CN114358069A - 一种基于无人机的无源探测干扰自动化方法及系统 - Google Patents

Abstract

本发明涉及无源探测技术领域，公开了一种基于无人机的无源探测干扰自动化方法，包括：将系统接入公用处理模块、子设备插件模块和主控态势显示模块；获取雷达原始点迹信息和无人机频谱信息；进行数据融合处理，获取当前无人机的实际坐标；对融合数据进行n阶线性拟合的曲线拟合处理，在公用处理模块的曲线拟合模块处理曲线拟合后的数据，对曲线拟合后的数据进行计算获取无人机的虚景坐标；根据无人机的实际坐标与虚景坐标在禁止起飞区和航迹禁止区内实现无源探测干扰的自动化。本发明还提供了一种基于无人机的无源探测干扰自动化系统。本发明通过数据融合与数据线性拟合预处理，提供了高准确性的源数据，还可以实现无人值守和自动控制。

Description

一种基于无人机的无源探测干扰自动化方法及系统

技术领域

本发明涉及无源探测技术领域，具体地说，是一种基于无人机的无源探测干扰自动化方法及系统，通过数据融合与数据线性拟合预处理，提供了高准确性的源数据并达到无人值守和自动控制的效果。

背景技术

现有单设备控制软件，可控制单一设备进行人为操作，比如雷达控制单设备控制软件，电子侦测单设备控制软件，干扰及导航诱骗单设备控制软件。在人为可判断操作情况下单设备控制软件可实现手动打击。但通常情况下，由于设备过多，人为操作效率过低。在低、慢、小的无人机防御体系中，设备需要高精度无人机目标引导信息实时进行打击作战。但与此同时，对计算机的处理能力提出了较高的要求，同时也对架构设计提出了较高的要求。现有技术条件下的该类系统处理数据效率较低、处理容量不大、耦合过高等缺陷，难以满足使用要求。

因此，为了解决上述问题，亟需一种技术方案，能够提高数据处理效率，同时提供高准确性的源数据，并达到无人值守和自动控制的效果。

发明内容

本发明的目的在于提供一种基于无人机的无源探测干扰自动化方法，能够提高数据处理效率，同时提供高准确性的源数据，并达到无人值守和自动控制的效果。

本发明通过下述技术方案实现：一种基于无人机的无源探测干扰自动化方法，包括以下步骤：

步骤S1.将无源探测干扰自动化系统接入公用处理模块、子设备插件模块和主控态势显示模块；

步骤S2.根据子设备插件模块中的雷达设备获取雷达原始点迹信息，根据电侦设备测得无人机频谱信息作为原始数据，对原始数据进行标准化处理和滤波处理获取关心的信号特征；

步骤S3.根据公用处理模块中的数据交互模块接收雷达原始点迹数据和信号数据，根据公用处理模块中的数据处理模块对雷达原始点迹数据和信号数据进行数据融合处理，获取当前无人机的实际坐标；

步骤S4.在公用处理模块的数据交互模块对融合数据进行n阶线性拟合的曲线拟合处理，在公用处理模块的曲线拟合模块处理曲线拟合后的数据，对曲线拟合后的数据进行计算获取无人机的虚景坐标；

步骤S5.将数据处理模块和特殊区域处理模块连接，将数据交互模块和特殊目标处理模块连接，根据无人机的实际坐标与虚景坐标并结合特殊区域处理模块和特殊目标处理模块在禁止起飞区和航迹禁止区内实现无源探测干扰的自动化。

为了更好地实现本发明，进一步地，步骤S2中获取关心的信号特征的方法包括：

首先对原始数据进行解包处理和预处理；

然后对原始数据进行整合，使用旅行的蚂蚁聚类算法和匹配的分类算法对原始数据进行第一次分类，获取第一次分类结果；

最后根据智能匹配算法对无源探测干扰自动化系统中无人机特征库的信息对第一次分类结果进行评估，同时对第一次分类结果进行二次分类，获取关心的信号特征的处理结果并发送至数据处理模块；

所述关心的信号特征包括目标型号信息、ID信息、平均能量信息和角度信息。

为了更好地实现本发明，进一步地，步骤S3包括：

根据频谱特征识别技术和预先建立的频谱特征库比对信号数据获取无人机机型信息；

根据无人机机型信息侦测无人机的遥控与图传信号，在时域与频域对无人机的遥控与图传信号进行有效识别。

为了更好地实现本发明，进一步地，步骤S4中曲线拟合处理的方法包括：

将曲线拟合p表示为p＝polyfit(x,y,n)；其中，曲线拟合p为返回阶数为n的多项式p(x)的系数，阶数n是y中数据在最小二乘方式中的最佳拟合阶数；y是经度或纬度分别进行拟合的值，x是自然递增的自然数；

