基于模型參數辨識的欺騙干擾識別方法
【技術領域】
[0001] 本發明屬于通信技術領域，具體涉及一種基于模型參數辨識的欺騙干擾識別方 法，模型參數辨識的方法有很多，本發明討論狼群算法。
【背景技術】
[0002] 衛星導航定位系統極易受到多種形式的干擾。其中，最主要的干擾樣式為欺騙干 擾，該干擾具有與真實信號相同的增益，并在時、頻、空等多域與真實信號完全或者部分重 疊，識別效果往往不太理想。衛星導航系統接收機如何抗欺騙干擾已經成為當前迫切需要 解決的技術問題。
[0003] 抗欺騙干擾的前提是接收機能夠檢測識別出欺騙干擾。目前國內外針對欺騙干 擾識別方法的研究主要集中在基于特征提取的干擾識別算法，提取的特征參數包括時鐘偏 移、多普勒頻移和接收機位置等。近年來，對發射機建模并基于模型參數來識別無線發射機 成為了一個新的研究熱點。研究表明，基于模型參數的識別方法即使在樣本數不多，SNR較 低時也有效。然而，其估計模型參數的方法為最小二乘法和迭代法。這些方法存在著收斂 性不能被嚴格證明的不足。
【發明內容】
[0004] 為了識別欺騙干擾和真實信號，本發明提出了一種基于發射系統建模以及模型系 數辨識的欺騙干擾識別方法。在對信號發射機和干擾機的建模中主要考慮功率放大器的非 線性，因此，將發射機和干擾機簡化為無記憶多項式模型，在對信道進行建模中考慮其多徑 效應，將其簡化為FIR濾波器模型。因此，整個系統可以等效為一個Ha_erstein模型。利 用狼群算法根據輸入輸出信號來進行系統辨識，確定系統模型參數。以此模型參數為基礎， 通過統計檢測方法進行欺騙干擾的識別。
[0005] 本發明采取以下技術方案：
[0006] 基于模型參數辨識的欺騙干擾識別方法，其按如下步驟進行：
[0007] 第一步：考慮到功率放大器的非線性特性，可以將發射機和干擾機等效為非線性 模型，具體的非線性模型包括：無記憶多項式模型、Saleh模型、Hammerstein模型、Wiener 模型、并聯Wiener模型、并聯Hammerstein模型、Wiener-Hammerstein模型、Volterra級數 模型、記憶多項式模型、神經網絡模型等等。為描述方便，本發明以無記憶多項式模型為例 進行闡述。
[0008] 無記憶多項式模型如下：
[0009]
[0010] 其中，Μ是多項式系數個數，d(n)是輸入信號，bk是多項式系數。另外，在不改變 系統特性的情況下，為了確定系統的唯一性，令h= 1。
[0011] 第二步：考慮到多徑響應，將無線傳輸信道等效為FIR濾波器模型。
[0012]
[0013] 上式中，hk是信道響應系數，N是FIR濾波器的階數，w(n)~N(0, 〇2)是加性高斯 白噪聲，x(n)是輸入信號，y(η)為接收機接收到的信道輸出信號。
[0014] 第三步：對整個通信傳輸系統進行建模。
[0015]
[0016]第四步：接收機根據接收到的數據碼元y(η)，估計得到發射端的C/A碼，根據輸入 輸出利用系統辨識算法進行系統辨識，得到模型參數的估計值。系統辨識方法分為傳統的 系統辨識方法和智能算法，傳統的系統辨識方法有最小二乘法、極大似然法、迭代估計法等 等；智能算法有模擬退火算法、粒子群算法、蟻群算法、魚群算法、蝙蝠算法等等。本發明以 智能算法中的狼群算法為例進行說明。
[0017] 第五步：在利用系統辨識算法獲得系統參數的估計值之后，采用直觀的歐氏距離 檢測法進行識別，判決準則為：
[0018]
[0019]其中，假設Η。表示接收機接收到的是欺騙干擾信號，Hi表示接收機接收到的信號 是真實信號。式（4)中，QiSGPS發射機系統參數向量，Θ2為干擾機系統參數向量，I是 根據系統的輸入輸出估計得到的參數向量。
