تشخیص و آشکارسازی حمله فریب در گیرنده تک فرکانسه GPS مبتنی بر شبکه عصبی چندلایه

پیام:
چکیده:
فریب GPS تلاشی برای گمراه کردن گیرنده GPS با انتشار سیگنال های جعلی است. ساختار سیگنال فریب شبیه به سیگنال های معتبر ماهواره های GPS و کمی قوی تر از آن ها می باشد. در سال های اخیر راه کارهای متنوعی جهت تشخیص و کاهش فریب ارائه گردیده است. شبکه های عصبی، روش محاسباتی نوینی برای یادگیری ماشین و سپس اعمال دانش به دست آمده در جهت پیش بینی پاسخ خروجی سامانه های پیچیده می باشند. در مقاله حاضر، استفاده از سیستم هوشمند رویکرد اصلی در الگوریتم پیشنهادی تشخیص فریب GPS قرار داده شده است. با استفاده از مشخصه های همبستگی، سیگنال ها را دسته بندی نموده ایم. شاخص های فاز مقدم و موخر، دلتا و سطح کل سیگنال را به عنوان ورودی های شبکه عصبی چندلایه اعمال کرده تا سیگنال فریب را در حلقه ردیابی گیرنده GPS شناسایی کند. شبکه عصبی با خطای کمتری نسبت به روش های پیشین سیگنال ها را دسته بندی می نماید، زیرا می تواند چندین روش را به طور همزمان بکار گیرد. درنهایت، کمترین دقت به دست آمده از شبیه سازی گیرنده نرم افزاری مبتنی بر شبکه عصبی، دقت 98.78 درصدی در تشخیص صحیح سیگنال فریب از سیگنال معتبر می باشد. همچنین نسبت به روش های پیشین مدت زمان تشخیص کاهش یافته است.
زبان:
فارسی
در صفحه:
69
لینک کوتاه:
magiran.com/p1471684 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
دسترسی سراسری کاربران دانشگاه پیام نور!
اعضای هیئت علمی و دانشجویان دانشگاه پیام نور در سراسر کشور، در صورت ثبت نام با ایمیل دانشگاهی، تا پایان فروردین ماه 1403 به مقالات سایت دسترسی خواهند داشت!
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!