CN111614418A - 无人机数据链电磁环境效应预测方法及设备 - Google Patents

Abstract

本发明涉及无人机数据链电磁环境效应预测方法及设备，方法包括模型单元一，建立无人机飞行模型；模型单元二，建立无人机数据链机载端工作信号接收模型；模型单元三，建立无人机数据链机载端干扰信号接收模型；预测单元，计算干信比；判别单元，将干信比定义为外界电磁干扰对无人机数据链的动态压制系数K，判断K与最大允许压制系数K_s的大小，当K≤K_s，不会造成数据链通信中断；当K>K_s，数据链通信中断。本发明可获得对无人机数据链电磁环境效应的动态预测，能模拟数据链地面端、机载端、电磁干扰源三者的相对运动状态，以及由其所导致的机载端接收工作信号与干扰信号的动态变化，预测准确度及可信度高。

Description

无人机数据链电磁环境效应预测方法及设备

技术领域

本专利申请涉及电磁环境效应评估技术领域，更具体地说，是涉及一种无人机数据链电磁环境效应预测方法及设备。

背景技术

无人机信息传输的核心任务设备是数据链，其工作原理是建立空间链接，实现遥测与遥控，这一过程如果受到干扰，将导致链路受阻、通信不畅，任务指令不能执行，回传数据错误等。

随着用频设备频谱密度及功率容量增加，无人机飞行的电磁环境愈加恶劣，对无人机数据链开展电磁环境效应预测及评估是掌握其电磁安全性的重要手段。

对无人机数据链电磁环境效应进行预测和评估，开展实体飞行试验成本高、代价大，试验复现不稳定，测试方法和手段缺乏，评估准确性不佳，为此多以地面试验替代。但无人机数据链电磁环境效应地面试验对无人机飞行工作状态及飞行场景复现性不强，导致评估结果可信度受到质疑。

发明内容

本发明的目的是提供一种无人机数据链电磁环境效应动态预测方法及设备，解决无人机数据链电磁环境效应地面评估及测试中，对飞行工作状态及飞行场景模拟不真，导致评估准确度不高的问题。

为了解决上述问题，本发明所采用的技术方案是：

一种无人机数据链电磁环境效应预测方法，包括模型单元，预测单元、判别单元，模型单元包括模型单元一，模型单元二，其中：

模型单元一，建立无人机飞行模型，分析无人机飞行过程中，数据链机载端与地面端空间信息交互的应用场景，从而建立无人机空间位置、无人机飞行姿态、电磁干扰源空间位置的模型；

模型单元二，依据模型单元一中得到的无人机空间位置、无人机飞行姿态，结合无人机数据链地面端发射功率、无人机数据链地面端与机载端天线特性，建立无人机数据链机载端工作信号接收模型；

预测单元，利用模型单元二计算干信比；

判别单元，将预测单元得到的干信比定义为外界电磁干扰对无人机数据链的动态压制系数K，而无人机数据链能够承受的最大允许压制系数为K_s，当K≤K_s，不会造成数据链通信中断；当K>K_s，数据链通信中断。

本发明技术方案的进一步改进在于：还包括模型单元三，模型单元三依据模型单元一中电磁干扰源空间位置，结合电磁干扰源的辐射特性、干扰模式，以及模型单元二中的无人机数据链机载端接收天线特性，建立无人机数据链机载端干扰信号接收模型，从而供预测单元计算干信比。

本发明技术方案的进一步改进在于：预测单元包括预测单元一和预测单元二，其中：

预测单元一，依据模型单元二得到的无人机数据链机载端工作信号接收模型，以及模型单元三得到的无人机数据链机载端干扰信号接收模型来计算干信比；

预测单元二包括与模型单元一对应的电磁干扰源，以及与模型单元二对应的数据链控制系统、数据链监测系统，预测单元二将模型单元二的计算数据输出至数据链控制系统，再由数据链监测系统计算干信比，其中：

