1.基于模型参数辨识的欺骗干扰识别方法，其特征是按如下步骤：第一步：将发射机和干扰机等效为非线性模型；所述的非线性模型包括：无记忆多项式模型、Saleh模型、Hammerstein模型、Wiener模型、并联Wiener模型、并联Hammerstein模型、Wiener-Hammerstein模型、Volterra级数模型、记忆多项式模型、神经网络模型；

所述的无记忆多项式模型如下：

其中，M是多项式系数个数，d(n)是输入信号，bk是多项式系数；另外，在不改变系统特性的情况下，为了确定系统的唯一性，令b1＝1；第二步：将无线传输信道等效为FIR滤波器模型；

第二步：考虑到多径响应，将无线传输信道等效为FIR滤波器模型；

2

式(2)中，hk是信道响应系数，N是FIR滤波器的阶数，w(n)～N(0,σ)是加性高斯白噪声，y(n)为接收机接收到的信道输出信号；

第三步：对整个通信传输系统进行建模；

第四步：接收机根据接收到的数据码元y(n)，估计得到发射端的C/A码，根据输入输出利用系统辨识算法进行系统辨识，得到模型参数的估计值；

第五步：采用直观的欧氏距离检测法进行识别。

2.如权利要求1所述的基于模型参数辨识的欺骗干扰识别方法，其特征是：第四步：所述的系统辨识方法分为传统的系统辨识方法和智能算法。

3.如权利要求2所述的基于模型参数辨识的欺骗干扰识别方法，其特征是：第四步，所述的系统辨识方法选用智能算法中的狼群算法。

4.如权利要求3所述的基于模型参数辨识的欺骗干扰识别方法，其特征是：第五步：在利用系统辨识算法获得系统参数的估计值之后，采用直观的欧氏距离检测法进行识别，判决准则为：其中，假设H0表示接收机接收到的是欺骗干扰信号，H1表示接收机接收到的信号是真实信号；式(4)中，θ1为GPS发射机系统参数向量，θ2为干扰机系统参数向量，是根据系统的输入输出估计得到的参数向量。