CN113739638B - 一种基于群体协同信息的无人机蜂群反制方法 - Google Patents
一种基于群体协同信息的无人机蜂群反制方法 Download PDFInfo
- Publication number
- CN113739638B CN113739638B CN202110898653.6A CN202110898653A CN113739638B CN 113739638 B CN113739638 B CN 113739638B CN 202110898653 A CN202110898653 A CN 202110898653A CN 113739638 B CN113739638 B CN 113739638B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- swarm
- positioning
- signal
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000000007 visual effect Effects 0.000 claims abstract description 66
- 238000006243 chemical reaction Methods 0.000 claims abstract description 24
- 230000015572 biosynthetic process Effects 0.000 claims abstract description 15
- 230000000694 effects Effects 0.000 claims abstract description 9
- 238000004891 communication Methods 0.000 claims description 45
- 238000001514 detection method Methods 0.000 claims description 39
- 206010047571 Visual impairment Diseases 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 12
- 230000003993 interaction Effects 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 8
- 230000016776 visual perception Effects 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 6
- 238000010248 power generation Methods 0.000 claims description 6
- 241000257303 Hymenoptera Species 0.000 claims description 5
- 230000007123 defense Effects 0.000 claims description 5
- 230000000737 periodic effect Effects 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 230000008685 targeting Effects 0.000 claims description 3
- 230000008447 perception Effects 0.000 abstract description 8
- 238000005755 formation reaction Methods 0.000 description 11
- 230000004438 eyesight Effects 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 238000012938 design process Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F41—WEAPONS
- F41H—ARMOUR; ARMOURED TURRETS; ARMOURED OR ARMED VEHICLES; MEANS OF ATTACK OR DEFENCE, e.g. CAMOUFLAGE, IN GENERAL
- F41H11/00—Defence installations; Defence devices
- F41H11/02—Anti-aircraft or anti-guided missile or anti-torpedo defence installations or systems
Landscapes
