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

فریبgps تلاشی برای گمراه کردن گیرنده gps با انتشار سیگنال‌های جعلی است. ساختار سیگنال فریب شبیه به سیگنال‌های معتبر ماهواره‌های gps و کمی قوی‌تر از آن‌ها است. در سال‌های اخیر راه‌کارهای متنوعی جهت تشخیص و کاهش فریب ارایه گردیده است. شبکه‌های عصبی، روش‌ محاسباتی نوینی برای‌ یادگیری ماشین و سپس اعمال دانش به‌دست‌آمده در جهت پیش‌بینی پاسخ‌ خروجی سامانه‌های پیچیده هستند. در مقاله حاضر، استفاده از سیستم هوشمند رویکرد اصلی در الگوریتم پیشنهادی تشخیص فریبgps قرار داده‌شده است. با استفاده از مشخصه‌های همبستگی، سیگنال‌ها را با کمک شبکه عصبی دسته‌بندی نموده‌ایم. شاخص‌های فاز مقدم و موخر، دلتا و سطح کل سیگنال را به‌عنوان ورودی‌های شبکه عصبی چندلایه اعمال کرده تا سیگنال فریب را در حلقه ردیابی گیرندهgps شناسایی کند. سیگنالهای فریب و معتبر الگوی آماری متفاوتی در شاخصهای نامبرده دارند و شبکه عصبی این تفاوت را تشخیص میدهد. شبکه عصبی با خطای کمتری نسبت به روش‌های پیشین سیگنال‌ها را دسته‌بندی می‌نماید، زیرا می‌تواند چندین روش را به‌طور همزمان بهکار گیرد. درنهایت، کمترین دقت به‌دست‌آمده از شبیه‌سازی گیرنده نرم‌افزاری مبتنی بر شبکه عصبی، دقت 98/78 درصدی در تشخیص صحیح سیگنال فریب از سیگنال معتبر است. همچنین بیشترین زمان تشخیص سیگنال فریب 0.6 ثانیه است.