恶意干扰下无人机机间鲁棒通信飞行轨迹优化方法技术

本发明专利技术提出了一种恶意干扰下无人机机间鲁棒通信飞行轨迹优化方法，该系统通过无人机飞行策略的同步与配合，在保证面对恶意干扰无人机机间通信链路不中断的同时最大化无人机机间的通信容量，从而有效提升其通信质量。基于此，建立了以无人机机间通信容量最大化为优化目标的无人机轨迹优化方案。而后，通过利用构建的双延迟深度确定性策略梯度深度强化学习框架，对无人机机间通信容量优化问题进行求解。数值结果表明，该方法可在恶意干扰环境下实现无人机机间鲁棒、稳定通信。

【技术实现步骤摘要】

本专利技术涉及无人机通信与控制，尤其涉及一种恶意干扰下无人机机间鲁棒通信飞行轨迹优化方法。

技术介绍

1、随着无人机通信技术的飞速发展，各种干扰无人机通信的手段层出不穷，对无人机通信安全的需求日益增长。传统无人机的强机动性和灵活性，为其通过规划飞行轨迹躲避恶意干扰信号，保证无人机通信链路安全提供了可能性。

2、随着无人机(unmanned aerial vehicles，uav)技术迅猛发展，应用场景愈加广泛，uav间的通信变得愈发重要。然而随着恶意干扰技术的不断演进，uav安全通信面临严峻挑战。传统的抗干扰技术依赖于静态信道模型，无法有效应对高动态的复杂干扰环境，难以保障恶意干扰下的无人机稳定通信。

3、因深度强化学习在高动态场景下展现了强大的优化决策能力，其通过构建智能体与环境之间的交互模型，进行自我学习和探索，能够实时适应复杂的高动态场景，在高动态无人机通信中具有广阔的应用前景。在伴随恶意干扰下的无人机机间通信环境中，利用深度强化学习能够优化无人机的飞行轨迹和调整通信策略，有效应对恶意干扰带来的挑战。与传统优化方法相比，深度强本文档来自技高网...

【技术保护点】

1.恶意干扰下无人机机间鲁棒通信飞行轨迹优化方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的恶意干扰下无人机机间鲁棒通信飞行轨迹优化方法，其特征在于，在步骤S1中，建立一张有界方形地图，地图尺寸为Lmap×Lmap，在其中部署无人机网络和恶意干扰源，其中无人机网络由两架无人机组成，彼此之间采用全双工通信；若干恶意干扰源随机分布在地图上，位置为isi表示第i个干扰源；两架无人机的起点分别为和终点分别为和无人机在执行起点飞往终点的任务时保持通信；所有无人机与干扰源均配备单全向天线。

3.根据权利要求1所述的恶意干扰下无人机机间鲁棒通信飞行轨迹优化方法，其特征...

【技术特征摘要】

1.恶意干扰下无人机机间鲁棒通信飞行轨迹优化方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的恶意干扰下无人机机间鲁棒通信飞行轨迹优化方法，其特征在于，在步骤s1中，建立一张有界方形地图，地图尺寸为lmap×lmap，在其中部署无人机网络和恶意干扰源，其中无人机网络由两架无人机组成，彼此之间采用全双工通信；若干恶意干扰源随机分布在地图上，位置为isi表示第i个干扰源；两架无人机的起点分别为和终点分别为和无人机在执行起点飞往终点的任务时保持通信；所有无人机与干扰源均配备单全向天线。

3.根据权利要求1所述的恶意干扰下无人机机间鲁棒通信飞行轨迹优化方法，其特征在于，在步骤s2中，将地图划分为个n×n单元格，每个单元格的边长为lnet＝lmap/n；无人机执行任务最大用时为t，将时间划分为m...

【专利技术属性】
技术研发人员：梁小朋，王忠南，邓茜，李太君，刘世豪，张智，张状，吴文俊，罗誉恒，
申请(专利权)人：海南大学，
类型：发明
国别省市：