信息科学与工程
								
							
                        		曲萍萍, 刘天峰, 王尔申, 苑子泊, 杨健, 刘达, 石伟, 段婉莹
                        	
							
							
							
								
                            	
                            
                        	
							
	                         	
	                         	
	                         	
	                         	
	                         	
	                         	
	                         	
	  							
	                         
							
								为了提高卫星导航系统的欺骗干扰检测能力,提出一种基于循环神经网络(recurrent neural network,RNN)的卫星导航系统欺骗干扰检测算法,并设计了损失函数。为了提高数据预测准确率,研究了数据预处理方法,将数据映射在固定区间,放大了数据的特性。实验结果表明,循环神经网络模型对10颗卫星信噪比的预测准确率全部高于Transformer模型,循环神经网络模型对信噪比数据预测的平均准确率为64.76%,而Transformer模型仅为3%。在循环神经网络预测模型中,针对10颗卫星信噪比的预测有7颗的准确率都在60%以上。由此可以看出,在处理时序数据类型的北斗卫星导航信号信噪比数据时,循环神经网络模型具有更好的预测效果。因此,循环神经网络模型可以针对北斗信噪比实现0.08dB误差的预测,当未来信噪比值与预测值的差大于0.08dB时,认为此时的信号为欺骗信号,从而实现欺骗干扰检测。该研究成果为卫星导航欺骗算法的研究提供了一定的参考价值。