[發明專利]一種基于BP神經網絡的GNSS生成式欺騙干擾檢測方法

有效

• 申請號: 202110658870.8
• 申請日: 2021-06-15
• 公開（公告）號: CN113376659B
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 祝雪芬;華騰;楊帆;湯新華;陳熙源
• 申請（專利權）人: 東南大學
• 主分類號: G01S19/01
• 分類號: G01S19/01;G01S19/21;G06N3/04;G06N3/08
• 代理公司: 南京眾聯專利代理有限公司 32206
• 代理人: 蔣昱

1.一種基于BP神經網絡的GNSS生成式欺騙干擾檢測方法，具體步驟如下，其特征在于：

(1)對GNSS中頻信號進行預處理，得到用于作為神經網絡輸入量的特征向量，特征向量包括改進Ratio移動均值、改進Ratio移動方差、改進Delta移動均值、改進Delta移動方差、早晚碼相位差、載噪比移動方差和接收機鐘差變化率；

步驟(1)具體包括：

(1.1)對GNSS中頻信號進行預處理，輸入原始中頻信號；

(1.2)計算得到改進Ratio移動均值、改進Ratio移動方差；

其中，改進Ratio移動均值、改進Ratio移動方差的表達式為：

式中，RatioMA、RatioMV分別指的是改進Ratio移動均值和改進Ratio移動方差，i表示樣本序號，w表示滑動窗口長度，k為滑動區間，n為滑動窗口序號，R_{d，improved}(i)的表達式為：

其中，I_e，d(n)、I_l，d(n)和I_p(n)分別式第n個相干積分內相關器同相支路的超前、滯后和即時輸出，Q_e，d(n)、Q_l，d(n)和Q_p(n)分別為在第n個相干積分內相關器正交支路的超前、滯后和即時輸出；

(1.3)計算得到改進Delta移動均值、改進Delta移動方差；

其中，改進Delta移動均值、改進Delta移動方差的表達式為：

式中，DeltaMA、DeltaMV分別指的是改進Delta移動均值、改進Delta移動方差，Δ_{d，improved}(i)的表達式為：

(1.4)計算得到早晚碼相位差ELP；

其中，I_e(n)、Q_e(n)、I_l(n)和Q_l(n)分別為在第n個相干積分內I/Q支路相關器的超前、滯后輸出；

(1.5)計算獲得載噪比移動方差C/N₀(i)MV；

(1.6)計算獲得接收機鐘差變化率；

(1.7)將上述改進Ratio移動均值、改進Ratio移動方差、改進Delta移動均值、改進Delta移動方差、早晚碼相位差、載噪比移動方差和接收機鐘差變化率作為特征向量x，樣本特征向量即為：

(1.8)對數據的預處理還包括缺失值處理、偏差計算、取觀測到的所有衛星特征值的均值、數據標準化和主成分分析；

(2)將各個時刻的信號根據已知的欺騙施加時刻進行標記，未施加欺騙信號的時刻點標記為0，施加欺騙信號的時刻點標記為1；

(3)構造一個三層BP神經網絡模型，將GNSS信號樣本隨機抽取70％的數據用于訓練，30％的數據用于測試；

(4)通過測試后，三層BP神經網絡模型用于檢測欺騙干擾是否發生。

2.根據權利要求1所述的一種基于BP神經網絡的GNSS生成式欺騙干擾檢測方法，其特征在于：

步驟(3)具體包括：

(3.1)構造一個三層神經網絡模型；

具體的三層模型為輸入層、隱藏層和輸出層模型，準則函數選用均方誤差，其表達式為：

其中，E_k表示估計誤差，和分別為神經網絡輸出的估計值和真值，

所述三層神經網絡模型的神經網路選用的優化方法為隨機梯度下降法，即從目標的負梯度方向對參數進行更新；

選用的輸入層節點數為7，輸出層節點數為1，隱層的節點數為10；

選用的激活函數包括但不限于sigmod函數、tanh函數、relu函數和leakyRelu函數；

(3.2)將信號樣本隨機抽取70％作為訓練樣本、隨機抽取30％作為測試樣本，將樣本放入構造的三層神經網絡模型進行訓練和測試。