利用高斯混合机会信息扩展 RAIM

全球导航卫星系统（GNSS）对各种应用不可或缺，但它们易受欺骗攻击。原始的接收机自主完好性监测（RAIM）并非为保障 GNSS 安全而设计。在此背景下，RAIM 被扩展以利用通常假定为良性的无线信号（称为机会信号（SOPs））或机载传感器。然而，攻击者也可能操纵无线网络，因此需要一种考虑不可信 SOPs 的解决方案。为解决此问题，我们通过整合所有机会信息（即来自地面基础设施和机载传感器的测量值）来扩展 RAIM，最终形成一个用于鲁棒 GNSS 欺骗检测的函数。其目标是通过分析从扩展 RAIM 解导出的位置来评估 GNSS 欺骗的可能性，这些解包括来自 GNSS 伪距子集和不可信网络无线信号子集的位置解。我们的方法包含两个关键组成部分：子集生成和位置融合。测距信息的子集被创建并通过定位算法处理，产生临时位置。机载传感器提供速度、加速度和姿态数据，有助于基于运动约束进行位置过滤。经过不确定性建模的过滤位置被融合成一个复合似然函数，并针对 GNSS 欺骗检测进行归一化。我们对无协调攻击和协调攻击下的仅 GNSS 和多基础设施场景进行了理论评估。当良性子集的数量超过特定阈值时，检测这些攻击是可行的。使用来自 Kista 地区的真实世界数据集进行实验验证。与基线方法的比较分析表明，我们的高斯混合 RAIM 方法在检测精度上取得了显著提升。此外，我们讨论了利用 RAIM 结果进行可信位置恢复。