一种北斗卫星导航系统的高速运动物体欺骗检测方法与流程

本发明涉及一种北斗卫星导航系统的高速运动物体欺骗检测方法，属于导航与定位。

背景技术：

1、随着科技的进步，卫星导航系统在军事、民用等领域的应用越来越广泛。然而，由于卫星信号的易受干扰性，伪造的卫星信号可能会对接收机产生误导，从而导致导航误差。尤其是对于高速运动的物体，如导弹、飞机等，由于其运动速度极快，任何导航误差都可能导致严重的后果；然而，导航信号的安全性问题逐渐显现，尤其是高速运动物体在导航过程中面临的信号欺骗风险，亟需针对性的解决方案。

2、第一是现有的导航信号欺骗检测技术主要依赖于传统的信号验证和异常检测方法，这些方法通常无法有效应对高速运动条件下的欺骗信号。首先，传统的信号验证机制往往基于单一信号源的特征进行判断，缺乏对多源数据的综合分析能力。当高速运动物体遭遇信号欺骗时，单一信号源容易被伪造信号干扰，导致误判，无法及时识别出真实的信号特性。

3、第二是现有技术在处理多传感器数据时，常常面临数据融合精度不足的问题，虽然多传感器融合可以提高导航的精度和可靠性，但在实际应用中，由于不同传感器之间的数据特性差异，导致融合后的数据可能存在偏差，从而影响整体判断的准确性。在高速运动的情况下，信号变化迅速，任何微小的误差都可能导致重大后果。

4、第三是现有的欺骗信号检测系统通常缺乏自适应学习能力，传统的检测算法大多基于固定的模型和规则，无法根据环境变化进行动态调整。这意味着在新的环境条件下，系统的有效性和准确性大打折扣，尤其是在复杂电磁环境中，伪造信号的检测变得更加困难。缺乏自学习功能的系统在应对不断变化的信号环境时，容易导致检测精度下降，增加导航系统的安全隐患。

技术实现思路

1、为了解决上述现有技术中存在的问题，本发明提出了一种北斗卫星导航系统的高速运动物体欺骗检测方法。

2、本发明的技术方案如下：

3、一方面，本发明提供了一种北斗卫星导航系统的高速运动物体欺骗检测方法，包括以下步骤：

4、采集北斗卫星导航系统发出的导航信号，并对导航信号进行预处理；

5、采集来自多种传感器的接收信号数据，包括惯性测量单元、多普勒雷达、视觉传感器和磁场传感器，并对接收信号数据进行数据融合；

6、基于时间序列预测的混合高斯模型算法提取预处理后的导航信号以及数据融合后的传感器接收信号数据中的信号特征；

7、预设信号特征动态阈值，通过信号特征动态阈值判断当前信号特征对应的导航信号是否为欺骗信号。

8、作为本发明的优选实施方式，所述信号特征的提取步骤为：

9、对预处理后的导航信号以及数据融合后的传感器接收信号数据进行初步特征提取，得到信号特征集，同时为信号特征集中每种类型特征的权重进行赋值，得到权重向量集合，并构建特征加权函数，计算信号特征集的加权特征值；

10、通过基于时间序列的混合高斯模型以及信号特征集的加权特征值，输出该信号的最终特征，具体如下式所示：

11、

12、其中：h为当前信号对应的信号特征的加权特征值；k表示高斯分量总数；k表示第k个高斯分量；πk表示第k个高斯分量的权重；μ表示高斯分量均值；∑表示高斯分量的协方差矩阵。

