CN116400738B - 一种针对低小慢无人机的低成本打击方法及系统 - Google Patents
一种针对低小慢无人机的低成本打击方法及系统 Download PDFInfo
- Publication number
- CN116400738B CN116400738B CN202310660188.1A CN202310660188A CN116400738B CN 116400738 B CN116400738 B CN 116400738B CN 202310660188 A CN202310660188 A CN 202310660188A CN 116400738 B CN116400738 B CN 116400738B
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- monitoring
- information
- target
- 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 48
- 238000012544 monitoring process Methods 0.000 claims abstract description 289
- 238000005259 measurement Methods 0.000 claims description 42
- 230000004927 fusion Effects 0.000 claims description 15
- 238000012549 training Methods 0.000 claims description 14
- 238000010304 firing Methods 0.000 claims description 12
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000005693 optoelectronics Effects 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000001228 spectrum Methods 0.000 claims description 9
- 230000001360 synchronised effect Effects 0.000 claims description 9
- 238000005070 sampling Methods 0.000 claims description 7
- 230000007613 environmental effect Effects 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 230000001681 protective effect Effects 0.000 claims description 4
- 230000007123 defense Effects 0.000 abstract description 37
- 239000000523 sample Substances 0.000 description 13
- 238000001514 detection method Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 5
- 238000013459 approach Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 239000000969 carrier Substances 0.000 description 3
- 238000005094 computer simulation Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 210000002569 neuron Anatomy 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000003062 neural network model Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000005622 photoelectricity Effects 0.000 description 1
- VEMKTZHHVJILDY-UHFFFAOYSA-N resmethrin Chemical compound CC1(C)C(C=C(C)C)C1C(=O)OCC1=COC(CC=2C=CC=CC=2)=C1 VEMKTZHHVJILDY-UHFFFAOYSA-N 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
-
- 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)
- Aviation & Aerospace Engineering (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及空防领域,具体涉及一种针对低小慢无人机的低成本打击方法及系统,包括:采集位于第一监测区域的射频信息;将射频信息输入无人机识别模型,以输出得到第一监测信息,其包括:目标无人机的类型,飞行模式及数量;通过第一监测信息确定第二监测区域,并通过雷达和/或光电红外监测系统对第二监测区域进行监测,以获得目标无人机的第二监测信息,其包括:目标无人机的坐标及数量;根据第一、第二监测信息判断是否需要对目标无人机进行打击;若是,则通过第一、二监测信息选取对应的打击方案。本发明采用无人机识别模型以及机枪射击相配合的方式,提供了一种灵活定位、分段打击的反制方法,有效地提高了无人机反制效费比。
Description
技术领域
本发明涉及空防技术领域,具体涉及一种针对低小慢无人机的低成本打击方法及系统。
背景技术
随着无人机技术的迅猛发展,低成本的无人机已成为智能化战争形态下的有利武器。并且,在未来的发展中无人机将逐渐呈现“集中决策,分布式任务执行”的特点,这也将为无人机的反制技术带来重大挑战。对于传统的无人机反制系统来说,一旦面临自主性较强的无人机群的群攻时,其目标定位准确度有限、效费比较低等问题将愈加突出。例如,专利申请号为CN202211119801.0的中国专利申请,其公开了一种针对小型无人机的多传感器协同探测方法。专利申请号为CN202111480118.5的中国专利申请,其公开了一种多手段融合的无人机反制方法、装置和存储介质。这种传统的多传感器监测方法存在传感器之间的协同性较差等问题(如数据不同步)。又例如,专利申请号为CN201910487265.1的中国专利申请,其公开了一种目标定位方法、装置及系统。该专利通过对光电测量信息和雷达测量信息进行时空配准,以综合光电设备和雷达设备的优势,但是配准方式复杂,配准效率相对较低。并且,由于传统的防空反制系统通常采用中型或重型武器(如防空高炮、多管火箭炮以及地空导弹等等)进行反制,因此效费比极低,且反制灵活性也相对较差。例如,专利申请号为CN201910759993.3的中国专利申请,其公开了一种用于高炮火控系统的大闭环校射控制方法。该申请采用高炮火控系统进行无人机反制,由此当其面临低成本、大批量无人机的短时间频繁进攻时,无论是应对灵活性还是效费比都非常低。
发明内容
本发明的目的在于提供一种适用于航母的近防御系统,也即一种针对低小慢无人机的低成本打击方法及系统,部分地解决或缓解现有技术中的上述不足,能够提高航母的空防能力。本发明的第一方面,提供了一种针对低小慢无人机的低成本打击方法,包括:S101采集位于第一监测区域的第一射频信息;S102将第一射频信息输入预先通过DNN训练所得的无人机识别模型,以输出得到第一监测区域的第一监测信息,第一监测信息包括:目标无人机的类型,飞行模式,编号以及目标无人机的第一数量;S103通过第一监测信息确定第二监测区域的位置信息,并通过雷达监测系统和/或光电红外监测系统对第二监测区域进行监测,以获得目标无人机的第二监测信息,第二监测信息包括:目标无人机的坐标信息,以及目标无人机进入第二监测区域的第二数量;S104根据第一监测信息和第二监测信息判断是否需要对目标无人机进行打击;若是,则执行S105;S105通过第一监测信息和/或第二监测信息选取对应的打击方案,打击方案包括:需要调用的至少一个机枪的机枪信息,和/或相应机枪的部署角度,和/或相应机枪的射击时间;S106待完成至少一次打击后,采集位于第一监测区域和第二监测区域的第二射频信息,并将第二射频信息输入到无人机识别模型,以获取目标无人机的第三监测信息,其中,第三监测信息包括:目标无人机的类型、飞行模式以及剩余目标无人机的第三数量;S107根据第三监测信息判断是否需要对目标无人机进行追击。
