无人机测控系统Turbo-MAP译码方法

无人机测控数据链系统与地面控制站进行的是遥测数据、侦察图像及遥控指令的传输,因此,高质量的通信是确保无人机数据链发挥效能的关键技术之一。针对无人机信道的特点和要求,研究了无人机信道的Turbo-MAP译码模型,提出一种无人机测控系统Turbo-MAP译码方法,并针对各种参数条件进行了Matlab仿真。实验结果证明,该方法能够保证在发送数据的时候尽量使用长度较长的数据包且增加交织深度,并显著提升译码BER性能。     

一种组件化的无人机机动模型设计与实现

在联合作战背景下,无人机已然是不可或缺的作战力量,因此,在基于联合作战的仿真系统中,研究并建立无人机模型是当前的工作重点。针对无人机空中机动行为的建模需求,采用组件化建模的方法,设计并构建了固定翼的无人机机动模型,初步实现了无人机的空中机动行为,最后通过仿真推演,验证了模型的可用性与合理性。     

基于分组优化改进粒子群算法的无人机三维路径规划

针对粒子群算法在解决三维路径规划问题中遇到的过早成熟、陷入局部最优等问题,借鉴鸡群算法中的分组优化策略,对粒子群算法中的粒子进行分组处理,并在小组粒子更新时采取模拟退火操作,提高了粒子群算法的局部搜索能力,有效避免了陷入局部最优和早熟的现象。利用MATLAB进行实验仿真,验证了使用鸡群分组优化策略和模拟退火操作改进后的粒子群算法在解决无人机三维路径规划问题上的可行性和有效性,实验结果表明,改进后的算法具有更强的局部搜索能力且规划的航迹稳定性更好。     

面向无人机识别网络中链路中断概率的优化算法

针对无人机识别网络,提出基于时间和带宽资源分配的链路中断概率优化算法（time and bandwidth allocation-based outage probability optimal algorithm,TBAP）。在TBAP算法中,先推导了中断概率的闭合表达式。再建立基于时间和带宽资源分配的中断概率最小化的目标问题,然后运用快速收敛算法求解目标问题,进而获取最优的时间和带宽分配策略。仿真结果表明,相比于传统的二分分配法,TBAP算法具有更低的中断概率。     

采用改进Sage-Husa自适应滤波的运动目标三维定位方法

提出不依赖于测距信息,利用两架基于视觉的无人机对运动目标进行三维交会定位的方法。采用多模型交互方法实现在不预知目标运动模式的条件下对运动目标的实时定位;采用改进的Sage-Husa自适应滤波算法,综合协方差匹配技术和正定性判断,提高了定位精度。为评估这些方法的性能,模拟真实观测条件进行仿真。结果表明,提出的方法可以实时对运动目标的三维坐标进行估计。改进的Sage-Husa自适应滤波算法可以显著提高定位精度,在90°观测夹角下,平均估计误差从27.13 m降低到14.62 m。仿真研究了两无人机观测夹角对定位的影响,结果表明:过小的夹角不利于定位精度的提高;较大的夹角对无滤波定位方法有较好的效果,但对基于改进的Sage-Husa自适应滤波算法的定位方法影响并不明显。     

舰载无人机对海突击作战效能评估研究

舰载无人机是现代海军的重要装备,对舰载无人机作战效能的研究是近年来作战效能评估领域研究的热点。针对舰载无人机对海突击作战效能评估问题,提出了一种将层次分析法(AHP)、模糊综合评判法(FCE)和ADC法相结合的方法。基于舰载无人机对海突击作战使命任务,运用OODA环理论抽象出舰载无人机对海突击作战任务剖面,开展了关于舰载无人机对海突击作战能力的研究,引入对抗因子Z,通过建立效能评估指标体系,构建舰载无人机对海突击作战效能评估模型,同时引入算例对模型进行验证。通过算例计算出舰载无人机作战效能为0.8602,并对其作战过程进行仿真推演,表明了模型的可行性,为舰载无人机的设计论证和作战运用提供技术支撑。     

针对无人机集群对抗的规则与智能耦合约束训练方法

基于无人机集群智能攻防对抗构想,建立了无人机集群智能攻防对抗仿真环境。针对传统强化学习算法中难以通过奖励信号精准控制对抗过程中无人机的速度和攻击角度等问题,提出一种规则与智能耦合约束训练的多智能体深度确定性策略梯度(rule and intelligence coupling constrained multi-agent deep deterministic policy gradient, RIC-MADDPG)算法,该算法采用规则对强化学习中无人机的动作进行约束。实验结果显示,基于RIC-MADDPG方法训练的无人机集群对抗模型能使得红方无人机集群在对抗中的胜率从53%提高至79%,表明采用“智能体训练—发现问题—编写规则—再次智能体训练—再次发现问题—再次编写规则”的方式对优化智能体对抗策略是有效的。研究结果对建立无人机集群智能攻防策略训练体系、开展规则与智能相耦合的集群战法研究具有一定参考意义。     

基于态势预测的无人机防相撞控制方法

针对无人机自主飞行过程中,受空中非协作移动目标威胁较大,且空中移动威胁存在高机动性的特点,提出一种预测移动威胁情况下的无人机防撞控制方法,该方法采用交互多模(IMM)算法预测移动威胁的运动状态,同时利用滚动时域控制(RHC)思想建立无人机运动控制模型,构造有约束目标函数,运用微分进化算法(DE)求解目标函数,获取最优控制量,输入控制模型,完成防撞机动控制。仿真结果表明,该方法可以有效解决空中多架航空器同时入侵的防撞问题。     

基于改进ACO算法的多UAV协同航路规划

针对无人机(Unmanned Aerial Vehicle,UAV)在执行任务过程中遇到的诸如敌方防空火力、地形障碍及恶略天气等各类威胁源,采用威胁源概率分布的方法进行威胁的量化处理,构建任务空间的威胁概率密度分布图,有效消除了威胁源的差异性。根据UAV在任务飞行过程中的性能约束与时、空协同约束,同时考虑任务过程中UAV的损毁概率最小、任务航程最短,构建了相应的综合任务航路代价最优化目标函数。结合传统蚁群优化算法(Ant Colony Optimization,ACO)在解决此类问题中的不足,给出了相应的改进策略,提出采用协同多种群ACO进化策略来实现多UAV在满足时、空协同约束下的协同航路规划。通过相应的仿真计算表明,改进后的ACO协同多种群进化策略算法更适用于多UAV协同任务航路规划问题,具有一定的实用性。从而为多UAV协同任务航路规划问题的求解提供了科学的决策依据。     

任务请求模式下无人机战场态势显示系统设计

任务请求模式是高空长航时无人机重要的作战使用模式,该模式下无人机侦察数据的判读和综合信息的显示存在着判读数据和综合信息所需的背景情报分散、目标关联困难等问题,需要将无人机的侦察数据、无人机综合信息与战场态势等相关背景信息进行情报结合和关联显示。为此,通过分析任务请求模式下高空长航时无人机作战模式和态势信息流程,总结该作战模式下无人机态势信息显示的可行性需求,进行了任务请求模式下无人机战场态势显示系统的概要设计。该系统利用通用战场态势等背景信息辅助进行无人机侦察数据的判读和综合信息的显示,可有效辅助无人机侦察任务的开展和执行。