一种信号捕获阶段基于LSTM的GNSS欺骗干扰检测方法及系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN110231634A(43)申请公布日2019.09.13(21)申请号201910404639.9(22)申请日2019.05.15(71)申请人西安交通大学地址710049陕西省西安市咸宁西路28号(72)发明人张国梅孟伟李国兵吕刚明(74)专利代理机构西安通大专利代理有限责任公司61200代理人徐文权(51)Int.Cl.G01S19/21(2010.01)G01S19/24(2010.01)权利要求书3页说明书13页附图8页(54)发明名称一种信号捕获阶段基于LSTM的GNSS欺骗干扰检测方法及系统(57)摘要本发明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。CN110231634ACN110231634A权利要求书1/3页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2CN110231634A权利要求书2/3页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。6.根据权利要求3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，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)>