[发明专利]信号分类方法、装置及卫星信号检测设备

说明书

本发明涉及深度学习技术领域，提供一种信号分类方法、装置及卫星信号检测设备，所述方法包括：接收预定频段的多种卫星信号；将多种卫星信号均转换为对应的多种数字信号，其中，每种卫星信号对应一种数字信号；对每种数字信号均进行向量处理，得到每种所述数字信号对应的特征向量，其中，特征向量是多维矩阵，且每一维包含多个特征；利用预设的卷积神经网络模型，提取每种数字信号对应的特征向量的深度特征，并根据深度特征将该数字信号分类为攻击信号或非攻击信号，解决了现有技术中检测准确度不高的问题，降低了对训练集与机器性能的要求，具有良好的稳定性，同时提升了信号分类的精度。

技术领域

本发明涉及深度学习技术领域，具体而言，涉及一种信号分类方法、装置及卫星信号检测设备。

背景技术

全球卫星导航系统(GNSS，包括GPS、GLONASS、北斗等系统)提供的精准时空信息，将互联网上的终端、用户和物理世界联系在一起，对于终端用户、导航服务、互联网服务商、关键基础设施等都具有极高的价值。然而，GNSS接收器很容易面临屏蔽和欺骗的危险，因此判断卫星发送的GPS信号是否具有攻击性具有重要的意义。

目前，通常利用SVM(Support Vector Machine，支持向量机)来检测具有攻击性的GPS信号，但是，现有的支持向量机训练与分类的是一个1*8的矩阵，因此检测的准确度不高。另外，现有技术中的支持向量机很大程度上依赖了训练集与机器性能，很难保证较好的稳定性，在实时分析的过程中会出现由于系统原因导致的数据流失等各种问题。

发明内容

本发明的目的在于提供一种信号分类方法、装置及卫星信号检测设备，用以改善上述问题。

为了实现上述目的，本发明实施例采用的技术方案如下：

第一方面，本发明提供了一种信号分类方法，应用于卫星信号检测设备，所述方法包括：接收预定频段的多种卫星信号；将多种卫星信号均转换为对应的多种数字信号，其中，每种卫星信号对应一种数字信号；对每种数字信号均进行向量处理，得到每种所述数字信号对应的特征向量，其中，特征向量是多维矩阵，且每一维包含多个特征；利用预设的卷积神经网络模型，提取每种数字信号对应的特征向量的深度特征，并根据深度特征将该数字信号分类为攻击信号或非攻击信号。

第二方面，本发明提供了一种信号分类装置，应用于卫星信号检测设备，所述装置包括卫星信号接收模块、信号转换模块、信号处理模块及信号分类模块。其中，卫星信号接收模块用于接收预定频段的多种卫星信号；信号转换模块用于将多种卫星信号均转换为对应的多种数字信号，其中，每种卫星信号对应一种数字信号；信号处理模块用于对每种数字信号均进行向量处理，得到每种数字信号对应的特征向量，其中，特征向量是多维矩阵，且每一维包含多个特征；信号分类模块用于利用预设的卷积神经网络模型，提取每种数字信号对应的特征向量的深度特征，并根据深度特征将该数字信号分类为攻击信号或非攻击信号。

第三方面，本发明提供了一种卫星信号检测设备，其包括存储器、处理器、以及信号分类装置，所述信号分类装置安装于所述存储器中并包括一个或多个由所述处理器执行的软件功能模块。所述信号分类装置包括卫星信号接收模块、信号转换模块、信号处理模块及信号分类模块。其中，卫星信号接收模块用于接收预定频段的多种卫星信号；信号转换模块用于将多种卫星信号均转换为对应的多种数字信号，其中，每种卫星信号对应一种数字信号；信号处理模块用于对每种数字信号均进行向量处理，得到每种数字信号对应的特征向量，其中，特征向量是多维矩阵，且每一维包含多个特征；信号分类模块用于利用预设的卷积神经网络模型，提取每种数字信号对应的特征向量的深度特征，并根据深度特征将该数字信号分类为攻击信号或非攻击信号。