在一些实施例中,S103包括:S32雷达监测系统以第一时间为周期监测与目标无人机相关联的雷达数据,其中,雷达数据包括:两个周期内的测量次数,测角精度;光电红外监测系统以第二时间为周期监测与目标无人机相关联的光电红外数据,且第二时间为第一时间的整数倍,其中,光电红外数据包括:测角精度,在k时刻的方位信息估计值以及在i时刻的方位信息测量值;S33将雷达数据以及光电红外数据输入数据融合模型,以输出得到目标无人机的坐标信息,坐标信息包括:目标无人机的俯仰与方位状态测量值;其中,数据融合模型为:
(1);
(2);
其中,,,n为雷达监测系统在连续两个周期内的测量
次数,P(k)为光电红外监测系统在k时刻的方位信息估计值;pi为光电红外监测系统在i时
刻的方位信息测量值,σ2为加权配准后的方差,Var为方差,Xr、Xp分别为雷达监测系统在k时
刻的观测值、光电红外监测系统在配准后的k时刻的观测值,wr、wp分别为雷达与光电红外监
测系统测角与距离的最优权值;σp为光电红外监测系统的测角精度,σr为雷达监测系统的测
角精度;为输出的第一目标俯仰状态测量值和第一方位状态测量值。
在一些实施例中,还包括:S34通过模糊加权输入估计方法对第一目标俯仰状态测量值和第一方位状态测量值进行滤波预测,以输出第二目标俯仰状态测量值和第二方位状态测量值。在一些实施例中,在S32之前,还包括:当第一数量超过预设的第一安全阈值时,或者,当接收到用户输入的同步监测指令时,启动雷达监测系统和光电红外监测系统对第二监测区域进行监测。
在一些实施例中,无人机识别模型的训练步骤包括:S21获取样本集,样本集包括:与目标无人机相关的第一特征数据,且第一特征数据包括:当第一监测区域中未有目标无人机侵入时,所采集到的第一射频数据和环境噪声;当至少一个目标无人机开启并与飞行控制器相连接时,所采集到的第二射频数据;当至少一个目标无人机执行至少一个特定飞行任务时所采集到的第三射频数据,其中,特定飞行任务包括:无人机悬停、转向以及视图采集;S23对第一特征数据进行分割,以得到多个第二特征数据;其中,第二特征数据的采集长度为400-500ms,采样频率为140-160 MSample/s,瞬时带宽为100-120 MHz;S24对第二特征数据添加相应的标记,标记包括:目标无人机的类型、飞行模式、编号;S25采用MATLAB函数对第二特征数据进行功率射频频谱计算,以得到串联矩阵;S26将串联矩阵输入至DNN中,以训练得到无人机识别模型。
在一些实施例中,用于执行打击方案的打击装置包括:至少一个第一机枪组合,第一机枪组合包括:至少一个第一机枪,且至少一个第一机枪用于提供至少一个第一打击路线;至少一个第二机枪,且至少一个第二机枪用于提供至少一个第二打击路线;其中,第一打击路线与第二打击路线存在至少一个交叉点,且交叉点与至少一个目标无人机的坐标相近或相重合;其中,第一机枪组合用于对目标无人机进行首次打击;至少一个第二机枪组合,第二机枪组合包括:至少一个第三机枪,且至少一个第三机枪用于提供至少一个第三打击路线,第三打击路线用于对逃离无人机进行追击,其中,逃离无人机指的是经过至少一次打击之后,沿远离第二监测区域方向运动的目标无人机;至少一个第四机枪,且至少一个第四机枪用于提供至少一个第四打击路线,第四打击路线用于对进攻无人机进行追击,进攻无人机指的是经过至少一次打击之后,继续沿靠近防护地的方向运动的目标无人机;其中,第一机枪组合和第二机枪组合的射程被配置为覆盖第二监测区域,且机枪的部署方位角及高低角均能够调节。在一些实施例中,第二监测区域包括:沿靠近防护地的方向依次设置的第一打击区域和第二打击区域,其中,第一、二、三打击路线被配置为用于覆盖第一打击区域,第四打击路线被配置为用于覆盖第二打击区域。
在一些实施例中,打击方案的计算模型为:
(3) ;
其中,分别为目标无人机的坐标信息,分别为目标无人机的
运动速度,为机枪从发射弹丸至命中目标无人机的预计飞行时间,为分别为
目标无人机经过预计飞行时间后的坐标信息;,,分别为目标打击位点的斜距离、方
位角以及高低角,为比例因子;,分别为当前弹道气象条件下高低角
和斜距离的修正拟合值的总和;为当前弹道气象条件下的偏流角;为修正的时
间因子,、为机枪的部署方位角、高低角。
本发明还提供了一种针对低小慢无人机的低成本打击系统,包括:数据采集模块,被配置为用于采集位于第一监测区域的第一射频信息;第一监测信息获取模块,被配置为用于将第一射频信息输入预先通过DNN训练所得的无人机识别模型,以输出得到第一监测区域的第一监测信息,第一监测信息包括:目标无人机的类型,飞行模式,编号以及目标无人机的第一数量;第二监测信息获取模块,被配置为用于通过第一监测信息确定第二监测区域,并通过雷达监测系统和/或光电红外监测系统对第二监测区域进行监测,以获得目标无人机的第二监测信息,第二监测信息包括:目标无人机的坐标信息,以及目标无人机进入第二监测区域的第二数量;第一判断模块,被配置为用于根据第一监测信息和第二监测信息判断是否需要对目标无人机进行打击;击打方案选取模块,被配置为用于通过第一监测信息和/或第二监测信息选取对应的打击方案,打击方案包括:需要调用的至少一个机枪的机枪信息,和/或相应机枪的部署角度,和/或相应机枪的射击时间;第三监测信息获取模块,被配置为用于待完成至少一次打击后,采集位于第一监测区域和第二监测区域的第二射频信息,并将第二射频信息输入到无人机识别模型,以获取目标无人机的第三监测信息,其中,第三监测信息包括:目标无人机的类型、飞行模式以及剩余目标无人机的第三数量;第二判断模块,被配置为用于根据第三监测信息判断是否需要对目标无人机进行追击。
在一些实施例中,第一监测信息获取模块包括:样本获取单元,被配置为用于获取样本集,样本集包括:与目标无人机相关的第一特征数据,且第一特征数据包括:当第一监测区域中未有目标无人机侵入时,所采集到的第一射频数据和环境噪声;当至少一个目标无人机开启并与飞行控制器相连接时,所采集到的第二射频数据;当至少一个目标无人机执行至少一个特定飞行任务时所采集到的第三射频数据,其中,特定飞行任务包括:无人机悬停、转向以及视图采集;预处理单元,被配置为用于对第一特征数据进行分割,以得到多个第二特征数据;其中,第二特征数据的采集长度为400-500ms,采样频率为140-160MSample/s,瞬时带宽为100-120 MHz;标记添加单元,被配置为用于对第二特征数据添加相应的标记,标记包括:目标无人机的类型、飞行模式以及编号;频谱计算单元,被配置为用于采用MATLAB函数对第二特征数据进行功率射频频谱计算,以得到串联矩阵;训练单元,被配置为用于将串联矩阵输入至DNN中,以训练得到无人机识别模型。
有益技术效果:为了应对灵活性较强且能够频繁发起进攻的无人机攻击模式,本发明提供了一种可快速调整监测策略、结合实时监测结果灵活地分段式打击无人机的反制方法。首先,本发明优选采用FC-DNN模型对无人机进行快速地初步定位,以在第一时间内通过射频信息快速排查到敌方无人机(以过滤鸟类等干扰信息),从而有助于根据实时的无人机定位信息针对性地定位第二监测区域。换句话说,FC-DNN模型的应用可以在一定程度上减小必要监测区域,从而降低监测技术难度以及成本。
进一步地,针对风险性偏高的攻击情况,采用雷达、光电同步监测的方式以提高无人机信息监测的准确性。其中,通过简化的数据融合模型可以快速地对同步监测数据进行协同处理,从而为机枪的多段式打击提供有力的数据支撑。进一步地,针对灵活度高且可频繁进攻的无人机蜂群,采用多个打击路线相协同以灵活地击退无人机进攻。综上,本发明通过采用快速调整监测策略、分段式打击的方式相协同的反制方式,可以有效地提高航母近防御系统的反制灵敏性,以及降低防御成本(也即提高效费比)。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其它的附图。
图1为本发明一示例性实施例中的方法流程示意图;
图2为本发明一具体实施例的平台结构示意图;
图3为本发明一具体实施例的方法流程示意图;
图4为探测范围为5km的有源相控阵雷达的优选配置参数;
图5为探测范围为3km的有源相控阵雷达的优选配置参数;
图6为探测范围为1.5km的无源相控阵雷达的优选配置参数;
