一种基于群体行为特征的无人机蜂群反制方法技术

本发明专利技术公开了一种基于群体行为特征的无人机蜂群反制方法，本方法通过装备在移动载体上的探测识别设备采集无人机蜂群的雷达、红外信息和可见光图像；用多源信息融合方法预测无人机的空间位置，实现蜂群方位与成员位置检测；用群体行为特征分析无人机蜂群队形和运动轨迹，识别蜂群可反制关键节点；针对关键无人机生成导航欺骗信号，错误信号将由分布式交互网络传播至整个蜂群，迫使无人机蜂群偏离原有航迹，实现对无人机蜂群的反制；本发明专利技术通过对无人机蜂群行为特征的应用，弥补了反制无人机蜂群能力不足的问题，有利于解决无人机蜂群的全向突防对重要经济设施的威胁，有效实现了对无人机蜂群的反制。无人机蜂群的反制。无人机蜂群的反制。

【技术实现步骤摘要】
一种基于群体行为特征的无人机蜂群反制方法


[0001]本专利技术涉及无人机防御
，具体涉及一种基于群体行为特征的无人机蜂群反制方法。

技术介绍

[0002]无人机蜂群具备自组织性、强鲁棒性、规模弹性和低成本性等优势，是未来军队适应复杂战场环境、提升作战能力的重要博弈手段；无人机蜂群的普遍应用为各层次对抗提供了更大的战略空间以及战术选择，推动无人机作战传统样式转变，却也对重要军事设施以及作战任务的遂行造成严重威胁；现有的无人机蜂群反制方法多以针对单架无人机的思路实现对整体的反制，无法有效应对无人机蜂群带来的威胁；
[0003]而且由于无人机蜂群的自主化、体系化、智能化特点，现有反制方法很难有效应对蜂拥而至的无人机蜂群，如何利用无人机蜂群群体智能涌现机理从原理层面实现内部突破是反制无人机蜂群的关键；此外，对无人机蜂群的反制要在保证反制成功率的基础上，遵守相关法律要求和道德，控制毁伤范围，考虑技术成本及可推广性；
[0004]因此，如何利用蜂群行为特征，应用于对无人机蜂群的反制上，实现以点带面的反制效果成了无人机蜂群反制领域的一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于群体行为特征的无人机蜂群反制方法，其特征在于：包括步骤一：在移动载体上设置探测识别设备、中心控制设备和导航欺骗设备，中心控制设备中存储有无人机蜂群行为特征信息，用于处理探测识别设备采集的信息；步骤二：探测识别设备获取不同地点、不同方位的无人机蜂群信息，并将数据上传到中心控制设备中进行多源信息融合，获取无人机蜂群的方位和各成员的位置及状态信息；步骤三：利用中心控制设备根据无人机蜂群中成员的目标
‑
吸引和避撞
‑
斥力的行为特征，结合采集到的无人机蜂群的方位和各成员的位置及状态信息，确定无人机蜂群关键节点位置，并实现对该节点的跟踪；步骤四：利用导航欺骗设备针对关键无人机发射错误位置信号，将位置误差项引入蜂群中的关键节点中；步骤五：将错误信号模型引入无人机蜂群通信网络，并利用机间分布式交互手段将欺骗信号传播至整个蜂群，利用行为特征实现以点带面的反制。2.根据权利要求1所述的一种基于群体行为特征的无人机蜂群反制方法，其特征在于：步骤三所述的无人机蜂群关键节点位置的获取过程包括：S301.根据无人机蜂群聚集状态，构建无人机蜂群状态描述模型；S302.根据无人机蜂群状态描述模型中成员的目标
‑
吸引特征，构建基于节点i的吸引作用模型；其中：节点i表示检测蜂群的邻居较多的节点；S303.根据无人机蜂群状态描述模型中成员的避撞
‑
斥力特征，构建无人机j受到的其它无人机的斥力模型；S304.以吸引作用模型和斥力模型为基础，利用全连接法和高斯核函数来确定无人机蜂群的可对抗节点。3.根据权利要求2所述的一种基于群体行为特征的无人机蜂群反制方法，其特征在于：步骤S301所述的无人机蜂群状态描述模型的构建过程包括：无人机蜂群要在聚集时，各无人机对聚集地的位置一致，因此一个由架无人机组成的无人机蜂群可以描述为其中：A∈R
d
×
d
，B∈R
d
×
m
，x
i
(t)∈R表示无人机的状态(协调变量)，R表示实数集，d和m表示A和B矩阵的维度，u
i
(t)表示无人机的控制输入；且在上述式(1)的模型中，对于任意的有限初始状态x
i
(0)，存在控制器u
i
(t)使则无人机蜂群实现一致。4.根据权利要求2所述的一种基于群体行为特征的无人机蜂群反制方法，其特征在于：步骤S302所述的基于节点i的吸引作用模型的建立过程包括：对于节点i，构建如下吸引作用模型：式中：i＝1,2,
…
,N，N为蜂群节点数量，ξ
i
(t)表示节点j对节点i的吸引作用，x
j
(t)和
分别表示节点j的状态和定位信息，表示无人机的编队向量，N
i
为节点i所有相邻节点构成的集合，w
i...

【专利技术属性】
技术研发人员：席建祥，王希聪，杨小冈，王乐，范志良，陈璐，蔡光斌，
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：