将曲线拟合p中的系数按降幂排列，并取p的长度为n+1；

根据曲线特征选取n阶拟合，并表示为；

在曲线拟合模块将数据初等行变换为增广矩阵，利用初等变换把增广矩阵变换为行阶梯阵，回代求出方程式多项式p(x)的系数解；

对曲线拟合后的数据进行数据处理后取最后项值，最终可分别得出拟合后各目标点的经度与维度坐标信息。

为了更好地实现本发明，进一步地，步骤S5包括：

根据预设定的限飞区与禁飞区设置、打击方式、打击时间、判定成功条件和最长打击时间实现闭环操作；

将打击的干扰机设备设备D、目标信息与打击动作传输给公用处理模块的插件管理器，插件管理器根据打击设备ID匹配设备插件，通过UDP网络套接字传输打击动作给设备实现打击。

为了更好地实现本发明，进一步地，步骤S5中实现无源探测干扰的自动化的方法还包括：

根据通信和干扰链路的传输功率模型获取目标通信接收机输入干信比表示的通信干扰方程；

根据通信干扰方程输出能压制无人机目标控制信号的功率模型；

根据功率模型判断目标设备是否根据拟合数据预测进入警戒区，如果是进行告警，如果否，及系进行判断。

为了更好地实现本发明，本发明还提供了一种基于无人机的无源探测干扰自动化系统，包括公用处理模块、子设备插件模块和主控态势显示模块，其中：

公用处理模块和主控态势显示模块之间进行交互，公用处理模块和子设备插件模块之间进行交互；

子设备插件模块，包括通信模块，用于获取雷达原始点迹信息；用于测得无人机频谱信息作为原始数据，对原始数据进行标准化处理和滤波处理获取关心的信号特征；

公用处理模块，包括数据交互模块、数据处理模块和曲线拟合模块，用于对融合数据进行n阶线性拟合的曲线拟合处理，用于处理曲线拟合后的数据，对曲线拟合后的数据进行计算获取无人机的虚景坐标；

将公用处理模块中的数据处理模块和特殊区域处理模块连接，将公用处理模块中的数据交互模块和特殊目标处理模块连接，根据无人机的实际坐标与虚景坐标并结合特殊区域处理模块和特殊目标处理模块在禁止起飞区和航迹禁止区内实现无源探测干扰的自动化；

主控态势显示模块，用于提供人机交互操作界面。

本发明与现有技术相比，具有以下优点及有益效果：

(1)本发明通过数据融合与数据线性拟合预处理，提供了高准确性的源数据；

(2)本发明的插件化的开发框架能够实现代码隔离；

(3)本发明对任务模式的处理能够实现无人值守自动化功能；

(4)本发明的系统具备低耦合，高效，响应速度快，结构清晰、灵活和可扩展特性的特点，充分考虑了控制设备的安全特性等特点；

(5)本发明中的系统以替换设备插件形式做到代码隔离，具有高扩展性，低耦合性；

(6)本发明中的系统可针对于实时跟踪的应用场景下，可有效解决目标丢失，错误，虚景等问题；

(7)本发明中的系统可实现无人值守和自动控制。

附图说明

本发明结合下面附图和实施例做进一步说明，本发明所有构思创新应视为所公开内容和本发明保护范围。

图1为本发明提供的一种基于无人机的无源探测干扰自动化方法的流程图。

图2为本发明提供的一种基于无人机的无源探测干扰自动化系统的结构示意图。

图3为本发明提供的一种基于无人机的无源探测干扰自动化方法中数据处理设计架构示意图。

图4为本发明提供的一种基于无人机的无源探测干扰自动化方法中无人机遥测遥控频谱信号识别示意图。

图5为本发明提供的一种基于无人机的无源探测干扰自动化方法中自动模式的流程示意图。

图6为本发明提供的一种基于无人机的无源探测干扰自动化方法中通信与干扰链路的功率传输模型示意图。

图7为本发明提供的一种基于无人机的无源探测干扰自动化方法中干扰设备组成的结构示意图。

具体实施方式

为了更清楚地说明本发明实施例的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，应当理解，所描述的实施例仅仅是本发明的一部分实施例，而不是全部的实施例，因此不应被看作是对保护范围的限定。基于本发明中的实施例，本领域普通技术工作人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“设置”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；也可以是直接相连，也可以是通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