图7为本发明一示例性近防御系统的模块结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,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。显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术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。本文中,使用用于表示元件的诸如“模块”、“部件”或“单元”的后缀仅为了有利于本发明的说明,其本身没有特定的意义。因此,“模块”、“部件”或“单元”可以混合地使用。本文中,术语“上”、“下”、“内”、“外”“前”、“后”、“一端”、“另一端”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性。本文中,除非另有明确的规定和限定,术语“安装”、“设置有”、“连接”等,应做广义理解,例如“连接”,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,可以是直接相连,也可以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。本文中“和/或”包括任何和所有一个或多个列出的相关项的组合。本文中“多个”意指两个或两个以上,即其包含两个、三个、四个、五个等。需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。如在本说明书中使用的,术语“大约”,典型地表示为所述值的+/-5%,更典型的是所述值的+/-4%,更典型的是所述值的+/-3 %,更典型的是所述值的+/-2 %,甚至更典型的是所述值的+/-1 %,甚至更典型的是所述值的+/-0.5%。在本说明书中,某些实施方式可能以一种处于某个范围的格式公开。应该理解,这种“处于某个范围”的描述仅仅是为了方便和简洁,且不应该被解释为对所公开范围的僵化限制。因此,范围的描述应该被认为是已经具体地公开了所有可能的子范围以及在此范围内的独立数字值。例如,范围1〜6的描述应该被看作已经具体地公开了子范围如从1到3,从1到4,从1到5,从2到4,从2到6,从3到6等,以及此范围内的单独数字,例如1,2,3,4,5和6。无论该范围的广度如何,均适用以上规则。
本文中,“低小慢无人机”指的是低空、慢速、小目标无人机(简称低小慢)。通常,低小慢无人机的飞行高度要求小于1000m,飞行速度控制在200km/h以内,雷达反射面积小于2㎡。多个无人机可以组成无人机蜂群(或者说,无人机阵列),以应用于战场侦察、对空突防、目标打击以及电子对抗等作战项目。航空母舰(Aircraft carrier)简称航母,是一种大中型水面战斗舰艇,以舰载机为主要战力。对于航母的稳定运行而言,防空系统的布置至关重要。随着无人机技术的发展,无人机攻击模式已经开始部分地替代传统的战斗机或巡航导弹的攻击模式。并且,由于无人机攻击具有隐蔽性强(体型小)、灵活性高等特点,这对航母防空系统的布置无疑是一个巨大挑战。为了能够适应于航母的全面空防需求,本发明提出了一种灵活调整监测方案、分段式打击的无人机近防御模式(也称为反制方法),以在一定程度上提高防御方法的效费比。
实施例一
如图1所示,为了提高航母的无人机反制能力,本发明实施例提供了一种针对低小慢无人机的低成本打击方法(相当于提供了一种辅助式的近防御模式),包括步骤:S101采集位于第一监测区域的第一射频信息。
在一些实施例中,第一监测区域为防护地(如航母或其他重点基础设施等)周围的射频信号监测区。可以理解的是,第一监测区域的形状或尺寸等均可以根据实际情况(如防御等级)进行适应性的设定。例如,第一监测区域可以为以防护地为圆心,半径约为3km的圆形监测区域。又例如,第一监测区域可以为距离防护地中心5-8km的圆形防护线所组成的环形监测区域。
S102将第一射频信息输入预先通过DNN训练所得的无人机识别模型(也即DNN模型),以输出得到第一监测区域的第一监测信息,第一监测信息包括:目标无人机的类型,飞行模式,编号以及目标无人机的第一数量。
在一些实施例中,编号指的是无人机机身序列号等可以用于识别无人机身份的信息。
在一些实施例中,无人机识别模型优选采用全连接深度网络模型(即FC-DNN模型)。本实施例中,通过FC-DNN模型可以对第一监测区域的无人机进行快速识别,以获取到初步监测信息(也即第一监测信息)。
S103通过第一监测信息确定第二监测区域的位置信息(如监测区域的半径,或者监测区域的坐标位置等),并通过雷达监测系统和/或光电红外监测系统对第二监测区域进行监测,以获得目标无人机的第二监测信息,第二监测信息包括:目标无人机的坐标信息,以及目标无人机进入第二监测区域的第二数量。
在一些实施例中,第一监测信息还包括:目标无人机的方位信息(如经纬度坐标)。其中,方位信息可以通过射频信息进一步地确定得到。例如,在一些实施例中,可以采用DOA估计方法确定无人机的方位信息,如通过射频信息DOA估计以确定目标无人机的方位信息。又或者,在一些实施例中,还可以根据到达时间差算法通过射频信息确定无人机的方位信息。
具体地,在一些实施例中,当监测到目标无人机时,还将对目标无人机标记序号,如第一无人机、第二无人机……第n无人机等。并根据标记的序号对监测信息进行管理,如第一监测信息进一步地被划分为:包括第一无人机的方位信息、类型、飞行模式等数据的第一子集,包括第二无人机的方位信息、类型、飞行模式等数据的第二子集……包括第n无人机的方位信息、类型、飞行模式等数据的第n子集。
在一些实施例中,还可以通过机身编号针对性的区分多架不同的无人机,预先录入的“白名单”可以甄别己方的无人机以及“黑飞”的无人机。
在一些实施例中,可以根据目标无人机的监测信息快速、灵活地设定或调整第二监测区域的位置或大小。例如,所述第二监测区域为以多个目标无人机的平均方位信息为圆心,以第一长度为半径的圆形监测区域。或者,第二监测区域为以防护地中心为圆心,以第二长度为半径的圆形监测区域,且所述圆形监测区域可以覆盖至少一个所述目标无人机。其中,第一、第二长度均可以由用户自行设定。
S104根据第一监测信息和第二监测信息判断是否需要对目标无人机进行打击;若是,则执行S105通过第一监测信息和/或第二监测信息选取对应的打击方案,打击方案包括以下一种或多种信息:需要调用的至少一个机枪的机枪信息,相应机枪的部署角度以及射击时间。
本发明实施例中,选用DNN模型对有限参数组(即无人机类型、飞行模式、编号、数量等)进行快速识别,并基于识别结果(即第一监测信息)快速、灵活地调用雷达系统或红外系统对目标无人机进行精准定位监测,从而可以在一定程度上减小第二监测区域的大小(也即减小定位监测的难度),提高监测信息的精度与可靠性。并且,利用高精度的监测信息与机枪打击方案相互配合,可以有效地提高机枪的打击效力。
本实施例实际上提供了一种辅助式的近防御方法。优选地,这种辅助式近防御方法还可以与航母上已有的远防御系统相互配合,以对远防御系统未成功击落的无人机,或者不适用于远防御系统攻击的无人机进行近距离打击。
优选地,为了提高信息识别的准确性与可靠性,在一些实施例中,无人机识别模型的训练步骤包括:S21获取样本集,样本集包括:与目标无人机相关的第一特征数据,且第一特征数据包括:当第一监测区域中未有目标无人机侵入时,所采集到的第一射频数据和环境噪声;当至少一个目标无人机开启并与飞行控制器相连接时,所采集到的第二射频数据;当至少一个目标无人机执行至少一个特定飞行任务时所采集到的第三射频数据,其中,特定飞行任务包括:无人机悬停、转向(例如,无人机向上、向下、向左、向右移动时)以及视图采集(如拍摄航母视频);
S23对第一特征数据进行分割,以得到多个第二特征数据,其中,所述第二特征数据的采集长度为400-500ms,采样频率为140-160 MSample/s ,瞬时带宽为100-120 MHz;S24对第二特征数据添加相应的标记,标记包括:目标无人机的类型、飞行模式以及编号;S25采用MATLAB函数对第二特征数据进行功率射频频谱计算,以得到串联矩阵;S26将串联矩阵输入至DNN中,以训练得到无人机识别模型。优选地,在一些实施例中,第二特征数据的采集长度为450ms,采样频率150 MSample/s,瞬时带宽为110 MHz。
本发明实施例中,通过选取有限的特征数据组合(即环境信息、连接飞行控制器时的射频信息,以及执行特定飞行任务时的射频信息等等)结合数据预处理,以提高DNN网络训练的可靠性。从而可以通过DNN模型快速地排除干扰信号(如海鸟等),并识别多架无人机的关键信息,以便于近防御系统快速地调整防御方案(如监控方案,或者打击方案)。换句话说,通过DNN模型的快速排查可以对第二监测区域(如监测区域的位置,或者面积大小)以及监测方案(如是否启动同步监测)进行灵活地调整。
