آشکارسازی اختلال در گیرنده‌های GNSS با استفاده از سیستم استنتاج فازی-عصبی تطبیقی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشکده مهندسی برق - دانشگاه علم و صنعت ایران – تهران - ایران

2 دانشکده مهندسی برق - دانشگاه علم و صنعت ایران – تهران – ایران

3 دانشکده مهندسی برق - دانشگاه علم و صنعت ایران - تهران - ایران

4 دانشگاه علوم انتظامی امین

5 دانشکده فناوری‌ اطلاعات و ارتباطات - دانشگاه ‌علوم انتظامی امین – تهران - ایران

چکیده

سامانه ناوبری ماهواره‌ای جهانی (GNSS) قادر است ساعت دقیق، ارتفاع، طول و عرض جغرافیایی هر نقطه را با دقت بالا اندازه‌گیری نماید. استفاده از این نوع ناوبری در سامانه‌های فوق خودکار، روز به روز رو به افزایش بوده و لذا مسئله امنیت این سامانه‌ها بسیار حائز اهمیت است. با توجه به نرخ به‌روزرسانی پایین و توان ضعیف سیگنال‌های GNSS در سطح زمین، گیرنده‌ها در مقابل تداخل‌های عمدی و غیرعمدی که می‌توانند دقت گیرنده را کاهش داده و یا عملکرد آن را کاملاً مختل نمایند، آسیب‌پذیر هستند. بنابراین، افزایش امنیت سامانه و پردازش سیگنال آن مورد توجه صنایع قرار گرفته است. در این مقاله، جهت آشکارسازی تداخل در گیرنده‌های GNSS، سیستم استنتاج فازی – عصبی تطبیقی طراحی شده است که دو معیار مهم تشخیص تداخل در سیگنال‌های GNSS، یعنی اعوجاج تابع همبستگی و توان سیگنال دریافتی را مورد بررسی قرار می‌دهد و سیگنال‌های GNSS را در چهار گروه تداخل غیرعمدی چندمسیری ، تداخل عمدی فریب ، تداخل عمدی جمینگ و بدون اختلال به ترتیب با دقت 88/59، 72/91، 33/94 و 50/69 درصد دسته‌بندی می‌نماید. استفاده از این سیستم‌، دقت شناسایی سیگنال‌های GNSS را در گروه‌های چندمسیری، فریب و جمینگ به ترتیب به میزان 56/3، 83/8 و 09/16 درصد نسبت به روش‌های پیشین، بهبود می‌بخشد.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Interference Detection in GNSS Receiver using Adaptive Neural Network based Fuzzy Inference System

نویسندگان [English]

  • Samira Tohidi 1
  • Zahra Shami 2
  • Mohammad Reza Mosavi 3
  • Behnam Dorostkar Yaghouti 4
  • Ahmad Dolatkhah 5
1 Department of Electrical Engineering, Iran University of Science and Technology, Tehran, Iran
2 Department of Electrical Engineering, Iran University of Science and Technology, Tehran, Iran
3 Department of Electrical Engineering, Iran University of Science and Technology, Tehran, Iran
4 amin university
5 Department of Information and Communication Technology, Amin Police University, Tehran, Iran
چکیده [English]

The Global Satellite Navigation System (GNSS) is able to measure the exact time, altitude, longitude, and latitude of any point with high accuracy. The use of this type of navigation in autonomous systems is increasing daily; therefore, the issue of security of these systems is critical. In fact, due to the low update rate and poor power of GNSS signals, receivers are vulnerable to intentional and unintentional interference that can reduce the receiver's accuracy or ultimately impair performance. Therefore, increasing the security of the system and its signal processing has attracted the concentration of industries. In this paper, an adaptive neural network based fuzzy inference system is designed to detect interference in GNSS receivers, which examines two essential criteria for detecting interference in GNSS signals: (1) the distortion of the correlation function, and (2) the received signal power. It classifies the GNSS signals into four groups. Multi-path unintentional interference, intentional spoofing interference, jamming intentional interference, and without disturbance are classified with 59.88, 91.72, 94.33, and 69.50% accuracy, respectively. This system improves the detection accuracy of GNSS signals in multi-path, spoofing, and jamming groups by 3.56, 8.83, and 16.09%, respectively, compared to the previous methods.

کلیدواژه‌ها [English]

  • Interference
  • Detection
  • Adaptive neural network based fuzzy inference system
  • GNSS