一種基于svm的gnss欺騙式干擾識(shí)別方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及導(dǎo)航衛(wèi)星系統(tǒng)，尤其涉及一種基于SVM的GNSS欺騙式干擾識(shí)別方法。
【背景技術(shù)】
[0002]GNSS(全球?qū)Ш叫l(wèi)星系統(tǒng))接收機(jī)能提供定位、導(dǎo)航和定時(shí)服務(wù)，已經(jīng)成為人們?nèi)粘Ｉ钪胁豢苫蛉钡墓ぞ撸瑥V泛應(yīng)用于軍事裝備及以人民日常生活中。對(duì)于安全性、可靠性要求嚴(yán)格的場(chǎng)合，值得信賴(lài)的定時(shí)定位尤為重要。但是由于到達(dá)地面時(shí)的衛(wèi)星信號(hào)非常微弱，信號(hào)極易受到干擾。干擾分為壓制式干擾和欺騙式干擾。其中欺騙式干擾可以在接收機(jī)毫無(wú)察覺(jué)的情況下破壞甚至控制定時(shí)定位結(jié)果，因而欺騙式干擾比壓制式干擾威脅更大。特別是隨著電子戰(zhàn)技術(shù)和集成電路技術(shù)的發(fā)展，使得欺騙式干擾更加頻繁出現(xiàn)。
[0003]現(xiàn)有的抗欺騙式干擾的方法主要有基于粒子濾波的抗欺騙式干擾方式，基于子空間投影的GNSS接收機(jī)互相關(guān)干擾抑制算法以及基于接收信號(hào)DOA(波達(dá)方向)的欺騙干擾識(shí)別技術(shù)。這些技術(shù)的算法和硬件復(fù)雜度較高，而且需要自己設(shè)置門(mén)限，準(zhǔn)確率不是很高。本專(zhuān)利提出的一種基于數(shù)據(jù)分類(lèi)的欺騙式干擾識(shí)別方法，可以以幾乎100%的準(zhǔn)確率和零虛警率識(shí)別干擾信號(hào)，運(yùn)算速度快，復(fù)雜度低，門(mén)限智能化，應(yīng)用場(chǎng)景更加廣泛。

【發(fā)明內(nèi)容】

[0004]SVM(支持向量機(jī))是一種數(shù)據(jù)分類(lèi)的算法。它的目的是為了找到一個(gè)最佳超平面使得正例與反例之間間隔最大化。由于欺騙信號(hào)的功率比真實(shí)信號(hào)的大3?7dB左右，真實(shí)信號(hào)與欺騙信號(hào)可以分別看做正例與反例，因而可以用SVM分類(lèi)器找出真實(shí)信號(hào)與欺騙信號(hào)的最佳分類(lèi)超平面，然后可以對(duì)未知信號(hào)進(jìn)行判別，判斷其屬于哪一類(lèi)信號(hào)，從而達(dá)到識(shí)別欺騙信號(hào)的目的。
[0005]先假設(shè)已經(jīng)收到一個(gè)欺騙信號(hào)和一個(gè)真實(shí)信號(hào)，把他們作為訓(xùn)練集，運(yùn)用SVM對(duì)其進(jìn)行訓(xùn)練，找到區(qū)分欺騙信號(hào)與真實(shí)信號(hào)的最佳分類(lèi)超平面;然后輸入測(cè)試衛(wèi)星信號(hào)，用訓(xùn)練集訓(xùn)練得到的模型對(duì)其進(jìn)行測(cè)試，判斷其屬于真實(shí)信號(hào)還是欺騙信號(hào)。準(zhǔn)確率:正確識(shí)別出欺騙信號(hào)的概率，虛警率:錯(cuò)誤的把真實(shí)信號(hào)判別為欺騙信號(hào)的概率。
[0006]本發(fā)明為解決現(xiàn)有抗欺騙式干擾的方法存在算法和硬件復(fù)雜度較高，而且需要自己設(shè)置門(mén)限，準(zhǔn)確率不高的問(wèn)題，而提出一種基于SVM的GNSS欺騙式干擾識(shí)別方法。
[0007]—種基于SVM的GNSS欺騙式干擾識(shí)別方法，按以下步驟進(jìn)行:
[0008]步驟一:GNSS接收機(jī)已經(jīng)接收到四個(gè)衛(wèi)星信號(hào)a、b、c、d，把a(bǔ)和b作為訓(xùn)練集，c和d作為測(cè)試集。a為真實(shí)信號(hào)，b為欺騙信號(hào)，b的功率比a大iQ倍，2 < 5; c和d為待測(cè)試信號(hào)；
