星导航系统在军事监测、精细农业、交通监控、资源勘探、灾害评估等领域得到了广泛应用,但由于卫星导航信号结构公开且到达地面时强度微弱,卫星导航系统极易受到各种各样的干扰,其中欺骗式干扰因具有较强的隐蔽性,对卫星导航系统构成巨大的安全威胁。传统的欺骗式干扰检测方法大多采用单一参数进行检测,具有一定局限性。考虑到欺骗干扰源在欺骗过程中会引起一系列参数变化,构造了一个多参数输入的卫星导航欺骗式干扰检测模型,即将多个特征参数作为极限学习机(ELM)的输入,并通过训练和学习将真实信号与欺骗信号区分开,从而实现欺骗式干扰检测。同时,利用粒子群优化(PSO)算法优化ELM中的输入权值矩阵和隐层偏置,改善由于网络参数随机生成导致分类精度低的问题。仿真实验证明了该方法在卫星导航欺骗干扰检测方面的可行性和有效性。

GNSS欺骗式干扰检测综述

近年来,随着卫星导航系统在军事监测、精细农业、交通监控、资源勘探、灾害评估等领域的广泛应用,提高卫星导航系统的安全性和鲁棒性成为研究的热点。介绍了卫星导航欺骗式干扰的原理与分类,根据卫星信号从生成到最终实现定位导航这一过程和基于统计学层面将当前的欺骗式干扰检测技术分成基于导航数据信息、基于空间处理、基于射频前端处理、基于基带数字信号处理、基于定位导航运算结果和基于机器学习等六大类,并对每类采用的检测方法进行性能对比,从实时检测和综合检测两个方面对未来的欺骗式干扰检测进行展望。

基于改进SPRT的机载欺骗式干扰检测方法

针对传统机载GNSS欺骗式干扰检测方法在多星受欺骗、或伪距欺骗量较小时检测性能差的问题,提出一种基于改进SPRT的欺骗式干扰检测方法。利用惯性导航系统(INS)和测距机(DME)机载多源数据,构造欺骗检测量。基于Bayes参数估计理论,提出一种改进SPRT算法,利用欺骗检测量计算自适应补偿值,构成改进的欺骗检测统计量。利用改进的欺骗检测统计量进行欺骗式干扰检测,加快算法的检测速度。巡航阶段的仿真结果表明,在满足机载设备相关要求的同时,在多星受欺骗情况和伪距欺骗量较小情况下均具有较好的检测性能。

GNSS干扰和欺骗检测研究现状与展望

全球卫星导航系统(GNSS)提供精确的定位、导航和授时功能,在军事和国民经济各行各业发挥着关键作用,其安全问题成为目前人们关注的焦点。GNSS信号强度较弱且民用GNSS具有开放结构,因此容易受到干扰或欺骗。GNSS干扰和欺骗轻则影响GNSS定位精度或提供错误的路线,降低服务质量;重则导致GNSS中断,提供虚假时间和位置信息,造成经济损失和军事行动失败等严重后果。虽然GNSS系统安全问题研究成果丰富,但相关研究论文分散在不同领域的刊物上,缺乏从无线电监管的角度论述GNSS干扰和欺骗检测、实验系统和数据集方面的综述性论文。基于此,该文从原理、检测方法、实验系统和开源数据集方面调研了大量代表性文献,按照“原理-检测-实验系统-数据集”较为系统地阐述了GNSS干扰和欺骗检测的研究现状。首先,介绍了GNSS干扰的原理和分类,讨论了基于统计的干扰检测方法、基于时频分析的干扰检测方法和基于机器学习的干扰检测方法;其次,介绍了欺骗的原理和分类,并从是否需要附加硬件和卫星信号从生成到最终实现定位过程两个方面介绍了欺骗检测方法;然后,介绍了国内外研究GNSS干扰和欺骗的实验系统和开源数据集;最后,对研究现状和未来的发展趋势进行总结和展望,旨在促进GNSS干扰和欺骗检测理论和技术的发展及其在无线电监测领域的推广应用。

卫星导航欺骗式干扰检测技术综述

本文先介绍了欺骗干扰的分类,然后分别对接收机完好性监测、基于惯性测量传感器、电文校验、基于基带信号处理、多天线和基于人工智能算法的欺骗干扰检测方法的研究现状进行分析对比。可靠的检测是保证接收方接收安全的第一步,因此对于如何能快速、准确的检测识别出欺骗干扰源是值得研究并且至关重要的。最后对GNSS欺骗干扰检测技术的可行优化方法进行了阐述,为后续进行深入研究提供思路。

基于误差估值累加开环校正的诱导式欺骗检测方法

诱导式卫星欺骗干扰可诱导航空器逐渐偏离预定航迹,难以被发现,因此及时有效地检测干扰是飞行安全的保障。在现有紧组合导航体制基础上,设计了一种基于误差估值累加开环校正的紧组合导航结构,并证明了其性能与传统闭环校正紧组合导航性能等效。在此结构中,将紧组合导航系统与自适应序贯概率比检测方法结合,提出了一种基于误差估值累加开环校正的诱导式欺骗检测方法,融合紧组合导航信息与其他不受欺骗影响的导航信息,构建欺骗检测统计量进行诱导式欺骗检测。仿真结果表明,开环校正结构可避免随时间累加的惯性导航系统误差所导致的组合导航滤波器发散问题,同时欺骗检测方法可进一步提高算法对“最坏”情形下微小诱导式欺骗的检测效果。

基于时钟频漂检验的卫星导航欺骗识别算法

通过分析欺骗信号对目标接收机时钟频漂的影响,建立被欺骗目标接收机在匀速圆周运动条件下的时钟频漂模型,将其与单位余弦函数进行圆相关,通过检测归一化相关值可以成功实现对欺骗干扰信号的检测,同时有效避免了虚警的发生;通过对相关相位及相关峰值分析处理可以解算出欺骗信号的方位角及仰角,仿真表明对方位角和仰角的估计误差在1°以内。该算法可行性较强,具有重要的理论价值和应用价值。

GNSS spoofing detection based on uncultivated wolf pack algorithm

In order to solve the problem that the global navigation satellite system（GNSS） receivers can hardly detect the GNSS spoofing when they are deceived by a spoofer,a model-based approach for the identification of the GNSS spoofing is proposed.First,a Hammerstein model is applied to model the spoofer/GNSS transmitter and the wireless channel.Then,a novel method based on the uncultivated wolf pack algorithm（UWPA） is proposed to estimate the model parameters.Taking the estimated model parameters as a feature vector,the identification of the spoofing is realized by comparing the Euclidean distance between the feature vectors.Simulations verify the effectiveness and the robustness of the proposed method.The results show that,compared with the other identification algorithms,such as least square（LS）,the iterative method and the bat-inspired algorithm（BA）,although the UWPA has a little more time-eomplexity than the LS and the BA algorithm,it has better estimation precision of the model parameters and higher identification rate of the GNSS spoofing,even for relative low signal-to-noise ratios.