CN117075151A - 一种基于人工智能的导航诱骗干扰系统及方法 - Google Patents
一种基于人工智能的导航诱骗干扰系统及方法 Download PDFInfo
- Publication number
- CN117075151A CN117075151A CN202311129010.0A CN202311129010A CN117075151A CN 117075151 A CN117075151 A CN 117075151A CN 202311129010 A CN202311129010 A CN 202311129010A CN 117075151 A CN117075151 A CN 117075151A
- Authority
- CN
- China
- Prior art keywords
- unmanned aerial
- aerial vehicle
- coordinate position
- flight
- fly
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 29
- 238000013473 artificial intelligence Methods 0.000 title claims abstract description 18
- 238000012549 training Methods 0.000 claims description 22
- 238000012360 testing method Methods 0.000 claims description 18
- 230000008859 change Effects 0.000 claims description 13
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 238000012163 sequencing technique Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 2
- 230000008569 process Effects 0.000 description 5
- 230000009471 action Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/21—Interference related issues ; Issues related to cross-correlation, spoofing or other methods of denial of service
-
- 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
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/21—Interference related issues ; Issues related to cross-correlation, spoofing or other methods of denial of service
- G01S19/215—Interference related issues ; Issues related to cross-correlation, spoofing or other methods of denial of service issues related to spoofing
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于人工智能的导航诱骗干扰系统及方法,涉及电子信息技术领域。所述导航诱骗干扰方法包括以下步骤:步骤S100:获取无人机的坐标位置,判断所述坐标位置是否处于禁飞区域内;步骤S200:当无人机的坐标位置不在禁飞区域内,获取无人机的飞行路线,根据无人机的飞行路线模拟出无人机的未来飞行路线;步骤S300:判断未来飞行路线中是否包含禁飞区域;当存在禁飞区域时,改变无人机的飞行路线;步骤S400:当无人机的坐标位置在禁飞区域内,匹配无人机的信息;根据无人机的坐标位置和所述坐标位置发生危险的概率对无人机发送不同的干扰信号,改变无人机的飞行路线和飞行状态。
Description
