一种识别GNSS异常信号的方法、系统、设备及存储介质与流程

本发明涉及无人自主驾驶系统导航定位过程的故障分析和安全保证技术领域，具体涉及一种识别gnss异常信号的方法、系统、设备及存储介质。

背景技术：

现代大中型无人机、自动驾驶汽车、无人船等无人系统均采用了gps、北斗卫星导航系统、格罗纳斯(glonass)等gnss卫星导航系统作为主要的定位方式，其中尤以gps系统最为常见，北斗系统近年来的应用也越来越广泛。gnss，globalnavigationsatellitesystem，全球导航卫星系统，它是泛指所有的卫星导航系统，包括全球的、区域的和增强的，如美国的gps、俄罗斯的glonass、欧洲的galileo、中国的北斗卫星导航系统，以及相关的增强系统，如美国的waas(广域增强系统)、欧洲的egnos(欧洲静地导航重叠系统)和日本的msas(多功能运输卫星增强系统)等，还涵盖在建和以后要建设的其他卫星导航系统。

各类卫星导航系统的基本原理是由分布于多条轨道上的卫星星座组成无线导航信号广播网，地面接收设备通过接收不少于四颗卫星的信号，解算出空间的三维坐标以及时间参数。但由于经过了卫星轨道到地球附近长距离的传播，信号已经变得非常非常弱，此时，如果有一个导航卫星信号模拟器，在接收机旁边伪装成卫星信号，那么该接收机会误以为伪装的信号是真实导航数据从而被欺骗。目前美国、俄罗斯等相关机构的研究者已经开发出具有实用价值的gps欺骗设备，并有成功诱骗无人机致其失控的真实案例。虽然目前因为卫星导航系统欺骗导致无人驾驶船只、车辆、飞行器等设备失控的事件较为少见，但由于大中型无人驾驶系统通常承担军事或高价值的民用用途，并且由于其较大的尺寸和重量，一旦发生因为卫星导航系统被欺骗引起的系统失能后果将十分严重。

技术实现要素：

本发明实施例的目的在于提供一种识别gnss异常信号的方法、系统、设备及存储介质，用以解决现有技术无人自主驾驶系统中的卫星导航系统传感器易接收到干扰/欺骗的信号而无法判断的问题。

为实现上述目的，本发明实施例提供了一种识别gnss异常信号的方法，所述方法包括：通过多种具备导航定位功能的传感器seni按照第一预定周期重复独立定位，其中，i为各个传感器的编号；计算每一第一预定周期的各传感器seni各自独立输出的定位信息posi；采用数据融合算法计算出每一第一预定周期的融合定位信息posr；计算并保存每一第一预定周期的各传感器的定位精度信息erri，其中，erri＝|posi-posr|；计算并记录m个第一预定周期的各传感器的定位精度信息erri的平均值cnsi及均方误差msei；按照第二预定周期重复n次计算并记录平均值cnsi及均方误差msei，并统计n次计算并记录的所述均方误差msei的历史均值avgi，此时，n大于或等于5，及计算每次计算并记录的均方误差msei与所述历史均值avgi的比值msei/avgi；选取一致性判断系数k，其中，k大于1；及对比msei/avgi与k的大小，若msei/avgi大于k，则判断gnss导航系统传感器接收到了干扰/欺骗的信号。

进一步地，所述多种具备导航定位功能的传感器包括：imu传感器、gnss导航系统传感器、轮速传感器和地速传感器，其中，gnss导航系统传感器包括：北斗卫星导航系统传感器、gps卫星导航系统传感器和格罗纳斯卫星导航系统传感器。

进一步地，所述方法还包括：当msei/avgi大于k时，判断所述传感器是否为gnss导航系统传感器，若所述传感器为gnss导航系统传感器，则判断所述gnss导航系统传感器接收到了干扰/欺骗的信号。

进一步地，所述方法还包括：当msei/avgi大于k时，判断gnss导航系统传感器的接收机是否存在故障，若所述gnss导航系统传感器的接收机不存在故障，则判断所述gnss导航系统传感器接收到了干扰/欺骗的信号。

