美军有/无人机协同作战研究现状与分析

近几年来,以"忠诚僚机"作战模式为主要代表的有/无人机协同作战被日益关注,并成为未来第六代穿透型空中作战的发展趋势之一。文章简介了有/无人机协同作战的内涵,并以美军为主要对象,分析其在有/无人机协同作战方面的主要进展,梳理有/无人机协同作战的关键技术。对我国相关技术和装备的发展,具有一定的参考价值。     

反辐射无人机作战仿真研究

通过分析反辐射无人机的作战过程,给出了单架次反辐射无人机作战仿真软件逻辑框图,定义了多个对反辐射无人机装备论证和作战使用有指导意义的作战效能评估指标,并针对大量仿真结果,给出了各个指标值的计算方法。     

面向无人机海上侦察任务的自适应粒度分解策略研究

无人机海上侦察作战任务自动规划的前提是任务分解,分解策略的通用性和分解粒度的合理性直接影响任务规划的速度和实际效果。对无人机海上侦察任务具有随机性强、复杂度高、动态性明显等特点,提出了一种基于军事领域知识库的无人机海上侦察任务自适应粒度分解策略,构建了无人机海上侦察领域知识图谱和自适应粒度任务分解模型,并以海上编队护航背景下的无人机侦察任务为例,实施了任务分解策略验证,结果表明分解策略较传统任务分解方法具有更佳的稳定性和适应性。     

面向非广域目标的无人机对峙跟踪方法

针对无人机对峙跟踪非广域目标问题,开展目标状态估计与无人机制导方法研究。首先建立非广域地理环境模型,将非广域地理约束作为伪观测方程引入粒子滤波器的观测方程。其次,鉴于目标在运动过程中可能受到多个模型的约束,采用交互多模型滤波算法进行状态估计,即每个模型对应的受约束粒子滤波器并行工作,并对多个滤波器估计结果进行加权,得到更精确的目标运动状态估计值。然后,提出时间最优导航向量场,通过计算期望航向角,引导无人机快速收敛至目标极限环。最后,仿真实验表明,受约束粒子滤波-多交互模型算法相比于传统的滤波算法,估计精度提高了20%,时间最优导航向量场方法相比于传统的导航向量场方法,引导效率提高了15%,所提方法可更有效地用于解决非广域目标对峙跟踪问题。     

一种用于UAV辅助蜂窝网络的基站对无人机群的安全认证协议

由于采用无线通信,基于无人机应用易受安全攻击。与蜂窝基站建立信任是增强无人机网络抵御安全攻击的有效措施。由于无人机的资源受限,传统的信任机制并不适用。提出基于最优路径的可扩展安全认证协议（scalable security authentication protocol based on optimal path,SCOP）。SCOP协议利用Christofides算法构建最优路径,基站再依据此路径传输组合的认证消息,降低认证开销。同时,SCOP引用物理不可克函数和简易加密操作,确保物理层安全,降低无人机端的计算开销。通过BAN逻辑证明了SCOP协议的正确性。性能分析表明,相比于同类的认证协议,提出的SCOP协议降低了认证开销,减少了无人机端的运算时间。     

军用无人机的发展

在海湾战争和科索沃战争中,无人机成功地遂行了侦察、战场监视、目标定位及诱骗等任务,其出色的表现倍受世界各国军方的重视和青睐。为此,有人曾预言:到2025年,作战飞机中有人驾驶的飞机可能还不到10%,而高性能的无人机将迅速地朝着自动化、智能化发展,同时.还将具有很强的隐身性能和极强的续航能力,能够高空待命一个月或更长的时间,而一旦接到控制人员的指令,这些无人机将能够发射空空导弹或空地武器,准确无误地摧毁目标。可以确信,随着高新技术在航空领域的普     

未来的作战保障无人机

无人机的发展至今已有80多年的历史。历次战争需求的牵引,现代技术进步的推动,使无人机已从早期的靶机发展成为今天大型像美国的“全球鹰”无人机(机身长13.53米)之巨,小型至美国的“微星”无人机(机身仅长0.15米)之微的种类繁多的军用航空平台。多次战争的实践,使无人机系统成为现代军事武器系统中发展最快、且最活跃的科研与装备领域之一。随着高技术不断应用于无人机,未来无人机的整体性能将得到大幅度的提高,在战争舞台上将扮演更为重要的角色。本文主要介绍用于作战保障的无人机。     

美军打拉丹 祭出新法宝

几乎在每次战争中,崇尚武器和技术的美国人都能推出几种新鲜玩意儿,这次美英对阿富汗动武也不例外。美国各军种都想借机检验一下自己手中的武器在战场上灵光不灵光,于是阿富汗战场又成了美军的武器试验场。从目前情况来看,美国在阿富汗使用的较具代表性的新式武器有以下两种。从无人侦察机到无人攻击机的”捕食者” 2001年10月17日,美军出动“捕食     

基于改进多维粒子群的多无人机任务分配方法

针对复杂战场环境下的多无人机任务规划解空间维度不确定、任务需求随时间变化等问题,提出了一种基于改进多维粒子群算法的多无人机任务分配方法。该方法构建了适应度函数集,应用多个适应度函数来限制种群趋向,同时采用基于时变目标价值的映射变量,建立目标价值随时间变化的多无人机目标决策模型;而后引入整数编码机制,构建面向任务序列的多维粒子,利用改进的自适应多维粒子群算法,得到最优维度下多无人机的任务分配优化方案。仿真实验结果表明：基于改进多维粒子群算法的多无人机任务规划方法可在最优解空间下,获得更好的任务动态分配效果,收敛速度更快,具有良好的推广应用前景。