一种基于相关域信息的SVM诱导式欺骗检测算法

1.一种基于相关域信息的SVM诱导式欺骗检测方法，其特征在于，所述方法包括：获取干扰场景下的信号源生成信号并对所述信号源生成信号进行捕获和解算，得到输出数据；所述输出数据包括ELP相关器的IQ支路输出的移动均值和相关检测指标数据；对所述输出数据进行相关性分析以及特征对标签的贡献度进行特征筛选，得到不同特征数量的输入特征组合；从所述不同特征数量的输入特征组合中随机选择部分数据作为训练集，其余数据作为测试集，利用训练集求解SVM模型参数构建检测GNSS欺骗和多径干扰的分类器；利用测试集对所述分类器进行分类和预测，评估SVM模型的检测性能，根据训练好的SVM模型进行欺骗检测；利用训练集求解SVM模型参数构建检测GNSS欺骗和多径干扰的分类器，包括：利用核函数将所述训练集中的特征从原始特征空间映射到更高维的空间，找到SVM模型对应的最优分离超平面，根据所述最优分离超平面构建检测GNSS欺骗和多径干扰的分类器，所述分类器在高维特征空间中将不同类别的样本进行最大化间隔的划分；所述核函数为：其中， 表示从原始特征空间 到高维特征空间的映射函数， 表示内积运算；根据所述最优分离超平面构建检测GNSS欺骗和多径干扰的分类器为：其中， 是超平面的法向量，表示超平面的平均向量， 是偏移量，表示超平面与原点之间的距离， 表示在高维特征空间中的不同特征数量的输入特征组合， 代表输出结果，即当前时刻信号的类别， m 表示训练集数据数量。 2.根据权利要求1所述的方法，其特征在于，所述相关检测指标数据包括Ratio、Delta和ELP的移动均值和移动差值。 3.根据权利要求1所述的方法，其特征在于，对所述输出数据进行相关性分析，包括：采用Pearson系数对所述输出数据进行了相关性分析，公式如下：式中， 表示Pearson相关系数，用于衡量变量 和 之间的线性相关性， 和 表示变量 和 的第 个观测值， 变量 的平均值，即 ， 表示从第 1 个观测值到第 个观测值的累加和， 变量 的平均值。 4.根据权利要求1所述的方法，其特征在于，所述特征对标签的贡献度的计算过程包括：计算所述输出数据中特征值与类别标签之间的贡献度为：其中， 表示特征变量即输出数据中特征值， 表示类别标签即是否被欺骗以及是否含多径的分类结果， 表示联合概率分布， 表示 的边缘概率分布， 表示 的边缘概率分布。 5.根据权利要求1所述的方法，其特征在于，所述训练集和测试集的样本集合为：其中， 表示混合信号经接收机处理后第 时刻相关域输出的 维特征向量，其中 ， 在不同特征数量的输入特征组合中被挑选的某一特征，即由接收到的混合信号经处理后得到的输入， 代表输出结果，即当前时刻信号的类别， m 表示训练集数据数量， n 表示测试集数据数量。