[0020] 本發明綜合考慮發射機的非線性特性和信道的多徑響應，進行數學統計建模，并 利用系統辨識算法進行系統辨識，得到了參數向量§。基于該參數向量，統計檢測中最直觀 的歐氏距離法實現對欺騙干擾的檢測，該方法運算簡單，識別性能好。
【附圖說明】
[0021] 圖1是通信系統結構圖。
[0022] 圖2是干擾識別總體方案圖。
[0023] 圖3是狼群算法流程圖。
[0024] 圖4是分別用狼群算法和蝙蝠算法進行參數估計并以此進行干擾識別的效果的 比較。
【具體實施方式】
[0025] 本發明針對GPS欺騙干擾檢測問題展開研究，通過綜合考慮發射機的非線性和無 線通信信道的多徑效應，將整個通信系統等效為Hammerstein模型，然后利用狼群算法得 到模型參數的估計值，以此進行欺騙干擾檢測。
[0026] 以下結合附圖對本發明作進一步說明。
[0027] 第一步：考慮到非線性，將發射機和干擾機等效為無記憶多項式模型。
[0028]
[0029]仿真中Μ= 4。
[0030] 第二步：考慮到多徑響應，將無線傳輸信道等效為FIR濾波器模型。
[0031]
[0032]仿真中N= 3。
[0033] 第三步：對整個通信傳輸系統進行建模。
[0034]
[0035]第四步：接收機根據接收到的數據碼元y(η)，估計得到發射端的C/A碼，根據輸入 輸出利用狼群算法進行系統辨識，得到模型參數的估計值。
[0036] 狼群算法(WPA，WolfPackAlgorithm)模擬了狼群的協作捕獵行為，具有較好的 全局收斂性和計算魯棒性。在WPA中，狼群中分為頭狼，探狼，以及猛狼。頭狼就是種群中 具有最優目標函數的人工狼，指揮整個狼群的行動。探狼是較少的具有較優目標函數值的 人工狼，在獵物的可能活動范圍中進行游獵。猛狼則只參與最后對獵物的圍攻行為。每個 獵物源表示為優化問題的一個可行解，獵物源的氣味濃度代表相應解的質量或適應度。算 法的具體步驟如下：
[0037] 步驟1，數值初始化。初始化狼群中人工狼位置&及其數目N，最大迭代次數1^_， 探狼比例因子α，最大游走次數！^.，距離判定因子w，步長因子S，更新比例因子R。
[0038] 步驟2,選取最優人工狼為頭狼，除頭狼外最佳的S_num匹人工狼為探狼并執行游 走行為，直到某只探狼偵察到的獵物氣味濃度t大于頭狼所感知的獵物氣味濃度YlMd或達 到最大游走次數T_，則轉步驟3。
[0039] 步驟3,人工猛狼據式⑶向獵物奔襲，若途中猛狼感知的獵物氣味濃度ΥρYWd， 則YlMd=Yi，替代頭狼并發起召喚行為；若YlMd，則人工猛狼繼續奔襲直到dls<dn_， 轉步驟4。
[0040]
(5)
[0041] 式中stepb是召喚行為的步長，Gk是第k次迭代中頭狼的位置，是第k次迭代 中第i頭狼的位置。
[0042] 步驟4,按式（6)對參與圍攻行為的人工狼的位置進行更新，執行圍攻行為。
[0043]
(6)
[0044] 瓦甲8七印。定圍攻仃73的步長，入定一個隨機數，且λ~U[-l, 1]。
[0045] 步驟5,按"勝者為王"的頭狼產生規則對頭狼位置進行更新；再按照"強者生存" 的狼群更新機制進行群體更新。
[0046] 步驟6,判斷是否達到優化精度要求或最大迭代次數T_，若達到則輸出頭狼的位 置，即所求問題的最優解，否則轉步驟2。
[0047]第五步：在利用狼群算法獲得系統參數的估計值之后，采用直觀的歐氏距離檢測 法進行識別，判決準則為：
[0048]
[0049]其中，假設H。表示接收機接收到的是欺騙干擾信號，Hi表示接收機接收到的信號 是真實信號。式中，GiSGPS發射機系統參數向量，Θ2為干擾機系統參數向量，§是根據 系統的輸入輸出估計得到的參數向量。
