面向陣列天線抗干擾無人機(jī)的隱蔽誘騙方法

摘 要：傳統(tǒng)無人機(jī)導(dǎo)航誘騙技術(shù)采用單天線發(fā)射誘騙信號，而配備陣列天線的非合作無人機(jī)具備信號來向識別能力，可對單一來向的誘騙信號進(jìn)行檢測識別和抑制，從而導(dǎo)致誘騙失敗。針對該問題，提出一種針對陣列天線抗干擾無人機(jī)的隱蔽導(dǎo)航誘騙方法。首先，設(shè)計一種基于密度的噪聲應(yīng)用空間聚類（density based spatial clustering of application with noise， DBSCAN） Kmeans混合聚類算法，按照真實(shí)導(dǎo)航衛(wèi)星相對目標(biāo)無人機(jī)的方位進(jìn)行信號來向的分簇聚類，得到誘騙信號最佳來向角度。其次，多架合作無人機(jī)搭載誘騙載荷，由最佳來向角度處協(xié)同發(fā)射相互自洽的誘騙信號，使誘騙信號與真實(shí)信號來向近乎一致。最后，試驗(yàn)結(jié)果表明，多誘騙載荷發(fā)射的多來向誘騙信號可以成功侵入配備陣列天線的非合作無人機(jī)導(dǎo)航鏈路，所提方法具有良好的隱蔽性和可行性。

關(guān)鍵詞： 無人機(jī)反制; 隱蔽導(dǎo)航誘騙; 無人機(jī)協(xié)同; 混合聚類

中圖分類號： TN 972+.3

文獻(xiàn)標(biāo)志碼： ADOI：10.12305/j.issn.1001 506X.2025.02.29

Covert spoofing method for anti jamming UAV with array antenna

YIN Zhongjie1， HOU Bo^{1，2，*}， JIN Xiaolong1， FAN Zhiliang1， WANG Haiyang1

（1. School of Combat Supporting， Rocket Force University of Engineering， Xi’an 710025， China;

2. School of Automation， Northwestern Polytechnical University， Xi’an 710072， China）

Abstract：Traditional unmanned aerial vehicle （UAV） navigation spoofing techniques use a single antenna to transmit spoofing signals， while non cooperative UAV equipped with array antennas has the ability to recognize the arriving directions of signals， which can detect， identify， and suppress spoofing signals from a single arriving direction， leading to spoofing failures. To address this issue， firstly， a density based spatial clustering of applications with noise（DBSCAN） Kmeans hybrid clustering algorithm is designed to cluster the signal directions based on the true navigation satellite relative to the target UAV azimuth， in order to obtain the optimal direction angle for the spoofing signal. Secondly， multiple cooperative UAVs carry spoofing payloads and transmit mutually self consistent spoofing signals from the optimal arriving directions， which makes sure that the spoofing signals are nearly identical to the real signals arriving directions. Finally， experimental results show that the multi directions spoofing signals transmitted by multiple spoofing payloads can successfully intrude into the navigation links of non cooperative UAV equipped with array antennas， and the proposed method has good covertness and feasibility.

Keywords：unmanned aerial vehicle （UAV） countermeasures; covert navigation spoofing; UAV collabo ration; hybrid clustering

0 引 言

近年來，由無人機(jī)帶來的安全威脅日趨嚴(yán)重，應(yīng)運(yùn)而生的反無人機(jī)技術(shù)得到了快速發(fā)展。在諸多無人機(jī)反制技術(shù)中，導(dǎo)航誘騙技術(shù)因其隱蔽性強(qiáng)、效費(fèi)比高、動態(tài)可控等優(yōu)點(diǎn)，已成為非合作無人機(jī)打擊技術(shù)領(lǐng)域的研究熱點(diǎn)，取得了大量的研究成果^［1-4］。

無人機(jī)導(dǎo)航誘騙技術(shù)通過轉(zhuǎn)發(fā)或生成虛假衛(wèi)星導(dǎo)航信號，將信號經(jīng)過功率放大后發(fā)射給非合作無人機(jī)，從而使得非合作無人機(jī)解算得到錯誤的位置、速度和時間信息。文獻(xiàn)［5］研究實(shí)現(xiàn)誘騙所需的軟、硬件模塊，包含誘騙設(shè)備信道、載波復(fù)制發(fā)生器、控制模塊、數(shù)據(jù)位預(yù)測器和誘騙信道輸出信號采樣組合5個部分，并基于此設(shè)計便攜式導(dǎo)航誘騙設(shè)備。文獻(xiàn)［6］給出導(dǎo)航誘騙捕獲無人機(jī)的必要條件，以及捕獲后控制無人機(jī)運(yùn)動的方法，最后通過實(shí)物試驗(yàn)對所提方法進(jìn)行測試。文獻(xiàn)［7］對文獻(xiàn)［6］所提方法進(jìn)行建模仿真和理論證明。文獻(xiàn)［8］研究轉(zhuǎn)發(fā)式誘騙的軌跡規(guī)劃問題，通過仿真試驗(yàn)發(fā)現(xiàn)，切線法比延長線法進(jìn)行角度拉偏的力度更大、效果更好。文獻(xiàn)［9］提出使用定向誘騙策略進(jìn)行快速方向拉偏，并參考文獻(xiàn)［8］的結(jié)論，使用切線法進(jìn)行位置拉偏。文獻(xiàn)［10］提出一種建模方法，將虛假的位置、速度信號分解為真實(shí)信號與偏置的疊加，通過調(diào)整誘騙干擾偏移系數(shù)，可以控制誘騙干擾偏移的大小。