技术领域
本发明涉及卫星导航技术领域,具体为一种基于人工智能的导航诱骗干扰系统及方法。
背景技术
无人机导航诱骗系统通过发射虚假的导航卫星信号,可以欺骗迷惑无人机的导航终端,使其定位在系统预设的虚假位置;通过卫星定位信号诱骗可以实现禁飞区设置、位置欺骗和航路欺骗等。
随着无人机技术的普及,无人机技术给人们带来了诸多的便利,但是也使得无人机被恶意使用从而造成破坏;现如今针对无人机的导航诱骗干扰技术还存在着以下问题:(1)只有当无人机出现在设定的禁飞区域中时,系统才能检测到无人机,但那时候已经错过了无人机拦截的最佳时机;(2)无法分辨出在飞行中的无人机的行为,对误入禁飞区域的无人机进行无差别的干扰和攻击,容易造成经济的损失。
发明内容
本发明的目的在于提供一种基于人工智能的导航诱骗干扰系统及方法,以解决上述背景技术中提出的问题。
为了解决上述技术问题,本发明提供如下技术方案:一种基于人工智能的导航诱骗干扰方法,包括以下步骤:
步骤S100:获取无人机的坐标位置,判断所述坐标位置是否处于禁飞区域内;
步骤S200:当无人机的坐标位置不在禁飞区域内,获取无人机的飞行路线,根据无人机的飞行路线模拟出无人机的未来飞行路线;
步骤S300:判断未来飞行路线中是否包含禁飞区域;当存在禁飞区域时,改变无人机的飞行路线;
步骤S400:当无人机的坐标位置在禁飞区域内,匹配无人机的信息;根据无人机的坐标位置和所述坐标位置发生危险的概率对无人机发送不同的干扰信号,改变无人机的飞行路线和飞行状态。
进一步的,步骤S100包括以下步骤:
步骤S101:设定干扰源的坐标位置为(x,y,z),获取无人机的坐标位置(x‘,y‘,z‘),根据公式:
其中,坐标位置(x,y,z)表示经度为x,维度为y,高度为z;计算出无人机的坐标位置距离干扰源的坐标位置之间的距离d;
步骤S102:干扰源向着坐标位置(x‘,y‘,z‘)发射一个速度为的信号,在信号接触到无人机时传回干扰;设信号返回干扰源的期望时间为/>根据公式:
设允许存在的时间误差为△t,则信号返回干扰源的期望时间段为
步骤S103:当干扰源接收到发送出的信号时,获取信号实际经过的时间当 时,则判断信号的传送过程出现了错误;重新获取所述无人机的坐标位置,重复步骤S102;避免因为发送出的信号被其他物体拦截返回造成对所述无人机的坐标位置判断的错误;
步骤S104:干扰源设定一个禁飞返回时间为当信号实际经过的时间 时,判断/>与/>的大小,当/>时,则所述无人机的坐标位置在禁飞区域中,当/>时,则所述无人机的坐标位置不在禁飞区域中。
进一步的,步骤S200中获取无人机的飞行路线,包括以下步骤:
步骤S201:设禁飞区域的边界坐标为(xi,yi,zi),计算出无人机的坐标位置与禁飞区域的边界之间的距离di,其中,i表示禁飞区域的第i个边界点;设置一个阈值r,当检测到di≤r时,干扰源开始在无人机的飞行过程中,持续采集GPS接收器输出的坐标位置;在无人机的坐标位置与禁飞区域边界的距离大于设定的阈值时,干扰源不做任何处理,避免资源的浪费;
步骤S202:将采集到的坐标位置按照采集时间进行顺序排序,计算相邻坐标位置的距离,当存在某个坐标位置与所述坐标位置相邻的两个坐标位置的距离大于其他相邻坐标位置的距离时,则将所述坐标位置记为异常坐标并进行删除,将删除后的坐标位置进行数据滤波处理得到精确坐标位置;
步骤S203:将精确坐标位置进行连接形成连续的轨迹,对所述连续的轨迹进行可视化处理生成无人机的飞行路线。
进一步的,步骤S200中模拟无人机的未来飞行路线,包括以下步骤:
步骤S210:任意取两个相邻的精确坐标位置(xi,yi,zi)和(xi+1,yi+1,zi+1),其中,(xi,yi,zi)表示第i个时间点无人机的精确坐标位置;设为两个精确坐标位置的经度差,根据公式:
设无人机的航向角为ω,根据公式:
其中,atan2(a,b)为方位角函数,返回以弧度表示的b/a的反正切;
设无人机的偏航角为ω‘,两个精确坐标位置的纬度差为根据公式:
计算获得纬度差为根据公式:
计算得到无人机的偏航角ω‘;设轨迹角为κ,根据公式:
κ=ω-ω‘
将计算得到的航迹角κ进行保存;
步骤S220:根据无人机中的GPS接收器获取第i个时间点无人机的飞行速度vi,根据公式:
△v=vi+1-vi
计算得到无人机飞行速度的变化率△v;
