《Sensors》：Detection-Aware Delayed Multi-Sensor Fusion for UAV GNSS Spoofing Mitigation: A Factor-Graph-Based Framework
编辑推荐：
全球导航卫星系统（Global Navigation Satellite System, GNSS）欺骗可在完整性评估之前融合被操纵的位置解时逐步破坏无人驾驶航空器（unmanned aerial vehicle, UAV）导航。现有检测方法常使用视觉惯性里程
全球导航卫星系统（Global Navigation Satellite System, GNSS）欺骗可在完整性评估之前融合被操纵的位置解时逐步破坏无人驾驶航空器（unmanned aerial vehicle, UAV）导航。现有检测方法常使用视觉惯性里程计（visual–inertial odometry, VIO）等航位推算参考，但未充分考虑累积漂移或依赖GNSS的全局对齐。本文提出一个闭环软件在环（software-in-the-loop, SITL）评估平台，以及一种用于UAV GNSS欺骗缓解的检测感知延迟多传感器融合框架。该平台耦合状态估计、飞行控制、飞行器动力学和传感器反馈，以在真实导航—控制交互下开展蒙特卡洛评估。累积和（cumulative sum, CUSUM）检测器监视GNSS与漂移补偿VIO之间的一致性，同时近期GNSS因子被隔离，仅在完整性筛查后并入因子图。实验在不同检测器设置和欺骗偏差率下量化虚警率、检测概率和时延。机载实现与受控注入实验进一步评估实时可行性和硬件可迁移性。在所评估的传感器条件和渐漂攻击模型下，10–15 s窗口对偏差率为0.5 m/s的攻击取得超过96%的检测概率，虚警率约为3%。这些发现表明该框架在欺骗缓解方面的潜力，以及该平台用于闭环评估的效用。
研究背景与问题：无人驾驶航空器（unmanned aerial vehicle, UAV）已用于物流、基础设施巡检、精准农业、灾害响应和环境监测等安全关键任务，需要低时延且可靠的位置与运动状态估计。全球导航卫星系统（Global Navigation Satellite System, GNSS）因覆盖广和标称卫星可见条件下全天候可用，仍是室外自主系统最广泛使用的全局绝对定位源；但其到达地表信号极弱，民用服务缺乏充分认证，攻击者可发送伪造信号或操纵GNSS测量，且与压制不同，欺骗可在接收机看似正常工作时逐步置换估计位置，影响制导、飞行控制、航点跟踪、空域合规和避碰。信号级检测常需改动接收机硬件且难以应对模拟真实信号特征的欺骗；信息级检测利用惯性测量单元（inertial measurement unit, IMU）、视觉等辅助测量交叉验证。IMU噪声限制其独立导航能力，视觉惯性里程计（visual–inertial odometry, VIO）等可提供短期相对运动约束，但现有欺骗检测研究存在两个耦合不足：一是评估保真度不足，常在记录数据上叠加人工误差或离线回放，省略攻击—估计器—控制器闭环因果链；二是实时定位与完整性评估时间耦合，GNSS测量可能在完整性确立前被融合，慢变欺骗可被估计器吸收并抑制检测残差。因此，研究人员开展闭环评估与检测感知延迟融合研究。
研究人员建立了闭环软件在环（software-in-the-loop, SITL）平台，并提出基于因子图优化（factor-graph optimization, FGO）的检测感知延迟多传感器融合框架：GNSS因子先缓冲，通过检测统计和窗口年龄条件后再入图，以限制欺骗在报警前操纵融合位置或污染漂移校正；同时进行机载实现与受控注入验证。其意义在于把完整性评估与VIO漂移校正更新解耦，并提供可重复的闭环评估手段。
技术方法（不超过250字）：研究未涉及人类样本队列；仿真在MSBuild2018（Soccer Field）环境开展，硬件验证在室内实验台完成。研究人员建立闭环SITL平台，耦合AirSim v1.8.1、PX4 v1.13.1与机器人操作系统（ROS），注入恒速渐漂GNSS欺骗；局部姿态采用SchurVINS视觉惯性里程计（VIO），全局估计采用因子图优化（FGO）和iSAM2；以累积和（CUSUM）检测器监控GNSS与漂移补偿VIO的一致性，并将GNSS因子按时间窗缓冲后准入；开展100次蒙特卡洛仿真和受控GNSS射频注入，机载平台为OrangePi 5B（RK3588S）、RealSense D435i、CUAV C-RTK 9Ps、CUAV V5 Nano及Polar 6S GNSS信号模拟器。
