CN117991302B - 一种基于多信息源的通航欺骗检测方法及*** - Google Patents
一种基于多信息源的通航欺骗检测方法及*** Download PDFInfo
- Publication number
- CN117991302B CN117991302B CN202410391948.8A CN202410391948A CN117991302B CN 117991302 B CN117991302 B CN 117991302B CN 202410391948 A CN202410391948 A CN 202410391948A CN 117991302 B CN117991302 B CN 117991302B
- Authority
- CN
- China
- Prior art keywords
- imu
- carrier
- information
- noise ratio
- gnss
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 61
- 238000003745 diagnosis Methods 0.000 claims abstract description 45
- 238000012706 support-vector machine Methods 0.000 claims abstract description 23
- 238000000034 method Methods 0.000 claims abstract description 22
- 238000007781 pre-processing Methods 0.000 claims abstract description 11
- 241000287127 Passeridae Species 0.000 claims description 15
- 238000004364 calculation method Methods 0.000 claims description 12
- 238000001914 filtration Methods 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 10
- 230000001133 acceleration Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 5
- 230000000739 chaotic effect Effects 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000035945 sensitivity Effects 0.000 abstract description 3
- 230000002159 abnormal effect Effects 0.000 description 4
- 125000004122 cyclic group Chemical group 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
Landscapes
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明公开了一种基于多信息源的通航欺骗检测方法及***，该方法包括：实时获取GNSS、IMU和气压高度计的数据信息；对GNSS、IMU和气压高度计的数据信息进行预处理，计算GNSS、IMU和气压高度计的总欧式距离差；由IMU高度值和修正气压高度计的高度值计算故障诊断系数；若故障诊断系数大于故障诊断阈值，则为IMU故障，再使用载噪比判断GNSS信号是否为欺骗信号；基于支持向量机回归模型建立多信息源欺骗信号检测模型，进一步判断GNSS信号是否为欺骗信号；实时发布位置信息。本发明使用多信息源建立多信息源欺骗信号检测模型，进一步计算故障诊断系数避免因IMU故障导致的误检测，提高检测精准性和抗干扰能力，自适应更新故障诊断阈值，提高欺骗信号检测敏感度。
Description
技术领域
本发明涉及通航抗欺骗技术领域，特别涉及一种基于多信息源的通航欺骗检测方法及***。
背景技术
通用航空是指除军事、警务、海关缉私飞行和公共航空运输飞行以外的航空活动，主要可分为载客类、载人类、其他类三类业务。由于卫星信号功率微弱，这使得卫星信号极易受到干扰和和欺骗。卫星导航欺骗指的是通过播发虚假卫星信号，诱导接收机捕获欺骗信号，从而得到错误的位置或时间信息。
