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系统每秒生成的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毫秒）输出的三维角度增量和速度增量。

This dataset includes seven mixed scenarios (bs1–bs7), which encompass intermediate frequency signals, pseudorange measurements and Angle of Arrival (AoA) observations from two base stations generated by a 5G system every second, alongside three-dimensional angular increments and velocity increments output by INS sensors at three different accuracy levels during each update cycle (5 ms).

原始信息汇总

BDS欺骗干扰数据集（bs）概述

数据集简介

本数据集包含七个混合场景（bs1–bs7），涵盖中频信号、5G系统伪距和到达角观测值，以及由三种不同精度等级的惯性导航系统传感器输出的三维角度增量和速度增量。

数据内容与结构

1. 信号参数

• 中频（IF）：0 MHz
• 采样频率（Fs）：5 MHz
• 信号类型：复信号（Complex）
• 时长（TimeLength）：220秒

2. 轨迹文件

数据集包含以下轨迹文件，时间跨度为0-220秒：

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

3. 5G观测数据

• 数据文件：results_5G
• 内容描述：按历元顺序保存了两个视距基站的测距与测角结果。每个基站保存的信息字段为： [cellid1 BSPos_XYZ1 BSPos_ENU1 distance_true distance_ssb distance_prs elevation_ture azimuth_true elevation_esti azimuth_esti]

4. 惯性测量单元数据

imuData目录包含四个文件，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：

• Origin_imu.mat：未添加惯性导航系统误差的原始数据。
• Consumer_grade_imu.mat：添加消费级惯性导航系统误差的数据。
• Tactical_grade_imu.mat：添加战术级惯性导航系统误差的数据。
• Aviation_grade_imu.mat：添加航空级惯性导航系统误差的数据。

数据生成与更新

• 5G系统的伪距和到达角观测值按每秒生成。
• 惯性导航系统传感器的数据更新周期为5毫秒。

数据访问

数据集通过百度网盘提供访问与下载。

• 分享文件：bds_spoof_dataset
• 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领域，BDS欺骗干扰数据集通过模拟七种混合场景（bs1至bs7）构建而成，涵盖了中频信号、5G系统伪距与到达角观测数据以及惯性导航系统传感器输出。数据生成过程以每秒为间隔记录两个基站的5G观测值，同时以5毫秒的更新周期采集三种不同精度等级的惯性测量单元数据，包括陀螺仪的三维角度增量和加速度计的三维速度增量。轨迹文件以多种格式提供，支持从0至220秒的动态运动分析，确保了时空数据的一致性与完整性。

使用方法

使用本数据集时，研究者可首先通过百度网盘链接下载完整数据包，解压后按目录结构访问中频信号、5G数据及惯性测量数据。对于5G观测部分，每个基站的数据以数组形式存储，包含基站标识、位置信息、真实距离、SSB与PRS测量距离以及俯仰角与方位角的真实值与估计值，可直接用于定位算法或欺骗检测模型的训练与测试。惯性数据则按误差等级分文件存储，用户可根据需要选择原始无误差或不同误差等级的数据进行融合导航仿真。轨迹文件支持ENU与XYZ坐标系转换，便于结合具体应用场景进行轨迹重建与可视化分析。

背景与挑战

背景概述

随着全球导航卫星系统（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定位导航领域的重要安全议题。BDS欺骗数据集由国内研究机构于近年构建，旨在模拟北斗卫星导航系统在复杂电磁环境下的混合欺骗攻击场景。该数据集通过融合中频信号、5G系统伪距与到达角观测数据，并结合不同精度等级的惯性导航传感器输出，为多源信息融合的抗欺骗算法研究提供了高保真的实验基准。其核心研究问题聚焦于提升GNSS接收机在面临协同欺骗攻击时的鲁棒性与可靠性，对推动高安全等级导航系统的技术演进具有显著的学术价值与工程影响力。

当前挑战

在卫星导航安全领域，欺骗攻击检测与缓解面临多重挑战：如何有效区分真实信号与高动态模拟的欺骗信号，以及如何在多源异构数据中实现实时、高精度的异常识别。该数据集构建过程中，研究者需精确模拟七种混合欺骗场景，涵盖信号层至观测层的多维参数配置，并协调中频信号与5G观测数据的时间同步。同时，生成不同精度等级的惯性测量单元数据时，需严格建模各类传感器的误差特性，确保数据集的物理一致性与真实性，这为数据生成与验证带来了较高的技术复杂度。

常用场景

经典使用场景

在导航与定位技术领域，BDS欺骗数据集为研究多源融合定位系统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值，以及不同精度等级的惯性导航传感器数据，使得研究人员能够深入分析在复杂电磁环境下，如何有效融合卫星导航、5G通信与惯性测量单元信息，以提升定位系统的鲁棒性与精度。

解决学术问题

该数据集主要解决了导航安全与高精度定位中的核心学术问题，特别是针对全球导航卫星系统欺骗攻击的检测与缓解策略。通过提供包含真实与估计观测值的对比数据，它支持了信号完整性验证、多源数据融合算法开发，以及不同等级惯性传感器误差建模的研究，为构建抗干扰、防欺骗的下一代定位系统奠定了数据基础。

实际应用

在实际应用层面，BDS欺骗数据集对于智能交通、无人机导航和军事安防等领域具有显著价值。例如，在自动驾驶车辆中，利用该数据集可以训练和测试融合定位算法，确保在城区峡谷或信号受干扰环境下仍能维持可靠导航；同时，它也为通信与导航一体化系统的性能评估提供了标准化测试基准。

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欺骗干扰数据集为研究多源信息协同抗欺骗技术提供了关键支撑。当前前沿研究聚焦于利用该数据集模拟的混合场景，结合5G测距测角观测与不同精度等级的惯性导航数据，开发深度学习驱动的欺骗信号检测与定位算法。随着自动驾驶与无人机应用对高精度定位安全需求的提升，该数据集助力探索基于异构传感器融合的鲁棒性防御机制，以应对日益复杂的电磁干扰威胁，对保障关键基础设施的时空信息安全具有重要实践意义。