步骤S230:根据采集时间的顺序将精确坐标位置(xi,yi,zi)、航迹角κ和飞行速度的变化率△v进行排序,将第i个时间点得到的精确坐标位置(xi,yi,zi)、航迹角κ和飞行速度的变化率△u设为第i组飞行数据,设共得到n组飞行数据,将前m组飞行数据作为训练集,将后n-m组飞行数据作为测试集;
步骤S240:将训练集输入到设定的模型中进行训练,根据训练的结果调整模型的参数,不断拟合输入的飞行数据;
步骤S250:使用测试集对训练好的模型进行测试,计算出预测的结果与实际飞行路线的相对误差RE,根据公式:
其中,PR为模型根据输入的飞行数据预测的结果,AC为实际飞行路线;设定阈值为ε,当RE>ε时,则添加若干个测试集中的飞行数据到训练集中,重复步骤S240和步骤S250,直到RE≤ε时停止训练;
步骤S260:当RE≤ε时,取测试集中的最后若干组飞行数据输入模型,通过模型对无人机接下来的飞行数据进行预测并模拟出无人机接下来的飞行路线。
进一步的,步骤S300包括以下步骤:
步骤S301:获取预测出的飞行数据,设预测的第k个时间点的坐标位置为(xk,yk,zk),根据公式:
计算得到第k个时间点无人机所在的位置与干扰源的坐标位置之间的距离dk;
步骤S302:设定干扰源发射的信号的速度为和禁飞返回时间为/>根据公式:
其中,为预测的第k个时间点坐标位置的信号预期返回时间;当/>时,则判断无人机的飞行路线中包含有禁飞区域;
设第k个时间点无人机的飞行速度vk,无人机在禁飞区域中的飞行路程为根据公式就算出无人机在禁飞区域中的飞行时间t':
其中,u表示一共获取了u组飞行数据;设定一个允许无人机在禁飞区域飞行的时间阈值τ,当t'≥τ时,则将无人机中处于禁飞区域中的所有飞行数据删除;在预测出无人机在禁飞区域飞行的时间超过设定的阈值时,则对无人机发射信号,干扰无人机删除禁飞区域中的飞行数据,避免无人机进入到禁飞区域造成危害;
步骤S303:判断删除的飞行数据所对应的时间点之后是否存在若干组飞行数据,若不存在飞行数据,则干扰源向无人机发送干扰信号,改变无人机的飞行路线,诱骗无人机朝着禁飞区域的边界外飞行;若存在若干组飞行数据,则通过Dijkstra算法模拟出一条由无人机所在坐标位置到所述若干组飞行数据中的坐标位置的飞行路线,并将所述飞行路线写入无人机中。
进一步的,步骤S400包括以下步骤:
步骤S401:获取无人机的信息,获取无人机所在的坐标位置(x‘,y‘,z‘);根据公式:
计算出无人机的坐标位置距离干扰源的坐标位置之间的距离d;根据距离d,设定诱骗概率ηd;将无人机的信息与数据库中保存的信息进行比对,设定一个阈值λ;
步骤S402:当数据库中不存在所述无人机的信息时,当ηd<λ时,获取所有与无人机的坐标位置之间距离为r-d的坐标位置(u,u,w),计算坐标位置(u,u,w)与干扰源的坐标位置之间的距离d”,当某个坐标位置(u,v,w)与干扰源的坐标位置之间的距离d”=r时,则将所述坐标位置(u,v,w)作为无人机的目标位置,干扰源向无人机发射干扰信号,控制无人机向目标位置移动;
当ηd≥λ时,干扰源向无人机发射干扰信号强制无人机降落;
步骤S403:当数据库中存在所述无人机的信息,当ηd<λ时,干扰源向无人机发射干扰信号,控制无人机的飞行速度不超过设定的最大飞行速度vmax;当ηd≥λ时,干扰源向无人机发射干扰信号,改变无人机的飞行路线,使无人机移动到诱骗概率ηd<λ的区域。
进一步的,一种基于人工智能的导航诱骗干扰系统,所述系统包括了区域识别模块、自由区域模块、路线判断模块和禁飞区域模块;
所述区域识别模块,用于获取无人机的坐标位置,判断所述坐标位置是否处于禁飞区域内;
所述自由区域模块,用于当无人机的坐标位置不在禁飞区域内,获取无人机的飞行路线,根据无人机的飞行路线模拟出无人机的未来飞行路线;
所述路线判断模块,用于判断未来飞行路线中是否包含禁飞区域;当存在禁飞区域时,改变无人机的飞行路线;
所述禁飞区域模块,用于当无人机的坐标位置在禁飞区域内,匹配无人机的信息;根据无人机的坐标位置和所述坐标位置发生危险的概率对无人机发送不同的干扰信号,改变无人机的飞行路线和飞行状态。
进一步的,所述自由区域模块包括了飞行路线识别单元和飞行路线预测单元;
所述飞行路线识别单元,用于获取无人机的飞行路线;所述飞行路线预测单元,用于根据无人机的飞行路线模拟出无人机的未来飞行路线。
进一步,所述禁飞区域模块包括了信息成功匹配单元和信息错误匹配单元;