为了构建良好的通航欺骗检测方法，人们也提出了诸如相关峰畸变欺骗监测技术，基于伪距观测量一致性RAIM的抗欺骗技术，基于多传感器敏感导航信息一致性的组合导航抗欺骗技术等方法，但是这些现有的方法大多采用IMU和GNSS信号组合检测欺骗信号，IMU长时间运行容易产生漂移，难以判别是IMU故障信号还是GNSS欺骗信号，此外欺骗信号与真实信号差异性较小，直接计算难以发现且计算复杂度高。
发明内容
本发明提供了一种基于多信息源的通航欺骗检测方法及***，以解决目前GNSS欺骗检测方法信息源单一，计算复杂度高，抗干扰能力不强，微小欺骗信号难以判断的技术问题。
为解决上述技术问题，本发明提供了如下技术方案：
本发明提供了一种基于多信息源的通航欺骗检测方法，包括：
S1：实时获取GNSS、IMU和气压高度计的数据信息；
S2：对GNSS、IMU和气压高度计的数据信息进行预处理，计算GNSS、IMU和气压高度计的总欧式距离差；
S3：由IMU高度值和修正气压高度计的高度值计算故障诊断系数；
S4：若故障诊断系数大于故障诊断阈值，则为IMU故障，再使用载噪比判断GNSS信号是否为欺骗信号；
S5：基于支持向量机回归模型建立多信息源欺骗信号检测模型；
S6：基于多信息源欺骗信号检测模型判断GNSS信号是否为欺骗信号；
S7：如检测到欺骗信号，通过卡尔曼滤波融合IMU和气压高度计的位置信息并发布；如未检测到欺骗信号，则实时发布GNSS的位置信息。
进一步地，所述实时获取GNSS、IMU和气压高度计的数据信息，包括：
所述GNSS的数据信息包括位置信息和载噪比/>，其中/>=，/>分别表示接收机的x轴、y轴和z轴的位置信息；
所述IMU的数据信息包括接收机的3个坐标轴的角速度和加速度/>，t表示历元时刻；
所述气压高度计的数据信息包括高度值。
进一步地，所述对GNSS、IMU和气压高度计的数据信息进行预处理，计算GNSS、IMU和气压高度计的总欧式距离差，包括：
接收机利用载噪比来检测接收到的信号质量，设定噪声为白噪声且进行归一化处理，则载噪比表达式如下：
其中，表示载波的功率，/>表示噪音的功率，B表示信号功率与噪声功率密度之比；
通过积分加速度和积分角速度信息计算得到IMU高度值；
修正气压高度计的高度值，具体为：
其中，以实际海平面为基准平面得到的高度值，/>以标准海平面为基准平面修正后得到的高度值；
计算GNSS、IMU和气压高度计的总欧式距离差：
其中，为气压高度计在t历元时刻的高度值，/>为IMU在t历元时刻的z轴位置信息，/>为GNSS在t历元时刻的z轴位置信息。
进一步地，所述由IMU高度值和修正气压高度计的高度值计算故障诊断系数，包括：
其中，是t历元时刻的故障诊断系数。
进一步地，所述若故障诊断系数大于故障诊断阈值，则为IMU故障，再使用载噪比判断GNSS信号是否为欺骗信号，包括：
初始化故障诊断阈值为，当/>小于/>时表示IMU正常工作，/>大于/>时表示IMU发生故障，则使用载噪比判断是否为欺骗信号；
对载噪比阈值最小值和载噪比阈值最大值/>进行初始化，比较当前历元时刻接收机获取的GNSS载噪比信号与载噪比阈值的大小，判断GNSS信号是否为欺骗信号；若GNSS载噪比信号在载噪比阈值最小值/>和最大值/>范围内，即为真实信号，否则为欺骗信号；
根据载噪比历史数据自适应更新载噪比阈值最小值和载噪比阈值最大值。
计算历史数据载噪比的均方差：
其中，是载噪比历史数据的平均值，/>是载噪比历史数据的数量，u表示平均值，n表示载噪比历史数据；
自适应更新t+1历元时刻载噪比阈值最小值：
其中，表示t+1历元时刻载噪比阈值最小值；
自适应更新t+1历元时刻载噪比阈值最大值：
其中，表示t+1历元时刻载噪比阈值最大值。
进一步地，所述基于支持向量机回归模型建立多信息源欺骗信号检测模型，包括：
输入总欧式距离差和载噪比，基于支持向量机回归模型构建多信息源欺骗信号检测模型以及目标函数，采用改进麻雀算法确定支持向量机模型中的惩罚系数C，检测欺骗信号；
进一步地，所述多信息源欺骗信号检测模型的目标函数为：
其中，是权重系数，/>是松弛变量，/>是惩罚系数，i是序列号，q表示样本总数。
进一步地，所述改进麻雀算法确定支持向量机模型中的惩罚系数C具体计算公式如下：
其中，表示第v个混沌序列数，/>表示第v+1个混沌序列数，mod表示为取余函数，/>为圆周率。
进一步地，所述基于多信息源欺骗信号检测模型判断GNSS信号是否为欺骗信号；
进一步地，所述如检测到欺骗信号，卡尔曼滤波融合IMU和气压高度计的位置信息，此处以IMU的z轴位置信息作为状态量，以气压高度计的高度值作为观测量，更新的z轴位置信息与IMU的x轴和y轴位置信息一起实时发布，之后更新的z轴位置信息纠正IMU的漂移；如未检测到欺骗，实时发布GNSS的位置信息。