13、作为本发明的优选实施方式，所述欺骗信号的判断步骤为：

14、将预测概率与预设信号特征动态阈值进行比较，输出判断结果，具体如下式所示：

15、

16、其中：r′表示判断结果；t′表示信号特征动态阈值，根据实时数据进行调整；r′为1时表示信号为真实导航信号，r′为0时表示信号为欺骗信号。

17、作为本发明的优选实施方式，当监测到欺骗信号时，若大于警报阈值，则发出欺骗信号警报信息，并记录警报信息；

18、对警报信息进行自适应模糊推理，确定当前报警信息对应的警报级别；

19、基于警报级别，动态调整警报阈值，作为下次欺骗信号的警报阈值，具体如下式所示：

20、g′＝gbase+σ·l；

21、其中：g′为警报阈值；gbase为基础阈值；σ为动态调整系数；l为当前警报信息的警报级别。

22、作为本发明的优选实施方式，所述警报信息的警报级别计算步骤为：

23、提取警报事件中的信号特征构建输入变量集fa＝{famplitude，fstability，ffrequency}，其中，famplitude为信号的变化幅度，fstability为信号的历史稳定性，ffrequency为信号的异常检测频率；

24、定义模糊集合a与b，其中a表示特征的模糊等级，b表示警报的模糊级别，基于模糊集合a与b构建模糊规则库；

25、基于模糊规则库将输入变量转换为模糊值，得到模糊输入变量集

26、基于模糊规则库，对模糊输入变量集执行模糊推理，输出模糊推理结果z，具体如下式所示：

27、

28、其中：i表示模糊输入变量集的变量总数；i表示第i个变量；wi表示第i个变量的权重；表示第i个变量的模糊值；

29、对输出推理结果z进行解模糊化处理，得到报警级别，具体如下式所示：

30、

31、其中：l为警报级别；m表示欺骗信号长度；j表示第j段欺骗信号的模糊推理结果；μoutput(zj)表示第j段欺骗信号的警报级别隶属度。

32、作为本发明的优选实施方式，通过历史欺骗信号对欺骗信号检测进行优化，具体步骤为：

33、采集历史欺骗信号，并构建历史欺骗信号集d，具体如下式所示：

34、d＝{(fi，ri)|i＝1，2，...，n}；

35、其中：第i次检测的信号特征集；ri为对应的判断结果；

36、通过异常检测算法分析历史数据集，提取关键特征的重要性指标v，具体如下式所示：

37、

38、其中：j表示信号特征集总数；j表示第j个信号特征集；wj表示第j个信号特征集的权重；var(fj)为第j个信号特征集的方差；maxvar表示所有信号特征集的最大方差；

39、基于重要性指标v，对信号特征集对应的权重向量集进行更新。

40、另一方面，本发明还提供了一种北斗卫星导航系统的高速运动物体欺骗检测系统，包括信号接收模块、多传感器数据采集模块、信号特征提取模块、欺骗信号检测模块；

41、信号接收模块，用于实时接收北斗卫星发出的导航信号，并对接收到的信号进行初步处理；

42、多传感器数据采集模块，用于采集来自多种传感器的数据，包括惯性测量单元、多普勒雷达、视觉传感器和磁场传感器，并对数据进行融合处理；

43、信号特征提取模块，基于处理后的传感器数据与接收到的导航信号提取信号特征；

44、欺骗信号检测模块，通过信号特征动态阈值判断当前信号特征对应的导航信号是否为欺骗信号。

45、再一方面，本发明还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如本发明任一实施例所述的方法。

46、再一方面，本发明还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如本发明任一实施例所述的方法。

47、本发明具有如下有益效果：

48、1、本发明采用基于时间序列预测的混合高斯模型算法分析信号特征，具备良好的自适应能力。该算法能够实时判断接收到的导航信号是否符合真实信号特性，快速识别出伪造信号。与传统方法相比，本发明在复杂电磁环境中能够更有效地应对信号欺骗，确保导航安全。

49、2、本发明通过自适应模糊推理系统动态调整报警阈值，提高了系统的响应速度和准确性。当检测到信号特征不符合真实导航信号时，系统能够及时发出警报，防止因信号欺骗带来的潜在风险。在高速运动的环境下，本发明的实时监测与响应能力显著提升了导航的安全性。