基于循环神经网络的卫星导航系统的欺骗干扰检测算法

摘要

为了提高卫星导航系统的欺骗干扰检测能力，提出一种基于循环神经网络（recurrent neural network,RNN）的卫星导航系统欺骗干扰检测算法，并设计了损失函数。为了提高数据预测准确率，研究了数据预处理方法，将数据映射在固定区间，放大了数据的特性。实验结果表明，循环神经网络模型对10颗卫星信噪比的预测准确率全部高于Transformer模型，循环神经网络模型对信噪比数据预测的平均准确率为64.76%，而Transformer模型仅为3%。在循环神经网络预测模型中，针对10颗卫星信噪比的预测有7颗的准确率都在60%以上。由此可以看出，在处理时序数据类型的北斗卫星导航信号信噪比数据时，循环神经网络模型具有更好的预测效果。因此，循环神经网络模型可以针对北斗信噪比实现0.08dB误差的预测，当未来信噪比值与预测值的差大于0.08dB时，认为此时的信号为欺骗信号，从而实现欺骗干扰检测。该研究成果为卫星导航欺骗算法的研究提供了一定的参考价值。

关键词

卫星导航系统 / 深度学习 / 欺骗干扰检测 / 信噪比 / 循环神经网络