[0009]步驟二:設(shè)置采樣點(diǎn)數(shù)為n，分別記錄下η比特接收信號(hào)中真實(shí)信號(hào)以及欺騙信號(hào)在各米樣點(diǎn)的功率值a(n)、b(n);
[0010]步驟三:對(duì)數(shù)據(jù)a(n)和b(n)分別進(jìn)行小波變換，提取其特征向量，設(shè)a(n)所提取特征向量為X，b (η)所提取特征向量為y ；
[0011]步驟四:對(duì)提取的特征向量X和y進(jìn)行訓(xùn)練，建立SVM分類(lèi)模型；
[0012]步驟五:同樣記錄下測(cè)試集中，信號(hào)c以及信號(hào)d在各采樣點(diǎn)的功率值c(n)和d(n);
[0013]步驟六:用步驟四所建立模型對(duì)測(cè)試集c和d進(jìn)行測(cè)試，得出其是真實(shí)信號(hào)或欺騙信號(hào)或發(fā)出虛警警報(bào)。
[0014]本發(fā)明包括以下有益效果:
[0015]1、本發(fā)明提出了一種基于數(shù)據(jù)分類(lèi)的欺騙式干擾識(shí)別方法，能以幾乎100%的準(zhǔn)確率和零虛警率識(shí)別干擾信號(hào)，運(yùn)算速度快，復(fù)雜度低，門(mén)限智能化，應(yīng)用場(chǎng)景更加廣泛；
[0016]2、本發(fā)明只需事先接收到一個(gè)真實(shí)信號(hào)與欺騙信號(hào)，對(duì)其進(jìn)行建模，即可以對(duì)未知的衛(wèi)星信號(hào)進(jìn)行識(shí)別，判斷其是否屬于欺騙式干擾信號(hào)，方法簡(jiǎn)單實(shí)用。
【附圖說(shuō)明】
[0017]圖1為實(shí)驗(yàn)中不同功率比下的識(shí)別準(zhǔn)確率和虛警率示意圖。
【具體實(shí)施方式】
[0018]為使本發(fā)明的上述目的、特征和優(yōu)點(diǎn)能夠更加明顯易懂，下面結(jié)合圖1和【具體實(shí)施方式】對(duì)本發(fā)明作進(jìn)一步詳細(xì)的說(shuō)明。
[0019]【具體實(shí)施方式】一、本實(shí)施方式所述的一種基于SVM的GNSS欺騙式干擾識(shí)別方法，按以下步驟進(jìn)行:
[0020]步驟一:GNSS接收機(jī)接收到四個(gè)衛(wèi)星信號(hào)a、b、c、d，把a(bǔ)和b作為訓(xùn)練集，c和d作為測(cè)試集。a為真實(shí)信號(hào)，b為欺騙信號(hào)，b的功率比a大1倍，2 < 5; c和d為待測(cè)試信號(hào)；
[0021]步驟二:設(shè)置采樣點(diǎn)數(shù)為n，分別記錄下η比特接收信號(hào)中真實(shí)信號(hào)以及欺騙信號(hào)在各米樣點(diǎn)的功率值a(n)和b(n)；
[0022]步驟三:對(duì)數(shù)據(jù)a(n)和b(n)分別進(jìn)行小波變換，提取其特征向量，設(shè)a(n)所提取特征向量為X，b (η)所提取特征向量為y ；
[0023]步驟四:對(duì)提取的特征向量X和y進(jìn)行訓(xùn)練，建立SVM分類(lèi)模型；
[0024]步驟五:同樣記錄下測(cè)試集中，信號(hào)c以及信號(hào)d在各采樣點(diǎn)的功率值c(n)和d(n);
[0025]步驟六:用步驟四所建立模型對(duì)測(cè)試集c和d進(jìn)行測(cè)試，得出其是真實(shí)信號(hào)或欺騙信號(hào)或發(fā)出虛警警報(bào)。
[0026]本實(shí)施方式包括以下有益效果:
[0027]1、本實(shí)施方式提出了一種基于數(shù)據(jù)分類(lèi)的欺騙式干擾識(shí)別方法，能以幾乎100%的準(zhǔn)確率和零虛警率識(shí)別干擾信號(hào)，運(yùn)算速度快，復(fù)雜度低，門(mén)限智能化，應(yīng)用場(chǎng)景更加廣泛；
