【技术实现步骤摘要】
本专利技术涉及无人机，尤其是涉及一种无人机探测反制的假目标干扰优化方法、系统和设备。
技术介绍
1、无人机已越来越多的用于民用和军用任务，特别是在人类飞行员无法进入或危险的区域，无人机已被证明能成功、高效的进行目标探测和信息收集，现有的对提高无人机探测能力主要通过高效路径规划、多无人机合作、人机合作和人工智能增强探测技术等方面进行，而未考虑从对方的角度出发，对对方的无人机的探测能力进行反制，从而提高我方无人机的安全性、安保性和隐私性。
2、目前可采用假目标干扰的反制技术，通过模仿物理形状或电磁信号，引导对方侦察设备探测到虚假信息，则需要对假目标的部署位置进行合理布局，可降低探测真实目标的能力或概率，以欺骗侦察机上的飞行员和雷达。
技术实现思路
1、本专利技术的目的在于提供一种无人机探测反制的假目标干扰优化方法、系统和设备，用以优化假目标的部署位置，降低真实目标被探测的概率。
2、第一方面，本申请实施例提供了一种无人机探测反制的假目标干扰优化方法，包括：
3、采集任务场景表征信息；
4、基于任务场景表征信息，分别构建异构无人机群的最优探测任务分配与飞行路径模型和假目标最优部署模型；
5、利用分段遗传求解所述异构无人机群的最优探测任务分配与飞行路径模型，得到异构无人机群的最优飞行路径决策变量；
6、利用动态规则求解所述假目标最优部署模型，得到干扰后总探测成功率；
7、基于所述异构无人机群的最优飞行路径决
8、在可选的实施例中，基于任务场景表征信息，分别构建异构无人机群的最优探测任务分配与飞行路径模型和假目标最优部署模型，包括：
9、以无人机续航时长为约束和以干扰前总探测成功率最大化为目标，构建无人机群的最优探测任务分配与飞行路径模型：
10、
11、式中，w表示干扰前总探测成功率，m表示m个无人机的编号构成的集合，ωm表示m个任务子区域的编号构成的集合，pn,m为无人机m在任务子区域n上的干扰前探测成功率。
12、在可选的实施例中，利用分段遗传求解所述异构无人机群的最优探测任务分配与飞行路径模型，得到异构无人机群的最优飞行路径决策变量，包括：
13、异构无人机群的最优飞行路径决策变量表示为其中，1≤m≤m，0≤n1<n2≤n，n1,n2表示顶点，m表示第m个无人机的编号，m表示无人机的个数，n表示任务子区域的个数。
14、在可选的实施例中，基于任务场景表征信息，分别构建异构无人机群的最优探测任务分配与飞行路径模型和假目标最优部署模型，包括：
15、定义任务子区域的假目标决策变量，并确定任务子区域的假目标决策变量的取值约束值；
16、基于任务子区域的假目标决策变量，确定假目标部署的预算约束；
17、基于任务子区域的假目标决策变量和假目标部署的预算约束，得到假目标最优部署模型。
18、在可选的实施例中，基于任务子区域的假目标决策变量和假目标部署的预算约束，得到假目标最优部署模型，包括：
19、以假目标部署预算为约束，以干扰后总探测成功率最小化为目标，构建假目标最优部署模型：
20、
21、式中，q表示干扰后总探测成功率，pn′,m为无人机m在任务子区域n上的干扰后探测成功率，yn表示任务子区域n的假目标部署决策变量，表示最优飞行路径下无人机的所有途径任务子区域的集合。
22、在可选的实施例中，采集任务场景表征信息，包括：
23、基于不同的任务子区域建模成顶点、子区域间的路径建模成边和路径的直线长度建模成边的权重，确定任务场景表征信息。
24、在可选的实施例中，任务场景表征信息，包括：无人机续航时长、干扰前探测成功率、干扰后探测成功率、假目标部署预算参数表征。
25、第二方面，本申请提供了一种无人机探测反制的假目标干扰优化系统，包括：
26、采集模块，用于采集任务场景表征信息；
27、构建模块，用于基于任务场景表征信息，分别构建异构无人机群的最优探测任务分配与飞行路径模型和假目标最优部署模型；
28、优化模块，用于利用分段遗传求解所述异构无人机群的最优探测任务分配与飞行路径模型，得到异构无人机群的最优飞行路径决策变量；利用动态规则求解所述假目标最优部署模型，得到干扰后总探测成功率；