具体地,在一些实施例中,DNN模型为FC-DNN模型(也即全连接深度神经网络模型),其中,FC-DNN模型包括输入层,多个隐藏层,以及输出层。
输入层的训练公式为:;其中,是神经元的输入(即第二特征
数据),是权重,是偏置,是输入大小,是激活函数,是输出。结合多个神经元,可以创
建一个简单的全连接神经网络;
其中隐藏层值的结果由下式给出:;其中,为上一层(如输
入层的输出,或者上一个隐藏层的输出)的输出,是输入层的大小,是隐藏层的大小,为
当前层的偏置。这个浅层全连接神经网络的最终输出z是从隐藏层获得的所有结果的总和
(包括无人机类型、飞行模式、数量等关键信息),表示为:;其中,是
隐藏层的数量,、是指来自相应层的权重和偏差值,为最后一个隐藏层的输出。
优选地,在一些实施例中,为了提高无人机定位的准确性,并保证监测数据的协同处理效率,S103包括:
S32雷达监测系统以第一时间为周期监测与目标无人机相关联的雷达数据,其中,雷达数据包括:两个周期内的测量次数,测角精度;光电红外监测系统以第二时间为周期监测与目标无人机相关联的光电红外数据,且第二时间为第一时间的整数倍,其中,光电红外数据包括:测角精度,在k时刻的方位信息估计值以及在i时刻的方位信息测量值。
S33将雷达数据以及光电红外数据输入数据融合模型,以输出得到目标无人机的坐标信息,坐标信息包括:目标无人机的俯仰与方位状态测量值;其中,数据融合模型为:
(1);
(2);
其中,,,n为雷达监测系统在连续两个周期内的测量
次数,P(k)为光电红外监测系统在k时刻的方位信息估计值;为光电红外系统在i时刻的
方位信息测量值,为加权配准后的方差,、分别为雷达与光电红外监测系统测角与
距离的最优权值;为光电红外监测系统的测角精度,为雷达监测系统的测角精度;
为输出的目标俯仰与方位状态测量值(),Var为方差,Xr、Xp分别为雷达监测系
统在k时刻的观测值、光电红外监测系统在配准后的k时刻的观测值。
可以理解的是,第一、第二时间也均可以由用户结合实际情况自行设定。数据融合模型的一个或多个输入参数可以由用户手动输入,也可以由与雷达、光电红外监测系统相连接的计算机自动获取并输入数据融合模型。
为了便于近防御系统快速地获取无人机的位置信息,本实施例提供了一种简化的数据融合模型,以通过雷达、光电数据对近距离的目标无人机进行快速、准确地定位,也即了提高航母近防御系统的灵敏性。
进一步地,在一些实施例中,还将通过模糊加权输入估计(即FWIE)方法对数据融合模型输出的第一目标俯仰状态测量值和第一方位状态测量值进行滤波预测,以提高数据融合模型的准确性。其中,FWIE能够有效地估计机动目标加速度输入数据,获得精确的目标状态(即第二目标俯仰状态测量值和第二方位状态测量值)。
优选地,为了管控近防御模式的应用成本,在启动雷达、光电同步监测之前,还将预先判断当前是否满足同步监测的条件。例如,在S32之前,还包括步骤:S31当第一数量超过预设的第一安全阈值时,或者,当接收到用户输入的同步监测指令时,启动雷达监测系统和光电红外监测系统对第二监测区域进行监测。
在一些实施例中,如图3所示,也可采用雷达引导光电的监测方式。
在一些实施例中,用于执行打击方案的打击装置包括:(1)至少一个第一机枪组合,第一机枪组合包括:(i)至少一个第一机枪,且至少一个第一机枪用于提供至少一个第一打击路线;(ii)至少一个第二机枪,且至少一个第二机枪用于提供至少一个第二打击路线;其中,第一打击路线与第二打击路线存在至少一个交叉点,且交叉点与至少一个目标无人机的坐标相近或相重合;其中,第一机枪组合用于对目标无人机进行首次打击;
(2)至少一个第二机枪组合,第二机枪组合包括:(i)至少一个第三机枪,且至少一个第三机枪用于提供至少一个第三打击路线,第三打击路线用于对逃离无人机进行追击,其中,逃离无人机指的是经过至少一次打击之后,沿远离第二监测区域方向运动的目标无人机;(ii)至少一个第四机枪,且至少一个第四机枪用于提供至少一个第四打击路线,第四打击路线用于对进攻无人机进行追击,进攻无人机指的是经过至少一次打击之后,继续沿靠近防护地的方向运动的目标无人机;其中,第一机枪组合和第二机枪组合的射程被配置为覆盖第二监测区域,且机枪的部署方位角、高低角均可调节。
在一些实施例中,打击方案的计算模型为:
(3);
其中,分别为目标无人机的坐标信息,分别为目标无人机的
运动速度,为机枪从发射弹丸至命中目标无人机的预计飞行时间,为分别为
目标无人机经过预计飞行时间后的坐标信息;,,分别为目标打击位点的斜距离、方
位角以及高低角;为比例因子,,分别为当前弹道气象条件下高低角
和斜距离的修正拟合值的总和;为当前弹道气象条件下的偏流角;为修正的时
间因子,、为机枪的部署方位角、高低角。
可以理解的是,本实施例中可以实时根据无人机监测信息、打击情况(如无人机的损毁状态,无人机的逃离路线等)、防御等级等条件灵活地调整机枪打击方案,以通过多段式打击有效反制无人机的进攻。
例如,在一些实施例中,打击方案包括:(1)机枪组合编号(如第一机枪组合,第二机枪组合),或者机枪编号(如第一机枪,第二机枪);以及(2)针对不同组合或编号的机枪,机枪的部署角度以及射击时间。
例如,在一些实施例中,可以由用户(如操作人员)根据第一、第二监测信息结合实际工作经验、环境等综合判断是否启动打击装置打击无人机。
例如,在一些实施例中,当无人机(群)在进入我方核心识别区(如第二监测区域)时,即开启机枪射击模式。具体地,可以通过无人机行为分析:通过分析无人机的飞行模式,如异常飞行、悬停、轨迹等,来判断无人机的意图和威胁水平。
例如,在一些实施例中,如果无人机试图逼近重要设施或人群密集区域,则可能被视为高优先级目标(如一级打击目标)。
例如,在一些实施例中,第二监测区域包括:第一打击区域以及第二打击区域。优选地,第一打击区域的射程范围大约为2km,第二打击区域的射程范围大约为1.2km。
具体地,在一些实施例中,各个区域的机枪之间还可以相互配合形成交叉火力。第一打击区域开启攻击模式的同时,同时开启第二打击区域的攻击模式。其中,当无人机(群)进入第二打击区域可视为初次射击未成功击落的目标。当探测追踪到无人机(群)进入第二区域时立即开启攻击。
具体地,在一些实施例中,当防护地的防御等级较高时,还可以进一步地配置无人机拦截系统。拦截系统包括:至少一个无人机拦截器,被配置为用于在初次打击未能击落无人机时,对无人机进行追击。无人机拦截器可以迅速加速并拦截目标无人机,以确保对目标的追踪和击落。
又例如,在一些实施例中,可以根据第一、二监测信息自动地判断是否需要启动打
击装置。在一些具体的实施例中,S104包括步骤:S41根据第一监测信息和第二监测信息确
定第二监测区域的风险等级;其中,风险等级的分析模型为:;其中,L为风
险等级,N为第一数量,M为第二数量,为第一系数,为第二系数,E为目标无人机的机群
数量;S42根据风险等级判断是否需要对目标无人机进行打击,其中,当风险等级属于预设
的第一风险阈值范围(中高风险)时,则直接执行步骤S105;当风险等级属于预设的第二风
险阈值范围(低风险)时,则向用户发送预警信号,其中,预警信号包括:风险等级,第一、二
监测信息。
本实施例采用无人机在不同区域的数量分布,以及机群数量对无人机的风险等级进行快速评估,以便于尽快准备或调整防御方案。
又例如,在一些实施例中,S105还包括步骤:根据风险等级、机群数量和/或机群位置信息等一个或多个条件确定打击方案。具体地,可以包括步骤:1)将位于边缘区域的至少一个机群(或者,至少一个无人机)识别为一级打击目标,并对应于一级打击目标调整第一机枪组合的部署参数(如方位角、高低角、打击时间等等);2)将位于中心区域的至少一个机群识别为二级打击目标,并对应于二级打击目标调整第二机枪组合的部署参数(如方位角、高低角、打击时间等等);3)当一级打击目标进入预设的打击区域时,第一机枪组合根据预设的部署参数以对目标无人机进行打击。本实施例中优选采用两段式打击提高辅助式近防御系统的防御效率。
具体地,在一些实施例中,还可以对无人机的逃离轨迹(例如,逃离方向)进行实时监控或者预测。例如,可以根据最新的定位信息快速地调整第二机枪组合的打击方案,以对剩余无人机进行追踪打击。
又例如,在一些实施例中,在S41步骤之前,还包括:1)将在第三时间内所监测到的飞行模式(或者飞行轨迹)相同或相近的目标无人机分别识别为至少一个第一机群;2)筛除第一机群中的低相关目标,以得到至少一个第二机群;其中,当机群内的一个目标无人机与机群内的其他目标无人机的平均间距大于第一间距时,则将其识别为低相关目标;3)获取第二机群的机群数量。