数据链控制系统，将模型单元二得到的无人机数据链机载端工作信号接收模型反馈至数据链机载端与地面端信息链路上的可调节衰减部件当中，比如可调节衰减部件可以是可调节衰减器；

数据链监测系统，从可调节衰减部件中读取机载端工作信号强度和干扰信号强度，并计算干信比。

本发明技术方案的进一步改进在于：在模型单元一中，当无人机飞离地面控制站，处于远场飞行状态，将地面控制站、无人机、电磁干扰源均视为点源，以地面控制站为原点O、地平面为基准平面建立空间直角坐标系xyz，且其中x轴为无人机水平飞行状态下的机身轴向，z轴为地平面的法线方向；

开始t₀时刻，无人机位于空间直角坐标系O’点处，干扰源位于点I处；

以初始时刻无人机位置O’为另一原点，在无人机水平飞行状态下建立机体直角坐标系x’y’z’，该坐标系与原始坐标系xyz的坐标轴方向保持一致；

无人机绕x’轴旋转，滚转角为γ；绕y’轴旋转，俯仰角为α；绕z’轴旋转，航向角为β，旋转角度以右手旋转方向为正方向；

基于坐标系x’y’z’，无人机变换姿态过程中，对应于原始坐标系xyz的滚转、俯仰和偏航变换矩阵表示为T_γ、T_α、T_β；

设无人机初始飞行速度为v(t)，机身姿态角为(γ₀,α₀,β₀)，则t₀时刻，若无人机调节飞行姿态角度(γ,α,β)，此时无人机飞行速度矢量变为v’(t)＝v(t)T_γT_αT_β；

由无人机飞行速度矢量v’(t)可求得t时刻后，无人机数据链机载端与地面端之间的相对位置R。

本发明技术方案的进一步改进在于：在模型单元二中，地面控制站天线方向为原始xyz坐标系中z轴的正方向，坐标矩阵表示为a_g＝[0,0,1]，数据链地面端发射功率为P_gt，数据链地面端天线增益为G_g，数据链地面端电场方向性函数为

则数据链地面端天线在无人机方向的发射功率密度为

R为无人机数据链机载端与地面端之间的距离，可由模型单元一求得；

机载端天线增益为G_u，电场方向性函数为

数据链工作频率为f_u；依据模型单元一建立的坐标系，计算出机载端与地面端天线间的电场极化匹配因子μ；则在接收和发射系统阻抗匹配的情况下，无人机数据链机载端工作信号接收模型为

本发明技术方案的进一步改进在于：机载端与地面端天线间的电场极化匹配因子

其中：

a_g＝[0,0,1]；

a_u’为无人机调整姿态角(γ，α，β)后，机载天线的方向向量，

a′_u＝a_uT_γT_αT_β＝a_x·e_x+a_y·e_y+a_z·e_z；此处a_x e_x a_y e_y a_z e_z均为矢量表示；

a_u为模型单元一中t₀时刻，在无人机的姿态角为(γ₀，α₀，β₀)时，数据链机载天线的方向向量，

a_u＝(-cosγ₀sinα₀cosβ₀+sinγ₀sinβ₀)·e_x+(cosγ₀sinα₀sinβ₀+sinγ₀cosβ₀)·e_y+cosγ₀cosα₀·e_z。

本发明技术方案的进一步改进在于：在模型单元三中，电磁干扰源位于模型单元一位置上，固定电磁干扰源的发射功率为P_jt、天线增益为G_j；电磁干扰源采用跟踪干扰模式，电磁干扰辐射场的极化方向垂直于传播方向，无人机始终位于电磁辐射传播方向上，则无人机与电磁干扰源之间的距离R_j和无人机所在位置处的电场E_j表示为：下标j表示无人机；

无人机飞行过程中，电磁干扰的传播方向矢量为a_j＝[(x-x_j)e_x+(y-y_j)e_y+(z-z_j)e_z]/|(x-x_j,y-y_j,z-z_j)|；此时，无人机遭受外界电磁辐射干扰，该辐射场的极化方向矢量为a_e，且|a_e|＝1，则

a_j·a_e＝0；

t时刻后，电磁干扰源在俯仰方向上旋转角度记为m，在水平方向上旋转角度记为n，则

电磁干扰源天线的旋转方向与无人机天线的旋转方向定义一致，则t时间后电磁干扰源天线的极化方向变为a_e′＝a_e·T_m·T_n，T_m、T_n由第一模型中得到，其中m为俯仰角，n为滚转角；

由于电磁干扰源天线的极化方向与无人机天线的极化方向不一致，导致机载天线接收干扰信号的效率降低，令天线间的电场极化匹配因子为μ_j，

无人机机载天线接收的干扰信号强度表示为：

λ为电磁干扰信号的波长，θ_j为电磁干扰源至无人机连线方向与z轴正方向之间的夹角，

为电磁干扰源至无人机连线方向在xoy平面上的投影与x轴正方向之间的夹角为

令电磁干扰源工作频率为f_j；依据模型单元一建立的坐标系，计算电磁干扰源与机载端天线间的电场极化匹配因子μ_j；得到机载端干扰信号接收模型为：

本发明技术方案的进一步改进在于：采用模型单元一、模型单元二、模型单元三，预测单元一、判别单元可构成无人机数据链电磁环境效应预测全仿真系统；采用模型单元一、模型单元二，预测单元二、判别单元可构成无人机数据链电磁环境效应预测半实物仿真系统。

一种设备，用于实现上述的无人机数据链电磁环境效应预测方法，包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如模型单元、预测单元、判别单元的步骤。

由于采用了上述技术方案，本发明取得的有益效果是：

1、本发明所述无人机数据链电磁环境效应动态预测方法及设备，基于无人机实时飞行状态和飞行场景，可获得对无人机数据链电磁环境效应的动态预测。

2、本发明所述无人机数据链电磁环境效应动态预测方法及设备，比现有固定飞行状态、机体姿态、加入固定衰减代替空间损耗的预测及试验方法，更能模拟数据链地面端、机载端、干扰源三者的相对运动状态，以及由其所导致的机载端接收工作信号与干扰信号的动态变化，预测准确度及可信度高。

3、本发明所述无人机数据链电磁环境效应动态预测方法及设备，基于地面仿真计算及半实物仿真预测，可节约成本，风险性低，重复性好。

附图说明

图1是本发明方法所建立的坐标系；

图2是本发明方法的一个全仿真示例流程图；

图3是本发明方法的一个半实物仿真示例流程图；

图4是本发明方法的评估结果图。

具体实施方式

下面结合实施例对本发明做进一步详细说明。

本发明公开了一种无人机数据链电磁环境效应预测方法，参见图1-图4，包括模型单元，预测单元、判别单元，模型单元包括模型单元一，模型单元二，模型单元三，其中：

模型单元一，建立无人机飞行模型，分析无人机飞行过程中，数据链机载端与地面端空间信息交互的应用场景，从而建立无人机空间位置、无人机飞行姿态、电磁干扰源空间位置的模型；

模型单元二，依据模型单元一中得到的无人机空间位置、无人机飞行姿态，结合无人机数据链地面端发射功率、无人机数据链地面端与机载端天线特性，建立无人机数据链机载端工作信号接收模型；

模型单元三，依据模型单元一中电磁干扰源空间位置，结合电磁干扰源的辐射特性、干扰模式，以及模型单元二中的无人机数据链机载端接收天线特性，建立无人机数据链机载端干扰信号接收模型；

预测单元包括预测单元一，预测单元二，其中：

预测单元一，依据模型单元二得到的无人机数据链机载端工作信号接收模型，以及模型单元三得到的无人机数据链机载端干扰信号接收模型来计算干信比，以对无人机数据链电磁环境效应进行预测及对电磁干扰态势进行估计；

预测单元二，包括与模型单元一对应的电磁干扰源，以及与模型单元二对应的数据链控制系统、数据链监测系统，其中：

数据链控制系统，将模型单元二得到的无人机数据链机载端工作信号接收模型反馈至数据链机载端与地面端信息链路上的可调节衰减部件(比如可以是可调节衰减器)当中；

数据链监测系统，该系统利用可调节衰减部件读取机载端工作信号强度和干扰信号强度，进而计算干信比，以对无人机数据链电磁环境效应预测及电磁干扰态势估计；

判别单元，将预测单元得到的干信比定义为外界电磁干扰对无人机数据链的动态压制系数K，而无人机数据链能够承受的最大允许压制系数为K_s，当K≤K_s，不会造成数据链通信中断；当K>K_s，数据链通信中断。

本实施例所述模型单元一中，无人机飞离地面控制站，处于远场飞行状态，地面控制站、无人机、电磁干扰源均视为点源，以地面控制站为原点O(0,0,0)，地平面xoy为基准平面建立空间直角坐标系xyz，如图1所示，从左到右依次是地面控制站、无人机、电磁干扰源，虚线框表示的也是无人机。

x轴为无人机水平飞行状态下的机身轴向，z轴为地平面的法线方向。t₀时刻，无人机位于空间直角坐标系O’(x₀,y₀,z₀)点处，干扰源位于点(x_j,y_j,z_j)处；

以初始时刻无人机位置O’为另一原点，在无人机水平飞行状态下建立机体直角坐标系x’y’z’，该坐标系与原始坐标系xyz的坐标轴方向保持一致；

无人机绕x’轴旋转，滚转角为γ；绕y’轴旋转，俯仰角为α；绕z’轴旋转，航向角为β，旋转角度以右手旋转方向为正方向；

基于所述坐标系，无人机变换姿态过程中，对应于原始坐标系xyz的滚转、俯仰和偏航变换矩阵表示为T_γ、T_α、T_β；

无人机初始飞行速度为v(t)，机身姿态角为(γ₀,α₀,β₀)，则t₀时刻，若无人机调节飞行姿态角度(γ,α,β)，此时无人机飞行速度矢量变为

v′(t)＝v(t)T_γT_αT_β＝v_x(t)·e_x+v_y(t)·e_y+v_z(t)·e_z

其中

t时刻后，无人机的空间位置变为(x,y,z)，即

无人机与地面控制站之间的距离

无人机所在位置相对于地面控制站所在方向与z轴正方向的夹角

无人机在xoy平面的投影相对于地面控制站所在方向与x轴正方向的夹角

本实施例所述模型单元二中，地面控制站天线方向为原始xyz坐标系中z轴的正方向，坐标矩阵表示为a_g＝[0,0,1]，地面控制站发射功率为P_gt，天线增益为G_g，电场方向性函数为

则地面控制站天线在无人机方向的发射功率密度

R为本实施例所述无人机与地面控制站之间的距离；

如本实施例所述模型单元一中t₀时刻，无人机的姿态角为(γ₀，α₀，β₀)，则数据链机载天线的方向向量变为

a_u＝(-cosγ₀sinα₀cosβ₀+sinγ₀sinβ₀)·e_x+(cosγ₀sinα₀sinβ₀+sinγ₀cosβ₀)·e_y+cosγ₀cosα₀·e_z

如本实施例所述第一模型中，无人机调整姿态角(γ，α，β)后，机载天线的方向向量变为

a′_u＝a_uT_γT_αT_β＝a_x·e_x+a_y·e_y+a_z·e_z

其中，

由于地面控制站天线和机载天线的电场极化方向不匹配，导致机载天线接收效率降低，令天线间的电场极化匹配因子为μ

在本实施例中，机载天线在地面控制站方向的有效接收面积为

G_u为机载天线增益，

为电场方向性函数，则在接收和发射系统阻抗匹配的情况下，机载天线接收的工作信号强度

在本实施例中，令无人机数据链工作频率为f_u，代入上式并转化为对数形式，得到

本实施例所述模型单元三中，固定电磁干扰源位于如图1所示位置，其发射功率为P_jt，天线增益为G_j；电磁干扰源采用跟踪干扰模式，电磁干扰辐射场的极化方向垂直于传播方向，无人机始终位于电磁辐射传播方向上，则无人机与电磁干扰源之间的距离R_j和无人机所在位置处的电场E_j表示为：

无人机飞行过程中，电磁干扰的传播方向矢量为a_j＝[(x-x_j)e_x+(y-y_j)e_y+(z-z_j)e_z]/|(x-x_j,y-y_j,z-z_j)|；此时，无人机遭受外界电磁辐射干扰，该辐射场的极化方向矢量为a_e，且|a_e|＝1，则a_j·a_e＝0；

t时刻后，电磁干扰源在俯仰方向上旋转角度记为m，在水平方向上旋转角度记为n，则

本实施例所述模型单元中，电磁干扰源天线的旋转方向与无人机天线的旋转方向定义一致，则t时间后电磁干扰源天线的极化方向变为a_e′＝a_e·T_m·T_n，T_m、T_n由本实施例所述第一模型中得到；其中m为俯仰角，n为滚转角；

由于干扰源天线的极化方向与无人机天线的极化方向不一致，导致机载天线接收干扰信号的效率降低，令天线间的电场极化匹配因子为μ_j，

无人机机载天线接收的干扰信号强度表示为

λ为干扰信号的波长，θ_j为电磁干扰源至无人机连线方向与z轴正方向之间的夹角，

为电磁干扰源至无人机连线方向在xoy平面上的投影与x轴正方向之间的夹角

本实施例所述模型单元三中，电磁干扰频率为f_j，将干扰信号波长代入并转化为对数形式，得到

即得到无人机天线接收的干扰信号大小。

本实施例所述预测单元一中，利用本实施例所述模型单元二中得到的工作信号强度，以及本实施例所述模型单元三中得到的干扰信号强度，计算其比值得到动态干信比，以对无人机数据链电磁环境效应预测及电磁干扰态势估计。

另一实施例中采用预测单元二，利用数据链控制系统，将所述模型单元二得到的机载端工作信号强度反馈至数据链机载端与地面端信息链路上的可调节衰减部件当中；利用数据链监测系统，读取机载端工作信号强度和干扰信号强度，进而计算干信比，以对无人机数据链电磁环境效应预测及电磁干扰态势估计。

实施例所述判别单元，将预测单元得到的干信比定义为外界电磁干扰对无人机数据链的动态压制系数K，无人机数据链能够承受的最大允许压制系数K_s，当K≤K_s，不会造成通信中断；当K>K_s，数据链通信中断。

实施例所述终端设备，包括存储器、处理器以及存储在所述存储器中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如模型单元、预测单元、判别单元或其任一实施例所述方法的步骤。

具体的，若本实施例所述数据链地面端位于空间直角坐标系原点(0km，0km，0km)处，遥控信号发射功率为1W，工作频率1.6GHz；t₀时刻，无人机飞至预定位置(60km，0km，5km)处，无人机和地面控制站装载相同的半波偶极子天线，天线增益均为1.64dB；干扰源位于x轴(400km，0km，0km)处，发射功率10W，天线增益10dB，干扰源频率同为1.6GHz；t₀时刻干扰源发现并跟踪无人机，电磁干扰辐射场的极化方向为平面波与xoz平面交线的正方向；无人机以固定角度飞行，t₀时刻无人机姿态角：滚转角-10o，俯仰角0o，航向角15°，飞行速度大小稳定在120km/h；数据链最大允许压制系统11dB；无人机数据链电磁环境效应预测及电磁干扰态势评估结果如图4。

