7117

دسته بندي انواع تداخل فريب، جمينگ و چندمسيري در GPS با استفاده از دسته بندي كننده شبكه عصبي

كارشناسي

مهندسي برق _الكترونيك

1399

آقاي دكتر موسوي ميركلائي

آقاي دكتر موسوي

1399/11/20

مهندسي برق

GPS Spoofing, Jamming, and Multipath interference classification using Neural Network Classifier

سامانه موقعيت¬ياب جهاني (GPS) يك سامانه راهبري و مسيريابي ماهواره¬اي است كه با استفاده از ماهواره مي¬تواند همه¬ي سطح زمين را تحت پوشش قرار دهد كه باعث مي¬شود ساعت دقيق، ارتفاع، طول و عرض هر نقطه دلخواه را با دقت بالايي اندازه¬گيري كند. اين سامانه در زمينه¬هاي مختلف كاربرد دارد، اما ايمن نيست. در طول دهه گذشته، امنيت ملي با مفهوم تمركز بر حمايت منابع حياتي كه شامل زيرساخت¬هاي نظامي و غيرتجاري مي¬باشد، گسترش يافته است. سيگنال¬هاي GPS مسافت نسبتا طولاني¬اي را از ماهواره¬ها تا رسيدن به گيرنده طي مي¬كنند، در سطح زمين توان ‍پاييني دارند و به شدت در برابر انواع اختلال آسيب پذير مي¬باشند. در اين تحقيق، با استفاده از شبكه عصبي بعنوان الگوريتم دسته¬بندي كننده، نوع تداخل احتمالي در سيگنال دريافتي در گيرنده GPS مشخص مي¬شود. دسته¬بندي قوي¬تر، با آموزش شبكه عصبي طراحي شده توسط الگوريتم تكاملي شيرمورچه (ALO) ارائه شده است. نتايج به دست آمده از دسته¬بندي در مجموعه داده¬هاي اول، با به¬كارگيري الگوريتم ALO جهت بهينه-سازي وزن¬هاي شبكه، در تشخيص سيگنال بدون تداخل و جمينگ نسبت به الگوريتم PSO، الگوريتم PSO يك الگوريتم جستجوي جمعي است كه از روي رفتار اجتماعي دسته‌هاي پرندگان مدل شده‌است، به ترتيب 5/9% و 84/2% بهبود يافته، در حالي¬كه در تشخيص سيگنال چندمسيري و فريب به ترتيب 48/17% و 86/19% كاهش يافته است. همچنين مقايسه عملكرد روش پيشنهادي در مجموعه داده¬هاي دوم در تشخيص بدون تداخل و جمينگ به ترتيب 04/0% و 07/3% بهبود يافته، ولي در تشخيص دو حالت ديگر، سيگنال چندمسيري و فريب، به ترتيب 52/%7 و 58/14% كاهش يافته است.

تداخل , GPS , دسته بندي , شبكه عصبي , ALO