一种基于“引领式”群驱离的无人机群诱导反制方法与系统技术方案

本发明专利技术提出一种基于“引领式”群驱离的无人机群诱导反制方法与系统，属于反制无人机群技术领域。针对现有技术中选定对抗目标时主观性较强会出现误判对抗目标的问题，本发明专利技术的方法针对多领航分簇结构无人机群，通过提取机群可对抗关键特征，经过分析其运动轨迹曲线的平滑度识别机群中的可对抗关键个体，针对簇首领航机和簇内跟随机设定相应对抗策略并建立诱骗信号模型，将卫星导航诱骗信号注入机群中的部分簇首无人机，利用无人机群分布式体系结构特性，在簇内交互传播与簇间牵引作用下，将诱骗信号传播至整个机群，从而实现无人机群的整体驱离，与传统方式相比，具有反制效费比高、反制效果可控的特点。制效果可控的特点。制效果可控的特点。

【技术实现步骤摘要】
一种基于“引领式”群驱离的无人机群诱导反制方法与系统


[0001]本专利技术属于反制无人机群
，特别涉及一种基于“引领式”群驱离的无人机群诱导反制方法与系统。

技术介绍

[0002]随着群体智能、系统集成、组网通信和协同控制等技术的发展，无人机群自主化和智能化取得了快速发展，在抢险救灾、通信中继、协同巡视和集群打击等领域具有广阔的发展前景。然而，由于集群技术的滥用，无人机群带来的风险隐患和安全威胁日益突出，对重要人员、敏感区域和重点设施造成了极大威胁。
[0003]现有的无人机反制方法包括密集武器拦截、高能激光攻击、高功率微波抗击、幕型拦截、无线电干扰、数据链路夺控与导航诱骗等；上述方法在反制无人机群时，是通过火力毁伤或通信干扰等对抗单个无人机的方式反制整个无人机群，无论是针对所有无人机地位平等的无领航结构，还是分层有序的多领航分簇结构，均存在毁伤效果差、反制效费比低等问题，难以达到无人机群的全向突防的目的。
[0004]现如今，多领航分簇结构无论在自然界的生物群体还是实际工程应用中都更为普遍，更具实用价值，为了实现多领航分簇结构无人机群的有效反制，应选定并反制机群中部分关键无人机，将诱骗信号从部分关键无人机传播到整个机群，达到以点带面的机群整体反制效果。经检索，专利号为CN113743565B、名称为一种基于群体体系结构的无人机蜂群反制方法的中国专利技术专利，该现有技术中包含无分簇结构和多分簇结构两种无人机蜂群体系，通过分析蜂群空间分布和运动轨迹特征对蜂群体系结构分类，针对不同体系结构选定相应可反制关键无人机，其中公开的多分簇结构蜂群的簇首领航机是根据无人机分簇的特征分割成多层次的子分簇区域，再结合体积、外观特征、运动轨迹最终确定簇首领航机。但是，上述现有技术中公开的选定关键无人机的方法只给出了定性描述，即根据无人机群的运动特征等信息通过主观判断获取簇首领航机作为可反制关键无人机，会存在选定不准确或误判的可能，从而导致整体反制效率降低。