[0028]2、本實(shí)施方式只需事先接收到一個(gè)真實(shí)信號(hào)與欺騙信號(hào)，對(duì)其進(jìn)行建模，即可以對(duì)未知的衛(wèi)星信號(hào)進(jìn)行識(shí)別，判斷其是否屬于欺騙式干擾信號(hào)，方法簡(jiǎn)單實(shí)用。
[0029]【具體實(shí)施方式】二、本實(shí)施方式與【具體實(shí)施方式】一不同的是:步驟一中所述2< 1<4，其它步驟及參數(shù)與【具體實(shí)施方式】一相同。
[0030]【具體實(shí)施方式】三、本實(shí)施方式與【具體實(shí)施方式】一或二不同的是:步驟一中所述1=2，其它步驟及參數(shù)與【具體實(shí)施方式】一相同。
[0031]【具體實(shí)施方式】四、本實(shí)施方式與【具體實(shí)施方式】一或二不同的是:步驟一中所述1=3，其它步驟及參數(shù)與【具體實(shí)施方式】一相同。
[0032]【具體實(shí)施方式】五、本實(shí)施方式與【具體實(shí)施方式】一或二不同的是:步驟一中所述1=4，其它步驟及參數(shù)與【具體實(shí)施方式】一相同。
[0033]【具體實(shí)施方式】六、本實(shí)施方式是對(duì)【具體實(shí)施方式】一所述的一種基于SVM的GNSS欺騙式干擾識(shí)別方法的進(jìn)一步說(shuō)明，步驟四中所述的建立SVM分類(lèi)模型，就是用訓(xùn)練集求出最佳分類(lèi)超平面方程。
[0034]為驗(yàn)證本發(fā)明的準(zhǔn)確率和虛警率，作如下實(shí)驗(yàn)。
[0035]步驟一:GNSS接收機(jī)接收到四個(gè)衛(wèi)星信號(hào)a、b、c、d，把a(bǔ)和b作為訓(xùn)練集，c和d作為測(cè)試集。a為真實(shí)信號(hào)，b為欺騙信號(hào)，b的功率比a大1倍，1 = 2;c為真實(shí)信號(hào)，d為欺騙信號(hào)，d比c大j倍，j = 2;
[0036]步驟二:設(shè)置采樣點(diǎn)數(shù)為n=1000，分別記錄下1000比特接收信號(hào)中真實(shí)信號(hào)以及欺騙?目號(hào)在各米樣點(diǎn)的功率值a(n)和b(η)；
[0037]步驟三:對(duì)數(shù)據(jù)a(n)和b(n)分別進(jìn)行小波變換，提取其特征向量，設(shè)a(n)所提取特征向量為X，b (η)所提取特征向量為y ；
[0038]步驟四:對(duì)提取的特征向量X和y進(jìn)行訓(xùn)練，建立SVM分類(lèi)模型；
[0039]步驟五:同樣記錄下測(cè)試集中，真實(shí)信號(hào)c以及欺騙信號(hào)d在各采樣點(diǎn)的功率值c(η)和d(n)；
[0040]步驟六:用步驟四所建立模型對(duì)測(cè)試集c和d進(jìn)行測(cè)試，得出預(yù)測(cè)的準(zhǔn)確率；
[0041]步驟七:為提高準(zhǔn)確率，重復(fù)步驟一到步驟六1000次，得出平均預(yù)測(cè)準(zhǔn)確率和虛警率；
[0042]步驟八:分別就不同」(」=2、3、4、5)下測(cè)試集分類(lèi)的準(zhǔn)確率，并進(jìn)行分析對(duì)比。
[0043]其中步驟六中的判斷標(biāo)準(zhǔn):若信號(hào)c的1000個(gè)采樣點(diǎn)中有大于500個(gè)被分類(lèi)為真實(shí)信號(hào)則判為真實(shí)信號(hào)，否則發(fā)生虛警；同樣若d的1000個(gè)采樣點(diǎn)有大于500個(gè)點(diǎn)被分類(lèi)為欺騙信號(hào)則判為欺騙信號(hào)；