所述信息成功匹配单元,用于控制无人机在禁飞区域内根据干扰信号改变飞行状态和飞行路线;所述信息错误匹配单元,用于控制无人机在禁飞区域内根据干扰信号离开禁飞区域或强制降落。
与现有技术相比,本发明所达到的有益效果是:(1)在无人机处于禁飞区域的外部时,通过已有的飞行路线预测出无人机接下来的飞行路线,从而判断是否会进入禁飞区域;实现对无人机进行提前干扰,避免无人机误入禁飞区域造成损失;(2)在无人机距离禁飞区域边界小于特定的值时,干扰源才开始预测无人机的飞行路线,节省了资源;(3)预测无人机可能经过禁飞区的时间,在经过时间小于设定的阈值时,则尽量不对无人机进行干扰,避免了对误入的无人机进行攻击造成经济的损失;(4)在无人机处于禁飞区域内时,通过判断无人机的信息对无人机发射不同的干扰信号;在最大程度不造成损失的情况下,控制无人机离开禁飞区域,避免了无差别攻击造成经济的损失。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1是一种基于人工智能的导航诱骗干扰方法的步骤示意图;
图2是一种基于人工智能的导航诱骗干扰系统的结构示意图。
具体实施方式
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,所描述的实施例仅仅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。
请参阅图1、图2,本发明提供技术方案:一种基于人工智能的导航诱骗干扰方法,包括以下步骤:
步骤S100:获取无人机的坐标位置,判断所述坐标位置是否处于禁飞区域内;
其中,步骤S100包括以下步骤:
步骤S101:设定干扰源的坐标位置为(x,y,z),获取无人机的坐标位置(x‘,y‘,z‘),根据公式:
其中,坐标位置(x,y,z)表示经度为x,维度为y,高度为z;计算出无人机的坐标位置距离干扰源的坐标位置之间的距离d;
步骤S102:干扰源向着坐标位置(x‘,y‘,z‘)发射一个速度为的信号,在信号接触到无人机时传回干扰;设信号返回干扰源的期望时间为/>根据公式:
设允许存在的时间误差为△t,则信号返回干扰源的期望时间段为
步骤S103:当干扰源接收到发送出的信号时,获取信号实际经过的时间当 时,则判断信号的传送过程出现了错误;重新获取所述无人机的坐标位置,重复步骤S102;
步骤S104:干扰源设定一个禁飞返回时间为当信号实际经过的时间 时,判断/>与/>的大小,当/>时,则所述无人机的坐标位置在禁飞区域中,当/>时,则所述无人机的坐标位置不在禁飞区域中。
步骤S200:当无人机的坐标位置不在禁飞区域内,获取无人机的飞行路线,根据无人机的飞行路线模拟出无人机的未来飞行路线;
其中,步骤S200中获取无人机的飞行路线,包括以下步骤:
步骤S201:设禁飞区域的边界坐标为(xi,yi,zi),计算出无人机的坐标位置与禁飞区域的边界之间的距离di,其中,i表示禁飞区域的第i个边界点;设置一个阈值r,当检测到di≤r时,干扰源开始在无人机的飞行过程中,持续采集GPS接收器输出的坐标位置;
步骤S202:将采集到的坐标位置按照采集时间进行顺序排序,计算相邻坐标位置的距离,当存在某个坐标位置与所述坐标位置相邻的两个坐标位置的距离大于其他相邻坐标位置的距离时,则将所述坐标位置记为异常坐标并进行删除,将删除后的坐标位置进行数据滤波处理得到精确坐标位置;
步骤S203:将精确坐标位置进行连接形成连续的轨迹,对所述连续的轨迹进行可视化处理生成无人机的飞行路线;
其中,步骤S200中模拟无人机的未来飞行路线,包括以下步骤:
步骤S210:任意取两个相邻的精确坐标位置(xi,yi,zi)和(xi+1,yi+1,zi+1),其中,(xi,yi,zi)表示第i个时间点无人机的精确坐标位置;设为两个精确坐标位置的经度差,根据公式:
设无人机的航向角为ω,根据公式:
其中,atan2(a,b)为方位角函数,返回以弧度表示的b/a的反正切;
设无人机的偏航角为ω‘,两个精确坐标位置的纬度差为根据公式:
计算获得纬度差为根据公式:
计算得到无人机的偏航角ω‘;设轨迹角为κ,根据公式:
κ=ω-ω‘
将计算得到的航迹角κ进行保存;
步骤S220:根据无人机中的GPS接收器获取第i个时间点无人机的飞行速度vi,根据公式:
△v=vi+1-vi
计算得到无人机飞行速度的变化率△v;
