CN111323772A - 基于射频隐身的有/无人机混合编队协同任务分配方法 - Google Patents
基于射频隐身的有/无人机混合编队协同任务分配方法 Download PDFInfo
- Publication number
- CN111323772A CN111323772A CN202010102698.3A CN202010102698A CN111323772A CN 111323772 A CN111323772 A CN 111323772A CN 202010102698 A CN202010102698 A CN 202010102698A CN 111323772 A CN111323772 A CN 111323772A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- probability
- radar
- hybrid formation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/87—Combinations of radar systems, e.g. primary radar and secondary radar
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/28—Details of pulse systems
- G01S7/282—Transmitters
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于射频隐身的有/无人机混合编队协同任务分配方法,包括:确定有/无人机混合编队雷达搜索扫描方式,以及用目标探测概率表征有/无人机混合编队的雷达的目标探测性能;用截获概率表征有人/无人机混合编队射频隐身性能,截获概率越低,其射频隐身性能越好;构建有/无人机混合编队任务分配优化模型,并求解此模型得到最优分配方案。本发明方法针对有/无人机混合编队,在满足一定通探测概率及有任务耗时的条件下,对有/无人机混合编队搜索任务进行优化分配,最小化有/无人机混合编队的平均截获概率,从而提升有/无人机混合编队任务执行过程中的射频隐身性能。
Description
技术领域
本发明涉及雷达信号处理技术,具体涉及一种基于射频隐身的有/无人机混合编队协同任务分配方法。
背景技术
随着信息技术的发展,以及现代战争的需要,各种智能化的察打一体有/无人机混合编队常作为信息化网络的终端出没在战场,用以执行各种高风险任务,如情报收集,低空突防,精确打击,定点清除等。选用无人机群执行高风险任务,主要因为成本低,隐蔽性强,其中隐蔽性强是察打一体无人机最重要的特征。侦察作为打击的基础,要想获得最佳的打击效果,应在侦察阶段尽量不被对方所察觉。无人机由于尺度小,雷达反射截面小,若再进行隐身设计,对方雷达更不易探测。然而侦察时,尤其在发射射频信号主动侦察时,由于射频信号可能会被敌方截获、识别和定位,从而使自己暴露在对方的监控系统和火力系统之下。因此,为了保证综合的隐身性能,有/无人机混合编队执行任务时射频信号的隐身是亟待解决的问题。
实际应用中,大多采用异构无人机群执行多项任务,这样可以结合每个无人机属性,针对每项任务消耗资源特点,通过优化找到无人机-任务最佳组合,然后对任务进行分配。由于战场情形高度复杂,瞬息万变,对任务分配的速度和效果要求高,因此寻求快速有效的任务分配方法成为当前的研究热点。目前大量的相关研究成果主要集中在单平台多传感器资源分配,有/无人机混合编队航迹规划,有/无人机混合编队任务指派,及相关的快速求解算法等方面。然而在任务分配时,如何利用每架无人机的射频信号特征及不同任务所消耗资源差异性,提高有/无人机混合编队在执行任务过程中的射频隐身性能的研究却很少,未发现相关文献报道。
发明内容
发明目的:为解决现有技术的不足,本发明提出了一种基于射基于射频隐身的有/无人机混合编队协同任务分配方法,降低无人机群的平均截获概率,提升有/无人机混合编队任务执行过程中的射频隐身性能。
技术方案:为实现上述发明目的,本发明采用以下技术方案:
一种基于射频隐身的有/无人机混合编队协同任务分配方法,包括以下步骤:
(1)确定无人机雷达搜索扫描方式,以及用目标探测概率表征雷达的目标探测性能的;
(2)用截获概率表征有人/无人机混合编队射频隐身性能,截获概率越低,其射频隐身性能越好;
(3)构建有/无人机混合编队任务分配优化模型,并求解此模型得到最优分配方案。
进一步的,步骤(1)中考虑有N架有/无人机去搜索M个区域,在分配搜索区域时,每个区域只能分配给一架有人机或者无人机去搜索;搜索性能通常用雷达探测概率表征,假设第k帧检测检测概率为且互不相关,则其积累的检测概率为:
其中,Pav为雷达发射的平均功率,Ae为天线有效面积,ts为搜索立体角Ω消耗的时间,σ为目标反射截面,kB为玻尔兹曼常数,TR为雷达接收机噪声温度,L为雷达接收机系统损耗,R为目标与雷达的距离。
其中,架无人机搜索扫描方式采用直线扫描方式。
进一步的,步骤(2)中截获接收机截获雷达信号的需要满足能量、时域、频域、空域以及极化多维参数均重合要求,因此,雷达信号被截获概率表示为:
pI=p'd·pt·pf·ps (4);
其中,p'd为能量域截获概率,pt为时域截获概率,pf为频域截获概率,ps为空域截获概率。
更进一步的,通常采用窗函数方法求解截获概率,其中,Tm、Tn分别表示各截域的平均窗口周期,τm、τn分别表示在一个周期内各截获域的平均窗口宽度;
假设各截获域之间互相独立,那么,对步进频率搜索的截获接收机而言,每个步进带宽上的截获时间为:
其中,MI为步进带宽,BI为截获接收机带宽,TI为截获接收机总搜索时间;
每个波位截获时间为:
其中,τ雷达信号脉冲宽度,Tr为雷达信号脉冲周期,Ts为每个波位雷达信号驻留时间;即每帧截获时间为:
其中,m是每帧中波位数,TF是帧周期;
则三个窗口同时重合的平均周期为:
能量域截获概率p'd指的是截获接收机在给定截获接收机的虚警概率p'fa下对雷达信号的探测概率,近似为:
其中,SNR0为截获接收机输出端信噪比;
所以无人机机载雷达信号最终截获概率为:
进一步的,步骤(3)中假设有M项搜索任务分配给N架无人机执行,无人机与任务分配关系表示为:
X=(xij)N×M (11);
其中,i=1,2,3…N,j=1,2,3…M,其赋值为:
其中,xij=1表示任务j分配给无人机i,xij=0表示任务j没有分配给无人机i;
任务分配策略是在满足一定约束下以最小的代价获得最大收益,在假设的约束情形下任务分配模型表示为:
其中,r表示无人机执行完所有任务所获得平均收益,s表示无人机执行完所有任务所获得平均代价,Rij表示任务j分配给无人机i所获得收益,Sij表示无人机i完成任务j的代价,tij表示无人机i完成任务j所消耗时间,Ttot表示无人机完成所有任务所消耗时间,Rth表示每项任务的收益阈值;约束条件一为每项任务只能有一架无人机执行,约束条件二为无人机要在一定时间内完成所有任务,约束条件三为每项任务的完成质量要大于阈值。
有益效果:与现有技术相比,本发明具有以下有益效果:
(1)本发明方法所完成的主要任务是针对有/无人机混合编队,在满足一定通探测概率及有任务耗时的条件下,有人机通过对无人机群各无人机探测区域进行优化分配,最小化无人机群的平均截获概率。
该发明的优点是既满足了有/无人机混合编队对探测概率和任务完成时间的要求,而且还使无人机群的平均截获概率最小化,提升了系统的射频隐身性能。产生该优点的原因是本发明采用了基于射频隐身的有/无人机混合编队最优任务分配方法,该方法以最大化有/无人机混合编队探测概率和最小化最大化有/无人机混合编队截获概率为优化目标,以满足一定任务分配原则和任务完成时间为约束条件,建立基于射频隐身的有/无人机混合编队协同任务分配模型。
(2)与现有技术相比,本发明提出的基于射频隐身的有/无人机混合编队最优任务分配方法,不仅满足了满足一定通探测概率及有任务耗时的要求,而且还使得无人机群的平均截获概率最小化,提升有/无人机混合编队的射频隐身性能。
附图说明
图1为本发明方法流程图;
图2为雷达搜索波束编排示意图;
图3为窗口函数示意图;
图4为本发明任务分配模型求解方法流程图。
具体实施方式
下面结合附图对本发明的结构及工作过程做进一步说明。
本发明主要以有/无人机混合编队对地搜索为背景,利用异构有/无人机混合编队间资源冗余及互补的特性,将射频隐身性能和任务完成质量为优化目标建立模型,进行双目标优化,采用标准粒子群算法,求得射频隐身约束下任务分配模型帕累托集,指导射频隐身性能约束下有/无人机混合编队多区域搜索任务分配。
如图1所示,本发明的一种基于射频隐身的有/无人机混合编队协同任务分配方法,针对有/无人机混合编队,在满足一定通探测概率及有任务耗时的条件下,对有/无人机混合编队搜索任务进行优化分配,,最小化无人机群的平均截获概率,从而提升有/无人机混合编队任务执行过程中的射频隐身性能。包括以下步骤:
1、确定有/无人机混合编队的雷达搜索扫描方式,以及用雷达的目标探测概率表征目标探测性能;
有/无人机执行搜索任务时,通常根据搜索区域特点,按一定的波位编排,利用其携带的搜索雷达对目标区域逐帧扫描进行搜索,在本发明场景中采用的是直线扫描方式,如图1所示,图中圆圈代表雷达波位,直线代表所要搜索的路段。