另一方面，本发明还提供了一种基于多信息源的通航欺骗检测***，包括：
信号采集及预处理模块，实时获取GNSS、IMU和气压高度计的数据信息；对GNSS、IMU和气压高度计的数据信息进行预处理，计算GNSS、IMU和气压高度计的总欧式距离差；
故障诊断系数计算模块，由IMU高度值和修正气压高度计的高度值计算故障诊断系数；若故障诊断系数大于故障诊断阈值，则为IMU故障，再使用载噪比判断GNSS信号是否为欺骗信号；
多信息源欺骗信号检测模型模块，基于支持向量机回归模型建立多信息源欺骗信号检测模型；基于多信息源欺骗信号检测模型判断GNSS信号是否为欺骗信号；
位置信息发布模块，如检测到欺骗信号，通过卡尔曼滤波融合IMU和气压高度计的位置信息并发布；如未检测到欺骗信号，则实时发布GNSS的位置信息。
本发明提供的技术方案带来的有益效果至少包括：
1、本发明欺骗信号检测分两个方面，由IMU高度值和修正气压高度计的高度值计算故障诊断系数判断IMU是否发生故障，若发生故障则采用载噪比判断GNSS是否为欺骗信号；否则采用多信息源欺骗信号检测模型判断GNSS是否为欺骗信，该方法可以避免因IMU故障导致的误检测，提高抗干扰能力。
2、设置故障诊断阈值和载噪比阈值，基于历史数据自适应更新载噪比阈值，提高欺骗信号检测敏感度。
3、输入总欧式距离差和载噪比，使用基于支持向量机回归模型建立多信息源欺骗信号检测模型，使用循环映射改进的麻雀算法计算惩罚系数，解决麻雀算法陷入局部极值的问题，降低检测计算复杂度，进一步提高欺骗信号检测的精准性和计算效率。
4、卡尔曼滤波融合IMU和气压高度计，一方面实时输出位置信息，提高面对欺骗信号的处置能力，另一方面融合结果及时纠正IMU的漂移，实现多信息源欺骗信号检测模型输入样本数据和IMU自身的动态纠正。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种基于多信息源的通航欺骗检测方法及***步骤实施图；
图2为本发明实施例提供的一种基于多信息源的通航欺骗检测***模块示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚，下面将结合附图对本发明实施方式作进一步地详细描述。
实施例1
本实施例将结合相应的附图对本发明的一种基于多信息源的通航欺骗检测方法进行更详细的描述，如图1所示，包括以下步骤：
步骤S1：实时获取GNSS、IMU和气压高度计的数据信息，包括：
所述GNSS的数据信息包括位置信息和载噪比/>，其中/>=，/>分别表示接收机的x轴、y轴和z轴的位置信息；
所述IMU数据信息包括接收机的3个坐标轴的角速度和加速度/>，t表示历元时刻；
所述气压高度计的数据信息包括高度值。
步骤S2：对GNSS、IMU和气压高度计的数据信息进行预处理，计算GNSS、IMU和气压高度计的总欧式距离差，包括：
接收机利用载噪比来检测接收到的信号质量，设定噪声为白噪声且进行归一化处理，则载噪比表达式如下：
其中，表示载波的功率，/>表示噪音的功率，B表示信号功率与噪声功率密度之比；
通过积分加速度和积分角速度信息计算得到IMU高度值；
修正气压高度计的高度值，具体为：
其中，以实际海平面为基准平面得到的高度值，/>以标准海平面为基准平面修正后得到的高度值；
计算GNSS、IMU和气压高度计的总欧式距离差：
其中，为气压高度计在t历元时刻的高度值，/>为IMU在t历元时刻的z轴位置信息，/>为GNSS在t历元时刻的z轴位置信息。
步骤S3：由IMU高度值和修正气压高度计的高度值计算故障诊断系数，包括：
其中，是t历元时刻的故障诊断系数。
步骤S4：若故障诊断系数大于故障诊断阈值，则IMU故障，使用载噪比判断GNSS信号是否为欺骗信号，包括：
初始化故障诊断阈值为，当/>小于/>时表示IMU正常工作，当/>大于/>时表示IMU发生故障，则使用载噪比判断是否为欺骗信号；
对初始化载噪比阈值最小值和载噪比阈值最大值/>进行初始化，比较当前历元时刻接收机获取的GNSS载噪比信号与载噪比阈值的大小，判断GNSS信号是否为欺骗信号；若GNSS载噪比信号在载噪比阈值最小值/>和最大值/>范围内，即为真实信号，否则为欺骗信号；
根据载噪比历史数据自适应更新载噪比阈值最小值和载噪比阈值最大值；
计算历史数据载噪比的均方差：
其中，是载噪比历史数据的平均值，/>是载噪比历史数据的数量，u表示平均值，n表示载噪比历史数据；
