一种基于机器学习的GNSS检测方法及系统

本发明涉及信号分析技术领域，具体涉及一种基于机器学习的GNSS检测方法及系统，方法包括：接收含真实与欺骗的导航射频信号，经RF前端下变频得中频数据；基于中频数据在频率与码相位搜索相关峰完成GNSS信号捕获；在捕获阶段提取运动状态、相关峰数、噪声值、捕获参数及峰顶±1码片采样特征，输入机器学习分类模型以判定是否存在欺骗；若有，则将欺骗信号与真实信号分离，分别送入独立跟踪通道；以阵列天线测阵元载波相对相位，建立相位中心模型并修正得到有效相位中心与差分基线；据此求得欺骗方位角、俯仰角，计算波束权，对欺骗方向置零陷、真实方向保主瓣，并把权值实时反馈以提升信号载噪比与锁定稳定性。本发明解决了现有商用GNSS信号功率低、易受欺骗干扰的问题。