反卫星导航欺诈的方法以及基于该方法的无人系统的制作方法
【技术领域】
[0001] 本发明属于导航定位领域，具体是涉及一种反卫星导航欺诈的方法以及基于该方 法的无人系统。
【背景技术】
[0002] 当前，无人车、无人机的导航系统高度依赖卫星定位信号，容易受到敌方的干扰和 欺骗信号的影响，导致其可能会被轻易被俘或失能，这威胁着基于GPS导航的无人军用系 统和严重依赖GPS导航的民用航空领域；例如，2011年伊朗先采用卫星导航欺骗技术，重构 了接收器的GPS坐标，成功捕获了美国的RQ170 "哨兵"无人机。而在民用航空领域，若重 构GPS导航坐标，则很可能使飞机偏航，导致重大飞行事故，这使得民用航空存在极易被恐 怖活动利用和攻击的技术漏洞。
[0003] 为了弥补GPS导航存在的技术欺诈，各国都在不余遗力的提升GPS导航的严密等 级，且研究一些能够反GPS导航欺诈的手段，例如，2014年，美国诺斯罗普?格鲁曼公司获得 美军"通过图像补偿导航保持精确地理位置"的项目，该项目旨在无GPS信号环境下使用视 觉辅助惯性导航系统开发实时图像地理匹配和导航算法。同年，在英国国防科学与技术实 验室国防企业中心的支持下，普莱克斯技术公司正在研发一种基于视觉的导航跟踪装置， 为在无GPS信号环境下的士兵提供精确导航。国内同行开展无人机反电子欺诈技术起步较 晚，大多集中在如何对数据链如何进行加密的理论及技术上，与国外差距较大。
【发明内容】
[0004] 本发明的目的是提供一种反卫星导航欺诈的方法以及基于该方法的无人系统，它 具有反卫星导航欺诈效果好，方法简单实用的优点。
[0005] 本发明是这样来实现的，一种反卫星导航欺诈的方法，它包括如下步骤：
[0006] 步骤1:特征场景及位置信息存储；预先将出发点和目标点的位置信息以及路途 中显著位置点的信息数据存入到信息检测库中，该信息数据包括该位置点的位置信息以及 N幅具有该位置点显著特征的图片；
[0007] 步骤2 :在未到达显著位置点时，采用载波相位双差欺骗检测技术不断检测是否 存在卫星导航欺骗信号，若检测到存在欺骗信号，则进行步骤3,否则进行步骤4 ;
[0008] 步骤3:检测到存在欺骗信号，则将临界点的位置信息作为起始点，采用惯性导 航，向着最近的一个显著位置点前进，并开启图像匹配模式，根据图像匹配的结果，当到达 最邻近的显著位置点时，用预存的显著位置点的信息数据对惯性导航进行纠偏；如此反复， 直到到达目标点。
[0009] 步骤4 :到达临近显著位置点前，一直未检测到卫星导航欺骗信号，则到达临近显 著位置点时进行图像匹配，若匹配，则重复步骤4,直到到达目标点；若不匹配，则进行步骤 5 ；
[0010] 步骤5 :摄像头拍摄当前位置的地形环境图片，并将图片传回后方指挥站进行地 图匹配，若匹配不成功，则原路返回出发点，若匹配成功，则进行步骤6;
[0011] 步骤6:对当前的位置信息进行更新，并向着最近的一个显著位置点前进，同时开 启图像匹配模式，根据图像匹配的结果，当到达最近的显著位置点时，用显著位置点的准确 信息对惯性导航进行纠偏；如此反复，直到到达目标点。
[0012] 所述图像匹配模式采用图像匹配方法，该图像匹配方法采用快速近似最近邻搜索 算法进行特征的搜索，从目标图像中找出与场景图像的欧氏距离最近和次近的两个点，以 最近欧氏距离与次近欧氏距离的比值同给定的阈值T比较来判定特征点是否匹配。
[0013] -种基于反卫星导航欺诈方法的无人系统，其特征在于，它包括采用上述反卫星 导航欺诈方法的无人机系统和无人车系统。
[0014] 本发明的有益效果为：本发明能够很好地侦查GPS导航中的欺诈企图，并及时采 取图像匹配与惯性导航等措施，高效迅速弥补GPS欺诈中卫星导航无法使用的空白时间区 间，帮助无人系统顺利到达目标点。
【附图说明】
[0015] 图1为本发明反卫星导航欺诈的方法的流程方框图。
[0016] 图2为本发明图像匹配方法中图像匹配点选取的示意图。
【具体实施方式】
[0017] 下面结合附图对本发明的【具体实施方式】作进一步说明。
[0018] 如图1所示，本发明采用的反卫星导航欺诈的方法，包括如下步骤：
[0019] 步骤1 :特征场景及位置信息存储；预先将出发点和目标点的位置信息以及路途 中显著位置点的信息数据存入到信息检测库中，该信息数据包括该位置点的位置信息以及 N幅具有该位置点显著特征的图片；
[0020] 步骤2:在未到达显著位置点时，采用载波相位双差欺骗检测技术不断检测是否 存在卫星导航欺骗信号，若检测到存在欺骗信号，则进行步骤3,否则进行步骤4 ;
[0021] 步骤3:检测到存在欺骗信号，则将临界点的位置信息作为起始点，采用惯性导 航，向着最近的一个显著位置点前进，并开启图像匹配模式，根据图像匹配的结果，当到达 最邻近的显著位置点时，用预存的显著位置点的信息数据对惯性导航进行纠偏；如此反复， 直到到达目标点。
[0022] 步骤4 :到达临近显著位置点前，一直未检测到卫星导航欺骗信号，则到达临近显 著位置点时进行图像匹配，若匹配，则重复步骤4,直到到达目标点；若不匹配，则进行步骤 5 ；
[0023] 步骤5 :摄像头拍摄当前位置的地形环境图片，并将图片传回后方指挥站进行地 图匹配，若匹配不成功，则原路返回出发点，若匹配成功，则进行步骤6;
[0024] 步骤6 :对当前的位置信息进行更新，并向着最近的一个显著位置点前进，同时开 启图像匹配模式，根据图像匹配的结果，当到达最近的显著位置点时，用显著位置点的准确 信息对惯性导航进行纠偏；如此反复，直到到达目标点。
[0025] 上述步骤的实现，采用了如下关键技术；
[0026] 其中步骤1涉及预先将出发点和目标点的位置信息以及路途中显著位置点的信 息数据存入到信息检测库中，需要采用图像显著特征提取技术，其具体做法为：利用高斯卷 积核对原始图像进行平滑，以得到图像的尺度空间表示。用L(x，y，〇)表示一幅二维图像 I(x，y)的尺度空间，其定义为：
[0027] i(x,y, a) = G(x, ),〇)? l(x,y) ( 1 )
[0028] 其中，逸表示卷积运算，G(x，y，〇)是卷积核可变的高斯函数，其定义为：
[0029]
[0030] 式中，。为尺度因子，表示图像被平滑的程度，。越大图像越模糊；
[0031] 为了提高算法效率，本文建立3组3层高斯金字塔，共9层图像。经过实验比较， 图像金字塔的第〇组〇层图像平滑尺度％= 1.4,任意层与0层之间的尺度关系为〇s =%ks，相邻层间尺度因子k= 21/s，S为每组总层数3,s为金字塔中图像的层序数，s= {0，1，2，...}。每组的第一层图像由前一组的最后一层图像下采样得到。为了获取更多的 特征点，可将原始图像放大2倍作为第0组图像；
[0032] 在建立了高斯金字塔尺度空间后，需要在