实施例1：

本实施例的一种基于无人机的无源探测干扰自动化方法，如图1所示，本实施例在公用处理模块的数据交互模块对融合数据进行n阶线性拟合的曲线拟合处理，在公用处理模块的曲线拟合模块处理曲线拟合后的数据，对曲线拟合后的数据进行计算获取无人机的虚景坐标，通过数据融合与数据线性拟合预处理，提供了高准确性的源数据；本实施例通过将无源探测干扰自动化系统接入子设备插件模块，以插件化的开发框架形式实现代码隔离；本发明提供的任务模式的处理能够实现无人值守自动化功能；本实施例中的无源探测干扰自动化系统和主控态势显示模块连接，并通过数据融合与数据线性拟合预处理，可针对于实时跟踪的应用场景下，可有效解决目标丢失，错误，虚景等问题；可实现无人值守和自动控制。

实施例2：

本实施例在实施例1的基础上做进一步优化，在本实施例中，在无源探测干扰自动化系统工作时，通过多根天线分别同时接收来自各个方向的无线电信号，然后同时提交给射频接收器，射频接收器对无线电进行处理，将无线电信号转化为数字信号，并将获得的数据发送给FPGA模块；FPGA模块(无线电侦测设备内部数字信号处理模块)是在PAL、GAL等可编程器件的基础上进一步发展的产物，作为常用的模块，在此不多做赘述。FPGA模块对数据进行预处理和打包，并作为天线数据发送模块，把数据发送到处理计算机；处理计算机接收到来自天线系统的数据后，首先对数据进行解包和预处理，然后对数据进行整合，使用旅行的蚂蚁聚类算法和匹配的分类算法对信号进行第一次分类，旅行的蚂蚁聚类算法是将已经处于同一数量级的脉冲信号集随机散步在一个二维平面上，在此平面上产生一些虚拟蚂蚁。

旅行的蚂蚁是将已经处于同一数量级的脉冲信号集随机散步在一个二维平面上，在此平面上产生一些虚拟蚂蚁。他们的目的是判断自己所背负的东西是否与周围物体相似。此方法将数据随机分布在一个n x n的网格中，蚂蚁在初始地点可以观察周围固定面积区域中的对象，对象O_i在低点r与周围物体的相似度按照下面公式计算：

其中f(O_i)是对象O_i在低点r与周围物体的相似度，a是衡量相异度参数，S是固定面积区域，d(O_i-O_j)是两个对象在二维空间的距离，一般为欧几里得距离，Neigh(r)是以r为中心的固定面积区域。这里需要判断每一个蚂蚁捡起一个对象与放下一个对象的概率。可以按照以下两个公式进行：

其中，P_p(O_i)是蚂蚁捡起对象O_i的概率，P_d(O_i)为放下对象的概率，k1和k2为常数，将随机产生数与计算所得的捡起与放下的可能性比较，随机数小于就执行捡起或者放下操作，达到数据收敛的目的。

将分类结果发送给智能匹配算法，智能匹配算法使用无人机特征库中的信息对分类结果进行评估，同时对结果进行二次分类，给出有效目标的处理结果,即关心的信号特征，提交至公用处理模块中的数据处理模块，包括目标型号，ID，平均能量，角度等等。

本实施例的其他部分与实施例1相同，故不再赘述。

实施例3：

本实施例在上述实施例1的基础上做进一步优化，本实施例中，对雷达系统获取的点迹信息进行数据处理，数据交互模块能够接收雷达原始点迹数据，数据处理模块能够根据现有原始点迹数据进行数据处理，观察者模块用于清除超时未更新的点迹数据。

电侦设备，即无线电侦测系统原理如图3所示，无人机飞行过程中需要接收遥控器的遥控信号，同时遥控操作手接收无人机下行的图传信号，所有这些无线通信链路均会占用频谱资源，无线电侦测设备通过信号检测技术，就能够从中提取出所关心的信号特征，并利用频谱特征识别技术与建立的频谱特征库相比对，进而得到机型信息。如图4所示根据上述分析，通过侦测无人机的遥控与图传信号，可以在时域与频域对信号进行有效识别。

