本发明属于无线通信领域，尤其涉及一种基于相关峰畸变特征辅助的欺骗检测方法和装置。
背景技术：
1、近几十年来，全球导航卫星系统（global navigation satellite system，gnss）得到了广泛的发展。gnss能够提供全球、全天候、高精度和实时的位置、速度和时间服务。然而，gnss卫星发射端距离地面可达20200km，导航信号传输至地面时的功率为-150dbm左右，低于基底噪声功率。民用gnss信号结构面向全世界公开，全球用户均可查询到gnss信号结构，为构造虚假信号提供依据。因此，gnss 信号极易受到干扰，对依赖gnss进行导航的船舶、飞机、车辆等造成极大的安全风险。目前有大量的研究者投入到gnss接收机抗干扰领域的工作中，抗干扰技术的研究已经成为卫星导航领域的研究热点。
技术实现思路
1、有鉴于此，本申请实施例提供了一种基于生成对抗网络的欺骗干扰检测方法和装置，具有更好的表征能力、泛化能力和更高的准确率。
2、第一方面，提供了一种基于相关峰畸变特征辅助的欺骗检测方法，包括：获取训练数据集，所述训练数据集包括基于正常卫星导航定位信号通过跟踪环路计算得到的i通道的相关函数和q通道的相关函数得到的多个第一采样值，采样值为相关器间距与相关函数输出值映射的二维图像；将所述训练数据集输入至初始生成对抗网络中进行训练，得到欺骗干扰检测模型；获取验证数据集，所述验证数据集包括基于异常卫星导航定位信号通过跟踪环路计算得到的i通道的相关函数和q通道的相关函数得到的多个第二采样值；将所述验证数据集输入至所述欺骗干扰检测模型中进行验证，通过所述验证数据集的分数与阈值进行对比，判断是否存在异常。
3、在一种可能的实现方式中，所述获取数据集，包括：获取所述正常卫星导航定位信号的中频数据；将所述中频数据通过跟踪环路计算得到多个相关器间距d下的i通道的相关函数和q通道的相关函数；基于所述多个相关器间距d下的i通道的相关函数和所述q通道的相关函数，获取所述多个第一采样值。
4、在一种可能的实现方式中，所述多个相关器间距d的取值范围为[-1，1]。
5、在一种可能的实现方式中，所述将所述验证数据集输入至所述欺骗干扰检测模型中进行验证，通过所述验证数据集的异常分数与阈值进行对比，判断是否存在异常，包括：基于以下公式，得到所述验证数据集的异常分数，并将所述异常分数与所述阈值进行对比，判断是否发生异常：
6、；
7、其中，为验证数据集中的样本，为的异常分数，是经过所述欺骗干扰检测模型的编码器网络编码后再经过所述欺骗干扰检测模型的生成器网络重构的结果，是直接经过所述生成器网络生成后再通过所述编码器网络编码的结果，为权重系数，表示直接经过所述生成器网络后的输出。
8、在一种可能的实现方式中，所述定位信号为全球卫星导航系统gps定位信号。
9、第二方面，提供了一种基于相关峰畸变特征辅助的欺骗检测装置，包括：第一获取单元，用于获取训练数据集，所述训练数据集包括基于正常卫星导航定位信号通过跟踪环路计算得到的i通道的相关函数和q通道的相关函数得到的多个第一采样值；训练单元，用于将所述训练数据集输入至初始生成对抗网络中进行训练，得到欺骗干扰检测模型；第二获取单元，用于获取验证数据集，所述验证数据集包括基于异常卫星导航定位信号通过跟踪环路计算得到的i通道的相关函数和q通道的相关函数得到的多个第二采样值；验证单元，用于将所述验证数据集输入至所述欺骗干扰检测模型中进行验证，通过所述验证数据集的异常分数与阈值进行对比，判断是否存在异常。
10、在一种可能的实现方式中，所述第一获取单元具体用于：获取所述正常卫星导航定位信号的中频数据；将所述中频数据通过跟踪环路计算得到多个相关器间距d下的i通道的相关函数和q通道的相关函数；基于所述多个相关器间距d下的i通道的相关函数和所述q通道的相关函数，获取所述多个第一采样值。
