基于单天线动态场景下GNSS欺骗源定位的扩展卡尔曼滤波方法

《Sensors》：GNSS Spoofer Localization with Counterfeit Clock Bias Observables in a Dynamic Scenario

　　

全球导航卫星系统（GNSS）在日常生活中有广泛应用，基于GNSS的应用普及引发了人们对GNSS潜在脆弱性的担忧。欺骗信号是主要威胁之一，对欺骗源进行定位能够在源头缓解该威胁。大多数欺骗源定位方法依赖于空间分布式的传感器网络，且需要高精度的时间同步。近期研究利用最小二乘（LS）估计器，基于单天线的时钟偏差或时钟漂移实现对静态欺骗源的定位。本文提出并测试了对IEEE Sensors Journal近期发表的一种基于LS估计器、利用时钟偏差作为观测量进行欺骗源定位方法的扩展。具体而言，研究人员提出将该工作扩展为基于扩展卡尔曼滤波的算法，利用单天线获取的时钟偏差测量值作为观测量，对动态欺骗源进行定位。因此，无需部署多个空间分布的接收机即可实现动态欺骗源跟踪。研究人员通过合理设计的仿真，将所提方法与静态欺骗源定位方法进行对比，验证了其有效性。结果表明，所提方法在静态欺骗源定位中比原始LS方法具有更高的定位精度，并可应用于动态欺骗源跟踪。

基于单天线时钟偏差观测的动态GNSS欺骗源定位研究解读

一、研究背景与意义

全球导航卫星系统（GNSS）已深度融入日常生活，其应用普及带来便利的同时也引发了对其潜在脆弱性的广泛关注。欺骗攻击是GNSS面临的主要威胁之一，攻击者通过广播虚假信号，使受害接收机将其误判为真实信号，进而计算出错误的位置解，严重威胁基于GNSS的定位导航授时应用的完整性与准确性。根据欺骗信号的生成方式，欺骗源可分为三类：转发器（meaconer）、信号模拟器（signal simulator）和接收-转发器（receiver-repeater）。其中接收-转发器最具危险性，因为它可以发射与真实信号高度相似的欺骗信号，并逐步注入虚假位置信息，使受害接收机难以察觉。

现有的反欺骗技术可分为欺骗检测、欺骗缓解和欺骗源定位三类。在欺骗源定位方面，大多数现有算法需要多个空间分布的接收机，尤其是基于时间差到达（TDOA）等时间相关测量的方法，对接收机之间的高精度时间同步有严格要求。多接收机同步部署增加了硬件成本、通信需求和系统部署复杂度。因此，仅使用单天线即可实现欺骗源定位的方法具有显著的吸引力。近期研究已证明，利用单接收机沿已知轨迹运动时采集的伪造时钟偏差观测量，可通过最小二乘（LS）估计器对静态欺骗源进行定位。然而，该方法仅限于静态欺骗源，无法应对移动欺骗源的跟踪需求。为此，本文在已有LS方法基础上进行扩展，提出基于扩展卡尔曼滤波（EKF）的动态欺骗源定位算法，在保持单接收机优势的同时，实现对移动欺骗源的实时跟踪。

二、主要技术方法

研究人员采用的核心技术方法包括以下几方面。第一，伪造时钟偏差观测模型：在完全欺骗场景下，接收机对第j颗伪造卫星在第k历元的伪距观测量包含接收机时钟偏差、欺骗源时钟偏差与硬件延迟及人为时间偏差的等效和、以及欺骗源天线到接收机天线的信号传播延迟。经卫星钟差、电离层延迟和对流层延迟校正后，伪造时钟偏差可建模为欺骗源与接收机之间几何距离、欺骗源等效时钟偏差项及噪声之和。第二，扩展卡尔曼滤波估计器：假设欺骗源服从常速度模型，状态向量包含欺骗源位置、速度及时钟模型参数。通过建立状态转移模型和非线性测量模型，采用标准EKF递推算法进行状态估计。第三，滑动窗口LS初始化：考虑到卡尔曼滤波需要状态初始化且几何信息不能保证有效，研究人员先采用滑动窗口LS估计器进行初始化，当由状态估计协方差计算的不确定性降至设定阈值以下时，切换至KF算法。第四，观测噪声方差重构：考虑接收机位置估计的不确定性，将观测噪声方差重构为测量噪声方差与接收机位置不确定性经雅可比矩阵传播的方差之和。

三、研究结果

静态欺骗源场景： 研究人员在圆形、方形和十字形三种接收机轨迹下，将所提方法与文献中的LS方法进行对比。仿真结果表明，在所有讨论场景中，所提方法均比LS估计器提供更精确的欺骗源定位。这一改进源于扩展卡尔曼滤波对先前估计信息的累积利用。此外，欺骗源位于点C时的均方根误差（RMSE）远小于点A和点B，因为点C的观测来自显著不同的方向，几何条件更有利，定位精度更高。

动态欺骗源场景： 研究人员为欺骗源设计了两种运动轨迹（情况A和情况B），在保持与静态场景相同的时间间隔、滑动窗口大小、测量误差标准差和接收机轨迹信息的条件下进行仿真。结果显示，所提方法在所有讨论场景中均能有效工作，估计的欺骗源轨迹跟随真实轨迹。在情况A中，欺骗源随时间逐渐靠近接收机轨迹，接收机位置提供更多样化的相对观测方向，几何可观测性改善，因此定位误差和不确定性随时间降低。在情况B中，欺骗源主要沿x方向远离接收机轨迹，径向观测几何逐渐变得单一，x方向不确定性显著增加，但误差保持相对稳定，因为KF持续应用，通过累积先前估计信息抑制了误差增长。对比三种接收机轨迹，十字形轨迹的RMSE和距离均方根（DRMS）最高，因为其接收机位置集中于两个方向，对偏离中心的欺骗源提供的几何信息多样性不足，导致定位解对测量误差更敏感。

四、结论与展望

本文将在文献中提出的单接收机欺骗源定位方法从静态欺骗源定位扩展至动态欺骗源跟踪，采用常速度假设下的扩展卡尔曼滤波实现。所提方法保留了原方法的单接收机、单天线优势，同时相比原始LS估计器在静态欺骗源定位中实现了更高精度，并能跟踪移动欺骗源。这展示了在车载或无人机载接收机等移动平台上实施的潜力，无需多个空间分布且同步的接收机。未来工作可考虑更一般的欺骗源运动模型，研究多欺骗源场景，利用实测数据和现场实验评估方法性能，并在多径等更真实的传播条件下检验其鲁棒性。机器学习技术也可能在获得足够附加信息和训练数据时用于改进复杂欺骗源运动的描述。