根据公用处理模块中的数据处理模块对雷达原始点迹数据和信号数据进行数据融合处理，融合后获取当前无人机的实际坐标并存储到子设备插件模块中的存储模块判断是否进入自动模式，如果否，进行协同模式的处理，如果是，需要进行对抗处理，判断对抗策略是否完成，如果是，将实际坐标传至子设备插件模块中的通信模块，如果否，继续进行对抗处理。

公用处理模块中的数据处理模块对定位结果进行评估，完成剔除野值等工作，并将数据提交给主控态势显示模块的显示界面，显示界面负责将定位结果进行展示，结束一个检测周期。以便获取有效的中心频点与带宽，信号强度等信息、方向角、距离，拟合无人机位置信息后匹配雷达真实点迹，进行数据匹配融合为完整无人机目标信息。

本实施例的其他部分与上述实施例相同，故不再赘述。

实施例4：

本实施例在上述实施例1的基础上做进一步优化，拟合是根据固定时间内有效实际坐标点拟合的，拟合目的是获得无人机预测未来虚景坐标。本实施例中，对于已经融合数据，有一定几率出现丢点，跳点，虚景等错误现象，对于此现象。本系统对于已知航迹点迹会进行n阶线性拟合，保证数据有效性，连续性。本拟合实现方法如下：

在数据交互模块存储原始数据，存储线性拟合数据，存储目标虚景，定时清除无效，超时数据。

曲线拟合p＝polyfit(x,y,n)返回阶数为n的多项式p(x)的系数，该阶数是y中数据的最佳拟合(在最小二乘方式中)。p中的系数按降幂排列，p的长度为n+1。这里因为曲线特征的原因，使用3阶拟合就足够满足其公式为：

曲线拟合模块将数据初等行变换为增广矩阵AX＝B，利用初等变换把增广矩阵变换为行阶梯阵，回代求出方程式多项式系数解。数据处理所得拟合后数据，取最后项值根据目标航速，时间，速度。进行计算得出预设时间点的虚景值(虚景坐标)进行存储供其他模块使用。

这里我们只使用最后点的有效数据，根据目标航速、时间和速度进行计算得出预设时间点的无人机虚景坐标，在数据交互模块中存储后供其他模块使用。

本实施例的其他部分与上述实施例1相同，故不再赘述。

实施例5：

本实施例在上述实施例1的基础上做进一步优化，如图5所示，本实施例将数据处理模块和特殊区域处理模块连接，将数据交互模块和特殊目标处理模块连接,根据无人机的态势信息进行预设好的业务处理。根据无人机拟合处理后未来固定时间的虚景坐标判断目标趋势，若目标将会出现在警戒区域范围内，实行预警处理。若无人机当前已经出现在警戒范围内，实现告警的业务处理。预警与告警业务处理均为人为定制，可同时进行无人机导航信号，控制信号，图传信号同时进行压制干扰。其干扰样式均为扫频信号，只是干扰频段与带宽有所不同。

本实施例中，在上述实施例提供目标信息基础上。根据预设好的限飞区与禁飞区预设置，打击方式，打击时间，判定成功条件，最长打击时间的预设定实现闭环操作。将打击设备ID，目标信息与打击动作传输给插件管理器，插件管理器根据ID匹配设备插件，通过UDP网络套接字传输打击动作给设备，实现打击。本实施例中的打击目标是指无人机目标。

所述的模块组还包括特殊区域处理模块，特殊区域处理模块能够与数据处理模块连接，所述的模块组还包括特殊目标处理模块，特殊目标处理模块能够与数据同步与交互中心连接。特殊区域处理模块主要提供禁止起飞区、航迹禁止区等特殊区域，区域内按照指定的打击策略处理准则实现自动防御。

在本实施例中，数据处理模块进行自动对抗处理并存在有效位置信息，根据目标危险程度进行优先级排序并配置伺服转台跟踪，存在有效频率信息，在干扰插件使用干扰指令配置干扰频率，发射干扰信号，根据目标是否消失判断时间是否超时，如果是，退出；如果否，返回自动对抗处理。

实施例的其他部分与上述实施例相同，故不再赘述。

实施例6

本实施例在上述实施例1的基础上做进一步优化，在本实施例中，如图6所示，干扰机基于通信信号侦测的基础上，采用数字化全频段快速变频技术，使用多倍程天线技术、宽带功放技术，快速响应主控反制策略，能够有效应对600MHz-6GHz频段范围内无人机目标。设备在采用多频段宽带方案，用于实现针对多类型通信频段无人机通信链路，采用高精度云台加定向天线方案，实现180°转向覆盖干扰和分时多目标干扰。干扰机集成多种样式干扰波形，包括白噪声、扫频信、梳状谱、可编辑任意波等，可根据无人机上下行链路通信信号的特征，选择具备针对性的波形进行阻塞通信。