為應(yīng)對導(dǎo)航誘騙，無人機(jī)抗誘騙技術(shù)逐漸開始被大量應(yīng)用，主要包括信號功率檢測^［11］、接收機(jī)自主完好性檢測^［12］、殘留信號檢測^［13］、陣列天線檢測^［14-19］等，其中陣列天線抗干擾技術(shù)利用陣列信號處理技術(shù)檢測信號來向，并通過形成零陷，對與真實(shí)信號來向角差異較大的誘騙信號進(jìn)行抑制。

目前，在已有公開文獻(xiàn)中，尚無針對陣列天線抗干擾無人機(jī)的導(dǎo)航誘騙手段。針對該問題，本文提出一種利用空基平臺搭載誘騙載荷對陣列天線抗干擾無人機(jī)實(shí)施協(xié)同導(dǎo)航誘騙的方法。該方法設(shè)計一種基于密度的噪聲應(yīng)用空間聚類（density based spatial clustering of application with noise， DBSCAN） Kmeans混合聚類算法，按照真實(shí)導(dǎo)航衛(wèi)星相對目標(biāo)無人機(jī)的方位進(jìn)行信號來向的分簇聚類，得到誘騙信號最佳來向角度。多架合作無人機(jī)搭載誘騙載荷，由最佳來向角度處協(xié)同發(fā)射相互自洽的誘騙信號，可使誘騙信號與真實(shí)信號來向近乎一致，從而抵消陣列天線零陷和信號來向識別能力，完成誘騙信號對無人機(jī)導(dǎo)航鏈路的入侵。最后，通過數(shù)值仿真和實(shí)物試驗(yàn)驗(yàn)證了該方法的可行性和隱蔽性。

1 空基平臺協(xié)同誘騙方法

本文所提方法適用于生成式導(dǎo)航誘騙，旨在避免誘騙信號來向單一的問題，盡可能使誘騙信號來向與真實(shí)信號接近，以防信號被陣列天線抗干擾無人機(jī)識別和抑制。為此，本文使用合作無人機(jī)編隊作為空基平臺搭載誘騙載荷，從空中多個方向協(xié)同發(fā)射誘騙信號，方法原理示意圖如圖1所示，其中誘騙載荷采用軟件無線電架構(gòu)實(shí)現(xiàn)，主芯片為AD9361和ZYNQ7020。ZYNQ7020用于完成誘騙信號建模及數(shù)字信號合成，AD9361負(fù)責(zé)射頻信號生成，板卡輸出功率為20 dBm。

要使得合作無人機(jī)搭載的誘騙載荷所發(fā)射信號與真實(shí)衛(wèi)星信號到達(dá)角盡可能一致，在不考慮成本的情況下，可在每一顆導(dǎo)航衛(wèi)星與非合作無人機(jī)的連線上部署一架搭載有誘騙載荷的合作無人機(jī)。然而，非合作無人機(jī)在任意時刻能接收到的衛(wèi)星信號往往較多，若每一顆衛(wèi)星信號都利用一架合作無人機(jī)搭載載荷生成誘騙信號，成本會極劇增加，且實(shí)現(xiàn)難度較大。此外，陣列天線對信號來向的識別能力有限，這允許誘騙信號與真實(shí)衛(wèi)星信號來向存在一定范圍的偏差。陣列天線角度分辨能力表示為

φ=2πλΔR=2πλdsin θ（1）

式中：φ為各天線間接收到的信號的相位差;λ為雷達(dá)波長;ΔR為信號波程差;d為天線間距;θ為信號來向。

對式（1）等號兩邊取微分，可得

dθ=λ2πdcos θdφ（2）

顯然，相位測量誤差將直接導(dǎo)致產(chǎn)生信號來向估計誤差。此外，當(dāng)陣元分布較均勻時，誘騙載荷個數(shù)只需要超過陣列天線的自由度即可。因此，可采用聚類算法^［20-23］按照真實(shí)導(dǎo)航衛(wèi)星相對目標(biāo)無人機(jī)的方位進(jìn)行信號來向的分簇聚類，得到誘騙信號最佳來向角度，并將來向角度接近的衛(wèi)星信號使用同一個誘騙載荷生成。