自适应更新t+1历元时刻载噪比阈值最小值：
其中，表示t+1历元时刻载噪比阈值最小值；
自适应更新t+1历元时刻载噪比阈值最大值：
其中，表示t+1历元时刻载噪比阈值最大值。
步骤S5：基于支持向量机回归模型建立多信息源欺骗信号检测模型，包括：
总欧式距离差和载噪比具有关联性，欺骗信号的总欧式距离差和载噪比均表示异常，输入总欧式距离差和载噪比作为样本，提高欺骗信号检测敏感度，从而提高准确度和精度。支持向量机是解决二分类问题的模型，以支持向量机为基础构建多信息源欺骗信号检测模型以及目标函数，可以将复杂的欺骗信号检测问题转化为二分类问题，提高计算效率。支持向量机在解决二分类问题时，需要找到惩罚系数C的最佳值，而一般搜索算法容易陷入局部极值，采用改进麻雀算法确定支持向量机模型中的惩罚系数C，可以有效解决上述问题；
设分类线的平面方程为：
其中，是权重系数，b是偏置值，/>；
进一步引入松弛变量和惩罚系数/>，满足下式：
其中，是样本类别函数，本发明是二分类问题，因此只有两种结果；
由此可以得到所述多信息源欺骗信号检测模型的目标函数如下式所示：
其中，q表示样本总数；
从而将问题转换为凸二次规划寻优问题，
利用支持向量机模型检测GNSS信号是否为欺骗信号：设定训练集与测试集比例为5∶5，随机选取真实信号和异常信号作为训练样本进行训练，剩余的样本数据作为测试样本，确定支持向量机中的惩罚系数C。
进一步本发明基于改进麻雀算法确定支持向量机模型中的惩罚系数C。
麻雀搜索算法中麻雀分为“发现者”和“追随者”，发现者位置更新公式如下：
其中，是迭代次数，j是表示麻雀个体，/>表示第/>代中第l个麻雀在k维的位置，/>是最大跌打次数，/>，/>为预警值，/>为安全值，Q为随机参数，L为1*d的矩阵；
更新追随者位置，如下式所示：
其中，为发现者最佳位置，/>为发现者最差位置，/>为赋值1或者-1的1*d矩阵，n为麻雀总数量；
传统的麻雀算法采用随机初始点初始化，容易陷入局部极值，采用循环映射值解决上述问题并计算惩罚系数C，循环映射状态更新表达式如下：
其中，表示第v个混沌序列数，/>表示第v+1个混沌序列数，mod表示为取余函数，/>为圆周率。
步骤S6：基于多信息源欺骗信号检测模型判断GNSS信号是否为欺骗信号；
多信息源欺骗信号检测模型可以将真实信号和异常信号明显分割开，其中的异常信号即判断为欺骗信号。
步骤S7：如检测到欺骗信号，卡尔曼滤波融合IMU和气压高度计的位置信息并发布；如未检测到欺骗信号，实时发布GNSS的位置信息，包括：
如检测到欺骗信号，通过卡尔曼滤波融合IMU和气压高度计的位置信息，此处以IMU的z轴位置信息作为状态量，以气压高度计的高度值作为观测量，更新的z轴位置信息与IMU的x轴和y轴位置信息一起实时发布，之后更新的z轴位置信息纠正IMU的漂移；
如未检测到欺骗，实时发布GNSS的位置信息。
综上，本发明由IMU高度值和修正气压高度计的高度值计算故障诊断系数，进一步判断IMU是否发生故障，一方面可以避免因IMU故障导致的误检测，提高抗干扰能力，另一方面设置故障诊断阈值和载噪比阈值，基于历史数据自适应更新载噪比阈值，实现检测方法的智能优化；基于支持向量机回归模型建立多信息源欺骗信号检测模型，采用循环映射改进的麻雀算法得到惩罚系数，可以进一步提高计算效率；卡尔曼滤波融合IMU和气压高度计，实时输出位置信息，提高面对欺骗信号的处置能力，融合结果可以纠正IMU的漂移，实现多信息源欺骗信号检测模型输入样本数据和IMU自身的动态纠正。
实施例2
本发明还提供了一种基于多信息源的通航欺骗检测***，该基于多信息源的通航欺骗检测***的主要模块如图2所示：
信号采集及预处理模块，实时获取GNSS、IMU和气压高度计的数据信息；对GNSS、IMU和气压高度计的数据信息进行预处理，计算GNSS、IMU和气压高度计的总欧式距离差；
故障诊断系数计算模块，由IMU高度值和修正气压高度计的高度值计算故障诊断系数，若故障诊断系数大于故障诊断阈值，则为IMU故障，再使用载噪比判断GNSS信号是否为欺骗信号；
多信息源欺骗信号检测模型模块，基于支持向量机回归模型建立多信息源欺骗信号检测模型，基于多信息源欺骗信号检测模型判断GNSS信号是否为欺骗信号；
位置信息发布模块，如检测到欺骗信号，通过卡尔曼滤波融合IMU和气压高度计的位置信息并发布；如未检测到欺骗信号，则实时发布GNSS的位置信息。
本实施例的一种基于多信息源的通航欺骗检测***与上述实施例的多信息源的通航欺骗检测方法相对应；其中，本实施例的一种基于多信息源的通航欺骗检测***中的各功能模块所实现的功能与上述实施例的多信息源的通航欺骗检测方法中的各流程步骤一一对应；故，在此不再赘述。
