6942

آشكارسازي تداخل در گيرنده¬هاي GPS با استفاده از شبكه عصبي آموزش يافته با الگوريتم تكاملي OGSA

كارشناسي

مهندسي برق-الكترونيك

1399

سيد محمدرضا موسوي ميركلائي

1399/08/19

مهندسي برق

Detection of Interference in GPS Receiver based on Neural Network Trained by OGSA Evolutionary Algorithm

سامانه موقعيت¬ياب جهاني (GPS)، در بسياري از زمينه¬ها مانند موقعيت¬يابي و ناوبري وسايل نقليه، امري حياتي است. سيگنال¬هاي GPS روي فركانس¬هاي مشخصي از ماهواره¬هايي كه در فاصله حدود 20000 كيلومتر از زمين قرار دارند، ارسال مي¬شوند و با نزديك شدن به زمين تضعيف مي¬گردند. اين تضعيف سبب مي¬شود كه سيگنال¬هاي GPS نسبت به تداخل¬هاي عمدي و غيرعمدي آسيب پذير باشند. در تحقيق حاضر، يك شبكه عصبي پرسپترون چندلايه آموزش ديده توسط الگوريتم جستجوي گرانشي (GSA) به عنوان يك طبقه¬بندي كننده انواع تداخل احتمالي در سيگنال دريافتي در گيرنده GPS پيشنهاد مي¬شود كه به طبقه¬بندي سيگنال¬هاي دريافتي به عنوان سيگنال¬هاي جمينگ، فريب، چندمسيري يا بدون تداخل كمك مي¬كند. به منظور دسته¬بندي قوي¬تر، شبكه عصبي طراحي شده با GSA آموزش داده شده و بهينه سازي مي¬شود. براي ارزيابي عملكرد اين كار، مقايسه نتايج به دست آمده در اين پروژه با مراجع [1] ، ]8[ و ]9[ مقايسه شده¬است. مقايسه نتايج نشان مي¬دهد كه دقت شناسايي در كار حاضر براي گروه هاي بدون تداخل، جمينگ و چند¬مسيره در الگوريتم GSA بهبود قابل¬توجهي داشته است. هم¬چنين در شناسايي حملات فريب نيز عملكرد نسبتا مشابه داشته¬است. مقايسه نتايج بدست آمده در دو حالت (1-تعداد داده¬هاي كل بيشتر اما نابرابردركلاس¬هاي مختلف و 2-تعداد داده¬هاي كل كمتر اما برابردركلاس¬هاي مختلف ) نشان مي¬ دهد كه، با وجود كمتر شدن تعداد داده¬هاي آموزش در حالت دوم، اما به¬دليل يكسان بودن داده¬ها در كلاس¬هاي مختلف، عملكرد شبكه بهتر شده است