جبران سازی خطای فریب سیگنال GPS با بکارگیری تبدیل موجک مبتنی بر الگوریتم PSO در بخش اکتساب گیرنده

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشجوی کارشناسی، دانشکده مهندسی برق، دانشگاه علم و صنعت ایران، تهران، ایران

2 دانشجوی دکتری، دانشکده مهندسی برق، دانشگاه علم و صنعت ایران، تهران، ایران

3 استاد، دانشکده مهندسی برق، دانشگاه علم و صنعت ایران، تهران، ایران

چکیده

فریب یکی از خطرناک ترین اختلالات در سامانه موقعیت یابی جهانی (GPS) است. فریبنده ها با ارسال سیگنالی که از نظر ساختاری کاملاً مشابه با سیگنال اصلی GPS است، تلاش می‌کنند عملکرد بخش های مختلف گیرنده را تحت تاثیر قرار دهند و آن را مجبور به موقعیت یابی اشتباه نمایند. این تحقیق بر مرحله اکتساب تمرکز دارد. در طی فرآیند اکتساب، گیرنده‌های GPS مقادیر فرکانس داپلر و فاز کد شبه تصادفی (PRN) سیگنال دریافتی را که برای ردیابی سیگنال‌های ماهواره‌ای GPS ضروری هستند، تخمین می‌زنند. یکی از تاثیرات سیگنال فریب در بخش اکتساب گیرنده، افزایش فعل و انفعالات در شاخه‌های همبستگی متعامد (Q) است. در سال 2018، اضافه نمودن واحد نویززدایی بر روی شاخه همبستگی Q در مرحله اکتساب جهت کاهش فعل و انفعالات مذکور به عنوان یک روش مقابل با فریب ارائه گردید. در این مقاله، روش مذکور به عنوان پایه اصلی کار قرار گرفته است. در اینجا تلاش می شود با بهره گیری از روش های قدرتمند پردازش تکاملی، واحد نویززدایی اضافه شده در شاخه همبستگی Q با هدف مقابله با حمله فریب، به صورت بهینه تنظیم شود. به طور خاص، به منظور دستیابی به الگوریتم نویززدایی مناسب تر برای مقابله با اثرات فریب، به کارگیری الگوریتم تکاملی ازدحام ذرات (PSO) جهت تعیین پارامترهای کلیدی تبدیل موجک گسسته (DWT) بر پایه موجک مادر هار پیشنهاد شده است. به منظور ارزیابی روش پیشنهادی، ابتدا عملکرد الگوریتم را در کاهش نویز در چهار پایگاه داده الگو بلوک ها، برجستگی ، سینوسی سنگین و داپلر سنجیده و با چهار روش نویززدایی معمول Rigrsure، Heursure، Sqtwolog و Minimaxi مقایسه شده است که به ترتیب 3/47، 4/38، 3/47 و 30 درصد کاهش نویزی بیشتر حاصل شد. در نهایت، الگوریتم پیشنهادی در شاخه ی Q واحد اکتساب گیرنده GPS قرار داده شد و عملکرد آن در کاهش اثرات فریب بررسی گردید. نتایج حاصله، نشان دهنده برتری 74/37 درصدی الگوریتم پیشنهادی در مقایسه با روش پایه است.