需要说明的是，上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件，但很多情况下前者是更佳的实施方式。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中，包括若干指令用以使得一台终端设备(可以是手机，计算机，服务器，或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (8)
1.一种基于多信息源的通航欺骗检测方法，其特征在于，包括：
S1：实时获取GNSS、IMU和气压高度计的数据信息；所述步骤S1包括：
所述GNSS的数据信息包括位置信息和载噪比/>，其中/>=，/>分别表示接收机的x轴、y轴和z轴的位置信息；
所述IMU的数据信息包括接收机的3个坐标轴的角速度和加速度/>，t表示历元时刻；
所述气压高度计的数据信息包括高度值；
S2：对GNSS、IMU和气压高度计的数据信息进行预处理，计算GNSS、IMU和气压高度计的总欧式距离差；所述步骤S2包括：
接收机利用载噪比来检测接收到的信号质量，设定噪声为白噪声且进行归一化处理，则载噪比表达式如下：
；
其中，表示载波的功率，/>表示噪音的功率，B表示信号功率与噪声功率密度之比；
通过积分加速度和积分角速度信息计算得到IMU高度值；
修正气压高度计的高度值，具体为：；
其中，以实际海平面为基准平面得到的高度值，/>以标准海平面为基准平面修正后得到的高度值；
计算GNSS、IMU和气压高度计的总欧式距离差：
；
其中，为气压高度计在t历元时刻的高度值，/>为IMU在t历元时刻的z轴位置信息，/>为GNSS在t历元时刻的z轴位置信息；
S3：由IMU高度值和修正气压高度计的高度值计算故障诊断系数；
S4：若故障诊断系数大于故障诊断阈值，则为IMU故障，再使用载噪比判断GNSS信号是否为欺骗信号；
S5：基于支持向量机回归模型建立多信息源欺骗信号检测模型；
S6：基于多信息源欺骗信号检测模型判断GNSS信号是否为欺骗信号；
S7：如检测到欺骗信号，通过卡尔曼滤波融合IMU和气压高度计的位置信息并发布；如未检测到欺骗信号，则实时发布GNSS的位置信息。
2.如权利要求1所述的基于多信息源的通航欺骗检测方法，其特征在于，所述步骤S3包括：
；
其中，是t历元时刻的故障诊断系数。
3.如权利要求2所述的基于多信息源的通航欺骗检测方法，其特征在于，所述步骤S4包括：
初始化故障诊断阈值为，当/>小于/>时表示IMU正常工作，/>大于/>时表示IMU发生故障，则使用载噪比判断是否为欺骗信号；
对载噪比阈值最小值和载噪比阈值最大值/>进行初始化，比较当前历元时刻接收机获取的GNSS载噪比信号与载噪比阈值的大小，判断GNSS信号是否为欺骗信号；若GNSS载噪比信号在载噪比阈值最小值/>和最大值/>范围内，即为真实信号，否则为欺骗信号；
根据载噪比历史数据自适应更新载噪比阈值最小值和载噪比阈值最大值。
4.如权利要求3所述的基于多信息源的通航欺骗检测方法，其特征在于，所述根据载噪比历史数据自适应更新载噪比阈值最小值和载噪比阈值最大值，包括：
计算历史数据载噪比的均方差：
；
其中，是载噪比历史数据的平均值，/>是载噪比历史数据的数量，u表示平均值，n表示载噪比历史数据；
自适应更新t+1历元时刻载噪比阈值最小值：
；
其中，表示t+1历元时刻载噪比阈值最小值；
自适应更新t+1历元时刻载噪比阈值最大值：
；
其中，表示t+1历元时刻载噪比阈值最大值。
5.如权利要求1所述的基于多信息源的通航欺骗检测方法，其特征在于，所述步骤S5包括：
输入总欧式距离差和载噪比，基于支持向量机回归模型构建多信息源欺骗信号检测模型以及目标函数，采用改进麻雀算法确定支持向量机模型中的惩罚系数C，检测欺骗信号；
所述多信息源欺骗信号检测模型的目标函数为：
；
其中，是权重系数，/>是松弛变量，/>是惩罚系数，i是序列号，q表示样本总数。
6.如权利要求5所述的基于多信息源的通航欺骗检测方法，其特征在于，所述基于改进麻雀算法确定支持向量机模型中的惩罚系数C具体计算公式如下：
；
其中，表示第v个混沌序列数，/>表示第v+1个混沌序列数，mod表示为取余函数，/>为圆周率。
7.如权利要求1所述的基于多信息源的通航欺骗检测方法，其特征在于，所述步骤S7包括：
如检测到欺骗信号，卡尔曼滤波融合IMU和气压高度计的位置信息，此处以IMU的z轴位置信息作为状态量，以气压高度计的高度值作为观测量，更新的z轴位置信息与IMU的x轴和y轴位置信息一起实时发布，之后更新的z轴位置信息纠正IMU的漂移；