考虑有N架有/无人机去搜索M个区域,在分配搜索区域时,每个区域只能分配给一架有人机或者无人机去搜索。雷达搜索波束编排示意图如图1所示,搜索性能通常用雷达检测概率表征,假设第k帧检测概率为且互不相关,则其积累的检测概率为:
其中,Pav为雷达发射的平均功率,Ae为天线有效面积,ts为搜索立体角Ω消耗的时间,σ为目标反射截面,kB为玻尔兹曼常数,TR为雷达接收机噪声温度,L为雷达接收机系统损耗,R为目标与雷达的距离。
2、用截获概率表征有人/无人机混合编队射频隐身性能,截获概率越低,其射频隐身性能越好。截获接收机截获雷达信号的需要满足能量、时域、频域、空域以及极化等多维参数均重合要求,因此,雷达信号被截获概率常表示为:
pI=p'd·pt·pf·ps (4);
其中,p'd为能量域截获概率,pt为时域截获概率,pf为频域截获概率,ps为空域截获概率。通常采用窗函数方法求解截获概率,如图3所示,其中,Tm、Tn分别表示各截获域的平均窗口周期,τm、τn分别表示在一个周期内各截获域的平均窗口宽度。
假设各截获域之间互相独立,那么,对步进频率搜索的截获接收机而言,每个步进带宽上的截获时间为:
其中,MI为步进带宽,BI为截获接收机带宽,TI为截获接收机总搜索时间。
每个波位截获时间为:
其中,τ为雷达信号脉冲宽度,Tr为雷达信号脉冲周期,Ts为每个波位雷达信号驻留时间,即每帧截获时间为:
其中,m是每帧中波位数,TF是帧周期。
则三个窗口同时重合的平均周期为:
能量域截获概率p'd指的是截获接收机在给定截获接收机的虚警概率p'fa下对雷达信号的检测概率,近似为:
其中,SNR0为截获接收机输出端信噪比。
所以无人机机载雷达信号最终截获概率为:
3、构建有/无人机混合编队任务分配优化模型,并求解此模型得到最优分配方案;
假设有M项搜索任务分配给N架无人机执行,无人机与任务分配关系表示为:
X=(xij)N×M (11);
其中,i=1,2,3…N,j=1,2,3…M,其赋值为:
xij=1表示任务j分配给无人机i,xij=0表示任务j没有分配给无人机i。
任务分配策略是在满足一定约束下以最小的代价获得最大收益,在本发明假设的约束情形下任务分配模型可表示为:
其中,r表示无人机执行完所有任务所获得平均收益,s表示无人机执行完所有任务所获得平均代价,Rij表示任务j分配给无人机i所获得收益,Sij表示无人机i完成任务j的代价,tij表示无人机i完成任务j所消耗时间,Ttot表示无人机完成所有任务所消耗时间,Rth表示每项任务的收益阈值。约束条件一为每项任务只能有一架无人机执行,约束条件二为无人机要在一定时间内完成所有任务,约束条件三为每项任务的完成质量要大于阈值。式(13)是一个离散的多目标优化问题,难以解析求解,最有效的是采用智能搜索算法,所以本发明采取标准粒子群算法对公式(13)进行求解,具体算法流程如图4所示,具体如下:
(a)初始化
首先,我们设置最大迭代次数,目标函数的自变量个数,粒子的最大速度,惯性因子范围,设置粒子群规模和维数,我们在速度区间和搜索空间上随机初始化速度和位置,每个粒子随机初始化一个飞翔速度。
(b)计算每个粒子适应度值
根据公式(13)计算每个粒子适应度值,并将这些值作为每个粒子的个体最优。
(c)筛选非劣解作为全局最优
从个体最优中筛选所有非劣解,随机选其中之一作为全局最优。
(d)更新速度和位置的公式
依据
更新粒子速度和位置,其中ω称为惯性因子,c1和c2称为加速度常数,Pid为个体非劣解位置,Pgd为全局非劣解位置,rand(0,1)为[0,1]上随机数。
(e)越界粒子调整
根据公式(14)更新的粒子位置很可能大于初始化设置的维数,导致粒子跳出初始设置区间,导致粒子数目减少,所以要对其重新初始化设置。
(f)计算每个粒子适应度值
根据公式(13)计算更新后每个粒子适应度值,并将这些值作为每个粒子的个体最优。
(g)更新全局最优帕累托集
从本次个体最优解和上一次全局最优帕累托集中筛选非劣解作为全局最优帕累托集,直到最大迭代次数。
本发明创造的工作原理及工作过程:
本发明首先针对由一架有人机与多架无人机组成的有/无人机混合编队,采用雷达目标探测概率来表征目标探测能力,采用截获概率来表征有/无人机混合编队的射频隐身性能;然后,以最大化有/无人机混合编队探测概率和最小化有/无人机混合编队截获概率为优化目标,以满足一定任务分配原则和任务完成时间为约束条件,建立基于射频隐身的有/无人机混合编队协同任务分配模型;在此基础上,采用标准粒子群算法对此问题进行了求解,使得满足有/无人机混合编队目标探测概率最大、平均截获概率最小的解作为最优解,即可得到符合约束条件的有/无人机混合编队最佳任务分配方案。
Claims (6)
1.一种基于射频隐身的有/无人机混合编队协同任务分配方法,其特征在于,包括以下步骤:
