ارايه راه كار مقابله با حمله فريب تاخيري در سامانه ناوبري GPS با استفاده از فيلتر تطبيقي

Introducing Countermeasure Approach against Delay Spoof Attack in GPS using Adaptive Filtering

سيگنال هاي GPS غيرنظامي رمز نشده و پيش بيني پذير بوده و سطح توان پاييني دارند. ازاين‌رو در برابر تداخلات مخرب از جمله فريب بسيار آسيب پذيرند. در اين مقاله براي نخستين بار از فيلتر تطبيقي با پاسخ ضربه با طول محدود بر اساس الگوريتم حداقل ميانگين مربعات خطا، به منظور كاهش خطاي فريب تاخيري و دست يابي به سري زماني بدون تداخل استفاده شده است. برخلاف روش‌هاي موجود براي مقابله با فريب، راه كار ارايه شده نيازي به تغيير سخت‌افزاري و ساختاري در گيرنده GPS ندارد. سيگنال ورودي فيلتر تطبيقي، مقادير شبه فاصله داده فريب GPS در بخش موقعيت يابي است. ايده اصلي استفاده از فيلتر تطبيقي تخمين سيگنال تداخل و كم كردن آن از سيگنال ورودي )تركيب سيگنال معتبر و جعلي( است كه در نتيجه آن در خروجي نهايي فيلتر سيگنال معتبر باقي مي‌ماند. در اين مقاله از معيار مجذور متوسط مربعات خطا (RMS) به منظور ارزيابي الگوريتم پيشنهادي بهره گرفته شد. دو سري داده فريب شبيه‌سازي و اندازه‌گيري براي ارزيابي الگوريتم پيشنهادي به‌كار رفته‌اند. نتايج شبيه سازي نشان مي‌دهند كه راه كار ارايه شده به طور ميانگين مي تواند خطاي داده فريب آزمايشگاهي را 95 درصد و خطاي داده اندازه‌گيري را 81 درصد جبران نمايد

The civilian GPS signals are unencrypted, predictable and low power ones. Therefore, they are vulnerable to destroyer interfaces such as spoofing. In this paper, in order to reduce spoofing effect and achieve time series without interface, an adaptive filter with finite impulse response based on Least Mean Square (LMS) algorithm has been used for the first time. Contrary to the previous methods, proposed approach needs no extra hardware and structural change in GPS receiver. Input signal of utilized adaptive filter is pseudo-range data in navigation section. The principle of using adaptive filter to eliminate interference is obtaining an estimate of interfering signal and subtracting that from the corrupted signal. Therefore, what remains at final output is the authentic signal. In this paper, root mean square (RMS) criteria is used to validate the proposed method. Simulation results show that the proposed approach can neutralize laboratory interface effects average up to 95 percent and measurement spoofing effect in average of 81 percent.