【卫星信号处理】GNSS欺骗和干扰检测的功率失真防御附matlab代码

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎 往期回顾关注个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码获取及仿真咨询内容私信。

🔥 内容介绍

一、欺骗与干扰威胁概述

1.1 欺骗攻击特征

• 生成式欺骗

  ：攻击者自主发射与真实卫星信号参数一致的伪造信号，逐步覆盖真实信号

• 转发式欺骗

  ：捕获真实信号后经延迟和功率放大再发射，特点是到达时延大于真实信号

• 功率优势

  ：欺骗信号需比真实信号功率高约 4-6dB (功率比 2-4 倍) 才能使接收机切换锁定

• 典型功率

  ：真实 GNSS 信号功率约 - 158dBm，欺骗信号通常需达到 - 154dBm 以上

1.2 干扰攻击特征

• 压制干扰

  ：发射大功率噪声覆盖 GNSS 频段，使信噪比降至跟踪门限以下

• 欺骗 + 干扰混合

  ：先干扰再欺骗，或边干扰边欺骗，增强攻击效果

二、功率失真防御核心技术：PD 检测器

2.1 基本原理

功率 - 失真检测器 (Power-Distortion detector)通过同时监测接收信号的功率异常和相关函数失真，将信号分类为：无干扰、多径影响、欺骗或干扰状态

核心优势：

• 无需外部硬件或网络连接，仅需固件更新即可在大多数接收机上实现

• 能以高概率区分低功率欺骗与普通多径

• 在 25 + 数据集、90 万 + 测试中实现 0.5% 以下误报率，同时 100% 检测恶意攻击

2.2 检测机制：功率 - 失真权衡

欺骗者面临两难选择，形成防御 "陷阱"：

欺骗策略	功率表现	相关函数失真	检测结果
中等功率 (与真实信号相当)	正常	显著失真	检测为欺骗
高功率 (远高于真实信号)	异常升高	较小	检测为干扰 / 欺骗
低功率 (接近真实信号)	正常	显著失真	检测为欺骗
超低功率 (低于真实信号)	正常	无 / 小	攻击无效

关键洞察：欺骗信号与真实信号在接收机前端的不可避免交互，必在功率或相关函数中留下可检测痕迹

⛳️ 运行结果

📣 部分代码

% set some simulation defaults for the pincer sim

s.PA = -156;

s.N0 = -204;

s.Ms = 7;

s.taud = 0.15;

s.Ta = 0.1;

s.WFE = 2e6;

s.WFEbeta = 20e6;

s.Pbeta = -130.8815;

s.Tc = 1e-6;

s.sigmaP = 0.4;

PNom=-140.0906; % parameter added to model

PNomLin=10^(PNom/10);

p.N = 1;

p.Tc = s.Tc;

Np=100000;% number of trials of theta

Nm=20; % for each theta number of measurement vectors simulated

% store the theta for each set of measurements

thetaKeys=zeros(1,Np); %clean->0, multipath->1, spoof->2, jam->3

% assumed prior distribution

pPriorClean=.60;

pPriorMultipath=.20;

pPriorSpoof=.05;

🔗 参考文献

[1]韩尧,张琦,李小迪,等.一种GNSS抗欺骗干扰方法:CN202010386272.5[P].CN111427070B[2025-11-16].

🎈 部分理论引用网络文献，若有侵权联系博主删除

 👇 关注我领取海量matlab电子书和数学建模资料 

🏆团队擅长辅导定制多种科研领域MATLAB仿真，助力科研梦：

🌟 各类智能优化算法改进及应用

生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划（2E-VRP）、充电车辆路径规划（EVRP）、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位、冷链、时间窗、多车场等、选址优化、港口岸桥调度优化、交通阻抗、重分配、停机位分配、机场航班调度、通信上传下载分配优化

🌟 机器学习和深度学习时序、回归、分类、聚类和降维

2.1 bp时序、回归预测和分类

2.2 ENS声神经网络时序、回归预测和分类

2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类

2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类

2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类

2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类

2.7 ELMAN递归神经网络时序、回归\预测和分类

2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类

2.9 RBF径向基神经网络时序、回归预测和分类

2.10 DBN深度置信网络时序、回归预测和分类

2.11 FNN模糊神经网络时序、回归预测

2.12 RF随机森林时序、回归预测和分类

2.13 BLS宽度学习时序、回归预测和分类

2.14 PNN脉冲神经网络分类

2.15 模糊小波神经网络预测和分类

2.16 时序、回归预测和分类

2.17 时序、回归预测预测和分类

2.18 XGBOOST集成学习时序、回归预测预测和分类

2.19 Transform各类组合时序、回归预测预测和分类

方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断

🌟图像处理方面

图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知

🌟 路径规划方面

旅行商问题（TSP）、车辆路径问题（VRP、MVRP、CVRP、VRPTW等）、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划（EVRP）、 双层车辆路径规划（2E-VRP）、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻、公交车时间调度、水库调度优化、多式联运优化

🌟 无人机应用方面

无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划、

🌟 通信方面

传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配

🌟 信号处理方面

信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理+传输+分析+去噪、数字信号调制、误码率、信号估计、DTMF、信号检测

🌟电力系统方面

微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电、电/冷/热负荷预测、电力设备故障诊断、电池管理系统（BMS）SOC/SOH估算（粒子滤波/卡尔曼滤波）、 多目标优化在电力系统调度中的应用、光伏MPPT控制算法改进（扰动观察法/电导增量法）、电动汽车充放电优化、微电网日前日内优化、储能优化、家庭用电优化、供应链优化

🌟 元胞自动机方面

交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀

🌟 雷达方面

卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别

🌟 车间调度

零等待流水车间调度问题NWFSP 、 置换流水车间调度问题PFSP、 混合流水车间调度问题HFSP 、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP

👇

5 往期回顾扫扫下方二维码