如未检测到欺骗，实时发布GNSS的位置信息。
8.一种基于多信息源的通航欺骗检测***，其特征在于，包括：
信号采集及预处理模块，实时获取GNSS、IMU和气压高度计的数据信息；对GNSS、IMU和气压高度计的数据信息进行预处理，计算GNSS、IMU和气压高度计的总欧式距离差；
故障诊断系数计算模块，由IMU高度值和修正气压高度计的高度值计算故障诊断系数，若故障诊断系数大于故障诊断阈值，则为IMU故障，再使用载噪比判断GNSS信号是否为欺骗信号；
多信息源欺骗信号检测模型模块，基于支持向量机回归模型建立多信息源欺骗信号检测模型，基于多信息源欺骗信号检测模型判断GNSS信号是否为欺骗信号；
位置信息发布模块，如检测到欺骗信号，通过卡尔曼滤波融合IMU和气压高度计的位置信息并发布；如未检测到欺骗信号，则实时发布GNSS的位置信息；
以实现如权利要求1-7任意一项所述的一种基于多信息源的通航欺骗检测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410391948.8A CN117991302B (zh) | 2024-04-02 | 2024-04-02 | 一种基于多信息源的通航欺骗检测方法及*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410391948.8A CN117991302B (zh) | 2024-04-02 | 2024-04-02 | 一种基于多信息源的通航欺骗检测方法及*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117991302A CN117991302A (zh) | 2024-05-07 |
| CN117991302B true CN117991302B (zh) | 2024-06-07 |
Family
ID=90899573
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410391948.8A Active CN117991302B (zh) | 2024-04-02 | 2024-04-02 | 一种基于多信息源的通航欺骗检测方法及*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117991302B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106468547A (zh) * | 2015-08-17 | 2017-03-01 | 波音公司 | 利用多个光学传感器的用于自导飞行器的不依赖全球定位***（“gps”）的导航*** |
| CN108828628A (zh) * | 2018-04-23 | 2018-11-16 | 厦门大学 | 一种欺骗信号检测方法 |
| CN110133689A (zh) * | 2019-05-24 | 2019-08-16 | 中国科学院国家授时中心 | 自适应用户自主完好性监测方法 |
| CN112902967A (zh) * | 2021-01-31 | 2021-06-04 | 南京理工大学 | 一种基于残差卡方-改进序贯概率比的抗欺骗导航方法 |
| CN113376662A (zh) * | 2020-03-10 | 2021-09-10 | 霍尼韦尔国际公司 | 使用地形映射的gnss欺骗检测 |
| CN115061158A (zh) * | 2022-06-16 | 2022-09-16 | 中山大学 | 一种基于高度计的欺骗干扰检测方法、装置、终端和介质 |
| CN115127554A (zh) * | 2022-08-31 | 2022-09-30 | 中国人民解放军国防科技大学 | 一种基于多源视觉辅助的无人机自主导航方法与*** |
| US11506797B1 (en) * | 2021-11-09 | 2022-11-22 | Msrs Llc | Method, apparatus, and computer readable medium for a multi-source reckoning system |
| CN115398273A (zh) * | 2020-04-22 | 2022-11-25 | 高通股份有限公司 | 在存在gnss欺骗的情况下确定正确位置 |