[0044]圖1為實(shí)驗(yàn)中不同功率比下的識(shí)別準(zhǔn)確率和虛警率示意圖。從圖中可以看出，隨著欺騙信號(hào)比真實(shí)信號(hào)功率增大倍數(shù)的增加，欺騙信號(hào)識(shí)別準(zhǔn)確率為100%，虛警率為零。說(shuō)明此方法可以快速的以較高的準(zhǔn)確率識(shí)別欺騙信號(hào)。
【主權(quán)項(xiàng)】
1.一種基于SVM的GNSS欺騙式干擾識(shí)別方法，其特征在于它按以下步驟進(jìn)行: 步驟一:GNSS接收機(jī)已經(jīng)接收到四個(gè)衛(wèi)星信號(hào)a、b、c、d，把a(bǔ)和b作為訓(xùn)練集，c和d作為測(cè)試集;a為真實(shí)信號(hào)，b為欺騙信號(hào)，b的功率比a大1倍，2<i(^5;c和d為待測(cè)試信號(hào)； 步驟二:設(shè)置采樣點(diǎn)數(shù)為n，分別記錄下η比特接收信號(hào)中真實(shí)信號(hào)以及欺騙信號(hào)在各采樣點(diǎn)的功率值a(n)、b(n); 步驟三:對(duì)數(shù)據(jù)a(n)和b(n)分別進(jìn)行小波變換，提取其特征向量，設(shè)a(n)所提取特征向量為X，b (η)所提取特征向量為y; 步驟四:對(duì)提取的特征向量X和y進(jìn)行訓(xùn)練，建立SVM分類(lèi)模型； 步驟五:同樣記錄下測(cè)試集中，信號(hào)c以及信號(hào)d在各采樣點(diǎn)的功率值c(n)和d(n); 步驟六:用步驟四所建立模型對(duì)測(cè)試集c和d進(jìn)行測(cè)試，得出其是真實(shí)信號(hào)或欺騙信號(hào)或發(fā)出虛警警報(bào)。2.如權(quán)利要求1所述的一種基于SVM的GNSS欺騙式干擾識(shí)別方法，其特征在于步驟一中所述W 4。3.如權(quán)利要求1或2所述的一種基于SVM的GNSS欺騙式干擾識(shí)別方法，其特征在于步驟一中所述1 = 2。4.如權(quán)利要求1或2所述的一種基于SVM的GNSS欺騙式干擾識(shí)別方法，其特征在于步驟一中所述1 = 3。5.如權(quán)利要求1或2所述的一種基于SVM的GNSS欺騙式干擾識(shí)別方法，其特征在于步驟一中所述1 = 4。6.如權(quán)利要求1或2所述的一種基于SVM的GNSS欺騙式干擾識(shí)別方法，其特征在于步驟四中所述的建立SVM分類(lèi)模型，就是用訓(xùn)練集求出最佳分類(lèi)超平面方程。
【專(zhuān)利摘要】一種基于SVM的GNSS欺騙式干擾識(shí)別方法，涉及導(dǎo)航衛(wèi)星系統(tǒng)，尤其涉及一種基于SVM的GNSS欺騙式干擾識(shí)別方法。本發(fā)明為解決現(xiàn)有抗欺騙式干擾的方法存在算法和硬件復(fù)雜度較高，而且需要自己設(shè)置門(mén)限，準(zhǔn)確率不高的問(wèn)題。本發(fā)明按以下步驟進(jìn)行：一、GNSS接收機(jī)已經(jīng)接收到四個(gè)衛(wèi)星信號(hào)a、b、c、d，把a(bǔ)和b作為訓(xùn)練集，c和d作為測(cè)試集；二、設(shè)置采樣點(diǎn)數(shù)為n，記錄采樣點(diǎn)的功率值a(n)、b(n)；三、對(duì)數(shù)據(jù)a(n)和b(n)分別進(jìn)行小波變換，提取其特征向量；四、建立SVM分類(lèi)模型；五、記錄各采樣點(diǎn)的功率值c(n)和d(n)；六、用步驟四所建立模型對(duì)c和d進(jìn)行測(cè)試，得出結(jié)論。本發(fā)明適用于導(dǎo)航衛(wèi)星系統(tǒng)。
【IPC分類(lèi)】G01S19/21, G06K9/62, G06K9/00
【公開(kāi)號(hào)】CN105550702
【申請(qǐng)?zhí)枴緾N201510907339
【發(fā)明人】韓帥, 鄧雪菲, 王學(xué)東, 孟維曉
【申請(qǐng)人】哈爾濱工業(yè)大學(xué)
【公開(kāi)日】2016年5月4日
【申請(qǐng)日】2015年12月9日