研究结果：3.2.1 虚警率分析：通过100次无攻击蒙特卡洛运行，在参考参数κ、判决阈值γ和时间窗长tw参数空间中评估虚警率（false-alarm rate, FAR），以至少一次报警的运行比例定义FAR；结果显示FAR目标3–5%对应可行参数区，固定tw下κ可行范围随γ增大而收缩，较大窗口需更高阈值，超过15 s的窗口使FAR约升至10–20%，故不推荐部署。3.2.2 不同GNSS欺骗偏差率下的性能分析：通过偏差率α∈{0.5,1.0,1.5,2.0,3.0} m/s、100次蒙特卡洛和7种tw评估检测率与时延；结论是tw=10–15 s为平衡工作点，α=0.5 m/s时检测概率超过96%、FAR约3%，α≤2.0 m/s在tw=1 s难以检测，tw=0即时融合在测试场景无有效检测；检测时延随α增大而降低、随tw增大而增加，回溯细化时间平均比报警时间早约0.6 s。4.1 实验装置概述：通过室内静止UAV平台、Polar 6S GNSS信号模拟器受控注入和多星座射频信号，验证机载SchurVINS、延迟融合与CUSUM检测流程，硬件设置隔离估计与检测管线但不复现完整导航—控制动态闭环。4.2 计算性能剖析：通过静止测试台上30 min运行记录CPU与内存，得出SchurVINS约6–8% CPU、全局融合约4–6% CPU，内存分别约115 MB和30–330 MB，30 min内全局融合低于10% CPU和350 MB，短中期任务可行，长期运行需图边缘化或固定滞后平滑。4.3 受控GNSS射频硬件测试中的欺骗检测：通过α=0.5 m/s的室内射频注入复现仿真趋势；Case 1在tw=10 s、κ=17、γ=15下于约51 s注入、约60 s报警，细化检测约59.27 s，时延约8.27 s，融合位置未被拉离真实轨迹；Case 2在tw=5 s、κ=14、γ=15下同一偏差率于约53 s注入，归一化新息统计量峰值出现但CUSUM未越阈，发生漏检，融合位置被逐步拉向欺骗轨迹，说明慢变攻击仍难检测。
讨论总结：讨论指出，VIO不能作为无漂移、统计独立的定位参考，其全局对齐通常依赖历史GNSS进行漂移估计与校正，未经验证的GNSS更新可把欺骗误差传播到VIO参考并削弱后续检测；所提框架通过隔离近期GNSS测量、仅允许通过完整性筛查的测量更新因子图和漂移校正，显式处理该耦合。延迟融合不必然绑定CUSUM，CUSUM只是计算高效的一种轻量实现，框架可视为检测器无关的完整性感知融合架构。融合窗口长度决定完整性保障与导航精度权衡：短窗口使有效GNSS快速入图但证据有限，长窗口利于累积持续不一致但增加航位推算不确定性和时延，且阈值通常需随观测区间提高。慢变欺骗仍具根本挑战，因为攻击位移与航位推算漂移可能具有相似时间特征，仅凭GNSS—VIO一致性检测的统计功效有限；延迟融合可防止未验证测量立即污染参考，但不能消除VIO固有不确定性或保证检测任意慢攻击。局限包括：完整性监视仍假设VIO在窗口内足够可靠，低纹理、重复场景、光照差、运动模糊和快速旋转可导致VIO突变退化；实验仅考虑恒速渐漂位置置换，自适应、间歇、多阶段和运动相关攻击待研究；硬件实验为室内静止平台和实验室信号模拟器，未复现完整导航—控制动力学反馈，室外辐射欺骗试验受安全、频谱和授权限制。未来需关注VIO退化、自适应与间歇攻击、自适应时间窗、额外GNSS一致性信息、固定滞后图管理和受控室外飞行验证。
研究结论部分翻译：本研究从两个互补角度处理轻小型UAV的GNSS欺骗缓解：提高欺骗韧性评估的因果保真度，并防止未经验证的GNSS测量污染导航状态。研究建立闭环SITL平台，将GNSS欺骗注入与状态估计、飞行控制、飞行器动力学及后续传感器观测耦合，捕捉规定轨迹或离线回放评估未必触发的反馈路径。基于该平台，研究人员将松耦合因子图估计器与滑窗CUSUM检测器结合，开发检测感知延迟多传感器融合框架；近期GNSS因子被隔离，仅在完整性筛查后并入因子图，从而降低欺骗测量污染全局对齐VIO估计并抑制检测残差的风险。蒙特卡洛仿真量化了虚警率、检测概率和时延之间的权衡。在所评估传感器条件和渐漂攻击模型下，偏差率至少1.0 m/s的攻击约在4–5 s内被检测，偏差率0.5 m/s的慢漂攻击需10–15 s窗口，检测概率超过96%，虚警率约3%。机载30 min测试中实现消耗低于10% CPU和约350 MB内存，表明在所评估轻量平台上具备实时可行性，同时指示更长任务需有界图管理。受控室内GNSS注入实验复现了仿真中的主要估计与检测行为。结果进一步表明慢变攻击仍难以与累积VIO漂移区分。未来工作将处理VIO退化、自适应与间歇攻击、自适应时间窗、额外GNSS一致性信息、固定滞后图管理及受控室外飞行验证。