(1)确定无人机雷达搜索扫描方式,以及用目标探测概率表征雷达的目标探测性能的;
(2)用截获概率表征有人/无人机混合编队射频隐身性能,截获概率越低,其射频隐身性能越好;
(3)构建有/无人机混合编队任务分配优化模型,并求解此模型得到最优分配方案。
2.根据权利要求1所述的一种基于射频隐身的有/无人机混合编队协同任务分配方法,其特征在于,步骤(1)中考虑有N架有/无人机去搜索M个区域,在分配搜索区域时,每个区域只能分配给一架有人机或者无人机去搜索;搜索性能通常用雷达探测概率表征,假设第k帧检测检测概率为且互不相关,则其积累的检测概率为:
其中,Pav为雷达发射的平均功率,Ae为天线有效面积,ts为搜索立体角Ω消耗的时间,σ为目标反射截面,kB为玻尔兹曼常数,TR为雷达接收机噪声温度,L为雷达接收机系统损耗,R为目标与雷达的距离。
3.根据权利要求2所述的一种基于射频隐身的有/无人机混合编队协同任务分配方法,其特征在于,架无人机搜索扫描方式采用直线扫描方式。
4.根据权利要求1所述的一种基于射频隐身的有/无人机混合编队协同任务分配方法,其特征在于,步骤(2)中截获接收机截获雷达信号的需要满足能量、时域、频域、空域以及极化多维参数均重合要求,因此,雷达信号被截获概率表示为:
pI=p'd·pt·pf·ps (4);
其中,p'd为能量域截获概率,pt为时域截获概率,pf为频域截获概率,ps为空域截获概率。
5.根据权利要求4所述的一种基于射频隐身的有/无人机混合编队协同任务分配方法,其特征在于,通常采用窗函数方法求解截获概率,其中,Tm、Tn分别表示各截域的平均窗口周期,τm、τn分别表示在一个周期内各截获域的平均窗口宽度;
假设各截获域之间互相独立,那么,对步进频率搜索的截获接收机而言,每个步进带宽上的截获时间为:
其中,MI为步进带宽,BI为截获接收机带宽,TI为截获接收机总搜索时间;
每个波位截获时间为:
其中,τ雷达信号脉冲宽度,Tr为雷达信号脉冲周期,Ts为每个波位雷达信号驻留时间;即每帧截获时间为:
其中,m是每帧中波位数,TF是帧周期;
则三个窗口同时重合的平均周期为:
能量域截获概率p'd指的是截获接收机在给定截获接收机的虚警概率p'fa下对雷达信号的探测概率,近似为:
其中,SNR0为截获接收机输出端信噪比;
所以无人机机载雷达信号最终截获概率为:
6.根据权利要求1所述的一种基于射频隐身的有/无人机混合编队协同任务分配方法,其特征在于,步骤(3)中假设有M项搜索任务分配给N架无人机执行,无人机与任务分配关系表示为:
X=(xij)N×M (11);
其中,i=1,2,3…N,j=1,2,3…M,其赋值为:
其中,xij=1表示任务j分配给无人机i,xij=0表示任务j没有分配给无人机i;
任务分配策略是在满足一定约束下以最小的代价获得最大收益,在假设的约束情形下任务分配模型表示为:
其中,r表示无人机执行完所有任务所获得平均收益,s表示无人机执行完所有任务所获得平均代价,Rij表示任务j分配给无人机i所获得收益,Sij表示无人机i完成任务j的代价,tij表示无人机i完成任务j所消耗时间,Ttot表示无人机完成所有任务所消耗时间,Rth表示每项任务的收益阈值;约束条件一为每项任务只能有一架无人机执行,约束条件二为无人机要在一定时间内完成所有任务,约束条件三为每项任务的完成质量要大于阈值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010102698.3A CN111323772B (zh) | 2020-02-19 | 2020-02-19 | 基于射频隐身的有/无人机混合编队协同任务分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010102698.3A CN111323772B (zh) | 2020-02-19 | 2020-02-19 | 基于射频隐身的有/无人机混合编队协同任务分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111323772A true CN111323772A (zh) | 2020-06-23 |
CN111323772B CN111323772B (zh) | 2022-04-19 |
Family
ID=71168867
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010102698.3A Active CN111323772B (zh) | 2020-02-19 | 2020-02-19 | 基于射频隐身的有/无人机混合编队协同任务分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111323772B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113075653A (zh) * | 2021-03-26 | 2021-07-06 | 北京理工大学 | 一种飞行器的导航方法及系统 |
