基于模型參數(shù)辨識的欺騙干擾識別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于通信技術(shù)領(lǐng)域，具體涉及一種基于模型參數(shù)辨識的欺騙干擾識別方 法，模型參數(shù)辨識的方法有很多，本發(fā)明討論狼群算法。
【背景技術(shù)】
[0002] 衛(wèi)星導(dǎo)航定位系統(tǒng)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(wèi)星導(dǎo)航系統(tǒng)接收機如何抗欺騙干擾已經(jīng)成為當前迫切需要 解決的技術(shù)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(nèi)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(shù)包括時鐘偏 移、多普勒頻移和接收機位置等。近年來，對發(fā)射機建模并基于模型參數(shù)來識別無線發(fā)射機 成為了一個新的研究熱點。研究表明，基于模型參數(shù)的識別方法即使在樣本數(shù)不多，SNR較 低時也有效。然而，其估計模型參數(shù)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(fā)明內(nèi)容】

[0004] 為了識別欺騙干擾和真實信號，本發(fā)明提出了一種基于發(fā)射系統(tǒng)建模以及模型系 數(shù)辨識的欺騙干擾識別方法。在對信號發(fā)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(fā)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(yīng)，將其簡化為FIR濾波器模型。因此，整個系統(tǒng)可以等效為一個Ha_erstein模型。利 用狼群算法根據(jù)輸入輸出信號來進行系統(tǒng)辨識，確定系統(tǒng)模型參數(shù)。以此模型參數(shù)為基礎(chǔ)， 通過統(tǒng)計檢測方法進行欺騙干擾的識別。
[0005] 本發(fā)明采取以下技術(shù)方案：
[0006] 基于模型參數(shù)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(fā)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(lián)Wiener模型、并聯(lián)Hammerstein模型、Wiener-Hammerstein模型、Volterra級數(shù) 模型、記憶多項式模型、神經(jīng)網(wǎng)絡(luò)模型等等。為描述方便，本發(fā)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(shù)個數(shù)，d(n)是輸入信號，bk是多項式系數(shù)。另外，在不改變 系統(tǒng)特性的情況下，為了確定系統(tǒng)的唯一性，令h= 1。
[0011] 第二步：考慮到多徑響應(yīng)，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(yīng)系數(shù)，N是FIR濾波器的階數(shù)，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(tǒng)進行建模。
[0015]
[0016]第四步：接收機根據(jù)接收到的數(shù)據(jù)碼元y(η)，估計得到發(fā)射端的C/A碼，根據(jù)輸入 輸出利用系統(tǒng)辨識算法進行系統(tǒng)辨識，得到模型參數(shù)的估計值。系統(tǒng)辨識方法分為傳統(tǒng)的 系統(tǒng)辨識方法和智能算法，傳統(tǒng)的系統(tǒng)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(fā)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(tǒng)辨識算法獲得系統(tǒng)參數(shù)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(shè)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(fā)射機系統(tǒng)參數(shù)向量，Θ2為干擾機系統(tǒng)參數(shù)向量，I是 根據(jù)系統(tǒng)的輸入輸出估計得到的參數(shù)向量。
[0020] 本發(fā)明綜合考慮發(fā)射機的非線性特性和信道的多徑響應(yīng)，進行數(shù)學(xué)統(tǒng)計建模，并 利用系統(tǒng)辨識算法進行系統(tǒng)辨識，得到了參數(shù)向量§?；谠搮?shù)向量，統(tǒng)計檢測中最直觀 的歐氏距離法實現(xiàn)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(tǒng)結(jié)構(gòu)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(shù)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(fā)明針對GPS欺騙干擾檢測問題展開研究，通過綜合考慮發(fā)射機的非線性和無 線通信信道的多徑效應(yīng)，將整個通信系統(tǒng)等效為Hammerstein模型，然后利用狼群算法得 到模型參數(shù)的估計值，以此進行欺騙干擾檢測。
[0026] 以下結(jié)合附圖對本發(fā)明作進一步說明。
[0027] 第一步：考慮到非線性，將發(fā)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(yīng)，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(tǒng)進行建模。
[0034]
[0035]第四步：接收機根據(jù)接收到的數(shù)據(jù)碼元y(η)，估計得到發(fā)射端的C/A碼，根據(jù)輸入 輸出利用狼群算法進行系統(tǒng)辨識，得到模型參數(shù)的估計值。
[0036] 狼群算法(WPA，WolfPackAlgorithm)模擬了狼群的協(xié)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(yōu)目標函數(shù)的人工狼，指揮整個狼群的行動。探狼是較少的具有較優(yōu)目標函數(shù)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(yōu)化問題的一個可行解，獵物源的氣味濃度代表相應(yīng)解的質(zhì)量或適應(yīng)度。算 法的具體步驟如下：