进一步地，所述一致性判断系数k为3。

本发明实施例的另外一方面，还提供的一种识别gnss异常信号的系统，所述系统包括：传感器组件，用于通过多种具备导航定位功能的传感器seni按照第一预定周期重复独立定位，其中，i为各个传感器的编号；定位计算模块，用于计算每一第一预定周期的各传感器seni各自独立输出的定位信息posi；并采用数据融合算法计算出每一第一预定周期的融合定位信息posr；及数据统计监控模块，用于计算并保存每一第一预定周期的各传感器的定位精度信息erri，其中，erri＝|posi-posr|；计算并记录m个第一预定周期的各传感器的定位精度信息erri的平均值cnsi及均方误差msei；按照第二预定周期重复n次计算并记录平均值cnsi及均方误差msei，并统计n次计算并记录的所述均方误差msei的历史均值avgi，此时，n大于或等于5，及计算每次计算并记录的均方误差msei与所述历史均值avgi的比值msei/avgi；选取一致性判断系数k，其中，k大于1；及对比msei/avgi与k的大小，若msei/avgi大于k，则判断gnss导航系统传感器接收到了干扰/欺骗的信号；其中，所述多种具备导航定位功能的传感器包括：imu传感器、gnss导航系统传感器、轮速传感器和地速传感器，其中，gnss导航系统传感器包括：北斗卫星导航系统传感器、gps卫星导航系统传感器和格罗纳斯卫星导航系统传感器。

进一步地，所述数据统计监控模块还用于：当msei/avgi大于k时，判断所述传感器是否为gnss导航系统传感器，若所述传感器为gnss导航系统传感器，则判断所述gnss导航系统传感器接收到了干扰/欺骗的信号；和/或当msei/avgi大于k时，判断gnss导航系统传感器的接收机是否存在故障，若所述gnss导航系统传感器的接收机不存在故障，则判断所述gnss导航系统传感器接收到了干扰/欺骗的信号。

进一步地，所述一致性判断系数k为3。

本发明实施例的另外一方面，还提供了一种计算机设备，所述设备包括：一个或多个处理器；存储器，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上所述的方法。

本发明实施例的另外一方面，还提供了一种计算机存储介质，所述计算机存储介质存储有计算机程序指令，所述计算机程序指令用于执行如上所述的方法。

本发明实施例具有如下优点：

本发明实施例由多种具备导航定位功能的传感器构成组合导航系统，由于组合导航系统采用imu传感器、gnss导航系统传感器、轮速传感器和地速传感器，现有的gnss信号干扰技术很难做到同时对多种gnss导航系统传感器实施相同欺骗数据的干扰，更无法干扰imu传感器、轮速传感器、地速传感器等，所以通过比较多个传感器的输出特性可以判断出gnss导航系统是否接收到了欺骗或干扰的信号，避免了传统组合导航算法不对gnss信号进行有效性判断的问题，可以有效辨识出相关传感器的输出是否存在异常。

附图说明

为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术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示例性的，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，还可以根据提供的附图引伸获得其它的实施附图。

图1为本发明实施例提供的一种识别gnss异常信号的系统的逻辑结构示意图。

图2为本发明实施例提供的一种识别gnss异常信号的方法的流程框图。

1-传感器组件、2-定位计算模块、3-数据统计监控模块。

具体实施方式

以下由特定的具体实施例说明本发明的实施方式，熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例

参考图1，本发明实施例提供了一种识别gnss异常信号的系统包括：传感器组件1、定位计算模块2及数据统计监控模块3。

传感器组件1由多种具备导航定位功能的传感器构成，其包括：imu传感器、gnss导航系统传感器、轮速传感器和地速传感器，其中，gnss导航系统传感器包括：北斗卫星导航系统传感器、gps卫星导航系统传感器和格罗纳斯卫星导航系统传感器。其中，imu，inertialmeasurementunit，惯性测量单元，是测量物体三轴姿态角(或角速率)以及加速度的装置。