由通信与干扰链路的传输功率模型，根据图2可以很容易的推出以目标通信接收机输入干信比表示的通信干扰方程：

式中：

P_ji、P_si分别为干扰和信号输入功率；

P_Tj、P_Ts分别为干扰和信号的发射功率；

G_TjG_Ts分别为干扰和信号发射天线增益；

G_RjG_Rs分别为干扰和信号的接收天线增益；

L_j、L_s分别为干扰和信号的传输路径损耗；

L_f为干扰与信号的频域重合损耗(滤波损耗)；

L_t为干扰与信号的时域重合损耗；

L_p为极化损耗。

设压制系数为K，则由干扰方程得:

通信被压制，所以通信干扰方程保证上式成立，该式即为通信干扰方程的一般形式。

无线电干扰设备采用多个自主干扰源架构，实现对600MHz-6000MHz范围内频率的全覆盖和有效反制。系统工作过程分为5段，即600MHz-1000MHz，1000MHz-2000MHz，2000MHz-4000MHz，4000MHz-6000MHz等4个部分和1.15GHz-1.65GHz的导航频段，可以分时工作，也具备同时工作的能力，其最大干扰带宽为175MHz，带宽可调。通过不少于40000跳/s的快速跳频方式实现干扰信号分离及带宽延伸，干扰机设备如图7所示。

如果目标是根据拟合数据预测进入警戒区。则实行相关预警处理，预警处理是人为规定的：比如导航干扰的压制方式。若目标真实已经出现在警戒区，可使用告警处理：比如实现图传信号与控制信号的压制发射。压制信号的原理就是干扰器的通信干扰模型产生的。只是业务不同，产生波形频率不一样。其原理是一样的，均为扫频信号。

本实施例的其他部分与上述实施例1相同，故不再赘述。

实施例7

本实施例提供了一种基于无人机的无源探测干扰自动化系统，如图2所示，包括公用处理模块、子设备插件模块和主控态势显示模块，其中：

公用处理模块和主控态势显示模块之间进行交互，公用处理模块和子设备插件模块之间进行交互；

公用处理模块包括任务模块、曲线拟合模块、数据处理模块、数据交互模块、插件管理器、限飞区设置模块、限飞区警告模块、设置模块和对抗处理模块；

子设备插件模块包括主控插件单元、干扰插件单元、电侦插件单元、雷达插件单元和光学插件单元；根据子设备插件模块中雷达插件单元的雷达设备获取雷达原始点迹信息，根据子设备插件模块中电侦插件单元的电侦设备测得无人机频谱信息作为原始数据，对原始数据进行标准化处理和滤波处理获取关心的信号特征；

主控态势显示模块包括二维GIS引擎单元、点航迹处理单元和信息显示栏单。

无源探测干扰自动化系统接入公用处理模块与子设备插件和主控态势显示模块。公用处理模块包括含有多个功能模块的模块组、能够与各个功能模块连接并实现信息交换的数据同步与交互中心，数据同步与交互中心能够接收雷达系统扫描产生的原始点迹，电子侦测产生的频段信息，数据处理模块根据相应算法进行融合处理。对抗处理模块根据已预设好对抗策略，输入融合数据，通过网络通信精准控制设备进行自动打击。

以上所述，仅是本发明的较佳实施例，并非对本发明做任何形式上的限制，凡是依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化，均落入本发明的保护范围之内。

Claims (7)

1.一种基于无人机的无源探测干扰自动化方法，其特征在于，包括以下步骤：

步骤S1.将无源探测干扰自动化系统接入公用处理模块、子设备插件模块和主控态势显示模块；

步骤S2.根据子设备插件模块中的雷达设备获取雷达原始点迹信息，根据电侦设备测得无人机频谱信息作为原始数据，对原始数据进行标准化处理和滤波处理获取关心的信号特征；

步骤S3.根据公用处理模块中的数据交互模块接收雷达原始点迹数据和信号数据，根据公用处理模块中的数据处理模块对雷达原始点迹数据和信号数据进行数据融合处理，获取当前无人机的实际坐标；

步骤S4.在公用处理模块的数据交互模块对融合数据进行n阶线性拟合的曲线拟合处理，在公用处理模块的曲线拟合模块处理曲线拟合后的数据，对曲线拟合后的数据进行计算获取无人机的虚景坐标；