可以理解的是,尤其在面临半自主编组协同型,或者全自主任务协同型的无人机蜂群的攻击时,由于这类蜂群具有高度自主性,因此在进攻时灵活性也极高(如易闪躲,易隐蔽等),这使得无人机可以在短时间内发起频繁进攻。本实施例通过灵活调整监测方案配合多段式打击的方式,可以灵敏地应对无人机的多次进攻,并提高频繁反制过程中的效费比。
进一步地,在一些实施例中,当机枪完成至少一次射击流程之后,还将利用DNN模型再次对监测区域内的无人机进行快速识别,以判断当前的击落情况。如还包括步骤:S106待完成至少一次打击后,采集位于第一监测区域和第二监测区域的第二射频信息,并将第二射频信息输入到无人机识别模型,以获取目标无人机的第三监测信息,其中,第三监测信息包括:目标无人机的类型、飞行模式、编号以及剩余目标无人机的第三数量。S107根据第三监测信息判断是否需要对目标无人机进行追击。
例如,在一些实施例中,S106包括步骤:当第二监测区域的剩余目标无人机数量大于预设的第二安全阈值时,启动第二部署区域对剩余目标无人机进行追击。当主要剩余无人机逃离至第二监测区域之外时,可以选择暂停打击,节省火力。
在一些实施例中,射频信息或射频数据指的是经过调制的,拥有一定发射频率的电波。在一些实施例中,各阈值或阈值范围均可由用户自行设定。
可以理解的是,本发明实施例还可与航母上已有防空系统相配合,以提供一种机枪攻击为主,导弹拦截为辅的无人机反制系统。例如,航母上分别配备有远程区域防空系统,以及近程区域防空系统(即本发明所提供的近防御方法)。其中,远程区域防空系统为远程防空导弹系统,如标准-2型或标准-6型导弹系统,以可以拦截远距离的空中威胁,如敌方战斗机、巡航导弹或风险性较高的无人机蜂群等。
下面将对航母的辅助式近防御系统的示例性配置方案进行说明:在一些示例性实施例中,机枪配置如下:选用国产02式14.5mm高射机枪(有效射程2000m)。其中,机枪还包括:可调节高度、角度(360°旋转)的底座、摇架、盾板、托架、支架、安装击发机构和击发保险机构等结构。其中,摇架用于安装机枪枪身,且摇架能绕水平轴起落,保证机枪的高低瞄准;支架用于承载枪身后座复进和机枪起落。托架用来支撑摇架,其能绕支撑底座360°回转,并装有高低、方向航行限制装置,还装有高低夹紧装置和安装盾板的插口。为了对无人机枪进行保护,进一步加装盾板,盾板用于对机枪进行保护,阻挡部分子弹和弹片,盾板多采用4mm的防弹钢板。其中,支撑底座是全枪的支承,并赋予机枪升降高低的功能,采用滑筒式设计。或者,在另一些实施例中,还可以增加无人自锁定高射炮与机枪相配合,实现交叉打击。
在一些示例性实施例中,雷达配置如下:雷达的监测范围可以设置距离防护地的1.5km-5km处,雷达的配置参数如图4所示。其中,五公里低空监视雷达采用一维相控阵体制,具备探测四旋翼无人机、固定翼无人机、航模、自制组装机等多种飞行器的能力。并且具备针对多种目标及城市复杂环境下的复合探测能力。同时,本防御系统可将目标航迹信息通过预定接口协议输出至光电、指控中心等,为光电及打击设备提供精确引导,并且预留了输入接口,便于进行远程控制和组网构建。
或者,在另一些实施例中,当防护等级相对较低时,也可以根据实际应用场景选用其他型号的雷达设备,如有源相控阵雷达(监测距离为3km),雷达配置参数如图5所示。该雷达采用先进的一维有源相控阵体制,具备探测四旋翼无人机、固定翼无人机、组装机等多种飞行器的能力。且具备针对多种目标及复杂环境下的复合多功能探测能力。同时,可将雷达航迹通过预定接口协议输出至光电、指控等其他设备,实现对这些设备的指引。此外,本系统中预留了输入接口,便于进行远程控制和组网构建。
或者,选用无源相控阵雷达(监测距离为1.5km),其配置参数如图6所示。该雷达具有以下功能:采用全自动探测与跟踪工作方式,终端显控平台软件实现在地图上的目标定位、轨迹显示功能,并可列表显示目标距离、方位、高度、速度信息;具有多级报警区设置功能,可以任意设置报警区域,不同等级区域采用不同的颜色区分;具有入侵报警功能,不同报警区域可以采用不同的报警方式;具有雷达基本参数设置功能,可以对工作模式、检测门限、发射开关、阵面朝向进行参数调整;具有目标的航迹记录、回放功能。
在一些示例性实施例中,光电红外(优选监测距离为2km左右)的配置如下:(1)前端采用多波段光电转台设备,利用可见光摄像机和红外热像仪传感器组合,对需要进行监控的区域进行全天时视频探测与监视;(2)采用高灵敏度的Vox非制冷红外传感器和连续变焦红外光学系统,既可以大视场搜索目标,也可以小视场观察跟踪目标;(3)前端监控系统配合DNN模型,在DNN模型探测到无人机入侵时触发报警联动,根据提前设置好的联动策略,报警服务器会在收到报警信号之后,完成转发功能,伺服光电自动跟踪转台,带手动、自动、雷达联动三种方式的目标跟踪功能。
优选地,为了保证各个监测系统之间的协同性,所采用的雷达测量精度为:方位≤1°,仰角≤2°(7°以上),光电红外的视场角方位为1°,俯仰为0.8°,雷达方位精度值与光电红外方位视场角相当,有助于在方位上能引导成功。采用“光电红外俯仰扇扫”,即以雷达探测俯仰角度为基准,以光电红外俯仰视场角的一半0.4°为步长,以雷达俯仰精度值为范围,即[-2°,2°]的区间,进行俯仰扇扫,扫描一个完成的周期需要10个步长,光电红外伺服机构转动一个步长进行一次识别耗时1.2s,因此一次完整的扇扫时间为12s,克服了雷达的精度与光电红外的视场角之间的矛盾引起雷达光电红外协同失效的难点,实现雷达与光电红外的协同,提升目标定位精度和综合航迹数据率,为实施对目标无人机的打击摧毁提供了可靠引导。若敌方飞行器远距离攻击,采用打击距离较远的高射炮进行防卫,如敌飞行器抵近在1500米的距离时,通过成本较低的机枪自动锁定跟瞄扫射方式,更加符合战场需求。
进一步地,在一些实施例中,辅助式近防御系统还配置有智能显示系统,智能显示系统由瞄准望远镜、图像传感器、激光测距机、角度、速度编码器、解算计算机、图文信息显示装置、引信装定接口、电源等部分组成。瞄准望远镜将目标及其背景成像在图像传感器的光敏面上。其中,(1)图像传感器将光学图像变换为视频图像信号;(2)激光测距机测量目标的距离,并将距离数据送给计算机,其测距精度不低于±1 m;(3)角度、速度编码器采用光电轴角编码,利用绝对式编码器测量发射器的高低角,利用增量式编码器测量目标的运动速度;(4)解算计算机,用于接收测距机、角度、速度编码器送来的数据以及温度、气象等数据,解算出射击诸元,产生装表数据与提前量标记,产生电子分划板和操作菜单,实时输出数据;(5)图文信息显示装置将图像传感器送来的图像和计算机产生的装表数据,提前量标记,电子分划板和操作菜单混合在一起,在寻像器的屏幕上同屏显示图文。
实施例二
如图7所示,对应于实施例一,本发明还提供了一种针对低小慢无人机的低成本打击系统(也即近防御系统),包括:数据采集模块01,被配置为用于采集位于第一监测区域的第一射频信息;第一监测信息获取模块02,被配置为用于将第一射频信息输入预先通过DNN训练所得的无人机识别模型,以输出得到第一监测区域的第一监测信息,第一监测信息包括:目标无人机的类型,飞行模式,编号以及目标无人机的第一数量;第二监测信息获取模块03,被配置为用于通过第一监测信息确定第二监测区域,并通过雷达监测系统和/或光电红外监测系统对第二监测区域进行监测,以获得目标无人机的第二监测信息,第二监测信息包括:目标无人机的坐标信息,以及目标无人机进入第二监测区域的第二数量;第一判断模块04,被配置为用于根据第一监测信息和第二监测信息判断是否需要对目标无人机进行打击;击打方案选取模块05,被配置为用于通过第一监测信息和/或第二监测信息选取对应的打击方案,打击方案包括:需要调用的至少一个机枪的机枪信息,和/或相应机枪的部署角度,和/或相应机枪的射击时间;第三监测信息获取模块06,被配置为用于待完成至少一次打击后,采集位于第一监测区域和第二监测区域的第二射频信息,并将第二射频信息输入到无人机识别模型,以获取目标无人机的第三监测信息,其中,第三监测信息包括:目标无人机的类型、飞行模式以及剩余目标无人机的第三数量;第二判断模块07,被配置为用于根据第三监测信息判断是否需要对目标无人机进行追击。
在一些实施例中,第一监测信息获取模块02包括:样本获取单元,被配置为用于获取样本集,样本集包括:与目标无人机相关的第一特征数据,且第一特征数据包括:当第一监测区域中未有目标无人机侵入时,所采集到的第一射频数据和环境噪声;当至少一个目标无人机开启并与飞行控制器相连接时,所采集到的第二射频数据;当至少一个目标无人机执行至少一个特定飞行任务时所采集到的第三射频数据,其中,特定飞行任务包括:无人机悬停、转向以及视图采集;预处理单元,被配置为用于对第一特征数据进行分割,以得到多个第二特征数据;其中,第二特征数据的采集长度为400-500ms,采样频率为140-160MSample/s,瞬时带宽为100-120 MHz;标记添加单元,被配置为用于对第二特征数据添加相应的标记,标记包括:目标无人机的类型、飞行模式以及编号;频谱计算单元,被配置为用于采用MATLAB函数对第二特征数据进行功率射频频谱计算,以得到串联矩阵;训练单元,被配置为用于将串联矩阵输入至DNN中,以训练得到无人机识别模型。