无人机飞行过程中，数据链工作状态逐渐恶化，0.5h后，数据链趋于临界工作状态，继续飞行1min后，压制系数增大至最大耐受阈值，数据链通信将完全中断。

Claims (9)

1.一种无人机数据链电磁环境效应预测方法，其特征在于：包括模型单元，预测单元、判别单元，模型单元包括模型单元一，模型单元二，其中：

模型单元一，建立无人机飞行模型，分析无人机飞行过程中，数据链机载端与地面端空间信息交互的应用场景，从而建立无人机空间位置、无人机飞行姿态、电磁干扰源空间位置的模型；

模型单元二，依据模型单元一中得到的无人机空间位置、无人机飞行姿态，结合无人机数据链地面端发射功率、无人机数据链地面端与机载端天线特性，建立无人机数据链机载端工作信号接收模型；

预测单元，计算干信比；

判别单元，将预测单元得到的干信比定义为外界电磁干扰对无人机数据链的动态压制系数K，而无人机数据链能够承受的最大允许压制系数为K_s，当K≤K_s，不会造成数据链通信中断；当K>K_s，数据链通信中断。

2.根据权利要求1所述的无人机数据链电磁环境效应预测方法，其特征在于：还包括模型单元三，模型单元三依据模型单元一中电磁干扰源空间位置，结合电磁干扰源的辐射特性、干扰模式，以及模型单元二中的无人机数据链机载端接收天线特性，建立无人机数据链机载端干扰信号接收模型，从而供预测单元计算干信比。

3.根据权利要求2所述的无人机数据链电磁环境效应预测方法，其特征在于：预测单元包括预测单元一和预测单元二，其中：

预测单元一，依据模型单元二得到的无人机数据链机载端工作信号接收模型，以及模型单元三得到的无人机数据链机载端干扰信号接收模型来计算干信比；

预测单元二包括与模型单元一对应的电磁干扰源，以及与模型单元二对应的数据链控制系统、数据链监测系统，预测单元二将模型单元二的计算数据输出至数据链控制系统，再由数据链监测系统计算干信比，其中：

数据链控制系统，将模型单元二得到的无人机数据链机载端工作信号接收模型反馈至数据链机载端与地面端信息链路上的可调节衰减部件当中；

数据链监测系统，从可调节衰减部件中读取机载端工作信号强度和干扰信号强度，并计算干信比。

4.根据权利要求3所述的无人机数据链电磁环境效应预测方法，其特征在于：在模型单元一中，当无人机飞离地面控制站，处于远场飞行状态，将地面控制站、无人机、电磁干扰源均视为点源，以地面控制站为原点O、地平面为基准平面建立空间直角坐标系xyz，且其中x轴为无人机水平飞行状态下的机身轴向，z轴为地平面的法线方向；

开始t₀时刻，无人机位于空间直角坐标系O’点处，电磁干扰源位于点I处；

以初始时刻无人机位置O’为另一原点，在无人机水平飞行状态下建立机体直角坐标系x’y’z’，该坐标系与原始坐标系xyz的坐标轴方向保持一致；

无人机绕x’轴旋转，滚转角为γ；绕y’轴旋转，俯仰角为α；绕z’轴旋转，航向角为β，旋转角度以右手旋转方向为正方向；

基于坐标系x’y’z’，无人机变换姿态过程中，对应于原始坐标系xyz的滚转、俯仰和偏航的变换矩阵表示为T_γ、T_α、T_β；

设无人机初始飞行速度为v(t)，机身姿态角为(γ₀,α₀,β₀)，则t₀时刻，若无人机调节飞行姿态角度(γ,α,β)，此时无人机飞行速度矢量变为v’(t)＝v(t)T_γT_αT_β；

由无人机飞行速度矢量v’(t)可求得t时刻后，无人机数据链机载端与地面端之间的相对位置R。

5.根据权利要求4所述的无人机数据链电磁环境效应预测方法，其特征在于：在模型单元二中，地面控制站天线方向为原始xyz坐标系中z轴的正方向，坐标矩阵表示为a_g＝[0,0,1]，数据链地面端发射功率为P_gt，数据链地面端天线增益为G_g，数据链地面端电场方向性函数为