[0037] 步驟1，數(shù)值初始化。初始化狼群中人工狼位置&及其數(shù)目N，最大迭代次數(shù)1^_， 探狼比例因子α，最大游走次數(shù)！^.，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(yōu)人工狼為頭狼，除頭狼外最佳的S_num匹人工狼為探狼并執(zhí)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(shù)T_，則轉(zhuǎn)步驟3。
[0039] 步驟3,人工猛狼據(jù)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(fā)起召喚行為；若YlMd，則人工猛狼繼續(xù)奔襲直到dls<dn_， 轉(zhuǎn)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(zhí)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(shù)，且λ~U[-l, 1]。
[0045] 步驟5,按"勝者為王"的頭狼產(chǎn)生規(guī)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(yōu)化精度要求或最大迭代次數(shù)T_，若達到則輸出頭狼的位 置，即所求問題的最優(yōu)解，否則轉(zhuǎn)步驟2。
[0047]第五步：在利用狼群算法獲得系統(tǒng)參數(shù)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(shè)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(fā)射機系統(tǒng)參數(shù)向量，Θ2為干擾機系統(tǒng)參數(shù)向量，§是根據(jù) 系統(tǒng)的輸入輸出估計得到的參數(shù)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(yōu)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(fā)明的優(yōu)選實施例及原理進行了詳細說明，對本領(lǐng)域的普通技術(shù)人員而 言，依據(jù)本發(fā)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(yīng)視為本發(fā)明 的保護范圍。
【主權(quán)項】
1. 基于模型參數(shù)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(fā)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(tǒng)進行建模； 第四步：接收機根據(jù)接收到的數(shù)據(jù)碼元y (η)，估計得到發(fā)射端的C/A碼，根據(jù)輸入輸出 利用系統(tǒng)辨識算法進行系統(tǒng)辨識，得到模型參數(shù)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(quán)利要求1所述的基于模型參數(shù)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(lián) Wiener 模型、并聯(lián) Hammerstein 模型、Wiener-Hammer stein 模型、 Vo 1 terra級數(shù)模型、記憶多項式模型、神經(jīng)網(wǎng)絡(luò)模型。3. 如權(quán)利要求2所述的基于模型參數(shù)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(shù)個數(shù)，d(η)是輸入信號，匕是多項式系數(shù)；另外，在不改變系統(tǒng)特 性的情況下，為了確定系統(tǒng)的唯一性，令b1= 1。4. 如權(quán)利要求3所述的基于模型參數(shù)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(yīng)，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(yīng)系數(shù)，N是FIR濾波器的階數(shù)，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(quán)利要求4所述的基于模型參數(shù)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(tǒng)進行建模；6. 如權(quán)利要求5所述的基于模型參數(shù)辨識的欺騙干擾識別方法，其特征是：第四步：所 述的系統(tǒng)辨識方法分為傳統(tǒng)的系統(tǒng)辨識方法和智能算法。7. 如權(quán)利要求6所述的基于模型參數(shù)辨識的欺騙干擾識別方法，其特征是：第四步，所 述的系統(tǒng)辨識方法選用智能算法中的狼群算法。8. 如權(quán)利要求7所述的基于模型參數(shù)辨識的欺騙干擾識別方法，其特征是：第五步：在 利用系統(tǒng)辨識算法獲得系統(tǒng)參數(shù)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(shè)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(fā)射機系統(tǒng)參數(shù)向量，Θ 2為干擾機系統(tǒng)參數(shù)向量，§是根據(jù) 系統(tǒng)的輸入輸出估計得到的參數(shù)向量。
【專利摘要】本發(fā)明公開了一種基于模型參數(shù)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(fā)射機和干擾機等效為非線性模型；第二步：考慮到多徑響應(yīng)，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(tǒng)進行建模；第四步：接收機根據(jù)接收到的數(shù)據(jù)碼元y(n)，估計得到發(fā)射端的C/A碼，根據(jù)輸入輸出利用系統(tǒng)辨識算法進行系統(tǒng)辨識，得到模型參數(shù)的估計值；第五步：在利用系統(tǒng)辨識算法獲得系統(tǒng)參數(shù)的估計值之后，采用直觀的歐氏距離檢測法進行識別。本發(fā)明綜合考慮發(fā)射機和無線傳輸信道進行數(shù)學(xué)建模，并以模型參數(shù)來作為特征。本發(fā)明方法魯棒性好，識別效果佳。
【IPC分類】H04B17/00
【公開號】CN105281847
【申請?zhí)枴緾N201510582698
【發(fā)明人】孫閩紅, 邵章義
【申請人】杭州電子科技大學(xué)
【公開日】2016年1月27日
【申請日】2015年9月14日