在一些实施例中,第二信息获取模块包括:监测单元,被配置为用于通过雷达监测系统以第一时间为周期监测与目标无人机相关联的雷达数据,其中,雷达数据包括:两个周期内的测量次数,测角精度;光电红外监测系统以第二时间为周期监测与目标无人机相关联的光电红外数据,且第二时间为第一时间的整数倍,其中,光电红外数据包括:测角精度,在k时刻的方位信息估计值以及在i时刻的方位信息测量值;数据处理单元,被配置为用于将雷达数据以及光电红外数据输入数据融合模型,以输出得到目标无人机的坐标信息,坐标信息包括:目标无人机的俯仰与方位状态测量值;其中,数据融合模型可参见实施例一所记载的式(1)、(2)。
在一些实施例中,第二信息获取模块还包括:滤波预测单元,被配置为用于通过模糊加权输入估计方法对第一目标俯仰状态测量值和第一方位状态测量值进行滤波预测,以输出第二目标俯仰状态测量值和第二方位状态测量值。或者,还包括:判断单元,被配置为用于当第一数量超过预设的第一安全阈值时,或者,当接收到用户输入的同步监测指令时,启动雷达监测系统和光电红外监测系统对第二监测区域进行监测。
在一些实施例中,打击装置包括:(1)至少一个第一机枪组合,第一机枪组合包括:至少一个第一机枪,且至少一个第一机枪用于提供至少一个第一打击路线;至少一个第二机枪,且至少一个第二机枪用于提供至少一个第二打击路线;其中,第一打击路线与第二打击路线存在至少一个交叉点,且交叉点与至少一个目标无人机的坐标相近或相重合;其中,第一机枪组合用于对目标无人机进行首次打击;(2)至少一个第二机枪组合,第二机枪组合包括:至少一个第三机枪,且至少一个第三机枪用于提供至少一个第三打击路线,第三打击路线用于对逃离无人机进行追击,其中,逃离无人机指的是经过至少一次打击之后,沿远离第二监测区域方向运动的目标无人机;至少一个第四机枪,且至少一个第四机枪用于提供至少一个第四打击路线,第四打击路线用于对进攻无人机进行追踪,进攻无人机指的是经过至少一次打击之后,继续沿靠近防护地的方向运动的目标无人机;其中,第一机枪组合和第二机枪组合的射程被配置为覆盖第二监测区域,且机枪的部署方位角及高低角均能够调节。
在一些实施例中,第二监测区域包括:沿靠近防护地的方向依次设置的第一打击区域和第二打击区域,其中,第一、二、三打击路线被配置为用于覆盖第一打击区域,第四打击路线被配置为用于覆盖第二打击区域。在一些实施例中,所述打击方案的计算模型参见实施例一所述。
具体地,图2示出了一具体实施例中近防御系统的平台结构示意图。该系统的运行流程为:(1)通过无人机快速识别系统(即FC-DNN模型)对第一监测区域的目标进行侦测,发现目标后,向智能火控系统输出目标方位信息和经纬度信息;(2)智能火控系统引导雷达设置搜索扇区,进行重点搜索,发现目标后,雷达探测子系统向智能管控子系统输出目标距离、方位、俯仰三维信息,并保持对目标的稳定跟踪;(3)当目标进入光电红外探测范围后,智能火控系统引导光电红外跟踪系统进行搜索跟踪,锁定目标后雷达系统与光电红外跟踪系统协同以实现对目标高效率持续稳定跟踪,并向智能火控系统输出视频信息与目标方位、俯仰信息。(4)智能火控系统通过多源异构信息处理对数据进行归一化处理,对单传感器数据管理形成单站轨迹,对异类传感器数据进行关联、融合为综合航迹。(5)判定目标形成威胁后,智能火控系统根据目标距离、方位、速度大小。其中,异类传感器的融合的规则为:雷达未掌握、无人机快速识别系统掌握时,采用射频信号侦测无人机轨迹;雷达掌握、无人机快速识别系统未掌握时,采用雷达航迹;雷达与无人机快速识别系统同时发现目标时,优先利用雷达航迹,同时采用无人机快速识别系统所识别到的型号与载频信息;雷达与光电红外同时跟踪时,将雷达的距离与光电红外的方位、俯仰进行解算融合。
可以理解的是,本实施例中的系统可以实现上述任一步骤,此处不再赘述。本发明中的近防御模式或系统也可以应用于其他地区(例如,核电站、军事基地、机场等敏感区域)的防空需求。本发明中的近防御系统可以有效节省此类陆地战场的防空成本。通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台计算机终端(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。上面结合附图对本发明的实施例进行了描述,但是本发明并不局限于上述的具体实施方式,上述的具体实施方式仅仅是示意性的,而不是限制性的,本领域的普通技术人员在本发明的启示下,在不脱离本发明宗旨和权利要求所保护的范围情况下,还可做出很多形式,这些均属于本发明的保护之内。
Claims (10)
1.一种针对低小慢无人机的低成本打击方法,其特征在于,包括步骤:
S101采集位于第一监测区域的第一射频信息;
S102将所述第一射频信息输入预先通过DNN训练所得的无人机识别模型,以输出得到所述第一监测区域的第一监测信息,所述第一监测信息包括:目标无人机的类型,飞行模式,编号以及所述目标无人机的第一数量;
S103通过所述第一监测信息确定第二监测区域的位置信息,并通过雷达监测系统和/或光电红外监测系统对所述第二监测区域进行监测,以获得所述目标无人机的第二监测信息,所述第二监测信息包括:所述目标无人机的坐标信息,以及所述目标无人机进入所述第二监测区域的第二数量;
S104根据所述第一监测信息和所述第二监测信息判断是否需要对所述目标无人机进行打击;若是,则执行S105;
S105通过所述第一监测信息和/或第二监测信息选取对应的打击方案,所述打击方案包括:需要调用的至少一个机枪的机枪信息,和/或相应机枪的部署角度,和/或相应机枪的射击时间;
S106待完成至少一次打击后,采集位于所述第一监测区域和所述第二监测区域的第二射频信息,并将所述第二射频信息输入到所述无人机识别模型,以获取所述目标无人机的第三监测信息,其中,所述第三监测信息包括:目标无人机的类型、飞行模式以及剩余目标无人机的第三数量;
S107根据所述第三监测信息判断是否需要对所述目标无人机进行追击。
2.根据权利要求1所述的一种针对低小慢无人机的低成本打击方法,其特征在于,S103包括步骤:
S32所述雷达监测系统以第一时间为周期监测与所述目标无人机相关联的雷达数据,其中,所述雷达数据包括:两个周期内的测量次数,测角精度;所述光电红外监测系统以第二时间为周期监测与所述目标无人机相关联的光电红外数据,且所述第二时间为所述第一时间的整数倍,其中,所述光电红外数据包括:测角精度,在k时刻的方位信息估计值以及在i时刻的方位信息测量值;
S33将所述雷达数据以及光电红外数据输入数据融合模型,以输出得到所述目标无人机的坐标信息,所述坐标信息包括:所述目标无人机的俯仰与方位状态测量值;其中,所述数据融合模型为:
(1);
(2);
其中,,/>,n为所述雷达监测系统在连续两个周期内的测量次数,P(k)为光电红外监测系统在k时刻的方位信息估计值;/>为光电红外监测系统在i时刻的方位信息测量值,/>为加权配准后的方差,Var为方差,Xr、Xp分别为雷达监测系统在k时刻的观测值、光电红外监测系统在配准后的k时刻的观测值,/>、/>分别为雷达与光电红外监测系统测角与距离的最优权值;/>为所述光电红外监测系统的测角精度,/>为所述雷达监测系统的测角精度;/>为输出的第一目标俯仰状态测量值和第一方位状态测量值。
3.根据权利要求2所述的一种针对低小慢无人机的低成本打击方法,其特征在于,还包括步骤:
S34通过模糊加权输入估计方法对所述第一目标俯仰状态测量值和第一方位状态测量值进行滤波预测,以输出第二目标俯仰状态测量值和第二方位状态测量值。
4.根据权利要求2所述的一种针对低小慢无人机的低成本打击方法,其特征在于,在S32之前,还包括:S31当所述第一数量超过预设的第一安全阈值时,或者,当接收到用户输入的同步监测指令时,启动所述雷达监测系统和所述光电红外监测系统对所述第二监测区域进行监测。
5.根据权利要求1所述的一种针对低小慢无人机的低成本打击方法,其特征在于,所述无人机识别模型的训练步骤包括:
S21获取样本集,所述样本集包括:与所述目标无人机相关的第一特征数据,且所述第一特征数据包括:
(i)当所述第一监测区域中未有所述目标无人机侵入时,所采集到的第一射频数据和环境噪声;
(ii)当至少一个所述目标无人机开启并与飞行控制器相连接时,所采集到的第二射频数据;