本发明实施例由多种具备导航定位功能的传感器构成组合导航系统，由于组合导航系统采用imu传感器、gnss导航系统传感器、轮速传感器和地速传感器，现有的gnss信号干扰技术很难做到同时对多种gnss导航系统传感器实施相同欺骗数据的干扰，更无法干扰imu传感器、轮速传感器、地速传感器等，所以通过比较多个传感器的输出特性可以判断出gnss导航系统是否收到欺骗或干扰信号，避免了传统组合导航算法不对gnss信号进行有效性判断的问题，可以有效辨识出相关传感器的输出是否存在异常。

参考图2，本发明实施例提供的一种识别gnss异常信号的方法包括：传感器组件1通过多种具备导航定位功能的传感器seni按照第一预定周期重复独立定位并将各自独立输出的定位信息posi发送至定位计算模块2，其中，i为各个传感器的编号；定位计算模块2计算每一第一预定周期的各传感器seni各自独立输出的定位信息posi；并采用数据融合算法计算出每一第一预定周期的融合定位信息posr；定位计算模块2将计算出的每一第一预定周期的各传感器seni各自独立输出的定位信息posi及融合定位信息posr发送至数据统计监控模块3；数据统计监控模块3计算并保存每一第一预定周期的各传感器的定位精度信息erri，其中，erri＝|posi-posr|；数据统计监控模块3计算并记录m个第一预定周期的各传感器的定位精度信息erri的平均值cnsi及均方误差msei；数据统计监控模块3按照第二预定周期重复n次计算并记录平均值cnsi及均方误差msei，并统计n次计算并记录的所述均方误差msei的历史均值avgi，此时，n大于或等于5，及数据统计监控模块3计算每次计算并记录的均方误差msei与所述历史均值avgi的比值msei/avgi；选取一致性判断系数k，其中，k大于1；及数据统计监控模块3对比msei/avgi与k的大小，若msei/avgi大于k，则判断gnss导航系统传感器接收到了干扰/欺骗的信号。

在本发明实施例提供的一种识别gnss异常信号的方法中，由于传感器组件1中各类传感器原理和测量精度的不同，erri也不同，但在seni状态正常时，erri序列的平均值cnsi将趋向于一个稳定的常量，并且在一定的时间周期中对erri-cnsi序列的均方根进行统计得到值msei，即各传感器在一定的时间周期内的均方误差，由传感器原理和特性可知，正常情况下msei基本保持一致或者变化缓慢。据此，在无人自主驾驶系统中设置一个数据统计监控模块，周期性的计算各传感器输出值的均方误差，当某一传感器的均方误差值发生突变，可判定该传感器输出值发生异常。

具体地，例如，本发明实施例中，传感器组件1有两个imu传感器以及两个gnss导航系统传感器。此时，i＝4，定位计算模块2根据四个传感器给出的数据，分别计算得到定位数据pos1、pos2、pos3、pos4，以及对四个传感器采用数据融合算法得到的posr，各值经过数据标准化可以进行同量纲运算。数据统计监控模块3计算每个传感器独立获取的定位数据和组合定位数据之间的相对位置误差，其中distance()为计算两个位置数据之间相对距离的函数：

err1＝distance(pos1,posr)

err2＝distance(pos2,posr)

err3＝distance(pos3,posr)

err4＝distance(pos4,posr)

设定计算erri的步骤每0.2秒执行一次，即第一预定周期为0.2秒，系统开始工作一段时间后，当前计算向前20秒的数据可组成数据序列err1{1,2,3…100},err2{1,2,3…100},err3{1,2,3…100},err4{1,2,3…100}，此时，m＝100，其中erri(1)为当前数据，erri(100)为20秒前的数据。

分别计算各数据序列的均值：

cns1＝∑err1(m)/100；

cns2＝∑err2(m)/100；

cns3＝∑err3(m)/100；

cns4＝∑err4(m)/100；

再分别计算err数列的均方误差：

mse1＝∑(err1(m)-cns1)2/100；

mse2＝∑(err2(m)-cns2)2/100；

mse3＝∑(err3(m)-cns3)2/100；

mse4＝∑(err4(m)-cns4)2/100；

重复以上步骤，每20秒可生成一组msei数据序列，此时，第二预定周期为20，连续工作100秒后，即可存在至少5组的mse数据序列，此时，n＝5，利用连续前5组的mse数据计算得到msei的平均值：

avg1＝∑mse1(n)/5

avg2＝∑mse2(n)/5

avg3＝∑mse3(n)/5

avg4＝∑mse4(n)/5

进一步地，本发明实施例中，优选地，一致性判断系数k选取为3，判断mse/avg的值如果大于3，说明该传感器出现了明显偏离正常误差范围的数据，这种情况下给出该传感器无效的指示信号，定位计算模块2应当将该传感器从生成posr数据融合算法的数据源中剔除。