کلیدواژه‌ها


Smiley face

[1] M. R. Mosavi, "Data processing on single-frequency GPS receivers," Iran University of Science and Technology, 2010. (in persion)
[2] M. Moazedi, M. Mosavi, Z. Nasrpooya, & A. Sadr, "GPS spoofing mitigation using adaptive estimator in tracking loop," Journal of Electronical & Cyber Defence, vol. 6, no. 3, 2018. (in Persian)
[3] H. N. Li, D. S. Li, & G. B. Song, "Recent applications of fiber optic sensors to health monitoring in civil engineering," Engineering Structure, vol. 26, no. 11, pp.1647-1657, 2004.
[4] D. Ahn, J. Park, C. Kim, J. Kim, Y. Qian & T. Itoh, "A design of the low-pass filter using the novel microstrip defected ground structure," IEEE Transactions on Microwave Theory and Techniques, vol. 49, no. 1, pp. 86-93, 2001.
[5] B. Baykal & A. G. Constantinides, "A neural approach to the underdetermined-order recursive least-squares adaptive filtering," Neural Networks, vol. 10, no. 8, pp. 1523-1531, 1997.
[6] M. Han, Y. Liu, J. Xi & W. Guo, "Noise smoothing for nonlinear time series using wavelet soft threshold," IEEE Signal Processing Letters, vol. 14, no. 1, pp. 62-65, 2007.
[7] J. Baili, S. Lahouar, M. Hergli, I. L. Al-Qadi, & K. Besbes, "GPR signal de-noising by discrete wavelet transform," Ndt and E International, vol. 42, no. 8, pp.696-703, 2009.
[8] T. H. Yi, H. N. Li, & X. Y. Zhao, "Noise smoothing for structural vibration test signals using an improved wavelet thresholding technique," Sensors, vol. 12, no. 8, pp. 11205-11220, 2012.
[9] D. L. Donoho & I. M. Johnstone, "Adapting to unknown smoothness via wavelet shrinkage," J. Am. Statist. Assoc. vol. 90, no. 432, pp. 1200-1224, 1995.    
[10] D. L. Donoho & I. M. Johnstone, "Ideal spatial adaptation via wavelet shrinkage," Biometrika, vol. 81, no. 3,  pp. 425-455, 1994.
[11] A. R. Baziar, M. R. Mosavi, & M. Moazedi, "Spoofing mitigation using double stationary wavelet transform in civil GPS receivers," Wireless Personal Communications, vol. 109, no. 3, pp.1827-1844, 2019.
[12] X. Gu, J. Shi, J. Li, Y. Huang & J. Lin, "Application of wavelets analysis in image denoising," 2008 International Conference on Apperceiving Computing and Intelligence Analysis, pp. 49-52, 2008.
[13] B. J. Yoon & P. P. Vaidyanathan, "Wavelet-based denoising by customized thresholding," IEEE International Conference on Acoustics, Speech, and Signal Processing, 2004.
[14] G. X. Song & R. Z. Zhao, "Three novel models of threshold estimator for wavelet coefficients," International Conference on Wavelet Analysis and Its Applications, pp. 145-150, 2001.
[15] M. R. Mosavi, M. Moazedi, M. J. Rezaei & A. Tabatabaei, "Interference mitigation in GPS receivers," Iran University of Science and Technology, 2015. (in persion)
[16] KD. Wesson, JN. Gross, TE. Humphreys, & BL. Evans, "GNSS signal authentication via power and distortion monitoring," IEEE Transactions on Aerospace and Electronic Systems, vol. 54, no. 2, pp. 739-754, 2018.
[17] X. Shang, F. Sun, L. Zhang, J. Cui, & Y. Zhang, "Detection and mitigation of GNSS spoofing via the pseudo-range difference between epochs in a multicorrelator receiver," GPS Solutions, vol. 26, no. 2, pp. 1-14, 2022.
[18] D. P. Shepard & T. E. Humphreys, "Characterization of receiver response to spoofing attacks, " GPS World, vol. 21, no. 9, pp. 27-33, 2010.
[19] S. C. Lo & P. K. Enge, "Authenticating aviation augmentation system broadcasts," IEEE/ION Position, Location and Navigation Symposium, pp. 708-717, 2010.
[20] C. Sun, J. W. Cheong, A. G. Dempster, H. Zhao, L. Bai, & W. Feng, "Robust spoofing detection for GNSS instrumentation using Q-channel signal quality monitoring metric," IEEE Transactions on Instrumentation and Measurement, vol. 70, pp. 1-15, 2021.
[21] A. M. Khan & A. Attiq, "Global navigation satellite systems spoofing detection through measured autocorrelation function shape distortion," International Journal of Satellite Communications and Networking, vol. 40, no. 2, pp. 148-156, 2022.
[22] W. Zhou, Z. Lv, X. Deng & Y. Ke, "A new induced GNSS spoofing detection method based on weighted second-order central moment," IEEE Sensors Journal, vol. 22, no. 12, pp. 12064-12078, 2022.
[23] J.N. Gross, C. Kilic, & TE. Humphreys, "Maximum-likelihood power-distortion monitoring for GNSS-signal authentication," IEEE Transactions on Aerospace and Electronic Systems, vol. 55, pp. 469-475, 2019.
[24] Y. Guo, L. Miao, & X. Zhang, "Spoofing detection and mitigation in a multi-correlator GPS receiver based on the maximum likelihood principle," Sensors, vol. 19, no. 1, 2019.
[25] Y. Liu, S. Li, Q. Fu, Z. Liu, & Q. Zhou, "Analysis of kalman filter innovation-based GNSS spoofing detection method for INS/GNSS integrated navigation system," IEEE Sensors Journal, vol. 19, no. 13, pp. 5167-5178, 2019.
[26] N. Stenberg, E. Axell, J. Rantakokko, & G. Hendeby, "Results on GNSS spoofing mitigation using multiple receivers," Journal of the Institute of Navigation, vol. 69, no. 1, pp. 1-29, 2022.
[27] B. Pardhasaradhi, G. Srinath, G. S. Vandana, P. Srihari, & P. Aparna, "GNSS spoofing detection and mitigation in multireceiver configuration via tracklets and spoofer localization," IEEE Access, vol. 10, pp. 42014-42028, 2022.
[28] F. Rothmaier, Y. H. Chen, S. Lo, & T. Walter, "GNSS spoofing detection through spatial processing," Journal of Navigation, vol. 68, no. 2, pp. 243-258, 2021.
[29] Z.Lin, C. Haibin, & Z. Naitong, "Anti-spoofing extended Kalman filter for satellite navigation receiver," IEEE Conference on Wireless Communications, Networking and Mobile Computing, pp. 996-999, 2007.
[30] M. R. Mosavi, R. Zebarjad & M. Moazedi, "Novel anti-spoofing methods based on discrete wavelet transform in the acquisition and tracking stages of civil GPS receiver," International Journal of Wireless Information Networks, vol. 25, no. 44, pp. 449-460, 2018.
[31] L. Chun-Lin, "A tutorial of the wavelet transform," NTUEE, Taiwan, 2010.
[32] R. Polikar, "The wavelet tutorial," IOWA State University, USA, 1996.
[33] C. Taswell, "The what, how and why of wavelet shrinkage denoising," Journal of Computing in Science and Engineering, vol. 2, no. 3, pp. 12-19, 2000.
[34] Y. Chen, Y. Cheng, & H. Liu, "Application of improved wavelet adaptive threshold de-noising algorithm in FBG demodulation," Optik, vol. 132, pp.243-248, 2017.
دوره 10، شماره 4 - شماره پیاپی 40
شماره پیاپی 40، فصلنامه زمستان
بهمن 1401
صفحه 19-31
  • تاریخ دریافت: 09 آذر 1400
  • تاریخ بازنگری: 22 مرداد 1401
  • تاریخ پذیرش: 14 شهریور 1401
  • تاریخ انتشار: 01 بهمن 1401