一种卫星导航信号反欺骗认证方法

摘要

本发明提供了一种卫星导航信号反欺骗认证方法，将功率监测技术与早迟门度量相结合，在贝叶斯检测框架下同时监测接收功率和相关函数失真，实现了欺骗干扰的有效检测。本发明在假设检验的贝叶斯框架下，通过四种分类，利用蒙特卡洛实验，获得最优决策区域，通过对接收信号的功率值和早迟门度量值与各个区域对照，可获得判决后的区域，通过对判决后区域的统计，获得各种分类的检测可靠度。与现有技术对比，可得大大提高了不同干扰检测可靠性。

说明书

技术领域

本发明涉及全球卫星导航领域，尤其是一种卫星信号认证方法，具体涉及全球卫星导航信号的干扰检测问题，通过对接收信号的处理分析，实现不同干扰的有效分类，进而实现不同干扰的有效检测。

背景技术

卫星信号本身在经过在大气层中的传播后，到达地面时信号强度很弱，在复杂电磁环境下，会受到更严重的干扰。因此，实现干扰的检测显得尤为迫切。GNSS信号的公开性，导致其易伪造。接收机成为欺骗性攻击的受害者，在这种攻击中，伪造的GNSS信号欺骗接收机报告误导性的位置或时间。

目前，不需改变GNSS信号空间的、接收机自主的、低成本的GNSS信号认证技术备受青睐。但是如果针对某一特性单独操作时，检测性能是非常不可靠的，在导航系统的应用中，往往会产生错误报警。并且目前存在的例如功率和对称差度量的组合，因仅利用单通道信息，故检测不敏感，检测欺骗干扰性能不可靠；早迟门度量和比率度量的组合，因未引入功率度量值，故有大功率欺骗干扰时无法有效检测。因此，GNSS认证技术的挑战也暴露出来，主要在于检测欺骗干扰是否可靠。

发明内容

为了克服现有技术的不足，本发明提供一种卫星导航信号反欺骗认证方法。为了更好的解决欺骗干扰检测可靠性问题，本发明提出了一种卫星导航信号反欺骗认证方法，该方法创新性的将功率监测技术与早迟门度量相结合，大大减小了错误报警概率。

本发明将接收功率和早迟门度量结合，在贝叶斯检测框架下同时监测接收功率和相关函数失真，实现了欺骗干扰的有效检测。本发明检测性能良好，大大提高了欺骗干扰检测的可靠性。

本发明解决其技术问题所采用的技术方案包括如下步骤：

步骤一：利用下变频后的信号，在无相关项干扰项的情况下，对于下变频后的真实GNSS信号S

其中，P

其中η＝P

S

该噪声为具有恒定谱密度N

S(t)＝S

其中，S

步骤二：本地码l(t,τ)建模如下：

其中，τ是以秒为单位的任意代码相位延迟，C

将β(t)S(t)与本地码l(t,τ)相关，得到I路I(τ)和Q路Q(τ)两路数据，如下所示：

其中，Δτ

其中T

步骤三：采用贝叶斯多元假设检验框架来区分假设，其中各假设种类为H

选择相关的三个参数，即干扰功率优势η，干扰与真实信号扩频码偏移Δτ＝τ

在复合假设检验问题的贝叶斯公式中，向量θ被视为一个随机数，概率密度为w(θ)，其中π

有两个类型的观测值，即观测接收功率P和早迟门度量m

决策准则δ(z)用于将Γ划分成不相交的决策区域Γ

设C[i,θ]为当θ∈Λ为实际参数向量时选择H

其中，E

找到最优决策准则δ(z)使得贝叶斯风险r(δ)最小化，也即找到最优的判决区域Γ

步骤四：建模接收到M

其中，S

则观测功率值P(dBW)为：

其中T为积分累计时间，t

其中，Δθ

对于多址干扰M(T)，多址干扰的密度为M

其中，M

对于早迟门度量值m

其中，τ

将观测功率值与早迟门度量值联合得到z＝[m

步骤五：利用蒙特卡洛实验获取相应的最优决策区域；

(1)对于每个i∈I，根据w

(2)对于每个θ

(3)将二维观测空间Γ划分为大小均匀的大量小矩形单元；假设每个单元格属于单个判定区域，使得落在属于Γ

(4)边界区域的调整，考虑一种新的决策区域的分配；只要得到的决策区域保持单连接，则只要减少贝叶斯风险r(δ)，新的赋值就保持不变；重复更改边界区域所属区域，若减小贝叶斯风险，则该区域就变为当前所设置区域，若未减小贝叶斯风险，则保持原区域，直到没有边界单元需要重新分配为止，此时单元分配构成最终判定区域Γ

此时贝叶斯风险r(δ)表示为：

其中，成本函数C[i,θ]定义如下：

将成本函数写为C

通过前边参数的讨论，建模生成样本点，将整个区域进行小块化分，利用样本点目测获取得到初始区域；再利用不断更替边界区域的赋值，使得贝叶斯风险最小，得到最终的决策区域，即为最优决策区域。

最优区域获得后，可重新生成样本点，样本点本身的所属区域是已知的，通过利用样本点的功率值、早迟门度量值在最优决策区域进行判断，重新判定其属于哪个区域；通过生成大量的样本进行实验，统计判定后的所属区域与原区域对比得到的概率，概率越大性能越好。

所述步骤三中，为了找到最优决策准则的δ(z)，需要定义每个参数集Λi,i∈I和条件分布w

(1)H

在无干扰情况下，参数集定义为：

Λ

w

(2)H

在多径情况下，参数集定义为：

Λ

w

(3)H

在欺骗式干扰情况下，参数集定义为：

Λ

w

(4)H

在压制时干扰情况下，参数集定义为：

Λ

w

所述步骤四中，具体情况如下：

(1)在无干扰或只有一个多径信号或者只有一个欺骗干扰的情况，即P

(2)在压制干扰情况下，即M

(3)在欺骗式干扰情况下即欺骗干扰不仅仅只针对真实信号，也针对多址信号，此时，

本发明的有益效果在于创新性地将接收功率和早迟门度量相结合，在假设检验的贝叶斯框架下，通过四种分类，利用蒙特卡洛实验，获得最优决策区域。通过对接收信号的功率值和早迟门度量值与各个区域对照，可获得判决后的区域。通过对判决后区域的统计，获得各种分类的检测可靠度。与现有技术对比，可得大大提高了不同干扰检测可靠性。

附图说明

图1是本发明所产生的样本图。

图2是本发明产生的最优决策区域图。

具体实施方式

下面结合附图和实施例对本发明进一步说明。

本发明的实施例如下：

步骤一：

本发明中利用的是下变频后的信号。在无欺骗的情况下，对于下变频后的真实GNSS信号，设置信号功率为P

其中，t是以秒为单位的时间，C

其中η是干扰信号相对于真实信号的功率优势，τ

S

该噪声是具有恒定谱密度热噪声谱密度N

S(t)＝S

其中，S

步骤二：

本地码l(t,τ)建模如下：

其中，τ是以秒为单位的任意代码相位延迟，C

将β(t)S(t)与本地码l(t,τ)相关，得到I路I(τ)和Q路Q(τ)两路数据，如下所示：

其中，Δτ

其中T

步骤三：采用贝叶斯多元假设检验框架来区分假设，其中H

信号模型揭示了与在假设之间进行选择相关的三个参数，即干扰功率优势η，以及干扰与真实信号扩频码偏移和载波相位偏移Δτ＝τ

在复合假设检验问题的贝叶斯公式中，参数向量θ被视为一个随机数Θ。它的概率密度w(θ)，设置先验概率分别为π

将观测接收功率P和早迟门度量m

进而有决策准则δ(z)用于将Γ划分成不相交的决策区域Γ

设C[i,θ]为当θ∈Λ为实际参数向量时选择H

为了找到最优决策准则的δ(z)，将每个参数集Λi,i∈I和条件分布w

步骤四：建立M

其中，S

将功率计算时积分时间设置为0.1s,观测功率值P(dBW)为：

其中t

其中，Δθ

对于多址干扰M(T)，它的密度为M

针对H

参考观测点τ

其中，tan

步骤五：利用蒙特卡洛实验获取相应的最优决策区域。

设置N

通过图1的样本点，大概获取初始判决区域。进而利用下式进行区域边界的优化，获取最优区域。

其中，N

通过仿真得到最优判决区域如图2，“①”区域表示无干扰决策区域，“②”区域表示多径干扰决策区域，“③”表示欺骗干扰决策区域，“④”区域表示压制干扰决策区域。

本发明的效果可以通过对最优区域的模拟评估进一步说明。仿真结果如表1所示：

其中表1是是利用本发明中最优决策区域产生的分类矩阵表。横向表示真实样本所属区域，纵向表示判决后的区域。横纵一致，表示判决正确，例如欺骗干扰的点通过决策区域后可达到89.34％的概率判决为欺骗干扰。通过图上显示的数据可看出每个种类干扰的检测可靠程度。