在已有導(dǎo)航誘騙方法中，多個虛假衛(wèi)星信號由單一誘騙載荷生成，誘騙載荷與非合作無人機(jī)間的距離相同，因此各信號時延一致。然而，在多誘騙載荷情況下，需要根據(jù)各合作無人機(jī)上誘騙載荷與非合作無人機(jī)間距離的不同，實(shí)時產(chǎn)生具有不同時延特征且相互自洽的誘騙信號。

無人機(jī)接收到的導(dǎo)航信號可表示為

r（nTs）=∑h=JaPahDah（nTs－τah）cah（nTs－τah）·

e^{jφah+j2πfahnTs}+∑m=JsPsmDsm（nTs－τsm）csm·

（nTs－τsm）e^{jφsm+j2πfsmnTs}+η（nTs）（3）

式中：下標(biāo)h表示接收到的真實(shí)衛(wèi)星信號;下標(biāo)m表示虛假衛(wèi)星信號;上標(biāo)a表示真實(shí)衛(wèi)星信號;上標(biāo)s表示虛假衛(wèi)星信號;η（nTs）表示附加的白高斯噪聲;Ts表示采樣間隔;τ表示接收到的信號的碼相位;P表示接收到的信號功率;c表示偽隨機(jī)噪聲（pseudo random noise， PRN）碼的序列;D表示導(dǎo)航電文;f表示載波信號多普勒頻率。

若Ri表示第i顆衛(wèi)星天線相位中心到無人機(jī)導(dǎo)航接收機(jī)天線相位中心的幾何距離，當(dāng)前時刻衛(wèi)星的坐標(biāo)為（xi，yi，zi），接收機(jī)的坐標(biāo)為（xR，yR，zR），則

Ri=（xi－xR）2+（yi－yR）2+（zi－yR）2（4）

對應(yīng)的偽距可表示為

ρi=（xi－xR）2+（yi－yR）2+（zi－zR）2+Δρi（5）

式中：Δρi表示對應(yīng)的偽距偏差。

Δρi=cti（6）

式中：ti表示對應(yīng)的時間延遲。

對于偽距偏差，假設(shè)第i顆衛(wèi)星對應(yīng)的偏差為Δxi=（Δxi，Δyi，Δzi），偽距為ρi，偽距偏差為Δρi，則第i顆衛(wèi)星對應(yīng)的無人機(jī)導(dǎo)航接收機(jī)的觀測方程為

R-i+δtu+Δδtu=ρi+Δρi（7）

式中：δtu表示接收機(jī)時鐘偏移;Δδtu表示修改偽距引起的時鐘偏移量偏差;R-i可表示為

R-2i=［xi+Δ xi-（xu+Δ xu）］2+

［yi+Δ yi-（yu+Δ yu）］2+

［zi+Δ zi-（zu+Δ zu）］2（8）

式中：Δxu表示修改偽距引起的坐標(biāo)偏差。

本文所提陣列天線抗干擾無人機(jī)隱蔽誘騙技術(shù)的原理如圖2所示。中心控制單元使用導(dǎo)航接收機(jī)實(shí)時接收空域?qū)Ш叫l(wèi)星信號，獲取衛(wèi)星位置等信息。探測設(shè)備在探測到非合作無人機(jī)入侵時，將其運(yùn)動狀態(tài)等信息傳入集成了混合聚類算法的中心控制單元。之后，中心控制單元利用混合聚類算法得到誘騙策略及控制指令，并將其通過通信設(shè)備發(fā)送給合作無人機(jī)編隊。最終，多架合作無人機(jī)運(yùn)動至相應(yīng)位置，其攜帶的載荷發(fā)射誘騙信號，對非合作無人機(jī)進(jìn)行協(xié)同誘騙。

具體實(shí)施步驟如下：

步驟 1 在探測到非合作無人機(jī)入侵后，合作無人機(jī)搭載誘騙載荷升空;

步驟 2 探測設(shè)備實(shí)時探測非合作無人機(jī)的位置、速度信息，導(dǎo)航接收機(jī)實(shí)時接收空域內(nèi)衛(wèi)星信號，獲取衛(wèi)星位置等信息;

步驟 3 中心控制單元按照真實(shí)導(dǎo)航衛(wèi)星相對目標(biāo)無人機(jī)的方位進(jìn)行信號來向的分簇聚類，計算出每一簇的中點(diǎn)位置（即誘騙信號最佳來向角度），生成相應(yīng)的誘騙策略，并根據(jù)步驟2的探測信息實(shí)時進(jìn)行動態(tài)調(diào)整;