| WO2023198710A1 (fr) * | 2022-04-12 | 2023-10-19 | Safran Electronics & Defense | Navigation hybridée avec détection de leurrage par surveillance d'écarts |
| CN117099021A (zh) * | 2021-04-05 | 2023-11-21 | 高通股份有限公司 | Gnss欺骗检测和恢复 |
| CN117269989A (zh) * | 2023-09-19 | 2023-12-22 | 广东电网有限责任公司 | 一种基于ins辅助的GNSS欺骗的检测方法及*** |
| CN117665865A (zh) * | 2023-11-30 | 2024-03-08 | 中山大学·深圳 | Rdss辅助的接收机欺骗检测方法、装置和终端设备 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US10705221B2 (en) * | 2016-06-08 | 2020-07-07 | The Boeing Company | On-board backup and anti-spoofing GPS system |
| US11668835B2 (en) * | 2020-07-23 | 2023-06-06 | Honeywell International Inc. | GNSS spoofing detection using carrier-to-noise based monitoring |
| US11892545B2 (en) * | 2021-04-23 | 2024-02-06 | Qualcomm Incorporated | Detecting spoofed global navigation satellite system (GNSS) signals |
-
2024
- 2024-04-02 CN CN202410391948.8A patent/CN117991302B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106468547A (zh) * | 2015-08-17 | 2017-03-01 | 波音公司 | 利用多个光学传感器的用于自导飞行器的不依赖全球定位***（“gps”）的导航*** |
| CN108828628A (zh) * | 2018-04-23 | 2018-11-16 | 厦门大学 | 一种欺骗信号检测方法 |
| CN110133689A (zh) * | 2019-05-24 | 2019-08-16 | 中国科学院国家授时中心 | 自适应用户自主完好性监测方法 |
| CN113376662A (zh) * | 2020-03-10 | 2021-09-10 | 霍尼韦尔国际公司 | 使用地形映射的gnss欺骗检测 |
| CN115398273A (zh) * | 2020-04-22 | 2022-11-25 | 高通股份有限公司 | 在存在gnss欺骗的情况下确定正确位置 |
| CN112902967A (zh) * | 2021-01-31 | 2021-06-04 | 南京理工大学 | 一种基于残差卡方-改进序贯概率比的抗欺骗导航方法 |
| CN117099021A (zh) * | 2021-04-05 | 2023-11-21 | 高通股份有限公司 | Gnss欺骗检测和恢复 |
| US11506797B1 (en) * | 2021-11-09 | 2022-11-22 | Msrs Llc | Method, apparatus, and computer readable medium for a multi-source reckoning system |
| WO2023198710A1 (fr) * | 2022-04-12 | 2023-10-19 | Safran Electronics & Defense | Navigation hybridée avec détection de leurrage par surveillance d'écarts |
| CN115061158A (zh) * | 2022-06-16 | 2022-09-16 | 中山大学 | 一种基于高度计的欺骗干扰检测方法、装置、终端和介质 |
| CN115127554A (zh) * | 2022-08-31 | 2022-09-30 | 中国人民解放军国防科技大学 | 一种基于多源视觉辅助的无人机自主导航方法与*** |