11、在一种可能的实现方式中，所述多个相关器间距d的取值范围为[-1，1]。
12、在一种可能的实现方式中，所述验证单元具体用于：基于以下公式，得到所述验证数据集的异常分数，并将所述异常分数与所述阈值进行对比，判断是否发生异常：
13、；
14、其中，为验证数据集中的样本，为的异常分数，是经过所述欺骗干扰检测模型的编码器网络编码后再经过所述欺骗干扰检测模型的生成器网络重构的结果，是直接经过所述生成器网络生成后再通过所述编码器网络编码的结果，为权重系数，表示直接经过所述生成器网络后的输出。
15、在一种可能的实现方式中，所述定位信号为全球卫星导航系统gps定位信号。
16、第三方面，提供了一种基于相关峰畸变特征辅助的欺骗检测装置，包括：处理器，以及与该处理器通信连接的存储器，其中，存储器存储有可被处理器执行的程序指令，处理器调用该程序指令能够执行第一方面及其第一方面中任一种可能的实现方式的基于相关峰畸变特征辅助的欺骗检测方法。
17、第四方面，提供了一种计算机可读存储介质，该计算机可读存储介质包括存储的程序，其中，在该程序运行时控制该计算机可读存储介质所在设备执行如第一方面及其第一方面中任一种可能的实现方式的基于相关峰畸变特征辅助的欺骗检测方法。
18、基于以上技术方案，首先，通过获取基于正常卫星导航定位信号经跟踪环路计算得到的 i 通道和 q 通道相关函数的多个第一采样值来构建训练数据集，这种方式能够有效捕捉正常信号在相关函数上呈现的特征模式。基于该训练数据集对初始生成对抗网络进行训练，生成对抗网络强大的学习能力使得其能够深入学习正常信号的特征规律，从而构建出精确有效的欺骗干扰检测模型。该模型不仅能够学习到正常信号的特征，还具备了区分正常与异常的潜在能力。在验证阶段，获取基于异常卫星导航定位信号经跟踪环路计算得到的 i 通道和 q 通道相关函数的多个第二采样值作为验证数据集。将其输入到已训练好的欺骗干扰检测模型中进行验证，通过将验证数据集的分数与预先设定的阈值进行对比，能够准确判断是否存在异常情况。这种方法具有较高的准确性和可靠性，因为其基于信号相关函数的采样值进行分析，相关函数能够反映信号的相关性等重要特性，而采样值的变化又能体现出信号是否受到欺骗干扰。该方法能够利用生成对抗网络的优势，自动学习正常卫星导航定位信号的特征，从而有效地检测出异常信号，对于保障卫星导航定位系统的安全可靠运行具有重要意义。能及时发现潜在的欺骗干扰行为，避免因欺骗干扰导致的定位错误、导航失效等严重后果，为依赖卫星导航定位的各类应用场景，如自动驾驶、航空航天、测绘等，提供了有力的安全保障，提升了系统的抗干扰能力和安全性。
1.一种基于相关峰畸变特征辅助的欺骗检测方法，其特征在于，该方法包括：
2.根据权利要求1所述的欺骗检测方法，其特征在于，所述获取训练数据集，包括：
3.根据权利要求1所述的欺骗检测方法，其特征在于，所述将所述验证数据集输入至所述欺骗干扰检测模型中进行验证，通过所述验证数据集的异常分数与阈值进行对比，判断是否存在异常，包括：
4.根据权利要求2所述的欺骗检测方法，其特征在于，所述多个相关器间距d的取值范围为[-1，1]。
5.根据权利要求1至4中任一项所述的欺骗检测方法，其特征在于，所述定位信号为全球卫星导航系统gps定位信号。
6.一种基于相关峰畸变特征辅助的欺骗检测装置，其特征在于，该装置包括：
7.根据权利要求6所述的欺骗检测装置，其特征在于，所述第一获取单元具体用于：
8.根据权利要求7所述的欺骗检测装置，其特征在于，所述多个相关器间距d的取值范围为[-1，1]。
9.根据权利要求6所述的欺骗检测装置，其特征在于，所述验证单元具体用于：
10.根据权利要求6至9中任一项所述的欺骗检测装置，其特征在于，所述定位信号为全球卫星导航系统gps定位信号。