步骤S5.将数据处理模块和特殊区域处理模块连接，将数据交互模块和特殊目标处理模块连接，根据无人机的实际坐标与虚景坐标并结合特殊区域处理模块和特殊目标处理模块在禁止起飞区和航迹禁止区内实现无源探测干扰的自动化。

2.根据权利要求1所述的一种基于无人机的无源探测干扰自动化方法，其特征在于，所述步骤S2中获取关心的信号特征的方法包括：

首先对原始数据进行解包处理和预处理；

然后对原始数据进行整合，使用旅行的蚂蚁聚类算法和匹配的分类算法对原始数据进行第一次分类，获取第一次分类结果；

最后根据智能匹配算法对无源探测干扰自动化系统中无人机特征库的信息对第一次分类结果进行评估，同时对第一次分类结果进行二次分类，获取关心的信号特征的处理结果并发送至数据处理模块；

所述关心的信号特征包括目标型号信息、ID信息、平均能量信息和角度信息。

3.根据权利要求1所述的一种基于无人机的无源探测干扰自动化方法，其特征在于，所述步骤S3包括：

根据频谱特征识别技术和预先建立的频谱特征库比对信号数据获取无人机机型信息；

根据无人机机型信息侦测无人机的遥控与图传信号，在时域与频域对无人机的遥控与图传信号进行有效识别。

4.根据权利要求1所述的一种基于无人机的无源探测干扰自动化方法，其特征在于，所述步骤S4中曲线拟合处理的方法包括：

将曲线拟合p表示为p＝polyfit(x,y,n)；其中，曲线拟合p为返回阶数为n的多项式p(x)的系数，阶数n是y中数据在最小二乘方式中的最佳拟合阶数；y是经度或纬度分别进行拟合的值，x是自然递增的自然数；

将曲线拟合p中的系数按降幂排列，并取p的长度为n+1；

根据曲线特征选取n阶拟合，并表示为p(x)＝p₁xⁿ+p₂x^n-1+...+p_nx+p_n+1；

在曲线拟合模块将数据初等行变换为增广矩阵，利用初等变换把增广矩阵变换为行阶梯阵，回代求出方程式多项式p(x)的系数解；

对曲线拟合后的数据进行数据处理后取最后项值，最终可分别得出拟合后各目标点的经度与维度坐标信息。

5.根据权利要求1所述的一种基于无人机的无源探测干扰自动化方法法，其特征在于，所述步骤S5包括：

根据预设定的限飞区与禁飞区设置、打击方式、打击时间、判定成功条件和最长打击时间实现闭环操作；

将打击的干扰机设备设备D、目标信息与打击动作传输给公用处理模块的插件管理器，插件管理器根据打击设备ID匹配设备插件，通过UDP网络套接字传输打击动作给设备实现打击。

6.根据权利要求1所述的一种基于无人机的无源探测干扰自动化方法，其特征在于，所述步骤S5中实现无源探测干扰的自动化的方法还包括：

根据通信和干扰链路的传输功率模型获取目标通信接收机输入干信比表示的通信干扰方程；

根据通信干扰方程输出能压制无人机目标控制信号的功率模型；

根据功率模型判断目标设备是否根据拟合数据预测进入警戒区，如果是进行告警，如果否，及系进行判断。

7.一种基于无人机的无源探测干扰自动化系统，其特征在于，包括公用处理模块、子设备插件模块和主控态势显示模块，其中：

公用处理模块和主控态势显示模块之间进行交互，公用处理模块和子设备插件模块之间进行交互；

子设备插件模块，包括通信模块，用于获取雷达原始点迹信息；用于测得无人机频谱信息作为原始数据，对原始数据进行标准化处理和滤波处理获取关心的信号特征；

公用处理模块，包括数据交互模块、数据处理模块和曲线拟合模块，用于对融合数据进行n阶线性拟合的曲线拟合处理，用于处理曲线拟合后的数据，对曲线拟合后的数据进行计算获取无人机的虚景坐标；

将公用处理模块中的数据处理模块和特殊区域处理模块连接，将公用处理模块中的数据交互模块和特殊目标处理模块连接，根据无人机的实际坐标与虚景坐标并结合特殊区域处理模块和特殊目标处理模块在禁止起飞区和航迹禁止区内实现无源探测干扰的自动化；

主控态势显示模块，用于提供人机交互操作界面。

Images