| CN117269989A (zh) * | 2023-09-19 | 2023-12-22 | 广东电网有限责任公司 | 一种基于ins辅助的GNSS欺骗的检测方法及*** |
| CN117665865A (zh) * | 2023-11-30 | 2024-03-08 | 中山大学·深圳 | Rdss辅助的接收机欺骗检测方法、装置和终端设备 |
Non-Patent Citations (2)
| Title |
|---|
| GNSS Spoofing and Detection;Mark L. Psiaki et al.;《Proceedings of the IEEE》;20160401;第104卷(第6期);第1258-1270页 * |
| 基于高度计辅助的GNSS 欺骗 干扰检测;徐奕禹 等;《***工程与电子技术》;20221208;第1-13页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117991302A (zh) | 2024-05-07 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Drawil et al. | GPS localization accuracy classification: A context-based approach | |
| CN110715660B (zh) | 基于卡尔曼滤波估计的北斗/惯性组合抗欺骗干扰方法 | |
| CN108693543A (zh) | 用于检测信号欺骗的方法及*** | |
| CN108828628B (zh) | 一种欺骗信号检测方法 | |
| CN110161543A (zh) | 一种基于卡方检验的部分粗差抗差自适应滤波方法 | |
| CN112902967A (zh) | 一种基于残差卡方-改进序贯概率比的抗欺骗导航方法 | |
| CN102135621B (zh) | 一种多星座组合导航***的故障识别方法 | |
| CN113532499B (zh) | 无人***的传感器安全性检测方法、设备及存储介质 | |
| CN108088470A (zh) | 一种组合导航慢变斜坡故障完好性监测方法 | |
| CN115420284B (zh) | 一种组合导航***故障检测与识别方法 | |
| WO2020113357A1 (zh) | 目标检测方法和装置、航迹管理方法和装置以及无人机 | |
| CN115685260A (zh) | Gls基准站的识别欺骗干扰识别方法、装置、平台和介质 | |
| CN115201856A (zh) | 基于伪距残差的全球定位***欺骗检测和定位恢复方法 | |
| CN117991302B (zh) | 一种基于多信息源的通航欺骗检测方法及*** | |
| CN115061158A (zh) | 一种基于高度计的欺骗干扰检测方法、装置、终端和介质 | |
| CN111856526B (zh) | 非直达径卫星导航信号识别方法、***及介质 | |
| CN116953744A (zh) | 一种导航卫星非视距信号识别方法和导航卫星定位方法 | |
| CN111913195A (zh) | 基于陆基无线电导航信息的gps接收机抗欺骗干扰处理方法 | |
| CN115291253A (zh) | 一种基于残差检测的车辆定位完好性监测方法及*** | |
| CN110907953B (zh) | 一种卫星故障识别方法、装置及软件接收机 | |
| CN111999750A (zh) | 针对杆臂不准的实时单站周跳探测改进方法 | |
| CN117607910B (zh) | 一种基于矢量跟踪新息矢量的欺骗检测方法及*** | |
| CN116736339B (zh) | 一种面向禁航区管控的北斗自主监测及预警方法 | |
| US20240053486A1 (en) | Navigation during a deception operation of a satellite signal receiver | |
| FR3100066A1 (fr) | Detection d'une operation de leurrage d'un recepteur de signaux satellitaires |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant |