[发明专利]一种基于SVM的GNSS欺骗式干扰识别方法

说明书

一种基于SVM的GNSS欺骗式干扰识别方法，涉及导航卫星系统，尤其涉及一种基于SVM的GNSS欺骗式干扰识别方法。本发明为解决现有抗欺骗式干扰的方法存在算法和硬件复杂度较高，而且需要自己设置门限，准确率不高的问题。本发明按以下步骤进行：一、GNSS接收机已经接收到四个卫星信号a、b、c、d，把a和b作为训练集，c和d作为测试集；二、设置采样点数为n，记录采样点的功率值a(n)、b(n)；三、对数据a(n)和b(n)分别进行小波变换，提取其特征向量；四、建立SVM分类模型；五、记录各采样点的功率值c(n)和d(n)；六、用步骤四所建立模型对c和d进行测试，得出结论。本发明适用于导航卫星系统。

技术领域

本发明涉及导航卫星系统，尤其涉及一种基于SVM的GNSS欺骗式干扰识别方法。

背景技术

GNSS(全球导航卫星系统)接收机能提供定位、导航和定时服务，已经成为人们日常生活中不可或缺的工具，广泛应用于军事装备及以人民日常生活中。对于安全性、可靠性要求严格的场合，值得信赖的定时定位尤为重要。但是由于到达地面时的卫星信号非常微弱，信号极易受到干扰。干扰分为压制式干扰和欺骗式干扰。其中欺骗式干扰可以在接收机毫无察觉的情况下破坏甚至控制定时定位结果，因而欺骗式干扰比压制式干扰威胁更大。特别是随着电子战技术和集成电路技术的发展，使得欺骗式干扰更加频繁出现。

现有的抗欺骗式干扰的方法主要有基于粒子滤波的抗欺骗式干扰方式，基于子空间投影的GNSS接收机互相关干扰抑制算法以及基于接收信号DOA(波达方向)的欺骗干扰识别技术。这些技术的算法和硬件复杂度较高，而且需要自己设置门限，准确率不是很高。本专利提出的一种基于数据分类的欺骗式干扰识别方法，可以以几乎100％的准确率和零虚警率识别干扰信号，运算速度快，复杂度低，门限智能化，应用场景更加广泛。

发明内容

SVM(支持向量机)是一种数据分类的算法。它的目的是为了找到一个最佳超平面使得正例与反例之间间隔最大化。由于欺骗信号的功率比真实信号的大3～7dB左右，真实信号与欺骗信号可以分别看做正例与反例，因而可以用SVM分类器找出真实信号与欺骗信号的最佳分类超平面，然后可以对未知信号进行判别，判断其属于哪一类信号，从而达到识别欺骗信号的目的。

先假设已经收到一个欺骗信号和一个真实信号，把他们作为训练集，运用SVM对其进行训练，找到区分欺骗信号与真实信号的最佳分类超平面；然后输入测试卫星信号，用训练集训练得到的模型对其进行测试，判断其属于真实信号还是欺骗信号。准确率：正确识别出欺骗信号的概率，虚警率：错误的把真实信号判别为欺骗信号的概率。

本发明为解决现有抗欺骗式干扰的方法存在算法和硬件复杂度较高，而且需要自己设置门限，准确率不高的问题，而提出一种基于SVM的GNSS欺骗式干扰识别方法。

一种基于SVM的GNSS欺骗式干扰识别方法，按以下步骤进行：

步骤一：GNSS接收机已经接收到四个卫星信号a、b、c、d，把a和b作为训练集，c和d作为测试集。a为真实信号，b为欺骗信号，b的功率比a大i₀倍，2≤i₀≤5；c和d为待测试信号；

步骤二：设置采样点数为n，分别记录下n比特接收信号中真实信号以及欺骗信号在各采样点的功率值a(n)、b(n)；

步骤三：对数据a(n)和b(n)分别进行小波变换，提取其特征向量，设a(n)所提取特征向量为x,b(n)所提取特征向量为y；

步骤四：对提取的特征向量x和y进行训练，建立SVM分类模型；

步骤五：同样记录下测试集中，信号c以及信号d在各采样点的功率值c(n)和d(n)；

步骤六：用步骤四所建立模型对测试集c和d进行测试，得出其是真实信号或欺骗信号或发出虚警警报。

本发明包括以下有益效果：