CN113406580A (zh) * | 2021-05-20 | 2021-09-17 | 中山大学 | Mimo雷达低截获性能评估方法、装置和存储介质 |
CN115018205A (zh) * | 2022-07-13 | 2022-09-06 | 成都秦川物联网科技股份有限公司 | 一种基于物联网的智慧城市无人机管理方法与系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105044684A (zh) * | 2015-08-27 | 2015-11-11 | 电子科技大学 | 基于射频隐身的mimo跟踪雷达发射波束的形成方法 |
CN107944597A (zh) * | 2017-10-19 | 2018-04-20 | 南京航空航天大学 | 一种面对先进无源探测系统的编队雷达资源管理方法 |
CN108562892A (zh) * | 2018-04-09 | 2018-09-21 | 中国人民解放军海军航空大学 | 一种无人机载无源双基地雷达装置及目标定位方法 |
CN108732543A (zh) * | 2018-04-24 | 2018-11-02 | 南京航空航天大学 | 一种基于射频隐身的机载组网雷达辐射参数联合优化方法 |
CN109669167A (zh) * | 2019-01-28 | 2019-04-23 | 南京航空航天大学 | 一种基于射频隐身的机载雷达发射波形选择方法 |
-
2020
- 2020-02-19 CN CN202010102698.3A patent/CN111323772B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105044684A (zh) * | 2015-08-27 | 2015-11-11 | 电子科技大学 | 基于射频隐身的mimo跟踪雷达发射波束的形成方法 |
CN107944597A (zh) * | 2017-10-19 | 2018-04-20 | 南京航空航天大学 | 一种面对先进无源探测系统的编队雷达资源管理方法 |
CN108562892A (zh) * | 2018-04-09 | 2018-09-21 | 中国人民解放军海军航空大学 | 一种无人机载无源双基地雷达装置及目标定位方法 |
CN108732543A (zh) * | 2018-04-24 | 2018-11-02 | 南京航空航天大学 | 一种基于射频隐身的机载组网雷达辐射参数联合优化方法 |
CN109669167A (zh) * | 2019-01-28 | 2019-04-23 | 南京航空航天大学 | 一种基于射频隐身的机载雷达发射波形选择方法 |
Non-Patent Citations (2)
Title |
---|
SHI CHEN-GUANG ET AL.: "Optimal Power Allocation Algorithm for Radar Network Systems Based on Low Probability of Intercept Optimization", 《JOURNAL OF RADARS》 * |
时晨光等: "基于协同噪声干扰的机载雷达射频隐身性能优化算法", 《数据采集与处理》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113075653A (zh) * | 2021-03-26 | 2021-07-06 | 北京理工大学 | 一种飞行器的导航方法及系统 |
CN113406580A (zh) * | 2021-05-20 | 2021-09-17 | 中山大学 | Mimo雷达低截获性能评估方法、装置和存储介质 |
CN113406580B (zh) * | 2021-05-20 | 2023-08-25 | 中山大学 | Mimo雷达低截获性能评估方法、装置和存储介质 |
CN115018205A (zh) * | 2022-07-13 | 2022-09-06 | 成都秦川物联网科技股份有限公司 | 一种基于物联网的智慧城市无人机管理方法与系统 |
CN115018205B (zh) * | 2022-07-13 | 2022-11-11 | 成都秦川物联网科技股份有限公司 | 一种基于物联网的智慧城市无人机管理方法与系统 |
US11679876B1 (en) | 2022-07-13 | 2023-06-20 | Chengdu Qinchuan Iot Technology Co., Ltd. | System and method for managing unmanned aerial vehicle in smart city based on the internet of things |
US11975835B2 (en) | 2022-07-13 | 2024-05-07 | Chengdu Qinchuan Iot Technology Co., Ltd. | Method and system for managing unmanned aerial vehicle data transmission in smart city based on the internet of things |
Also Published As
Publication number | Publication date |
---|---|
CN111323772B (zh) | 2022-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111323772B (zh) | 基于射频隐身的有/无人机混合编队协同任务分配方法 | |
Meng et al. | UAV-enabled integrated sensing and communication: Opportunities and challenges | |
CN108135002B (zh) | 一种基于块坐标下降的无人机频谱资源分配方法 | |
CN108803667B (zh) | 一种无人机协同监测与跟踪方法 | |
KR101872621B1 (ko) | 다기능 레이더를 탑재한 비행체의 가용 자원 관리 장치 및 그 방법 | |
CN108123772B (zh) | 一种基于梯度投影法的无人机时频资源分配方法 | |
Duan et al. | Anti-jamming path planning for unmanned aerial vehicles with imperfect jammer information | |
CN103926584B (zh) | 一种空间-频率-极化组合协同探测方法 | |
CN111812599B (zh) | 博弈条件下基于低截获性能的组网雷达最优波形设计方法 | |
CN110058233B (zh) | 一种多基地合成孔径雷达系统的抗欺骗性干扰方法 | |
CN115567353B (zh) | 一种面向雷达组网系统的干扰多波束调度和干扰功率联合优化方法 | |
CN113311857A (zh) | 一种基于无人机的环境感知与避障系统及方法 | |
CN115236611A (zh) | 一种针对雷达系统的多干扰机协同压制资源调度方法 | |
CN109946673B (zh) | 基于蒙特卡洛树搜索的网络化雷达节点遴选方法 | |
CN114879195A (zh) | 基于资源调度的无人机集群雷达通信一体化方法 | |
CN113093124B (zh) | 一种基于dqn算法的雷达干扰资源实时分配方法 | |
CN113536564A (zh) | 基于虚拟仿真的无人蜂群自主协同评估方法及系统 | |
CN117041993A (zh) | 一种多无人机编队感知资源联合调度方法、装置和系统 | |
CN107589409B (zh) | 一种分置天线mimo雷达分布式低通信量检测融合方法 | |
CN116225053A (zh) | 一种面向任务分级目标运动特性的跟踪轨迹优化方法 | |
Yang et al. | Medium Access control for unmanned aerial vehicle based mission critical wireless sensor networks in 3D monitoring networks | |
CN109001690A (zh) | 基于馈电网络的时域空间域结合的雷达目标检测方法 | |
CN114355336A (zh) | 一种基于辅助信息的航迹关联剔除虚假目标的方法 | |
CN114675262A (zh) | 一种基于引导信息的高超声速飞行器搜索方法 | |
CN110749881B (zh) | 基于改进双层博弈的无人机集群稳健功率控制方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |