一种卫星授时欺骗干扰检测方法及装置与流程

本发明涉及信号检测和信号处理，具体涉及一种卫星授时欺骗干扰检测方法及装置。

背景技术：

1、电力系统的时间同步系统为我国各级调度机构、发电厂、变电站、集控中心等提供统一的时间基准，以满足各种系统(例如调度动化系统、生产信息管理系统、监控系统)和设备(例如继电保护装置、智能电子设备、厂站自动控制设备、安全稳定控制装置、故障录波器)对时间同步的要求，确保实时数据采集时间一致性，提高线路故障测距、相量和功角动态监测、机组和电网参数校验的准确性，从而提高电网事故分析和稳定控制水平，提高电网运行效率和可靠性。

2、电力系统的时间源必须准确、安全、可靠，而电力系统的时间同步系统多依赖北斗、gps(global positioning system，全球定位系统)等卫星导航系统获得基站时间。欺骗信号会通过欺骗干扰接收机使其信号发生器与伪信号对齐，使码相偏离真实信号，最终将真实信号当作噪声处理。码相是计算传播时间和时间偏置的关键，因此欺骗信号会通过随机移动gps信号中的相角来破坏接收器与系统时间之间的时间同步，最终使接收机估计得到错误的卫星位置和时钟偏置量，使pmu(phasor measurementunit，相量测量装置)计算得到错误的相角，之后ems(energy management system，能量管理系统)中的状态估计器利用被篡改的测量值估计得到不正确的系统状态，从而给电网带来威胁。

3、目前时钟装置的反欺骗方法大致可以分为两类：欺骗检测和欺骗消除。欺骗检测的主要目的是识别当前处理的信号中是否存在欺骗信号，如果存在则给出报警信息；欺骗消除主要致力于减少甚至消除欺骗信号的影响，使欺骗攻击不能影响卫星接收机的正常工作。当卫星信号的欺骗信号与真实信号差异较小的情况下，由于欺骗信号的伪码相位值和载波多普勒值与真实信号相似，大多数检测方法不能有效检测是否存在欺骗干扰。

技术实现思路

1、本发明的目的在于提供一种卫星授时欺骗干扰检测方法及装置，用以在欺骗信号与真实信号相似的情况下能够对欺骗信号进行有效检测。

2、为实现上述目的，本发明第一方面公开了一种卫星授时欺骗干扰检测方法，包括：

3、对待测的卫星信号量测数据进行预处理；

4、将预处理后的卫星信号量测数据作为预先训练的基于生成对抗网络的欺骗检测模型的输入，由所述欺骗检测模型输出所述卫星信号量测数据属于正常数据的概率；

5、若所述欺骗检测模型输出的概率小于或等于设定值，则判断所述待测的卫星信号量测数据存在欺骗信号。

6、可选地，所述基于生成对抗网络的欺骗检测模型根据如下方式预先训练：

7、获取训练集，所述训练集包括：原始量测数据；

8、构建深度卷积生成对抗网络dcgan模型，并利用所述训练集对所述dcgan模型进行训练，得到所述欺骗检测模型。

9、可选地，所述构建dcgan模型，并利用所述训练集对所述dcgan模型进行训练，得到所述欺骗检测模型，包括：

10、构建dcgan模型后，将自我关注模型引入dcgan每层卷积操作之后，得到sa-dcgan模型；在定义所述sa-dcgan模型中生成器的损失函数、所述判别器的损失函数，以及所述sa-dcgan模型的优化方式之后，利用所述训练集，通过交替训练方式对所述生成器和所述判别器进行训练；

11、若所述判别器输出所述生成器计算得到的数据属于正常数据的概率大于设定阈值，则完成所述sa-dcgan模型的训练，得到所述欺骗检测模型。

12、可选地，在所述利用所述训练集，通过交替训练方式对所述生成器和所述判别器进行训练之前，还包括：

13、对原始量测数据进行归一化预处理。

14、可选地，所述利用所述训练集，通过交替训练方式对所述生成器和所述判别器进行训练，包括：

15、将经过归一化预处理的数据和生成器生成的数据，输入所述判别器的自我关注模块中的空间自注意力模块；利用所述判别器的卷积层和自注意力层对输入的数据进行高维特征提取，输出特征值；将所述空间自注意力模块输出的特征值构造为时间序列形式，作为自我关注模块中的时间注意力模块的输入；將所述判别器的所述空间自注意力模块和所述时间注意力模块输出的结果输入全连接层，分离正常量测数据和被欺骗数据，删除被欺骗数据；

16、将所述正常测量数据作为先验的输入噪声变量输入所述生成器，经过一个全连接层，将其重塑为2维矩阵，然后将2维矩阵输入所述生成器的自我关注模块中的空间自注意力模块，对输入的数据进行高维特征提取，输出正常量测数据的特征值；将所述空间自注意力模块输出的特征值构造为时间序列形式，作为所述生成器的自我关注模块中的时间注意力模块的输入，并提取所述正常测量数据的时间特征，得到所述生成器生成的数据；继而，将所述生成器生成的数据输入所述判別器，利用所述判别器进行判别，以此进行交替训练。

17、本发明第二方面公开了一种卫星授时欺骗干扰检测装置，包括：

18、预处理单元，用于对待测的卫星信号量测数据进行预处理；

19、模型训练单元，用于训练基于生成对抗网络的欺骗检测模型；

20、欺骗检测单元，用于将所述预处理单元输出的预处理后的卫星信号量测数据作为所述模型训练单元预先训练的基于生成对抗网络的欺骗检测模型的输入，由所述欺骗检测模型输出所述卫星信号量测数据属于正常数据的概率；若所述欺骗检测模型输出的概率小于或等于设定值，则判断所述待测的卫星信号量测数据存在欺骗信号。

21、可选地，所述模型训练单元用于获取训练集，所述训练集包括：原始量测数据；构建基于自我关注机制的深度卷积生成对抗网络sa-dcgan模型，并利用所述训练集对所述sa-dcgan模型进行训练，得到所述欺骗检测模型。

22、可选地，所述卫星授时欺骗干扰检测装置还包括：

23、反欺骗反应单元，用于在所述欺骗检测单元判断存在欺骗信号时发出欺骗告警。

24、本发明第三方面公开了一种电子设备。电子设备包括存储器和处理器，存储器存储有计算机程序，处理器执行计算机程序时，实现本公开第一方面中任一项的一种卫星授时欺骗干扰检测方法中的步骤。

25、本发明第四方面公开了一种计算机可读存储介质。计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时，实现本公开第一方面中任一项的一种卫星授时欺骗干扰检测方法中的步骤。

26、本发明提供的方案，预先训练基于生成对抗网络的欺骗检测模型，通过生成对抗网络中真实信号和欺骗信号的对抗学习，使得训练好的欺骗检测模型可以在欺骗信号与真实信号相似的情况下能够对欺骗信号进行有效检测，很好地解决在授时装置中接收到的卫星信号真假数据高度一致而导致检测精度下降的问题。

技术特征：

1.一种卫星授时欺骗干扰检测方法，其特征在于，包括：

2.根据权利要求1所述的卫星授时欺骗干扰检测方法，其特征在于，所述基于生成对抗网络的欺骗检测模型根据如下方式预先训练：

3.根据权利要求2所述的卫星授时欺骗干扰检测方法，其特征在于，所述构建dcgan模型，并利用所述训练集对所述dcgan模型进行训练，得到所述欺骗检测模型，包括：

4.根据权利要求3所述的卫星授时欺骗干扰检测方法，其特征在于，在所述利用所述训练集，通过交替训练方式对所述生成器和所述判别器进行训练之前，还包括：

5.根据权利要求4所述的卫星授时欺骗干扰检测方法，其特征在于，所述利用所述训练集，通过交替训练方式对所述生成器和所述判别器进行训练，包括：

6.一种卫星授时欺骗干扰检测装置，其特征在于，包括：

7.根据权利要求6所述的卫星授时欺骗干扰检测装置，其特征在于，所述模型训练单元用于获取训练集，所述训练集包括：原始量测数据；构建基于自我关注机制的深度卷积生成对抗网络sa-dcgan模型，并利用所述训练集对所述sa-dcgan模型进行训练，得到所述欺骗检测模型。

8.根据权利要求7所述的卫星授时欺骗干扰检测装置，其特征在于，还包括：

9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时，实现权利要求1至5中任一项所述的一种卫星授时欺骗干扰检测方法中的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时，实现权利要求1至5中任一项所述的一种卫星授时欺骗干扰检测方法中的步骤。

技术总结
本发明公开了一种卫星授时欺骗干扰检测方法及装置，所述方法包括：对待测的卫星信号量测数据进行预处理；将预处理后的卫星信号量测数据作为预先训练的基于生成对抗网络的欺骗检测模型的输入，由所述欺骗检测模型输出所述卫星信号量测数据属于正常数据的概率；若所述欺骗检测模型输出的概率小于或等于设定值，则判断所述待测的卫星信号量测数据存在欺骗信号。本发明的方案通过训练好的基于生成对抗网络的欺骗检测模型可以在欺骗信号与真实信号相似的情况下能够对欺骗信号进行有效检测，很好地解决在授时装置中接收到的卫星信号真假数据高度一致而导致检测精度下降的问题。

技术研发人员：张宝龙
受保护的技术使用者：北京华腾盛和科技有限公司
技术研发日：
技术公布日：2024/3/5