基于1DCNN-BiLSTM网络的ADS-B欺骗式干扰检测

来源：信号处理杂志 2021年第6期北京时间：

作者：王文益, 古亭亭

摘要：在空中交通监视系统中使用的现代技术中,广播式自动相关监视(ADS-B)是当今最引人注目的一种,它具有更高的准确性和更少的人为依赖。但其在没有任何认证和加密的情况下广播消息,信息可能会被恶意伪造或修改。本文介绍了两种基于1DCNN-BiLSTM的网络模型,此模型根据ADS-B时域采样数据提取真实信号与欺骗信号的特征并识别出欺骗信号。在航迹较短时,该模型能提取ADS-B信号详细的时间特征信息;在航迹较长时,先利用一维卷积神经网络(1D-CNN)提取每条航迹内每个空中位置的详细的时间特征信息,然后利用双向长短期记忆网络(BiLSTM)挖掘不同空中位置之间的空间关系。经过仿真实验,1DCNN-BiLSTM网络与只具有时间特征提取的网络相比,例如DNN和LSTM,有更好的检测效果。

关键词：广播式自动相关监视, 欺骗检测, 深度学习, 卷积神经网络, 长短期记忆网络