则数据链地面端天线在无人机方向的发射功率密度为

R为无人机数据链机载端与地面端之间的距离，可由模型单元一求得；

机载端天线增益为G_u，电场方向性函数为

数据链工作频率为f_u；依据模型单元一建立的坐标系，计算出机载端与地面端天线间的电场极化匹配因子μ；则在接收和发射系统阻抗匹配的情况下，无人机数据链机载端工作信号接收模型为

6.根据权利要求5所述的无人机数据链电磁环境效应预测方法，其特征在于：机载端与地面端天线间的电场极化匹配因子

其中：

a_g＝[0,0,1]；

a_u’为无人机调整姿态角(γ，α，β)后，机载天线的方向向量，

a′_u＝a_uT_γT_αT_β＝a_x·e_x+a_y·e_y+a_z·e_z；此处a_x、e_x、a_y、e_y、a_z、e_z均为矢量表示形式；

a_u为模型单元一中t₀时刻，在无人机的姿态角为(γ₀，α₀，β₀)时，数据链机载天线的方向向量；

a_u＝(-cosγ₀sinα₀cosβ₀+sinγ₀sinβ₀)·e_x+(cosγ₀sinα₀sinβ₀+sinγ₀cosβ₀)·e_y+cosγ₀cosα₀·e_z。

7.根据权利要求6所述的无人机数据链电磁环境效应预测方法，其特征在于：在模型单元三中，电磁干扰源位于模型单元一位置上，固定电磁干扰源的发射功率为P_jt、天线增益为G_j；电磁干扰源采用跟踪干扰模式，电磁干扰辐射场的极化方向垂直于传播方向，无人机始终位于电磁辐射传播方向上，则无人机与电磁干扰源之间的距离R_j和无人机所在位置处的电场E_j表示为：

无人机飞行过程中，电磁干扰的传播方向矢量为a_j＝[(x-x_j)e_x+(y-y_j)e_y+(z-z_j)e_z]/|(x-x_j,y-y_j,z-z_j)|；此时，无人机遭受外界电磁辐射干扰，该辐射场的极化方向矢量为a_e，且|a_e|＝1，则a_j·a_e＝0；

t时刻后，电磁干扰源在俯仰方向上旋转角度记为m，在水平方向上旋转角度记为n，则

电磁干扰源天线的旋转方向与无人机天线的旋转方向定义一致，则t时间后电磁干扰源天线的极化方向变为a′_e＝a_e·T_m·T_n，T_m、T_n由第一模型中得到，其中m为俯仰角，n为滚转角；由于电磁干扰源天线的极化方向与无人机天线的极化方向不一致，导致机载天线接收干扰信号的效率降低，令天线间的电场极化匹配因子为μ_j，

无人机机载天线接收的干扰信号强度表示为：

λ为电磁干扰源干扰信号的波长，θ_j为电磁干扰源至无人机连线方向与z轴正方向之间的夹角，

为电磁干扰源至无人机连线方向在xoy平面上的投影与x轴正方向之间的夹角为

令电磁干扰源工作频率为f_j；依据模型单元一建立的坐标系，计算电磁干扰源与机载端天线间的电场极化匹配因子μ_j；得到机载端干扰信号接收模型为：

8.根据权利要求7所述的无人机数据链电磁环境效应预测方法，其特征在于：采用模型单元一、模型单元二、模型单元三，预测单元一、判别单元可构成无人机数据链电磁环境效应预测全仿真系统；采用模型单元一、模型单元二，预测单元二、判别单元可构成无人机数据链电磁环境效应预测半实物仿真系统。

9.一种设备，用于实现如权利要求1-8任一项所述的无人机数据链电磁环境效应预测方法，其特征在于：包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如模型单元、预测单元、判别单元的步骤。

Images