روش های اختلال در GPS با استفاده یادگیری ماشین

امروزه بسیاری ازسامانه های نظامی وتجاری از سیستم GPS برای مکان یابی استفاده می کنند. یکی از تهدیدها که به سیستم GPS آسیب وارد می کند. گمراه سازی است در گمراه سازی سیگنالی شبیه GPS تولید می شود که حاوی اطلاعات غلط است در سال های اخیر، سامانه GPS به علت کارایی بالا و سادگی کار با ان در حوزه ها گسترده ها مورد استفاده قرار گرفته است. این سامانه شامل ۲۴ ماهواره است که در شش طبقه مداری در حال چرخش هستند ودر چنان ارایش فلکی قرار گرفته اند که در هر نقطه از زمین، حداقل چهار ماهواره در هر ساعتی از شبانه روز در دسترس باشند. ضعیف بودن توان سیگنال های دریافتی از ماهواره ها ارسال کننده در سطح زمین و راحتی دسترسی به ساختار سیگنال آن باعث می شود در برابر حملات ناویری، همچون اختلال آسیب پذیر باشد. به همین دلیل ، مسئله امنیت این سامانه بسیار اهمیت پیدا کرده و موضوع مورد بحث در بسیاری از پژوهش ها است در حال حاضر، اختلال به عنوان خطرناک ترین خطای عمدی GPS شناخته می شود. هدف اختلال آن است که PGS به جای راه حل ناویر صحیح، راه حلی غلط تولید کند. سیگنال جعلی به گونه ای طراحی می شود که بر سیگنال اصلی غلبه کند و کنترل گیرنده را برعهده گیرد. به دلیل پایین بودن سطح توان سیگنال اصلی، یک تداخل کم توان به راحتی می تواند یک گیرده، GPS تجاری را در شعاع چند کیلومتر فریب دهد. هر سامانه فریب دهنده بسته به نوع آن، محدوده اثر مشخصی دارد که می تواند تنها در آن محدوده، گیرنده را منحرف کنید. این حمله و همچنین مقابله با آن می توانید در هریک از سطوح گیرنده از جمله بخش پردازش های آنالوگ، اکتسیاب، ردیابی، استخراج شبه فاصله و معادلات ناوبری صورت گیرد. از انجا که سیگنال GPS توان کمی دارد، به شدت می تواند تحت تاثیرنویز واغتشاشات محیط قرار گیرد. به همین دلیل نویززدایی اهمیت بسیار در فرایند اکتساب و مقابله با حمله اختلال دارد. در این مقاله هدف ارائه روش نویززدایی جدیدی برای کاهش حمله قریب است که نسبت به روش های متداول عملکرد بهتر داشته باشد.

کلیدواژه ها:

الگوریتم عصبی ، تداخل ، اختلال GPS ، ML