[0050]以上狼群算法和蝙蝠算法兩種方法所得到的檢測性能如圖4所示。圖4表明兩 者方法均能有效的識別欺騙干擾，基于狼群算法的檢測方法要優于基于蝙蝠算法的檢測方 法，在SNR從2dB到14dB之間，檢測率要高出4. 93%。
[0051]以上對本發明的優選實施例及原理進行了詳細說明，對本領域的普通技術人員而 言，依據本發明提供的思想，在【具體實施方式】上會有改變之處，而這些改變也應視為本發明 的保護范圍。
【主權項】
1. 基于模型參數辨識的欺騙干擾識別方法，其特征是按如下步驟： 第一步：將發射機和干擾機等效為非線性模型； 第二步：將無線傳輸信道等效為FIR濾波器模型； 第三步：對整個通信傳輸系統進行建模； 第四步：接收機根據接收到的數據碼元y (η)，估計得到發射端的C/A碼，根據輸入輸出 利用系統辨識算法進行系統辨識，得到模型參數的估計值； 第五步：采用直觀的歐氏距離檢測法進行識別。2. 如權利要求1所述的基于模型參數辨識的欺騙干擾識別方法，其特征是： 第一步：所述的非線性模型包括：無記憶多項式模型、Saleh模型、Hammerstein模 型、Wiener 模型、并聯 Wiener 模型、并聯 Hammerstein 模型、Wiener-Hammer stein 模型、 Vo 1 terra級數模型、記憶多項式模型、神經網絡模型。3. 如權利要求2所述的基于模型參數辨識的欺騙干擾識別方法，其特征是：所述的無 記憶多項式模型如下：其中，Μ是多項式系數個數，d(η)是輸入信號，匕是多項式系數；另外，在不改變系統特 性的情況下，為了確定系統的唯一性，令b1= 1。4. 如權利要求3所述的基于模型參數辨識的欺騙干擾識別方法，其特征是：第二步：考 慮到多徑響應，將無線傳輸信道等效為FIR濾波器模型；式（2)中，hk是信道響應系數，N是FIR濾波器的階數，w (η)~N(0,。2)是加性高斯白 噪聲，y(n)為接收機接收到的信道輸出信號。5. 如權利要求4所述的基于模型參數辨識的欺騙干擾識別方法，其特征是：第三步：對 整個通信傳輸系統進行建模；6. 如權利要求5所述的基于模型參數辨識的欺騙干擾識別方法，其特征是：第四步：所 述的系統辨識方法分為傳統的系統辨識方法和智能算法。7. 如權利要求6所述的基于模型參數辨識的欺騙干擾識別方法，其特征是：第四步，所 述的系統辨識方法選用智能算法中的狼群算法。8. 如權利要求7所述的基于模型參數辨識的欺騙干擾識別方法，其特征是：第五步：在 利用系統辨識算法獲得系統參數的估計值之后，采用直觀的歐氏距離檢測法進行識別，判 決準則為：其中，假設Η。表示接收機接收到的是欺騙干擾信號，Η 1表示接收機接收到的信號是真 實信號；式（4)中，QiSGPS發射機系統參數向量，Θ 2為干擾機系統參數向量，§是根據 系統的輸入輸出估計得到的參數向量。
【專利摘要】本發明公開了一種基于模型參數辨識的欺騙干擾識別方法，包括以下步驟：第一步：考慮到功率放大器的非線性特性，將發射機和干擾機等效為非線性模型；第二步：考慮到多徑響應，將無線傳輸信道等效為FIR濾波器模型；第三步：對整個通信傳輸系統進行建模；第四步：接收機根據接收到的數據碼元y(n)，估計得到發射端的C/A碼，根據輸入輸出利用系統辨識算法進行系統辨識，得到模型參數的估計值；第五步：在利用系統辨識算法獲得系統參數的估計值之后，采用直觀的歐氏距離檢測法進行識別。本發明綜合考慮發射機和無線傳輸信道進行數學建模，并以模型參數來作為特征。本發明方法魯棒性好，識別效果佳。
【IPC分類】H04B17/00
【公開號】CN105281847
【申請號】CN201510582698
【發明人】孫閩紅, 邵章義
【申請人】杭州電子科技大學
【公開日】2016年1月27日
【申請日】2015年9月14日