(iii)当至少一个所述目标无人机执行至少一个特定飞行任务时所采集到的第三射频数据,其中,所述特定飞行任务包括:无人机悬停、转向以及视图采集;
S23对所述第一特征数据进行分割,以得到多个第二特征数据;其中,所述第二特征数据的采集长度为400-500ms,采样频率为140-160 MSample/s,瞬时带宽为100-120 MHz;
S24对所述第二特征数据添加相应的标记,所述标记包括:目标无人机的类型、飞行模式、编号;
S25采用MATLAB函数对所述第二特征数据进行功率射频频谱计算,以得到串联矩阵;
S26将所述串联矩阵输入至DNN中,以训练得到所述无人机识别模型。
6.根据权利要求1-5中任一所述的一种针对低小慢无人机的低成本打击方法,其特征在于,用于执行打击方案的打击装置包括:
至少一个第一机枪组合,所述第一机枪组合包括:
至少一个第一机枪,且所述至少一个第一机枪用于提供至少一个第一打击路线;至少一个第二机枪,且所述至少一个第二机枪用于提供至少一个第二打击路线;其中,所述第一打击路线与第二打击路线存在至少一个交叉点,且所述交叉点与至少一个所述目标无人机的坐标相近或相重合;其中,所述第一机枪组合用于对所述目标无人机进行首次打击;
至少一个第二机枪组合,所述第二机枪组合包括:
至少一个第三机枪,且所述至少一个第三机枪用于提供至少一个第三打击路线,所述第三打击路线用于对逃离无人机进行追击,其中,所述逃离无人机指的是经过至少一次打击之后,沿远离所述第二监测区域方向运动的目标无人机;至少一个第四机枪,且所述至少一个第四机枪用于提供至少一个第四打击路线,所述第四打击路线用于对进攻无人机进行追击,所述进攻无人机指的是经过至少一次打击之后,继续沿靠近防护地的方向运动的目标无人机;
其中,所述第一机枪组合和所述第二机枪组合的射程被配置为用于覆盖所述第二监测区域,且所述机枪的部署方位角及高低角均能够调节。
7.根据权利要求6所述的一种针对低小慢无人机的低成本打击方法,其特征在于,所述第二监测区域包括:沿靠近防护地的方向依次设置的第一打击区域和第二打击区域,其中,第一、二、三打击路线被配置为用于覆盖第一打击区域,第四打击路线被配置为用于覆盖第二打击区域。
8.根据权利要求6所述的一种针对低小慢无人机的低成本打击方法,其特征在于,所述打击方案的计算模型为:
(3);
其中,分别为所述目标无人机的坐标信息,/>分别为所述目标无人机的运动速度,/>为机枪从发射弹丸至命中所述目标无人机的预计飞行时间,/>为分别为目标无人机经过预计飞行时间后的坐标信息;/>,/>,/>分别为目标打击位点的斜距离、方位角以及高低角,/>为比例因子;/>,/>分别为当前弹道气象条件下高低角和斜距离的修正拟合值的总和;/>为当前弹道气象条件下的偏流角;/>为修正的时间因子,/>、/>为所述机枪的部署方位角、高低角。
9.一种针对低小慢无人机的低成本打击系统,其特征在于,包括:
数据采集模块,被配置为用于采集位于第一监测区域的第一射频信息;
第一监测信息获取模块,被配置为用于将所述第一射频信息输入预先通过DNN训练所得的无人机识别模型,以输出得到所述第一监测区域的第一监测信息,所述第一监测信息包括:目标无人机的类型,飞行模式,编号以及所述目标无人机的第一数量;
第二监测信息获取模块,被配置为用于通过所述第一监测信息确定第二监测区域,并通过雷达监测系统和/或光电红外监测系统对所述第二监测区域进行监测,以获得所述目标无人机的第二监测信息,所述第二监测信息包括:所述目标无人机的坐标信息,以及所述目标无人机进入所述第二监测区域的第二数量;
第一判断模块,被配置为用于根据所述第一监测信息和所述第二监测信息判断是否需要对所述目标无人机进行打击;
击打方案选取模块,被配置为用于通过所述第一监测信息和/或第二监测信息选取对应的打击方案,所述打击方案包括:需要调用的至少一个机枪的机枪信息,和/或相应机枪的部署角度,和/或相应机枪的射击时间;
第三监测信息获取模块,被配置为用于待完成至少一次打击后,采集位于所述第一监测区域和所述第二监测区域的第二射频信息,并将所述第二射频信息输入到所述无人机识别模型,以获取所述目标无人机的第三监测信息,其中,所述第三监测信息包括:目标无人机的类型、飞行模式以及剩余目标无人机的第三数量;
第二判断模块,被配置为用于根据所述第三监测信息判断是否需要对所述目标无人机进行追击。
10.根据权利要求9所述的一种针对低小慢无人机的低成本打击系统,其特征在于,第一监测信息获取模块包括:
样本获取单元,被配置为用于获取样本集,所述样本集包括:与所述目标无人机相关的第一特征数据,且所述第一特征数据包括:当所述第一监测区域中未有所述目标无人机侵入时,所采集到的第一射频数据和环境噪声;当至少一个所述目标无人机开启并与飞行控制器相连接时,所采集到的第二射频数据;当至少一个所述目标无人机执行至少一个特定飞行任务时所采集到的第三射频数据,其中,所述特定飞行任务包括:无人机悬停、转向以及视图采集;
预处理单元,被配置为用于对所述第一特征数据进行分割,以得到多个第二特征数据;其中,所述第二特征数据的采集长度为400-500ms,采样频率为140-160 MSample/s,瞬时带宽为100-120 MHz;
标记添加单元,被配置为用于对所述第二特征数据添加相应的标记,所述标记包括:目标无人机的类型、飞行模式以及编号;
频谱计算单元,被配置为用于采用MATLAB函数对所述第二特征数据进行功率射频频谱计算,以得到串联矩阵;
训练单元,被配置为用于将所述串联矩阵输入至DNN中,以训练得到所述无人机识别模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310660188.1A CN116400738B (zh) | 2023-06-06 | 2023-06-06 | 一种针对低小慢无人机的低成本打击方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310660188.1A CN116400738B (zh) | 2023-06-06 | 2023-06-06 | 一种针对低小慢无人机的低成本打击方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116400738A CN116400738A (zh) | 2023-07-07 |
CN116400738B true CN116400738B (zh) | 2023-08-08 |
Family
ID=87010837
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310660188.1A Active CN116400738B (zh) | 2023-06-06 | 2023-06-06 | 一种针对低小慢无人机的低成本打击方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116400738B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116880573B (zh) * | 2023-09-08 | 2023-12-01 | 西安天成益邦电子科技有限公司 | 载弹无人机与探测无人机的协同控制方法及系统 |
CN117765243A (zh) * | 2023-12-22 | 2024-03-26 | 北京中科航星科技有限公司 | 一种基于高性能计算架构的ai导引系统 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106839882A (zh) * | 2017-01-22 | 2017-06-13 | 张红彬 | 特殊区域入侵无人机预警拦截控制系统 |
IL265713A (en) * | 2019-03-28 | 2019-05-30 | Shvalb Nir | Intercepting multiple targets |
CN110928329A (zh) * | 2019-12-24 | 2020-03-27 | 北京空间技术研制试验中心 | 一种基于深度q学习算法的多飞行器航迹规划方法 |
CN110968941A (zh) * | 2019-11-11 | 2020-04-07 | 海丰通航科技有限公司 | 基于空域安全评估的无人机管控平台及管控方法 |
CN111627259A (zh) * | 2020-04-16 | 2020-09-04 | 广州海格亚华防务科技有限公司 | 机场净空保护区内无人机入侵分级预警方法及存储介质 |