步驟 4 通信設(shè)備將步驟3計算出的誘騙信號來向角度和誘騙策略發(fā)給合作無人機(jī)編隊，合作無人機(jī)接收到信息后，分別運(yùn)動至相應(yīng)位置;

步驟 5 誘騙載荷依據(jù)誘騙策略，生成自洽誘騙信號，將其進(jìn)行功率放大后發(fā)射給非合作無人機(jī);

步驟 6 在整個誘騙過程中，步驟2至步驟5持續(xù)進(jìn)行，直至判定非合作無人機(jī)目標(biāo)誘騙成功且已無威脅，誘騙載荷停止工作，合作無人機(jī)有序返回并降落。

根據(jù)上述分析，陣列天線抗干擾無人機(jī)隱蔽誘騙方法的流程圖如圖3所示。

2 基于混合聚類算法信號來向擬真

2.1 傳統(tǒng)聚類算法的局限

由上文可知，在成本可接受和方法可行的前提下，誘騙信號盡可能地模擬真實(shí)衛(wèi)星信號來向，需要按照真實(shí)導(dǎo)航衛(wèi)星相對目標(biāo)無人機(jī)的方位進(jìn)行信號來向的分簇聚類，計算出每一簇的中點(diǎn)位置（即誘騙信號最佳來向角度），這就需要用到聚類算法。下面對傳統(tǒng)聚類方法的局限進(jìn)行分析。

2.1.1 Kmeans聚類算法

Kmeans聚類算法^［24-26］屬于無監(jiān)督聚類算法，其目的是最小化樣本點(diǎn)與其所屬類別的聚類中心間的差異。該算法首先隨機(jī)選擇k個點(diǎn)作為初始聚類中心點(diǎn);其次，通過迭代的方式，根據(jù)距離最小原則不斷更新聚類中心，直至聚類中心的位置不再變動或變動極小。Kmeans聚類算法原理簡單、運(yùn)行效率高，但其聚類效果依賴初始點(diǎn)的選擇，且容易造成局部收斂。

2.1.2 DBSCAN聚類算法

DBSCAN算法^［27-30］是一種基于密度的空間聚類方法，通過設(shè)置鄰域半徑（epailons， Eps）和鄰域半徑內(nèi)最少點(diǎn)數(shù)（minimum points， MinPts）進(jìn)行聚類。算法首先遍歷所有數(shù)據(jù)點(diǎn)，根據(jù)設(shè)定的Eps和MinPts判斷每個點(diǎn)是否為核心點(diǎn)。然后，算法以任意未被訪問的核心點(diǎn)為起點(diǎn)，找出所有與之密度可達(dá)的點(diǎn)，包括其他核心點(diǎn)和邊界點(diǎn)，并將其歸為同一個類別。這一過程反復(fù)進(jìn)行，直到所有核心點(diǎn)訪問完畢，所有數(shù)據(jù)點(diǎn)完成分簇。

DBSCAN聚類算法可處理任意形狀的簇類，且對數(shù)據(jù)集中的異常點(diǎn)不敏感。然而，當(dāng)數(shù)據(jù)集樣本密度差異較大時，不易選擇合適的Eps和MinPts。此外，若樣本點(diǎn)中存在距離均勻變化的情況時，其聚類算法的效果不理想。

2.2 混合聚類算法

為了結(jié)合Kmeans、DBSCAN算法優(yōu)點(diǎn)，本文提出一種將兩者有機(jī)融合的混合聚類算法，并加入閾值限制，避免簇內(nèi)邊界點(diǎn)間差異過大。

本文需要按照真實(shí)導(dǎo)航衛(wèi)星相對目標(biāo)無人機(jī)的方位進(jìn)行信號來向的分簇聚類，因此在非合作無人機(jī)處作與地球的切平面，將非合作無人機(jī)與衛(wèi)星間連線與該面的夾角定義為俯仰角α，該連線在切平面上的投影與該平面正東方向的夾角定義為方位角β，定義由正東方向逆時針旋轉(zhuǎn)為正向。定義橫坐標(biāo)為方位角，縱坐標(biāo)為俯仰角，可在二維笛卡爾坐標(biāo)系下表示衛(wèi)星信號來向，并在此坐標(biāo)系下進(jìn)行聚類，設(shè)待聚類的數(shù)據(jù)集合為X，X可表示為