29、部署模块，用于基于所述异构无人机群的最优飞行路径决策变量和所述干扰后总探测成功率，确定假目标最优部署方案。
30、第三方面，本申请实施例又提供了一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面任一项所述的方法的步骤。
31、第四方面，本申请实施例又提供了一种计算机可读存储介质，所述计算机可读存储介质存储有机器可运行指令，所述机器可运行指令在被处理器调用和运行时，所述机器可运行指令促使所述处理器运行上述第一方面任一项所述的方法。
32、本专利技术提供的一种无人机探测反制的假目标干扰优化方法、系统和设备，通过采集任务场景表征信息；基于任务场景表征信息，分别构建异构无人机群的最优探测任务分配与飞行路径模型和假目标最优部署模型；利用分段遗传求解所述异构无人机群的最优探测任务分配与飞行路径模型，得到异构无人机群的最优飞行路径决策变量；利用动态规则求解所述假目标最优部署模型，得到干扰后总探测成功率；基于所述异构无人机群的最优飞行路径决策变量和所述干扰后总探测成功率，确定假目标最优部署方案，可以优化假目标的部署位置，从而能最大程度的降低真实目标被探测的总成功率。
本文档来自技高网...【技术保护点】
1.一种无人机探测反制的假目标干扰优化方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，基于任务场景表征信息，分别构建异构无人机群的最优探测任务分配与飞行路径模型和假目标最优部署模型，包括：
3.根据权利要求2所述的方法，其特征在于，利用分段遗传求解所述异构无人机群的最优探测任务分配与飞行路径模型，得到异构无人机群的最优飞行路径决策变量，包括：
4.根据权利要求1所述的方法，其特征在于，基于任务场景表征信息，分别构建异构无人机群的最优探测任务分配与飞行路径模型和假目标最优部署模型，包括：
5.根据权利要求4所述的方法，其特征在于，基于任务子区域的假目标决策变量和假目标部署的预算约束，得到假目标最优部署模型，包括：
6.根据权利要求1所述的方法，其特征在于，采集任务场景表征信息，包括：
7.根据权利要求6所述的方法，其特征在于，任务场景表征信息包括：无人机续航时长、干扰前探测成功率、干扰后探测成功率、假目标部署预算参数表征。
8.一种无人机探测反制的假目标干扰优化系统，其特征在于，
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至7中任一项所述的方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有机器可运行指令，所述机器可运行指令在被处理器调用和运行时，所述机器可运行指令促使所述处理器运行上述权利要求1至7中任一项所述的方法。
...【技术特征摘要】
1.一种无人机探测反制的假目标干扰优化方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，基于任务场景表征信息，分别构建异构无人机群的最优探测任务分配与飞行路径模型和假目标最优部署模型，包括：
3.根据权利要求2所述的方法，其特征在于，利用分段遗传求解所述异构无人机群的最优探测任务分配与飞行路径模型，得到异构无人机群的最优飞行路径决策变量，包括：
4.根据权利要求1所述的方法，其特征在于，基于任务场景表征信息，分别构建异构无人机群的最优探测任务分配与飞行路径模型和假目标最优部署模型，包括：
5.根据权利要求4所述的方法，其特征在于，基于任务子区域的假目标决策变量和假目标部署的预算约束，得到假目标最优部署模型，包括：
6.根...
【专利技术属性】
技术研发人员：罗望春，张兴华，莫兵兵，石志彬，张福，刘洪驿，王鸿涛，吴烨，余德泉，李翔，兰青，
申请(专利权)人：中国南方电网有限责任公司超高压输电公司电力科研院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。