the-BDS-Spoofing-Dataset-bs-

该数据集包含七种混合场景（bs1–bs7），包括中频信号、5G系统伪距和到达角观测，每秒生成两个基站的观测数据，以及三种不同精度等级的INS传感器在每个更新周期（5毫秒）输出的三维角度增量和速度增量。

This dataset comprises seven mixed scenarios (bs1–bs7), which include intermediate frequency (IF) signals, 5G system pseudoranges and angle-of-arrival (AoA) observations. Within each scenario, observations from two base stations are generated per second, and three INS sensors with varying accuracy levels output three-dimensional angular increments and velocity increments during each 5-millisecond update cycle.

原始信息汇总

BDS欺骗数据集（bs）概述

数据集简介

该数据集包含七个混合场景（bs1–bs7），涵盖中频信号、5G系统每秒生成的针对两个基站的伪距和到达角观测值，以及三种不同精度等级的INS传感器在每个更新周期（5 ms）输出的三维角度增量和速度增量。

数据内容与结构

信号参数配置

• 中频（IF）：0 MHz
• 采样频率（Fs）：5 MHz
• 复数信号：是
• 时间长度：220秒

轨迹文件

包含三个文件，记录0-220秒的轨迹数据：

• circle.csv
• trajectory_ENU.mat
• trajectory_XYZ.mat

5G数据（5gData）

• 文件：results_5G
• 内容：依次保存了两个视距（LoS）基站每个历元的测距与测角结果。
• 每个基站保存的信息字段： [cellid1 BSPos_XYZ1 BSPos_ENU1 distance_true distance_ssb distance_prs elevation_ture azimuth_true elevation_esti azimuth_esti]

惯性测量单元数据（imuData）

包含四个文件，均包含陀螺仪输出的三维角度增量、加速度计输出的三维速度增量，最后一列为惯导更新时间：

1. Origin_imu.mat：不含INS误差的原始数据。
2. Consumer_grade_imu.mat：添加消费级INS误差的数据。
3. Tactical_grade_imu.mat：添加战术级INS误差的数据。
4. Aviation_grade_imu.mat：添加航空级INS误差的数据。

数据集访问

• 访问方式：通过百度网盘下载。
• 分享文件：bds_spoof_dataset
• 网盘链接：https://pan.baidu.com/s/1LyqiSr8e3DTaJPULSnX0EQ
• 提取码：2s9a

搜集汇总

数据集介绍

构建方式

在卫星导航与通信融合研究领域，BDS欺骗干扰数据集通过模拟七种混合场景构建而成。其核心在于生成两个基站每秒的5G系统伪距与到达角观测数据，并同步记录三种不同精度等级的惯性导航传感器输出的三维角增量与速度增量，更新周期为5毫秒。中频信号以5兆赫兹采样率采集，时长为220秒，轨迹文件则提供了多种坐标格式的运动路径描述，从而形成一个多源异构的时空对齐数据集。

使用方法

使用者可通过提供的百度网盘链接获取数据集文件。在应用中，可依据轨迹文件还原运动状态，并利用5G数据中的真实与估计测距测角信息进行定位算法验证。惯性数据文件允许分别加载不同误差等级的传感器输出，便于进行组合导航仿真或欺骗检测模型训练。数据集的结构化设计支持用户灵活提取所需场景的子集，以开展特定干扰条件下的导航完好性研究。

背景与挑战

背景概述

随着全球卫星导航系统（GNSS）在关键基础设施中的广泛应用，其信号易受欺骗干扰的脆弱性已成为导航安全领域的核心关切。BDS欺骗数据集由国内研究团队于近年构建，旨在模拟北斗卫星导航系统在复杂电磁环境下面临的混合欺骗攻击场景。该数据集通过集成中频信号、5G系统伪距与到达角观测数据，以及多精度等级的惯性导航传感器输出，为研究高动态环境下导航信号的抗欺骗技术提供了多维度的验证基准。其设计不仅反映了当前导航与通信融合的前沿趋势，更推动了多源信息融合防御策略在理论与工程实践中的深化。

当前挑战

在导航安全领域，欺骗攻击的检测与缓解面临信号动态性强、攻击模式隐蔽且多样化的核心挑战。该数据集针对性地模拟了七种混合欺骗场景，要求算法能够从多源异构数据中识别细微的异常模式，尤其是在高精度惯性导航数据与5G观测数据融合时，需解决时间同步与传感器误差建模的难题。数据构建过程中，研究者需精确模拟不同等级惯性测量单元的误差特性，并确保中频信号与5G观测数据在时空维度上的一致性，这涉及复杂的电磁环境仿真与多系统信号同步生成技术，对数据生成的可靠性与真实性提出了较高要求。

常用场景

经典使用场景

在卫星导航与通信安全领域，BDS欺骗数据集为研究多源信号融合与抗欺骗技术提供了关键实验平台。该数据集通过模拟七种混合场景，集成了中频信号、5G系统伪距与到达角观测数据，以及不同精度等级的惯性导航传感器输出，使得研究人员能够深入分析在复杂电磁环境下，如何有效利用多源信息进行高精度定位与姿态估计。其经典应用场景包括评估融合算法在动态轨迹中的鲁棒性，以及验证抗欺骗策略在真实干扰条件下的性能表现。

解决学术问题

该数据集主要解决了卫星导航系统中欺骗信号检测与抑制的核心学术难题。通过提供包含真实与欺骗信号的混合数据，研究人员能够系统研究信号特征提取、异常检测算法以及多传感器数据融合方法，从而提升定位系统的安全性与可靠性。其意义在于为学术界提供了标准化的测试基准，推动了导航安全领域从理论模型向实际验证的过渡，对促进高精度、高可靠定位技术的发展具有深远影响。

实际应用

在实际应用层面，BDS欺骗数据集广泛应用于智能交通、无人机导航以及军事安防等领域。例如，在自动驾驶系统中，该数据集可用于训练和测试车载导航设备在遭受信号欺骗攻击时的应急处理能力；在无人机巡检任务中，则能辅助开发基于多源融合的防干扰导航模块，确保飞行器在复杂电磁环境下的稳定运行。这些应用显著提升了相关系统在现实场景中的安全防护水平。

数据集最近研究

最新研究方向

在卫星导航与通信融合领域，BDS欺骗干扰数据集因其包含多源异构信号而备受关注。当前研究聚焦于利用该数据集中的5G测距测角观测与多精度等级惯性导航数据，探索高动态环境下抗欺骗干扰的融合定位算法。随着5G与北斗系统在自动驾驶、无人机导航等关键场景的深度集成，该数据集为评估多传感器协同的鲁棒性提供了基准，推动了跨域信号安全与可信定位技术的前沿进展。