X={xi|xi∈R2，i=1，2，…，n}（9）

式中：xi=（βi，αi）表示集合內(nèi)的數(shù)據(jù)對象。d為數(shù)據(jù)對象間的距離，可表示為

d（xi，xj）=xi－xj（10）

·表示2范數(shù)；方位角β的范圍為（－180°，180°］。在傳統(tǒng)的二維笛卡爾坐標(biāo)系下求兩點(diǎn)間距離，可作差后直接取范數(shù)。然而，對于方位角而言，兩點(diǎn)間的距離應(yīng)小于等于180°。因此，兩方位角間的距離可表示為

d（βi，βj）=min（360－βi－βj，βi－βj）（11）

定義 1 方位角最大差值M

M=max{max d（β1i，β1j），…，max d（βmi，βmj），…，

max d（βki，βkj）}， i，j=1，2，…，n， j≠i（12）

式中：βmi與βmj表示第m簇中不同數(shù)據(jù)對象的方位角;1、m分別表示第1簇、第m簇;k表示簇數(shù);i和j分別表示同一簇中的不同元素。

定義 2 平均簇內(nèi)距離d-

d-=1k∑ki=11Ti∑Tiq=1xq－zi（13）

式中：i表示數(shù)據(jù)對象中第i簇，i=1，2，…，k;Ti表示第i簇簇內(nèi)數(shù)據(jù)對象個數(shù);q表示簇內(nèi)第q個數(shù)據(jù)對象，q=1，2，…，Ti;k表示數(shù)據(jù)對象總共被分成了k簇;zi=（βzi，αzi）表示第i簇聚類中心點(diǎn)的坐標(biāo)?；旌暇垲愃惴ú襟E如下：

步驟 1 實(shí)時接收空域中導(dǎo)航衛(wèi)星信號并解算衛(wèi)星廣播星歷，得到各衛(wèi)星在地固坐標(biāo)系下的位置信息;

步驟 2 將地固坐標(biāo)系下的衛(wèi)星和非合作無人機(jī)的坐標(biāo)轉(zhuǎn)換至以非合作無人機(jī)為原點(diǎn)的東北天坐標(biāo)系下，并投影至以方位角為橫軸、以俯仰角為縱軸的二維平面，至此將空域可接收到的衛(wèi)星信號來向置于二維笛卡爾坐標(biāo)系下;

步驟 3 根據(jù)設(shè)置的簇數(shù)k、方位角閾值Th、Eps、MinPts等參數(shù)，利用DBSCAN算法對所有可接收的衛(wèi)星信號來向進(jìn)行聚類;

步驟 4 判斷此時的分類簇數(shù)是否為步驟3中設(shè)定的值，若滿足條件則進(jìn)行步驟5，若不滿足條件則返回到步驟3，使用二分法更新Eps值并重新聚類;

步驟 5 計算每一簇的中點(diǎn)位置，并保存DBSCAN聚類結(jié)果;

步驟 6 使用步驟5中的中點(diǎn)位置作為初始中心點(diǎn)位置，利用Kmeans算法對數(shù)據(jù)重新分類;

步驟 7 計算兩種聚類結(jié)果中平均簇內(nèi)距離d-，取較小者作為結(jié)果;

步驟 8 計算步驟7中保留結(jié)果的方位角最大差值M，判斷該值是否小于等于閾值Th，若滿足條件則輸出，若不滿足條件則返回步驟6;對于不滿足條件的簇，允許該簇增加聚類簇數(shù)，并重新使用Kmeans聚類算法進(jìn)行聚類，直至滿足條件后輸出結(jié)果。

具體實(shí)現(xiàn)流程如圖4所示。

2.3 聚類效果實(shí)驗(yàn)驗(yàn)證

為了驗(yàn)證聚類算法必要性及其效果，統(tǒng)計2023年10月29日到11月27日、共30天390組星歷數(shù)據(jù)。各組數(shù)據(jù)可見衛(wèi)星個數(shù)分布情況如圖5所示，圖中每個扇形外側(cè)數(shù)字代表衛(wèi)星個數(shù)，每個扇形半徑的數(shù)字代表星歷數(shù)據(jù)組數(shù)。

由圖5可見，衛(wèi)星數(shù)量主要集中在8～12。而目前要對消主流陣列天線的抗干擾能力，只需要從6個不同方向發(fā)射信號即可。因此，方位角閾值可設(shè)定為60°。

在上述方位角閾值條件下對分類簇數(shù)進(jìn)行統(tǒng)計，結(jié)果如圖6所示?？梢钥闯觯蟛糠?jǐn)?shù)據(jù)在分簇為4～6時就已經(jīng)能達(dá)到預(yù)期效果，小于衛(wèi)星數(shù)量主要分布區(qū)間。因此，需要按照衛(wèi)星信號來向進(jìn)行聚類。

實(shí)驗(yàn)設(shè)定聚類簇數(shù)為5，用Kmeans聚類算法、DBSCAN聚類算法、混合聚類算法分別對120組星歷數(shù)據(jù)進(jìn)行聚類。

圖7展示了某組數(shù)據(jù)衛(wèi)星分布情況，不同顏色的圓點(diǎn)代表不同的衛(wèi)星。

圖8～圖10分別展示了Kmeans聚類算法、DBSCAN聚類算法、混合算法聚類后的效果，同一類顏色的圓點(diǎn)代表同一簇衛(wèi)星，紅色十字“×”代表搭載誘騙載荷的合作無人機(jī)應(yīng)部署的位置?？梢钥闯?，Kmeans聚類算法、DBSCAN聚類算法均能成功聚成5簇。然而，Kmeans聚類結(jié)果中方位角-136.9°、俯仰角21.6°對應(yīng)的衛(wèi)星與其右側(cè)兩顆衛(wèi)星實(shí)際相距較遠(yuǎn)，被錯誤劃分為一簇。DBSCAN聚類結(jié)果中方位角在-65°～45°之間的5顆衛(wèi)星角度跨度較大，不宜劃分為同一簇。而本文所提混合聚類算法有效地解決了上述問題，分簇效果提升明顯，如圖10所示。

為了定量分析所提聚類方法效果，對3種方法在120組數(shù)據(jù)聚類結(jié)果的平均簇內(nèi)距離進(jìn)行統(tǒng)計分析，結(jié)果如圖11所示。

在圖11中，橙色曲線代表Kmeans算法、綠色代表DBSCAN算法、藍(lán)色代表混合聚類算法聚類結(jié)果的平均簇內(nèi)距離。該值越小，則表示簇內(nèi)相似性越高，即聚類效果越好。對120組平均簇內(nèi)距離求平均值和中位數(shù)，結(jié)果如表1所示?？梢钥闯?，混合聚類算法與Kmeans算法和DBSCAN算法相比，在120組數(shù)據(jù)中整體上平均簇內(nèi)距離更小，簇內(nèi)相似度更高，簇內(nèi)各衛(wèi)星信號來向角更加接近，則用混合聚類算法優(yōu)化得到的誘騙信號來向更能提升誘騙信號的隱蔽性，提高誘騙成功率。

3 實(shí)物試驗(yàn)驗(yàn)證

為驗(yàn)證所提誘騙方法的有效性，利用外場實(shí)物試驗(yàn)進(jìn)行驗(yàn)證，共設(shè)計兩組試驗(yàn)。

（1） 試驗(yàn)1采用傳統(tǒng)方法進(jìn)行誘騙，在地面放置一個獨(dú)立誘騙載荷，對攜帶陣列天線接收機(jī)的非合作無人機(jī)實(shí)施誘騙，檢驗(yàn)陣列天線接收機(jī)抑制單一來向誘騙信號的能力。

（2） 試驗(yàn)2采用4架合作無人機(jī)搭載誘騙載荷，非合作無人機(jī)搭載四陣元陣列天線接收機(jī)，設(shè)置非合作無人機(jī)處于運(yùn)動狀態(tài)，檢驗(yàn)本文所提方法的時效性和對運(yùn)動狀態(tài)下搭載陣列天線的非合作無人機(jī)的反制能力。

合作無人機(jī)數(shù)量的選擇與非合作無人機(jī)配備陣列天線的陣元數(shù)密切相關(guān)，在試驗(yàn)中所使用的陣列天線共有4個陣元，基于既要消耗陣列天線自由度，又要減小成本的原則，合作無人機(jī)數(shù)量定為4架。

試驗(yàn)所用合作無人機(jī)由卓翼智能FS450型改制而成（見圖12），搭載誘騙載荷、發(fā)射天線、接收天線和通信模塊。

非合作無人機(jī)選用改裝的大疆精靈4Pro（見圖13），搭載內(nèi)嵌Ublox接收機(jī)的四陣元陣列天線和通信模塊。

試驗(yàn)情景如圖14所示。4架合作無人機(jī)按照混合聚類算法優(yōu)化的最佳信號來向角度部署。

試驗(yàn) 1 利用單一誘騙載荷進(jìn)行測試，結(jié)果如圖15所示。試驗(yàn)設(shè)置誘騙信號動態(tài)為10 m/s，非合作無人機(jī)搭載四陣元陣列天線接收機(jī)，單誘騙載荷置于地面并發(fā)射誘騙信號。如圖15所示，四陣元陣列天線面對較強(qiáng)單一來向誘騙信號，形成了零陷，對誘騙信號產(chǎn)生了良好的抑制效果，使非合作無人機(jī)無法成功定位。

試驗(yàn) 2 利用4架合作無人機(jī)搭載誘騙載荷實(shí)施誘騙，設(shè)置誘騙信號動態(tài)為5 m/s。非合作無人機(jī)搭載四陣元陣列天線接收機(jī)，設(shè)置運(yùn)動狀態(tài)為向東2 m/s。

如圖16所示，在誘騙載荷開始工作前，非合作無人機(jī)以2.01 m/s的速度向東正常飛行。如圖17所示，誘騙載荷開始工作后，誘騙信號成功入侵?jǐn)y帶陣列天線的非合作無人機(jī)飛控鏈路，使其產(chǎn)生錯誤的定位，解算出速度為5.15 m/s，且無人機(jī)改變方向向西飛行，成功實(shí)現(xiàn)誘騙。

