一种基于混合深度学习网络的GNSS欺骗信号分类方法

本发明涉及卫星导航信号处理技术领域，尤其涉及一种基于混合深度学习网络的GNSS欺骗信号分类方法，本发明的CNN‑Transformer‑LSTM混合深度学习模型融合了三种深度神经网络模块的协同优势：CNN模块负责局部时频特征的提取，Transformer模块捕捉全局上下文依赖，LSTM模块强化时序动态建模能力，从而实现对正常信号和多类型欺骗信号的精准区分，LCAVOA算法能够动态调整搜索步长，平衡全局搜索与局部开发，收敛速度更快，精度更高，LCAVOA‑CNN‑Transformer‑LSTM分类方法相较于其他模型，对GNSS欺骗信号的分类性能更优，进而解决了现有技术中往往难以区分不同类型的欺骗信号，且在欺骗信号与合法信号高度相似时，检测精度和可靠性显著下降的技术问题。