技术实现思路

[0005]针对上述已有技术中存在的问题，本专利技术旨在提出一种基于“引领式”群驱离的无人机群诱导反制方法与系统，本方法通过提取多领航分簇结构无人机群的空间分布特性，提取机群可对抗特征，结合多领航分簇结构无人机群的合作与竞争、吸引与避撞的工作机制，设计与之对应的卫星导航欺骗策略并构建相应模型，通过对机群中关键无人机进行诱骗，达到反制整个无人机群的目的，具有反制效果可控、附带损害小的优势。
[0006]本专利技术通过采用以下技术方案来实现上述技术目的：
[0007]一种基于“引领式”群驱离的无人机群诱导反制方法，其特征在于，包括以下步骤：
[0008]Step1：对来袭的多领航分簇结构无人机群进行实时监测，获取无人机群的空间分布特征；
[0009]Step2：基于无人机群的空间分布特征，识别并选定簇首领航机作为可反制关键无人机；
[0010]Step3：针对可反制关键无人机，制定簇内体系结构与簇间作用关系的对抗策略；
[0011]Step4：对簇首领航机和簇内跟随机建立导航诱骗信号模型，对关键无人机发布导航诱骗信号；
[0012]Step5：根据来袭无人机群的运动轨迹是否偏离预期轨迹判定反制效果，若偏离，则反制结束；否则转向Step1。
[0013]为了实现上述目的，进一步地，Step1所述的获取无人机群的空间分布特性的过程包括：
[0014]Step101：同时获取无人机群的红外、雷达和/或可见光成像等多源图像信息；
[0015]Step102：对获取的无人机群多源图像信息，采用基于离散小波变换的信息融合算法，把图像分解成低频图像和细节(高频)图像的组合，提取原始图像的结构信息和细节信息，实现多源信息融合和图像重构，避免了平均图像融合算法图像对比度不高、细节不丰富的问题；
[0016]Step103：利用各源图像之间信息的冗余性和互补性，提高探测信息的准确度，进而计算得到无人机群的空间分布信息。
[0017]进一步地，上述Step102中离散小波变换的信息融合算法具体如下：
[0018]Step1021：对多源图像进行小波变换，得到分解后的一个低频分量和三个不同方向的高频分量，求得各自的小波分解系数；
[0019]Step1022：对小波变换分解后的低频分量和高频分量进行融合，得到新的融合小波分解系数，对于低频分量融合采取基于图像局部能量的计算方法，对于高频分量融合采取基于极大值的选择规则；
[0020]Step1023：对Step1022中的得到的新的融合小波分解系数进行小波逆变换重构得到融合图像。
[0021]进一步地，Step2所述的识别并选定可反制关键无人机的过程包括：
[0022]Step201：根据获取的无人机群空间分布特性，绘制得到各无人机的速度
‑
时间、位置
‑
时间和运动轨迹曲线；
[0023]Step202：对上述得到的运动轨迹曲线的平滑度设定阈值λ，选择平滑度小于阈值λ的无人机作为关键无人机的备选；
[0024]Step203：利用簇首领航机的体积和外观特征，以可疑目标位置为初始点，对备选的关键无人机进行追踪记录，剔除明显不符合簇首领航机运动特性的无人机，得到簇首领航机作为可反制关键无人机。
[0025]进一步地，Step3所述的制定簇内体系结构和簇间作用关系的对抗策略的过程包括：
[0026]Step301：在基于运动轨迹的簇间关系对抗策略中，诱骗信号对簇的簇首领航机产生作用并在其内部分布式交互传播；
[0027]Step302：利用不同簇之间的牵引作用，通过各簇首领航机之间的交互关系，将诱骗信号的影响作用扩散到与簇发生交互牵引作用的簇中，并在簇内部以局部交互的
形式传播；
[0028]Step303：诱骗信号通过各分簇内部相邻无人机的相互作用、不同分簇之间的协作与牵引作用扩散到整个无人机群，诱导无人机群偏离预期运动轨迹以偏离任务目标，实现多领航分簇结构无人机群的有效反制。
[0029]进一步地，Step4所述的建立导航诱骗信号模型的具体过程包括：
[0030]Step401：针对簇首领航机和簇内跟随机构建的导航诱骗信号模型如下：
[0031][0032][0033]其中，代表无人机i所在分簇，代表除簇以外的其余分簇，公式(1)中，δ
i
(t)表示t时刻诱骗信号作用蜂群中的无人机i受到的总影响，和分别表示t时刻诱骗信号作用下簇和簇对簇中无人机i影响；公式(2)中，w
i0
(t),w
ij
(t)分别表示t时刻簇首无人机和簇内无人机j对无人机i的作用权重，为t时刻的诱骗信号，和分别表示t时刻簇中簇首无人机、簇内无人机i和无人机j的状态，和分别表示t时刻簇中簇内无人机i和无人机j的编队向量，表示簇所有无人机构成的集合；公式(3)中，d
i
为牵制本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于“引领式”群驱离的无人机群诱导反制方法，其特征在于，包括以下步骤：Step1：对来袭的多领航分簇结构无人机群进行实时监测，获取无人机群的空间分布特征；Step2：基于无人机群的空间分布特征，识别并选定簇首领航机作为可反制关键无人机；Step3：针对可反制关键无人机，制定簇内体系结构与簇间作用关系的对抗策略；Step4：对簇首领航机和簇内跟随机建立导航诱骗信号模型，对关键无人机发布导航诱骗信号；Step5：根据来袭无人机群的运动轨迹是否偏离预期轨迹判定反制效果，若偏离，则反制结束；否则转向Step1。2.根据权利要求1所述的一种基于“引领式”群驱离的无人机群诱导反制方法，其特征在于，Step1所述的获取无人机群的空间分布特性的过程包括：Step101：同时获取无人机群的红外、雷达和/或可见光成像等多源图像信息；Step102：对获取的无人机群多源图像信息，采用基于离散小波变换的信息融合算法，把图像分解成低频图像和细节图像的组合，提取原始图像的结构信息和细节信息，实现多源信息融合与图像重构；Step103：利用各源图像之间信息的冗余性和互补性，提高探测信息的准确度，进而计算得到无人机群的空间分布信息。3.根据权利要求2所述的一种基于“引领式”群驱离的无人机群诱导反制方法，其特征在于，上述Step102中离散小波变换的信息融合算法具体如下：Step1021：对多源图像进行小波变换，得到分解后的一个低频分量和三个不同方向的高频分量，并求得各自的小波分解系数；Step1022：对小波变换分解后的低频分量和高频分量进行融合，得到新的融合小波分解系数，对于低频分量融合采取基于图像局部能量的计算方法，对于高频分量融合采取基于极大值的选择规则；Step1023：对上述得到的新的融合小波分解系数进行小波逆变换重构得到融合图像。4.根据权利要求1所述的一种基于“引领式”群驱离的无人机群诱导反制方法，其特征在于，Step2所述的识别并选定可反制关键无人机的过程包括：Step201：根据获取的无人机群空间分布特性，绘制得到各无人机的速度
‑
时间、位置
‑
时间和运动轨迹曲线；Step202：对上述得到的运动轨迹曲线的平滑度设定阈值λ，选择平滑度小于阈值λ的无人机作为备选的关键无人机；Step203：利用簇首领航机的体积和外观特征，以可疑目标位置为初始点，对备选的关键无人机进行追踪记录，剔除明显不符合簇首领航机运动特性的无人机，得到剩余的簇首领航机作为可反制关键无人机。5.根据权利要求1所述的一种基于“引领式”群驱离的无人机群诱导反制方法，其特征在于，Step3所述的制定簇内体系结构和簇间作用关系的对抗策略的过程包括：Step301：在基于运动轨迹的簇间关系对抗策略中，诱骗信号对簇的簇首领航机产生
作用并在其内部分布式交互传播；Step302：利用不同簇之间的牵引作用，通过各簇首领航机之间的交互关系，将诱骗信号的影响作用扩散到与簇发生交互牵引作用...

【专利技术属性】
技术研发人员：席建祥，李威，秦东浩，李俊龙，王乐，高久安，樊红东，杨小冈，姚志成，范志良，李海龙，
申请(专利权)人：中国人民解放军火箭军工程大学，
类型：发明
国别省市：