因此，利用多架合作無人機(jī)搭載誘騙載荷從多來向發(fā)射誘騙信號，可以侵入攜帶陣列天線的非合作無人機(jī)，抵消陣列天線識別信號來向的能力，達(dá)到既定的誘騙效果。

4 結(jié) 論

本文提出一種針對陣列天線抗干擾無人機(jī)的隱蔽誘騙方法，通過多架合作無人機(jī)攜帶誘騙載荷，在空中協(xié)同自洽發(fā)射誘騙信號，避免信號來向單一而被誘騙目標(biāo)識別和抑制。該方法設(shè)計的混合聚類算法按照真實(shí)導(dǎo)航衛(wèi)星相對目標(biāo)無人機(jī)的方位進(jìn)行信號來向的分簇聚類，得到誘騙信號最佳來向角度，使誘騙信號與真實(shí)信號來向近乎一致，使誘騙信號更加擬真。試驗(yàn)結(jié)果表明，多誘騙載荷發(fā)射的多來向誘騙信號可以成功侵入配備陣列天線的非合作無人機(jī)導(dǎo)航鏈路。

參考文獻(xiàn)

［1］HE D J， QIAO Y R， CHEN S Q， et al. A friendly and low cost technique for capturing non cooperative civilian unmanned aerial vehicles［J］. IEEE Network， 2019， 33（2）： 146-151.

［2］ＧＥＮＧ Ｘ Ｓ， ＧＵＯ Ｙ， ＴＡＮＧ Ｋ Ｈ， ｅｔ ａｌ. A spoofing algorithm for ground unmanned platform equipped with GNSS/INS integrated navigation system［J］. ＩEＥＥ Ｔｒａｎｓ．ｏｎ Instrumentation and Measurment， 2024， 73： 8508910.

［3］GENG X S， GUO Y， TANG K H， et al. Research on covert directional spoofing method for INS/GNSS loosely integrated navigation［J］. IEEE Trans.on Vehicular Technology， 2023， 72（5）： 5654-5663.

［4］DANIEL P S， BHATTI J， HUMPHREYS T E， et al. Evaluation of smart grid and civilian UAV vulnerability to GPS spoofing attacks［C］∥Proc.of the International Technical Meeting of the Satellite Division of the Institute of Navigation， 2012： 3591-3605.

［5］HUMPHREYS T E， LEDVINA B M， PSIAKI M L， et al. Assessing the spoofing threat： development of a portable GPS civilian spoofer［C］∥Proc.of the" International Technical Meeting of the Satellite Division of the Institute of Navigation， 2008： 2314-2325.

［6］KERNS A J， SHEPARD D P， BHATTI J A， et al. Unmanned aircraft capture and control via GPS spoofing［J］. Journal of Field Robotics， 2014， 31（4）： 617-636.

［7］GUO Y， WU M P， TANG K H， et al. Covert spoofing algorithm of UAV based on GPS/INS Integrated navigation［J］. IEEE Trans.on Vehicular Technology， 2019， 68（7）： 6557-6564.

［8］史密， 牟京燕， 陳樹新. GPS誘騙下GPS/INS組合導(dǎo)航偏差分析［J］. 電光與控制， 2016， 23（2）： 16-20.

SHI M， MOU J Y， CHEN S X. GPS/INS navigation bias analysis under GPS spoofing［J］. Electronics Optics and Control， 2016， 23（2）： 16-20.

［9］GAO Y J， LI G Y. A GNSS instrumentation covert directional spoofing algorithm for UAV equipped with tightly coupled GNSS/IMU［J］. IEEE Trans.on Instrumentation and Measurement， 2023， 72： 8501413.

［10］GENG X S， GUO Y， TANG K H， et al. Research on covert directional spoofing method for INS/GNSS loosely integrated navigation［J］. IEEE Trans.on Vehicular Technology， 2023， 72（5）： 5654-5663.

［11］VAHID D， JOHN N， GERARD L. GNSS spoofing detection based on receiver C/N0 estimates［C］∥Proc.of the Interna tional Technical Meeting of the Satellite Division of the Institute of Navigation， 2012： 2875-2884.

［12］BRENT M L， WILLIAM J B， BRYAN G， et al. An in line anti spoofing device for legacy civil GPS receivers［C］∥Proc.of the International Technical Meeting of the Institute of Navigation， 2010： 698-712.

［13］李雅寧， 蔚保國， 甘興利. 衛(wèi)星導(dǎo)航接收端反電子欺騙技術(shù)比較研究［J］. 無線電工程， 2016， 46（3）： 49-53.

LI Y N， WEI B G， GAN X L. A comparative study on anti spoofing technology at the receiving end of satellite navigation［J］. Radio Engineering， 2016， 46（3）： 49-53.

