基于UWB CIR与蓝牙IQ特征融合的定位欺骗攻击检测方法

TL;DR：本文介绍一种结合超宽带（UWB）信道冲激响应（CIR）与蓝牙同相/正交（IQ）特征的融合检测方法，用于识别室内定位系统中的欺骗攻击。该方法利用UWB的高时间分辨率与蓝牙低功耗特性，通过多模态特征分析提升检测鲁棒性，应对非视距与多径干扰。

引言

随着物联网与人工智能技术的快速发展，室内定位需求日益迫切。超宽带（UWB）技术凭借其脉冲窄、带宽大、时间分辨率高等优势，在室内定位系统中得到广泛应用。哈尔滨工业大学严嘉祺在其硕士论文中指出，UWB信号在室内环境下可实现厘米级定位精度，尤其适用于复杂场景如矿井、医院、仓库等。然而，定位系统面临的安全威胁——特别是欺骗攻击——正成为关键挑战。攻击者通过伪造或重放信号，可诱导定位系统输出错误位置，进而导致安全监控失效、设备误操作甚至人员伤害。

现有欺骗检测方法多依赖单一信号特征（如接收信号强度或到达时间），但在非视距（NLOS）与多径环境下可靠性不足。中国矿业大学严威在研究中强调，井下环境存在大量遮挡与反射，传统检测手段易受干扰。为此，本文提出一种融合UWB信道冲激响应（CIR）与蓝牙IQ特征的检测方法，利用UWB的精细时域信息与蓝牙的低成本、广覆盖特性，构建多模态特征空间，提升攻击识别准确率。

UWB与蓝牙定位技术基础

UWB定位原理与误差来源

UWB定位主要基于到达时间（TOA）、到达时间差（TDOA）或到达角度（AOA）等测距方法。屠晓东在其研究中详细分析了UWB信号在IEEE802.15.4a信道下的传播特性，指出多径效应、非视距传播及时钟漂移是主要误差源。例如，在室内办公环境下，UWB信号因墙壁、家具反射产生多条路径，导致TOA测量值偏离真实值。严嘉祺的仿真表明，采用移动平均滤波可有效抑制随机噪声，但无法完全消除NLOS引起的系统偏差。

UWB的信道冲激响应（CIR）记录了信号在传播路径上的幅度、相位与延迟分布，是识别环境变化与攻击行为的重要特征。在视距（LOS）条件下，CIR通常呈现清晰的直达路径峰值；而在NLOS或欺骗攻击场景中，峰值形状、能量分布及延迟特征会显著改变。

蓝牙IQ信号特性

蓝牙低功耗（BLE）技术广泛应用于物联网设备，其IQ（同相/正交）数据可反映信号的相位与幅度信息。与UWB相比，蓝牙带宽较窄，但成本低、部署灵活。IQ信号对载波相位偏移敏感，攻击者若伪造信号，其IQ轨迹与合法信号存在差异。通过分析IQ信号的统计特性（如方差、相位稳定性），可辅助检测异常。

欺骗攻击威胁与现有检测局限

定位欺骗攻击通常分为两类：信号重放攻击和伪造信号攻击。前者记录合法信号后重放，后者直接生成虚假信号。在室内环境中，攻击者可利用可编程射频设备（如HackRF）注入伪造UWB或蓝牙信号，使定位系统解算出错误位置。

现有检测方法多基于单一特征：

• RSSI（接收信号强度）：易受环境衰减影响，在NLOS下误报率高。
• TOA/TDOA一致性：需多基站协作，且对时钟同步要求高。
• AOA（到达角度）：依赖天线阵列，成本与复杂度较高。

屠晓东在混合定位研究中指出，TDOA/AOA混合算法虽能提升精度，但未针对欺骗攻击优化。因此，亟需一种融合多维特征、鲁棒性强的检测方案。

融合检测方法设计

特征提取与融合框架

本方法的核心是同时采集UWB CIR和蓝牙IQ数据，构建特征向量：

• UWB CIR特征：包括直达路径幅度、峰值能量比、时延扩展（RMS延迟）、首径检测置信度。
• 蓝牙IQ特征：包括IQ幅度均值、相位标准差、I/Q不平衡系数、频偏估计值。

融合策略采用特征级拼接，输入至轻量级分类器（如随机森林或支持向量机）。训练阶段，在LOS与NLOS环境下分别采集合法信号与多种攻击信号（重放、伪造），标注样本。测试阶段，实时提取特征并判断是否为欺骗攻击。

应对NLOS与多径的优化

严嘉祺的分析表明，NLOS环境下UWB的CIR会出现首径能量衰减、后续多径簇增多。本方法通过引入移动平均滤波与有偏卡尔曼滤波（参考屠晓东的研究）预处理CIR数据，抑制噪声并增强直达路径特征。同时，蓝牙IQ数据在NLOS下相位抖动加剧，通过设置相位稳定性阈值，可有效区分合法信号与攻击信号。

性能分析与案例验证

为验证方法有效性，参考屠晓东在实验室搭建的三维定位系统（定位精度达2cm）进行仿真。在IEEE802.15.4a信道模型（室内办公环境，2-10GHz）下，设置三种攻击场景：