CN112396288A (zh) * | 2020-10-12 | 2021-02-23 | 中国兵器科学研究院 | 一种火力打击能力评估方法、装置、设备和介质 |
CN112797846A (zh) * | 2020-12-22 | 2021-05-14 | 中国船舶重工集团公司第七0九研究所 | 一种无人机防控方法及系统 |
CN114322668A (zh) * | 2021-12-15 | 2022-04-12 | 中国船舶重工集团公司第七0九研究所 | 一种用于要地防御的无人机反制辅助决策方法 |
CN114859969A (zh) * | 2022-04-27 | 2022-08-05 | 金朝 | 基于阵列相机监测技术的无人机侦测管控系统 |
CN115328212A (zh) * | 2022-08-26 | 2022-11-11 | 成都流体动力创新中心 | 一种基于无人机吊舱的目标追踪方法及装置 |
CN115761421A (zh) * | 2022-11-03 | 2023-03-07 | 南京莱斯电子设备有限公司 | 一种多源信息融合低慢小目标探测方法及无人空防系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150329217A1 (en) * | 2014-05-19 | 2015-11-19 | Honeywell International Inc. | Aircraft strike zone display |
IL247138A0 (en) * | 2016-08-07 | 2016-12-29 | Mordechay Finkenberg | A method to neutralize a threat |
US11192646B2 (en) * | 2018-10-03 | 2021-12-07 | Sarcos Corp. | Anchored aerial countermeasures for rapid deployment and neutralizing of target aerial vehicles |
-
2023
- 2023-06-06 CN CN202310660188.1A patent/CN116400738B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106839882A (zh) * | 2017-01-22 | 2017-06-13 | 张红彬 | 特殊区域入侵无人机预警拦截控制系统 |
IL265713A (en) * | 2019-03-28 | 2019-05-30 | Shvalb Nir | Intercepting multiple targets |
CN110968941A (zh) * | 2019-11-11 | 2020-04-07 | 海丰通航科技有限公司 | 基于空域安全评估的无人机管控平台及管控方法 |
CN110928329A (zh) * | 2019-12-24 | 2020-03-27 | 北京空间技术研制试验中心 | 一种基于深度q学习算法的多飞行器航迹规划方法 |
CN111627259A (zh) * | 2020-04-16 | 2020-09-04 | 广州海格亚华防务科技有限公司 | 机场净空保护区内无人机入侵分级预警方法及存储介质 |
CN112396288A (zh) * | 2020-10-12 | 2021-02-23 | 中国兵器科学研究院 | 一种火力打击能力评估方法、装置、设备和介质 |
CN112797846A (zh) * | 2020-12-22 | 2021-05-14 | 中国船舶重工集团公司第七0九研究所 | 一种无人机防控方法及系统 |
CN114322668A (zh) * | 2021-12-15 | 2022-04-12 | 中国船舶重工集团公司第七0九研究所 | 一种用于要地防御的无人机反制辅助决策方法 |
CN114859969A (zh) * | 2022-04-27 | 2022-08-05 | 金朝 | 基于阵列相机监测技术的无人机侦测管控系统 |
CN115328212A (zh) * | 2022-08-26 | 2022-11-11 | 成都流体动力创新中心 | 一种基于无人机吊舱的目标追踪方法及装置 |
CN115761421A (zh) * | 2022-11-03 | 2023-03-07 | 南京莱斯电子设备有限公司 | 一种多源信息融合低慢小目标探测方法及无人空防系统 |
Non-Patent Citations (1)
Title |
---|
航管系统区域入侵告警预警模块的研究与实现;上官红斌;;现代计算机(专业版)(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116400738A (zh) | 2023-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116400738B (zh) | 一种针对低小慢无人机的低成本打击方法及系统 | |
US9488442B2 (en) | Anti-sniper targeting and detection system | |
CN112797846B (zh) | 一种无人机防控方法及系统 | |
US7870816B1 (en) | Continuous alignment system for fire control | |
EP2623921B1 (en) | Low-altitude low-speed small target intercepting method | |
CN109099779B (zh) | 一种无人机侦测与智能拦截系统 | |
US8833231B1 (en) | Unmanned range-programmable airburst weapon system for automated tracking and prosecution of close-in targets | |
AU2007293004B2 (en) | A method and system for extending operational electronic range of a vehicle | |
CN106839882B (zh) | 特殊区域入侵无人机预警拦截控制系统 | |
US5822713A (en) | Guided fire control system | |
KR101656111B1 (ko) | 감지/방출 장치, 시스템, 방법 | |
US20130192451A1 (en) | Anti-sniper targeting and detection system | |
CN111123983B (zh) | 一种无人机截击网捕控制系统及控制方法 | |
US20100042269A1 (en) | System and methods relating to autonomous tracking and surveillance | |
CN101866006A (zh) | 旋转式多传感器光电雷达 | |
CN102116596B (zh) | 基于图像分析的坦克分队训练模拟射击命中判定方法 | |
CN110375585B (zh) | 一种基于双转塔的飞行物入侵应对系统及方法 | |
CN110553549B (zh) | 一种低空飞行器指挥控制系统 | |
KR20130009891A (ko) | 저고도 및 고고도용 복합체 무인항공기 및 무인항공기 시스템 | |
KR101746580B1 (ko) | 저고도 무인항공기 식별 방법 및 시스템 | |
CN116086408B (zh) | 一种基于工业相机的智能测绘系统 | |
CN116753778A (zh) | 一种基于信息融合与任务分配的无人机反制系统和方法 | |
RU2433370C1 (ru) | Оптико-электронная система зенитного ракетного комплекса | |
Dong et al. | An integrated scheme of a smart net capturer for MUAVs | |
Ke-Rong et al. | Design of an unattended laser-target designator based on multi-sensor |
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 |