［14］ZHANG Y X， CHEN X F， XU H W， et al. Fast acceleration and velocity estimation for wideband stretching LFM radars based on mutual bias correction［J］. IEEE Sensors Journal， 2020， 20（15）： 8683-8697.

［15］YANG H C， WANG P Y， YE Z F. Robust adaptive beamforming via covariance matrix reconstruction under colored noise［J］. IEEE Signal Processing Letters， 2021， 28： 1759-1763.

［16］MALLIORAS I， ZAHARIS Z， LAZARIDIS P， et al. A novel realistic approach of adaptive beamforming based on deep neural networks［J］. IEEE Trans.on Antennas and Propagation， 2022， 70（10）： 8833-8848.

［17］MUNAWAR M， LEE K. Low complexity adaptive selection beamforming for IRS assisted single user wireless networks［J］. IEEE Trans.on Vehicular Technology， 2023， 72（4）： 5458-5462.

［18］AFSARI A， ABBOSH A， RAHMAT SAMII Y. Adaptive beamforming by compact arrays using evolutionary optimization of schelkunoff polynomials［J］. IEEE Trans.on Antennas and Propagation， 2022， 70（6）： 4485-4497.

［19］HUANG Y W， FU H， VOROBYOV S A， et al. Robust adaptive beamforming via worst case SINR maximization with nonconvex uncertainty sets［J］. IEEE Trans.on Signal Processing， 2023， 71： 218-232.

［20］UYKAN Z. Fusion of centroid based clustering with graph clustering： an expectation maximization based hybrid clustering［J］. IEEE Trans.on Neural Networks and Learning Systems， 2023， 34（8）： 4068-4082.

［21］HUANG D， WANG C D， PENG H， et al. Enhanced ensemble clustering via fast propagation of cluster wise similarities［J］. IEEE Trans.on Systems， Man， and Cybernetics： Systems， 2021， 51（1）： 508-520.

［22］LI F J， WANG J T， QIAN Y H， et al. Fuzzy ensemble clustering based on self coassociation and prototype propagation［J］. IEEE Trans.on Fuzzy Systems， 2023， 31（10）： 3610-3623.

［23］MAHMUD M S， HUANG J Z， RUBY R， et al. Approximate clustering ensemble method for big data［J］. IEEE Trans.on Big Data， 2023， 9（4）： 1142-1155.

［24］WU X， TYRRELL A M， KO Y. Federated Kmeans clustering for adaptive OFDM IM［J］. IEEE Communications Letters， 2023， 27（10）： 2648-2651.

［25］NIE F P， LI Z H， WANG R， et al. An effective and efficient algorithm for Kmeans clustering with new formulation［J］. IEEE Trans.on Knowledge and Data Engineering， 2023， 35（4）： 3433-3443.

［26］ZHAO X W， NIE F P， WANG R， et al. Robust fuzzy Kmeans clustering with shrunk patterns learning［J］. IEEE Trans.on Knowledge and Data Engineering， 2023， 35（3）： 3001-3013.

［27］QIU Z B， MA Y， FAN F， et al. Improved DBSCAN for infrared cluster small target detection［J］. IEEE Geoscience and Remote Sensing Letters， 2023， 20： 5511905.

［28］ZHANG B X， ZHANG L F， WANG Z， et al. Image reconstruction of planar electrical capacitance tomography based on DBSCAN and self adaptive ADMM algorithm［J］. IEEE Trans.on Instrumentation and Measurement， 2023， 72： 4504711.

［29］季策， 穆文歡， 耿蓉. 基于A DBSCAN的欠定盲源分離算法［J］. 系統(tǒng)工程與電子技術(shù)， 2020， 42（12）： 2676-2683.

JI C， MU W H， GENG R. Underdetermined blind source separation algorithm based on A DBSCAN［J］. Systems Engineering and Electronics， 2020， 42（12）： 2676-2683.

［30］RAD M H， ABDOLRAZZAGH NEZHAD M. Data cube clustering with improved DBSCAN based on fuzzy logic and genetic algorithm［J］. Information Technology and Control， 2020， 49（1）： 127-143.

作者簡介

尹中杰（2000—），男，碩士研究生，主要研究方向?yàn)闊o人機(jī)導(dǎo)航誘騙。

侯 博（1988—），男，副教授，博士，主要研究方向?yàn)閷?dǎo)航對抗、分布式協(xié)同控制。

靳嘯龍（2001—），男，碩士研究生，主要研究方向?yàn)槿褐悄堋?/p>

范志良（1983—），男，副教授，博士，主要研究方向?yàn)樾l(wèi)星導(dǎo)航對抗。

王海洋（1992—），男，講師，博士，主要研究方向?yàn)樾l(wèi)星導(dǎo)航對抗。