- Engineering & Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- General Engineering & Computer Science (AREA)
- Measurement Of Velocity Or Position Using Acoustic Or Ultrasonic Waves (AREA)
Abstract
本发明公开了一种基于群体协同信息的无人机蜂群反制方法，包括：Step1.探测预警；Step2.跟踪定位；Step3.判断是否反制；Step4.反制蜂群目标；Step5.确定反制效果；针对基于声呐信息/视觉信息感知实现自主导航和群体协同的无人机蜂群，本发明方法采用声波攻击和强光干扰的方式可有效破坏部分无人机的自主导航能力、与邻近无人机的分布式协同能力，使得声波攻击和强光干扰范围内无人机无法获取导航定位信息和邻近无人机位置信息，蜂群期望队形难以维持，进而实现对无人机蜂群的有效反制，具有攻击角度和瞄准位置精度高、攻击效率和反制成功率高的特点。
Description
技术领域
本发明涉及无人机反制技术领域，具体涉及一种基于群体协同信息的无人机蜂群反制方法。
背景技术
近年来，以群体协同为基础的分布式无人机蜂群技术快速发展，在被广泛应用于民用和军事领域的同时，一些非法飞行的无人机蜂群对各类重要设施和要害目标造成了重大安全威胁；
现有的无人机反制技术主要包括硬反制和软反制两种，硬反制包括火力拦截、激光攻击、微波抗击和幕型拦截等，存在效费比低、饱和攻击不力与附带损伤难以控制等问题；软反制包括信号压制干扰、数据链路夺控与导航诱骗等，存在干扰成功率不高、侦测设备要求严格等缺点，其中导航诱骗对定向驱离无人机蜂群具有较好效果，但仅对依赖于卫星导航的无人机蜂群有效；
随着探测、传感和通信技术等前沿科技领域的突破创新，许多国家相继推出基于声呐信息/视觉信息协同的无人机蜂群项目，在没有GNSS信号的情况下，通过无人机搭载的视觉传感器、声波传感器和激光测距仪等设备进行自主导航和智能协同，为重要设施防御和无人机蜂群反制带来了新的挑战，从而导致如上所述的硬反制和软反制技术无法从根本上解决该类基于声呐信息/视觉信息协同的无人机蜂群(没有GNSS导航信号，通过声呐信息/视觉信息感知协同的无人机蜂群)反制问题，不能有效完成对该类无人机蜂群的拦截。
发明内容
针对上述存在的问题，本发明旨在提供一种基于群体协同信息的无人机蜂群反制方法，针对基于声呐信息/视觉信息感知实现自主导航和群体协同的无人机蜂群，本方法采用声波攻击和强光干扰的方式可有效破坏部分无人机的自主导航能力、与邻近无人机的分布式协同能力，使得声波攻击和强光干扰范围内无人机无法获取导航定位信息和邻近无人机位置信息，蜂群期望队形难以维持，进而实现对无人机蜂群的有效反制，具有攻击角度和瞄准位置精度高、攻击效率和反制成功率高的特点。
为了实现上述目的，本发明所采用的技术方案如下：
一种基于群体协同信息的无人机蜂群反制方法，包括步骤
Step1.探测预警：探测预警系统工作时发射和接收雷达、图像和声波信号，实时监测威胁空域是否有危险无人机蜂群出现，若检测到危险无人机蜂群则发出预警，将其标记为威胁无人机蜂群，并将初步位置信息发送到定位跟踪系统；
Step2.跟踪定位：定位跟踪系统接收到探测预警系统发送的初步位置信息后，实时定位并跟踪威胁无人机蜂群，同时计算蜂群位置偏移量并将其作为瞄准位置发送给与定位跟踪系统匹配的声波攻击系统和视觉干扰系统；所述声波攻击系统和视觉干扰系统与定位跟踪系统信号发射角度保持一致；
Step3.确定是否反制：定位跟踪系统判断威胁无人机蜂群是否进入反制区域，若是，则将威胁无人机蜂群标记为待反制无人机蜂群目标，向对应声波攻击系统和视觉干扰系统分别发送攻击和干扰指令，同时定位跟踪系统持续跟踪待反制无人机蜂群目标；若否，定位跟踪系统持续定位并跟踪威胁无人机蜂群；
Step4.反制蜂群目标：接收到攻击和干扰指令的声波攻击系统和视觉干扰系统基于当前瞄准位置和发射角度，发射使待反制蜂群目标通信信号失真的声波攻击信号和削弱视觉协同探测的强光干扰信号；
Step5.确定反制效果：定位跟踪系统判断设定时间Δt后的蜂群目标运动轨迹是否偏离原轨迹，即蜂群实际位置与计算期望位置距离是否大于设定阈值，蜂群队形是否发生变化，若是，则生成反制成功指令发送给声波攻击系统和视觉干扰系统，停止攻击；若否，定位跟踪系统持续定位并跟踪蜂群目标；
Step6.接收到反制成功指令后，定位跟踪系统的声波攻击系统和视觉干扰系统进入待机状态，探测预警系统持续监测威胁空域是否有蜂群目标进入。
优选的，(1)步骤Step1所述的探测预警系统布设于威胁空域的不同位置，用于发射和接收雷达、图像和声波信号，监测威胁空域是否有危险无人机蜂群出现，并将监测到的威胁无人机蜂群的初步位置信息发送到定位跟踪系统；
(2)步骤Step1和Step2所述的定位跟踪系统内配备声波攻击系统和视觉干扰系统，布设于反制区域的不同位置，用于对危险无人机蜂群进行定位跟踪，并向对应声波攻击系统和视觉干扰系统分别发送攻击和干扰指令，使得危险无人机蜂群偏离期望轨道。
优选的，所述的探测预警系统包括信号发射模块、信号接收模块、网络通信模块和控制模块，其中
信号发射模块用于发射探测信号；
信号接收模块用于接收探测信号并发送给控制模块；
控制模块用于根据监测数据计算无人机蜂群目标位置信息并判断是否发出预警；
网络通信模块用于与定位跟踪系统通信交互。
优选的，所述的定位跟踪系统还包括雷达、发射机、接收机、四自由度随动云台、测速模块、测距模块、控制模块和网络通信模块，其中
雷达、发射机、接收机用于精确定位无人机蜂群位置；
四自由度随动云台用于实时对准无人机蜂群目标位置；
测速模块和测距模块用于计算出蜂群目标方位、速度和距离信息，并发送给控制模块；
控制模块用于计算蜂群目标瞄准位置和信号发射角度；
网络通信模块用于与声波攻击系统和视觉干扰系统通信交互、发送指令。
优选的，所述的(1)威胁空域为以待防护目标为圆心，3倍安全防御距离为半径的半球形区域；
(2)反制空域为以待防护目标为圆心，0.8倍最远攻击和干扰距离为半径的半球形区域。
优选的，在步骤Step3中，无论无人机蜂群是否进入反制区域，定位跟踪系统都始终定位并跟踪蜂群目标，并将瞄准位置信息和发射角度实时发送给声波攻击系统和视觉干扰系统。
优选的，步骤Step4所述的
(1)声波攻击系统包括信号发生器、功率放大器、换能器、四自由度随动云台、控制模块和网络通信模块，其中
网络通信系统用于与定位跟踪系统通信交互；
控制模块根据接收到的瞄准位置和发射角度实时调整四自由度随动云台的方向；
信号发生器根据控制模块设定的信号频率产生电信号，经功率放大器放大后由换能器将电信号转化为噪声干扰信号，用来压制无人机声呐系统，使无人机无法感知准确协同信息；
(2)视觉干扰系统包括大功率强光仪、四自由度随动云台、控制模块和网络通信模块，其中
大功率强光仪用于根据控制模块确定的信号生成强光；
控制模块用于根据接收到的瞄准位置和发射角度实时控制云台角度；
网络通信模块用来与定位跟踪系统通信交互。
优选的，步骤Step4所述的声波攻击系统利用噪声干扰信号覆盖无人机蜂群通信信号的整个带宽来切断无人机间的协同链路，声波攻击干扰的过程包括：
(1)无人机之间要实现信息通讯，声波信号必须为周期性信号，设该声波信号满足函数Sg(t)，Sg(t)以傅里叶级数形式展开，得到
(2)其中傅里叶级数的系数为：
在式(2)中，T为声波信号周期，ω为角频率；
(3)则声波信号的平均功率为：
(4)设计噪声干扰信号N(t)为随机信号，其周期T趋向于无穷大，傅里叶级数的系数Qn表示为：
(5)为描述随机噪声信号的频谱特性，定义频率密度函数Q(ω)，表达式为
(6)根据式(5)，可得噪声干扰信号N(t)为
其中在式(6)中，Q(ω)为声波频率密度函数，ω为声波角频率。
优选的，步骤Step4所述的视觉干扰系统利用强光干扰切断无人机蜂群的视觉感知能力，来实现对无人机蜂群的反制，其具体过程包括：
(1)通过无人机视觉感知能力自主导航，同时探测其他无人机机身标注的靶标图形进行协同定位，计算出目标无人机与自身的方位角和距离信息，以该信息作为控制协议中的邻居集无人机状态信息，实现基于视觉信息的智能协同；
(2)对于该类无人机蜂群，视觉干扰系统可产生强光干扰无人机机载视觉传感器，屏蔽无人机视觉感知，削弱无人机蜂群视觉协同探测与识别能力。
优选的，步骤Step5所述确定反制效果的过程包括：
Step501.在声波攻击系统/视觉干扰系统作用蜂群目标时间Δt后，设无人机蜂群队形偏离度函数表示为：
其中，在式(7)中，(xi,yi,zi)和(x*,y*,z*)分别表示第i架无人机的实际位置和期望位置，N为无人机蜂群数量，
表示第i架无人机的位置偏离度，D*表示无人机蜂群整体队形平均偏离度；
Step502.若D*大于设定阈值，则判定蜂群反制成功。
本发明的有益效果是：本发明公开了一种基于群体协同信息的无人机蜂群反制方法，与现有技术相比，本发明的改进之处在于：
针对现有技术无法从根本上解决该类基于声呐信息/视觉信息协同的无人机蜂群(没有GNSS导航信号，通过声呐信息和视觉信息感知协同的无人机蜂群)反制问题，本发明提出了一种基于群体协同信息的无人机蜂群反制方法，本方法通过声波攻击和强光干扰可有效破坏部分无人机的自主导航能力、与邻近无人机的分布式协同能力，使得声波攻击和强光干扰范围内无人机无法获取导航定位信息和邻近无人机位置信息，蜂群期望队形难以维持，进而实现对无人机蜂群的有效反制；同时本方法采用探测预警系统可为后续定位跟踪和攻击干扰提供充分准备时间，提高系统发射角度精度与瞄准位置准确度，且由于各系统采用分散式部署，可实现同时攻击多个目标，具有攻击角度和瞄准位置精度高、攻击效率和反制成功率高的优点。
附图说明
图1为本发明基于群体协同信息的无人机蜂群反制方法流程图。
图2为本发明针对基于声呐信息协同的蜂群声波攻击流程框图。
图3为本发明基于声呐信息协同的无人机蜂群反制原理示意图。
图4为本发明基于视觉信息协同的无人机蜂群反制原理示意图。
具体实施方式
为了使本领域的普通技术人员能更好的理解本发明的技术方案，下面结合附图和实施例对本发明的技术方案做进一步的描述。
参照附图1-4所示的一种基于群体协同信息的无人机蜂群反制方法，本方法用于针对在没有GNSS信号的情况下，部分无人机蜂群通过声呐信息/视觉信息感知进行自主导航和智能协同，传统的信号压制和导航诱骗等反无人机方法对此类无人机蜂群效果甚微的问题，设计了一种如上所述的基于声波攻击和强光干扰的无人机蜂群反制系统和方法对抗该类无人机蜂群；上述方法的具体步骤包括：
Step1.探测预警：探测预警系统工作时发射和接收雷达、图像和声波信号，实时监测威胁空域是否有危险无人机蜂群出现，若检测到危险无人机蜂群则发出预警，将其标记为威胁无人机蜂群，并将初步位置信息发送到定位跟踪系统；
Step2.跟踪定位：定位跟踪系统接收到探测预警系统发送的初步位置信息后，实时定位并跟踪威胁无人机蜂群，同时计算蜂群位置偏移量并将其作为瞄准位置发送给与定位跟踪系统匹配的声波攻击系统和视觉干扰系统；所述声波攻击系统和视觉干扰系统与定位跟踪系统信号发射角度保持一致；
Step3.确定是否反制：定位跟踪系统判断威胁无人机蜂群是否进入反制区域，若是，则将威胁无人机蜂群标记为待反制无人机蜂群目标，向对应声波攻击系统和视觉干扰系统分别发送攻击和干扰指令，同时定位跟踪系统持续跟踪待反制无人机蜂群目标；若否，定位跟踪系统持续定位并跟踪威胁无人机蜂群；
Step4.反制蜂群目标：接收到攻击和干扰指令的声波攻击系统和视觉干扰系统基于当前瞄准位置和发射角度，发射使待反制蜂群目标通信信号失真的声波攻击信号和削弱视觉协同探测的强光干扰信号；
Step5.确定反制效果：定位跟踪系统判断设定时间Δt后的蜂群目标运动轨迹是否偏离原轨迹，即蜂群实际位置与计算期望位置距离是否大于设定阈值，蜂群队形是否发生变化，若是，则生成反制成功指令发送给声波攻击系统和视觉干扰系统，停止攻击；若否，定位跟踪系统持续定位并跟踪蜂群目标；
Step6.接收到反制成功指令后，定位跟踪系统的声波攻击系统和视觉干扰系统进入待机状态，探测预警系统持续监测威胁空域是否有蜂群目标进入。
优选的，步骤Step1和Step2所述的威胁、反制区域的设置过程包括：
(1)根据待防护目标地理位置及环境，设置威胁空域为：以待防护目标为圆心，3倍安全防御距离为半径的半球形区域；
(2)为提高反制效果，设置反制空域为：以待防护目标为圆心，0.8倍最远攻击/干扰距离为半径的半球形区域；在威胁区域设置探测预警系统，具体数量与安全防御距离相关，设置位置靠近威胁区域边界以实现预警效能最大化；在反制区域设置定位跟踪系统、声波攻击系统/视觉干扰系统，具体数量根据实际需求设置，定位跟踪系统与声波攻击系统/视觉干扰系统均具有随动云台，两者发射角度始终保持一致并对准无人机蜂群目标。
优选的，步骤Step1所述的探测预警系统布设于威胁空域的不同位置，用于发射和接收雷达、图像和声波信号，监测威胁空域是否有危险无人机蜂群出现，并将监测到的威胁无人机蜂群的初步位置信息发送到定位跟踪系统；且所述探测预警系统包括信号发射模块、信号接收模块、网络通信模块和控制模块，其中信号发射模块用于发射探测信号；信号接收模块用于接收探测信号并发送给控制模块；控制模块用于根据监测数据计算无人机蜂群目标位置信息并判断是否发出预警；网络通信模块用于与定位跟踪系统通信交互。
优选的，步骤Step1和Step2所述的定位跟踪系统内配备声波攻击系统和视觉干扰系统，布设于反制区域的不同位置，用于对危险无人机蜂群进行定位跟踪，并对应声波攻击系统和视觉干扰系统分别发送攻击和干扰指令，使得危险无人机蜂群偏离期望轨道；所述定位跟踪系统还包括雷达、发射机、接收机、四自由度随动云台、测速模块、测距模块、控制模块和网络通信模块，其中雷达、发射机、接收机用于精确定位无人机蜂群位置；四自由度随动云台用于实时对准无人机蜂群目标位置；测速模块和测距模块用于计算出蜂群目标方位、速度和距离信息，并发送给控制模块；控制模块用于计算蜂群目标瞄准位置和信号发射角度；网络通信模块用于与声波攻击系统和视觉干扰系统通信交互、发送指令。
优选的，在步骤Step3中，无论无人机蜂群是否进入反制区域，定位跟踪系统都始终定位并跟踪蜂群目标，并将瞄准位置信息和发射角度实时发送给声波攻击系统和视觉干扰系统。
优选的，步骤Step4所述的声波攻击系统包括信号发生器、功率放大器、换能器、四自由度随动云台、控制模块和网络通信模块，其中网络通信系统用于与定位跟踪系统通信交互；控制模块根据接收到的瞄准位置和发射角度实时调整四自由度随动云台的方向；信号发生器根据控制模块设定的信号频率产生电信号，经功率放大器放大后由换能器将电信号转化为噪声干扰信号，用来压制无人机声呐系统，使无人机无法感知准确协同信息；
其中，所述声波攻击系统的设计过程包括：
(1)基于声呐信息感知与通信的无人机蜂群，其通信交互主要以声波传输为主，信息发生器所发出的声波频率容易受到环境噪声的影响，因此通过相应频率的强噪声干扰很大程度上会影响无人机间的通信互连；噪声信号进入通信信道与协同信号相互混杂，导致声波接收机接收到的信号出现失真的状况，称为噪声干扰；本发明中声波攻击系统即利用噪声干扰信号覆盖无人机蜂群通信信号的整个带宽来切断无人机间的协同链路，声波攻击干扰流程框图如图2所示；
无人机之间要实现信息通讯，声波信号必须为周期性信号，假设该声波信号满足函数Sg(t)，Sg(t)以傅里叶级数形式展开，得到
(2)其中傅里叶级数的系数为：
在式(2)中，T为声波信号周期，ω为角频率；
(3)则声波信号的平均功率为：
(4)设计噪声干扰信号N(t)为随机信号，其周期T趋向于无穷大，傅里叶级数的系数Qn表示为：
(5)为描述随机噪声信号的频谱特性，定义频率密度函数Q(ω)，表达式为
(6)根据式(5)，可得噪声干扰信号N(t)为
其中在式(6)中，Q(ω)为声波频率密度函数，ω为声波角频率；
信号发生器根据控制模块设定的信号频率产生电信号，经功率放大器放大后由换能器将电信号转化为声波信号，声波信号作用使得被攻击无人机无法与邻居无人机通信，无法获取邻居无人机实时位置信息，其控制协议中的协同控制项无法更新，使得蜂群中各无人机飞行轨迹冲突难以形成编队，从而有效反制无人机蜂群。
优选的，步骤Step4所述的视觉干扰系统包括大功率强光仪、四自由度随动云台、控制模块和网络通信模块，其中大功率强光仪用于根据控制模块确定的信号生成强光；控制模块用于根据接收到的瞄准位置和发射角度实时控制云台角度；网络通信模块用来与定位跟踪系统通信交互；
其中视觉干扰系统的设计过程包括：
(1)基于视觉信息自主导航和智能协同的无人机蜂群，通过机载视觉传感器实时采集影像和地形数据，与已有卫星正射影像图库和高程库进行景象匹配和地形匹配，从而实现基于视觉信息感知的自主导航；同样，蜂群中的无人机通过视觉传感器探测其他无人机机身标注的靶标图形，计算出目标无人机与自身的方位角和距离信息，以该信息作为控制协议中的邻居集无人机状态信息实现基于视觉信息的智能协同；
(2)对于该类无人机蜂群，视觉干扰系统可产生强光干扰无人机机载视觉传感器，屏蔽无人机视觉感知，削弱无人机蜂群视觉协同探测与识别能力；基于视觉信息协同的无人机蜂群反制原理如图4所示。
优选的，在步骤Step5中，若声波攻击系统/视觉干扰系统对蜂群部分目标有效，该无人机个体将无法获取邻近无人机状态信息，声波攻击系统/视觉干扰系统作用蜂群目标时间Δt后，无人机蜂群队形将发生变化且偏移预定运动轨迹，此时认为针对基于声呐/视觉信息协同的无人机蜂群反制方法有效；
所述的确定反制效果的过程包括
Step501.在声波攻击系统/视觉干扰系统作用蜂群目标时间Δt后，设无人机蜂群队形偏离度函数表示为：
其中，在式(7)中，(xi,yi,zi)和(x*,y*,z*)分别表示第i架无人机的实际位置和期望位置，N为无人机蜂群数量，
表示第i架无人机的位置偏离度，D*表示无人机蜂群整体队形平均偏离度；
Step502.若D*大于设定阈值，则判定蜂群反制成功。
实施例1:对于基于视觉信息协同的无人机蜂群，无人机通过机载视觉传感器采集地形数据进行自主定位；通过视觉能力探测其他无人机的位置进行智能协同。这类无人机蜂群无需传统的GNSS信号，不依赖于导航信息，传统的导航反制方法无法有效反制该类无人机蜂群。
如图4所示，无人机A实时采集影像和地形数据，和离线的卫星正射影像图库和高程库进行景象匹配和地形匹配，从而实现基于视觉信息感知的自主导航；同时通过视觉传感器探测无人机B和C的相对位置，计算无人机B、C和自身的方位角和距离信息。通过该信息设计分布式控制协议实现三架无人机基于视觉信息的智能协同。
针对该类蜂群，本发明提出一种基于强光的视觉干扰系统，通过强光干扰切断无人机A的视觉感知能力，使其无法获得地面景象信息、无法获取无人机B和C的位置信息。无人机A无法定位导航，同时分布式控制协议中与B、C相对位置信息缺失导致协同失效，最终无人机蜂群无法继续维持队形，从而实现无人机蜂群的有效反制。本发明主要针对基于视觉信息协同的无人机蜂群，结构简单、对探测反制设备要求较低且没有硬反制方法带来的附带损伤，为基于视觉信息协同的无人机蜂群反制拓展了一条新思路。
以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (6)
1.一种基于群体协同信息的无人机蜂群反制方法，其特征在于：包括步骤
Step1.探测预警：探测预警系统工作时发射和接收雷达、图像和声波信号，实时监测威胁空域是否有危险无人机蜂群出现，若检测到危险无人机蜂群则发出预警，将其标记为威胁无人机蜂群，并将初步位置信息发送到定位跟踪系统；
Step2.跟踪定位：定位跟踪系统接收到探测预警系统发送的初步位置信息后，实时定位并跟踪威胁无人机蜂群，同时计算蜂群位置偏移量并将其作为瞄准位置发送给与定位跟踪系统匹配的声波攻击系统和视觉干扰系统；所述声波攻击系统和视觉干扰系统与定位跟踪系统信号发射角度保持一致；
Step3.确定是否反制：定位跟踪系统判断威胁无人机蜂群是否进入反制区域，若是，则将威胁无人机蜂群标记为待反制无人机蜂群目标，向对应声波攻击系统和视觉干扰系统分别发送攻击和干扰指令，同时定位跟踪系统持续跟踪待反制无人机蜂群目标；若否，定位跟踪系统持续定位并跟踪威胁无人机蜂群；
Step4.反制蜂群目标：接收到攻击和干扰指令的声波攻击系统和视觉干扰系统基于当前瞄准位置和发射角度，发射使待反制蜂群目标通信信号失真的声波攻击信号和削弱视觉协同探测的强光干扰信号；
步骤Step4所述的声波攻击系统包括信号发生器、功率放大器、换能器、四自由度随动云台、控制模块和网络通信模块，其中
网络通信系统用于与定位跟踪系统通信交互；
控制模块根据接收到的瞄准位置和发射角度实时调整四自由度随动云台的方向；
信号发生器根据控制模块设定的信号频率产生电信号，经功率放大器放大后由换能器将电信号转化为噪声干扰信号，用来压制无人机声呐系统，使无人机无法感知准确协同信息；
步骤Step4所述的声波攻击系统利用噪声干扰信号覆盖无人机蜂群通信信号的整个带宽来切断无人机间的协同链路，声波攻击干扰的过程包括：
(1)无人机之间要实现信息通讯，声波信号必须为周期性信号，设该声波信号满足函数Sg(t)，Sg(t)以傅里叶级数形式展开，得到
(2)其中傅里叶级数的系数为：
在式(2)中，T为声波信号周期，ω为角频率；
(3)则声波信号的平均功率为：
(4)设计噪声干扰信号N(t)为随机信号，其周期T趋向于无穷大，傅里叶级数的系数Qn表示为：
(5)为描述随机噪声信号的频谱特性，定义频率密度函数Q(ω)，表达式为
(6)根据式(5)，可得噪声干扰信号N(t)为
其中，在式(6)中，Q(ω)为声波频率密度函数，ω为声波角频率；
步骤Step4所述的视觉干扰系统包括大功率强光仪、四自由度随动云台、控制模块和网络通信模块，其中
大功率强光仪用于根据控制模块确定的信号生成强光；
控制模块用于根据接收到的瞄准位置和发射角度实时控制云台角度；
网络通信模块用来与定位跟踪系统通信交互；
步骤Step4所述的视觉干扰系统利用强光干扰切断无人机蜂群的视觉感知能力，来实现对无人机蜂群的反制，其具体过程包括：
(1)通过无人机视觉感知能力自主导航，同时探测其他无人机机身标注的靶标图形进行协同定位，计算出目标无人机与自身的方位角和距离信息，以该信息作为控制协议中的邻居集无人机状态信息，实现基于视觉信息的智能协同；
(2)对于该类无人机蜂群，视觉干扰系统可产生强光干扰无人机机载视觉传感器，屏蔽无人机视觉感知，削弱无人机蜂群视觉协同探测与识别能力；
Step5.确定反制效果：定位跟踪系统判断设定时间Δt后的蜂群目标运动轨迹是否偏离原轨迹，即蜂群实际位置与计算期望位置距离是否大于设定阈值，蜂群队形是否发生变化，若是，则生成反制成功指令发送给声波攻击系统和视觉干扰系统，停止攻击；若否，定位跟踪系统持续定位并跟踪蜂群目标；
步骤Step5所述的确定反制效果的过程包括：
Step501.在声波攻击系统/视觉干扰系统作用蜂群目标时间Δt后，设无人机蜂群队形偏离度函数表示为：
其中，在式(7)中，(xi,yi,zi)和(x*,y*,z*)分别表示第i架无人机的实际位置和期望位置，N为无人机蜂群数量，
表示第i架无人机的位置偏离度，D*表示无人机蜂群整体队形平均偏离度；
Step502.若D*大于设定阈值，则判定蜂群反制成功；
Step6.接收到反制成功指令后，定位跟踪系统的声波攻击系统和视觉干扰系统进入待机状态，探测预警系统持续监测威胁空域是否有蜂群目标进入。
2.根据权利要求1所述的一种基于群体协同信息的无人机蜂群反制方法，其特征在于：
(1)步骤Step1所述的探测预警系统布设于威胁空域的不同位置，用于发射和接收雷达、图像和声波信号，监测威胁空域是否有危险无人机蜂群出现，并将监测到的威胁无人机蜂群的初步位置信息发送到定位跟踪系统；
(2)步骤Step1和Step2所述的定位跟踪系统内配备声波攻击系统和视觉干扰系统，布设于反制区域的不同位置，用于对危险无人机蜂群进行定位跟踪，并向对应声波攻击系统和视觉干扰系统分别发送攻击和干扰指令，使得危险无人机蜂群偏离期望轨道。
3.根据权利要求2所述的一种基于群体协同信息的无人机蜂群反制方法，其特征在于：所述的探测预警系统包括信号发射模块、信号接收模块、网络通信模块和控制模块，其中
信号发射模块用于发射探测信号；
信号接收模块用于接收探测信号并发送给控制模块；
控制模块用于根据监测数据计算无人机蜂群目标位置信息并判断是否发出预警；
网络通信模块用于与定位跟踪系统通信交互。
4.根据权利要求2所述的一种基于群体协同信息的无人机蜂群反制方法，其特征在于：所述的定位跟踪系统还包括雷达、发射机、接收机、四自由度随动云台、测速模块、测距模块、控制模块和网络通信模块，其中
雷达、发射机、接收机用于精确定位无人机蜂群位置；
四自由度随动云台用于实时对准无人机蜂群目标位置；
测速模块和测距模块用于计算出蜂群目标方位、速度和距离信息，并发送给控制模块；
控制模块用于计算蜂群目标瞄准位置和信号发射角度；
网络通信模块用于与声波攻击系统和视觉干扰系统通信交互、发送指令。
5.根据权利要求2所述的一种基于群体协同信息的无人机蜂群反制方法，其特征在于：步骤Step1和Step2所述的威胁空域、反制区域的设置过程包括
(1)威胁空域为以待防护目标为圆心，3倍安全防御距离为半径的半球形区域；
(2)反制区域为以待防护目标为圆心，0.8倍最远攻击和干扰距离为半径的半球形区域。
6.根据权利要求1所述的一种基于群体协同信息的无人机蜂群反制方法，其特征在于：在步骤Step3中，无论无人机蜂群是否进入反制区域，定位跟踪系统都始终定位并跟踪蜂群目标，并将瞄准位置信息和发射角度实时发送给声波攻击系统和视觉干扰系统。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110898653.6A CN113739638B (zh) | 2021-08-05 | 2021-08-05 | 一种基于群体协同信息的无人机蜂群反制方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110898653.6A CN113739638B (zh) | 2021-08-05 | 2021-08-05 | 一种基于群体协同信息的无人机蜂群反制方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113739638A CN113739638A (zh) | 2021-12-03 |
| CN113739638B true CN113739638B (zh) | 2023-05-09 |
Family
ID=78730284
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110898653.6A Active CN113739638B (zh) | 2021-08-05 | 2021-08-05 | 一种基于群体协同信息的无人机蜂群反制方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113739638B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114389741A (zh) * | 2021-12-06 | 2022-04-22 | 特金智能科技(上海)有限公司 | 无人机的反制方法、系统和装置、存储介质 |
| CN116185077B (zh) * | 2023-04-27 | 2024-01-26 | 北京历正飞控科技有限公司 | 一种黑飞无人机窄带精准打击方法 |
| CN117553628B (zh) * | 2023-12-29 | 2024-04-05 | 中国人民解放军火箭军工程大学 | 一种无人机群反制技术效能评估系统及方法 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4473787B2 (ja) * | 2005-06-09 | 2010-06-02 | 株式会社東芝 | 防空システム |
| CN105842717B (zh) * | 2016-05-19 | 2018-10-16 | 湖南矩阵电子科技有限公司 | 一种反无人机的方法和系统 |
| CN107167037B (zh) * | 2017-06-08 | 2018-08-21 | 电子科技大学 | 一种基于声波攻击的集中控制反无人机系统 |
| CN207797884U (zh) * | 2018-01-08 | 2018-08-31 | 四川德科信息技术有限公司 | 一种用于机场的反无人机系统 |
| CN109088695B (zh) * | 2018-07-24 | 2019-08-23 | 广州海格亚华防务科技有限公司 | 一种无人机侦测防御系统及方法 |
| US20210333392A1 (en) * | 2019-06-13 | 2021-10-28 | Lg Electronics Inc. | Sound wave detection device and artificial intelligent electronic device having the same |
| CN211953872U (zh) * | 2019-12-05 | 2020-11-17 | 常州工业职业技术学院 | 基于雷达、高精度转台和云储能供电的无人机反制系统 |
| CN211809377U (zh) * | 2019-12-31 | 2020-10-30 | 中国船舶重工集团公司第七一七研究所 | 一种基于车载的综合射频与光电一体化反无人机系统 |
| CN212205830U (zh) * | 2020-03-25 | 2020-12-22 | 嘉兴众行信息科技有限公司 | 一种固定站式的反无人机防御系统 |
| CN111965604B (zh) * | 2020-07-24 | 2022-01-11 | 北京理工大学重庆创新中心 | 基于循环平稳的雷达干扰识别与抑制方法 |
-
2021
- 2021-08-05 CN CN202110898653.6A patent/CN113739638B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN113739638A (zh) | 2021-12-03 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113739638B (zh) | 一种基于群体协同信息的无人机蜂群反制方法 | |
| CN111026152B (zh) | 一种基于飞行目的地预测的无人机导航诱骗装置和方法 | |
| US9026272B2 (en) | Methods for autonomous tracking and surveillance | |
| KR102140519B1 (ko) | 무인항공기 방어 시스템 | |
| EP2064819B1 (en) | A method and system for extending operational electronic range of a vehicle | |
| CN112902756A (zh) | 一种基于低空拒止系统的低慢小飞行目标指定点诱骗方法 | |
| US20070233337A1 (en) | Semi-autonomous guidance system for a vehicle | |
| CN107121677B (zh) | 基于超宽带认知cppm信号的避障雷达方法及装置 | |
| US20200064443A1 (en) | Method of identifying and neutralizing low-altitude unmanned aerial vehicle | |
| CN108037545B (zh) | 一种针对无人机的定向式光学干扰系统 | |
| Bethi et al. | Stealthy GPS spoofing: Spoofer systems, spoofing techniques and strategies | |
| KR102155284B1 (ko) | 무인항공기 방어 체계 구축을 위한 무인항공기 기만 장치 및 방법 | |
| US11333755B2 (en) | Optimised acoustic detection system for detecting various underwater threats in a sensitive zone | |
| KR20150003893U (ko) | 레이더와 드론을 이용한 경계 및 경비 자동화 시스템 | |
| CN114995520A (zh) | 一种无人机协同防御控制方法、电子设备及介质 | |
| Souli et al. | Multi-agent system for rogue drone interception | |
| CN117705116A (zh) | 一种无人机激光导航系统及方法 | |
| Mykytyn et al. | GPS-spoofing attack detection mechanism for UAV swarms | |
| US11796674B2 (en) | Modular distributed system for the acoustic detection of underwater threats in a sensitive zone | |
| CN117316000A (zh) | 一种无人机反制方法、系统、设备及存储介质 | |
| CA2970282C (en) | System and method to provide a dynamic situational awareness of attack radar threats | |
| Bhatti | Sensor deception detection and radio-frequency emitter localization | |
| WO2015102695A2 (en) | Virtual tracer methods and systems | |
| CN113447892A (zh) | 一种多无人机对组网雷达航迹欺骗干扰的方法 | |
| CN111966117A (zh) | 控制无人机降落的方法及系统 |
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 |