优选地，本发明实施例中，当msei/avgi大于k时，数据统计监控模块3还判断所述传感器是否为gnss导航系统传感器，若所述传感器为gnss导航系统传感器，则判断所述gnss导航系统传感器接收到了干扰/欺骗的信号。

更优选地，当msei/avgi大于k时，数据统计监控模块3还判断gnss导航系统传感器的接收机是否存在故障，若所述gnss导航系统传感器的接收机不存在故障，则判断所述gnss导航系统传感器接收到了干扰/欺骗的信号。

本发明实施例由多种具备导航定位功能的传感器构成组合导航系统，由于组合导航系统采用imu传感器、gnss导航系统传感器、轮速传感器和地速传感器，现有的gnss信号干扰技术很难做到同时对多种gnss导航系统传感器实施相同欺骗数据的干扰，更无法干扰imu传感器、轮速传感器、地速传感器等，所以通过比较多个传感器的输出特性可以判断出gnss导航系统是否接收到了欺骗或干扰的信号，避免了传统组合导航算法不对gnss信号进行有效性判断的问题，可以有效辨识出相关传感器的输出是否存在异常。

另外，本发明实施例提出的一种计算机设备，所述设备包括：一个或多个处理器；存储器，用于存储一个或多个程序；当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如上所述的方法。

另外，本发明实施例提出的一种计算机存储介质，所述计算机存储介质存储有计算机程序指令，所述计算机程序指令用于执行如上所述的方法。

在本发明的实施例中，各个模块或系统可以是由计算机程序指令形成的处理器，处理器可以是一种集成电路芯片，具有信号的处理能力。处理器可以是通用处理器、数字信号处理器(digitalsignalprocessor，简称dsp)、专用集成电路(applicationspecificintegratedcircuit，简称asic)、现场可编程门阵列(fieldprogrammablegatearray，简称fpga)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。

可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。处理器读取存储介质中的信息，结合其硬件完成上述方法的步骤。

存储介质可以是存储器，例如可以是易失性存储器或非易失性存储器，或可包括易失性和非易失性存储器两者。

其中，非易失性存储器可以是只读存储器(read-onlymemory，简称rom)、可编程只读存储器(programmablerom，简称prom)、可擦除可编程只读存储器(erasableprom，简称eprom)、电可擦除可编程只读存储器(electricallyeprom，简称eeprom)或闪存。

易失性存储器可以是随机存取存储器(randomaccessmemory，简称ram)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的ram可用，例如静态随机存取存储器(staticram，简称sram)、动态随机存取存储器(dynamicram，简称dram)、同步动态随机存取存储器(synchronousdram，简称sdram)、双倍数据速率同步动态随机存取存储器(doubledataratesdram，简称ddrsdram)、增强型同步动态随机存取存储器(enhancedsdram，简称esdram)、同步连接动态随机存取存储器(synchlinkdram，简称sldram)和直接内存总线随机存取存储器(directrambusram，简称drram)。

本发明实施例描述的存储介质旨在包括但不限于这些和任意其它适合类型的存储器。

本领域技术人员应该可以意识到，在上述一个或多个示例中，本发明所描述的功能可以用硬件与软件组合来实现。当应用软件时，可以将相应功能存储在计算机可读介质中或者作为计算机可读介质上的一个或多个指令或代码进行传输。计算机可读介质包括计算机存储介质和通信介质，其中通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。存储介质可以是通用或专用计算机能够存取的任何可用介质。

虽然，上文中已经用一般性说明及具体实施例对本发明作了详尽的描述，但在本发明基础上，可以对之作一些修改或改进，这对本领域技术人员而言是显而易见的。因此，在不偏离本发明精神的基础上所做的这些修改或改进，均属于本发明要求保护的范围。