جبران‌سازی خطای فریب تاخیری در GPS با کاهش خطای ردیابی مبتنی بر شبکه‌های عصبی

نویسندگان

1 دانشگاه علم و صنعت ایران

2 دانشکده مهندسی برق، دانشگاه علم و صنعت ایران، کارشناس ارشد

3 دانشکده مهندسی برق، دانشگاه علم و صنعت ایران، دانشجوی دکتری

چکیده

امروزه فریب دهنده یک تهدید ثابت شده برای گیرنده های GPS محسوب می شود. نتیجه حمله فریب، خطاهای بزرگ ناوبری در گیرنده ناآگاه با نتایج زیان‌آور است. به دلیل اینکه سیگنال فریب از سیگنال اصلی تقلید می کند، گیرنده متوجه حضور آن نمی شود. از این رو تشخیص و جبران سازی آن سخت تر از دیگر اختلال های مطرح‌شده برای GPS است. در این مقاله سعی می‎شود روش های پیشنهادی برای جبران سازی فریب که در گیرنده های معمولی تک‌فرکانسه قابل استفاده اند، به طور کامل بررسی گردند. ابتدا روند کلی هر روش به طور مختصر توضیح داده می‌شود و سپس چالش ها و نقاط ضعف و قوت هر روش مورد مطالعه قرار خواهند گرفت. پس از آن یک ایده جدید و کاربردی برای کاهش اثر فریب مبتنی بر شبکه‌های عصبی مطرح می گردد که در آن شبکه‌ عصبی پس انتشار خطا در حوزه تغییرات فاصله به منظور برآورد و جبران خطاهای ردیابی فاز و کد استفاده خواهد شد. ملاحظه می‌گردد که با بهره‌گیری از شبکه عصبی خطای مکان‌یابی ناشی از فریب بر روی سه مجموعه داده با میانگین 82 درصد و دامنه تغییرات حدود 2 درصد کاهش می‌یابد.

کلیدواژه‌ها


عنوان مقاله [English]

GPS Delay Spoofing Compensation by Mitigating Tracking Error Based on Neural Networks

نویسندگان [English]

  • سید محمد رضا موسوی میرکلائی 1
  • امیررضا بازیار 2
  • مریم معاضدی 3
چکیده [English]

In recent years, spoofing is known as a perceived emerging threat to GPS receivers. The spoofing attack result is large navigational solution errors in the unsuspecting user with potentially serious consequences. Since the spoofing signal imitates the authentic one, the receiver cannot detect the presence of that. Therefore, detection and mitigation of spoofing is more difficult than other interferences. In this paper, we try to study all of proposed anti-spoofing approaches for single frequency GPS receivers. At first the general process of each technique is described summarily, then its challenges, advantages and disadvantages are pointed. Finally, a novel and applicable idea based on Neural Network (NN) is introduced for spoofing compensation. In that we use a back propagation algorithm in range domain for estimation and compensation of tracking code and carrier error due to spoofing attack. In this way, by utilizing NNs we can mitigate spoofing error with an average of 82% and a tolerance of 2%.

کلیدواژه‌ها [English]

  • spoofing attack
  • Single frequency GPS receiver
  • spoofing mitigation
  • Neural Networks
  • tracking loop