步骤S230:根据采集时间的顺序将精确坐标位置(xi,yi,zi)、航迹角κ和飞行速度的变化率△v进行排序,将第i个时间点得到的精确坐标位置(xi,yi,zi)、航迹角κ和飞行速度的变化率△v设为第i组飞行数据,设共得到n组飞行数据,将前m组飞行数据作为训练集,将后n-m组飞行数据作为测试集;
步骤S240:将训练集输入到设定的模型中进行训练,根据训练的结果调整模型的参数,不断拟合输入的飞行数据;
步骤S250:使用测试集对训练好的模型进行测试,计算出预测的结果与实际飞行路线的相对误差RE,根据公式:
其中,PR为模型根据输入的飞行数据预测的结果,AC为实际飞行路线;设定阈值为ε,当RE>ε时,则添加若干个测试集中的飞行数据到训练集中,重复步骤S240和步骤S250,直到RE≤ε时停止训练;
步骤S260:当RE≤ε时,取测试集中的最后若干组飞行数据输入模型,通过模型对无人机接下来的飞行数据进行预测并模拟出无人机接下来的飞行路线。
步骤S300:判断未来飞行路线中是否包含禁飞区域;当存在禁飞区域时,改变无人机的飞行路线;
其中,步骤S300包括以下步骤:
步骤S301:获取预测出的飞行数据,设预测的第k个时间点的坐标位置为(xk,yk,zk),根据公式:
计算得到第k个时间点无人机所在的位置与干扰源的坐标位置之间的距离dk;
步骤S302:设定干扰源发射的信号的速度为和禁飞返回时间为/>根据公式:
其中,为预测的第k个时间点坐标位置的信号预期返回时间;当/>时,则判断无人机的飞行路线中包含有禁飞区域;
设第k个时间点无人机的飞行速度vk,无人机在禁飞区域中的飞行路程为根据公式就算出无人机在禁飞区域中的飞行时间t':
其中,u表示一共获取了u组飞行数据;设定一个允许无人机在禁飞区域飞行的时间阈值τ,当t'≥τ时,则将无人机中处于禁飞区域中的所有飞行数据删除;
步骤S303:判断删除的飞行数据所对应的时间点之后是否存在若干组飞行数据,若不存在飞行数据,则干扰源向无人机发送干扰信号,改变无人机的飞行路线,诱骗无人机朝着禁飞区域的边界外飞行;若存在若干组飞行数据,则通过Dijkstra算法模拟出一条由无人机所在坐标位置到所述若干组飞行数据中的坐标位置的飞行路线,并将所述飞行路线写入无人机中。
其中,步骤S400包括以下步骤:
步骤S401:获取无人机的信息,获取无人机所在的坐标位置(x‘,y‘,z‘);根据公式:
计算出无人机的坐标位置距离干扰源的坐标位置之间的距离d;根据距离d,设定诱骗概率ηd;将无人机的信息与数据库中保存的信息进行比对,设定一个阈值λ;
步骤S402:当数据库中不存在所述无人机的信息时,当ηd<λ时,获取所有与无人机的坐标位置之间距离为r-d的坐标位置(u,v,w),计算坐标位置(u,v,w)与干扰源的坐标位置之间的距离d”,当某个坐标位置(u,v,w)与干扰源的坐标位置之间的距离d”=r时,则将所述坐标位置(u,v,w)作为无人机的目标位置,干扰源向无人机发射干扰信号,控制无人机向目标位置移动;
当ηd≥λ时,干扰源向无人机发射干扰信号强制无人机降落;
步骤S403:当数据库中存在所述无人机的信息,当ηd<λ时,干扰源向无人机发射干扰信号,控制无人机的飞行速度不超过设定的最大飞行速度vmax;当ηd≥λ时,干扰源向无人机发射干扰信号,改变无人机的飞行路线,使无人机移动到诱骗概率ηd<λ的区域。
一种基于人工智能的导航诱骗干扰系统,所述系统包括了区域识别模块、自由区域模块、路线判断模块和禁飞区域模块;
所述区域识别模块,用于获取无人机的坐标位置,判断所述坐标位置是否处于禁飞区域内;
所述自由区域模块,用于当无人机的坐标位置不在禁飞区域内,获取无人机的飞行路线,根据无人机的飞行路线模拟出无人机的未来飞行路线;
所述路线判断模块,用于判断未来飞行路线中是否包含禁飞区域;当存在禁飞区域时,改变无人机的飞行路线;
所述禁飞区域模块,用于当无人机的坐标位置在禁飞区域内,匹配无人机的信息;根据无人机的坐标位置和所述坐标位置发生危险的概率对无人机发送不同的干扰信号,改变无人机的飞行路线和飞行状态。
其中,所述自由区域模块包括了飞行路线识别单元和飞行路线预测单元;
所述飞行路线识别单元,用于获取无人机的飞行路线;所述飞行路线预测单元,用于根据无人机的飞行路线模拟出无人机的未来飞行路线;
其中,所述禁飞区域模块包括了信息成功匹配单元和信息错误匹配单元;
所述信息成功匹配单元,用于控制无人机在禁飞区域内根据干扰信号改变飞行状态和飞行路线;所述信息错误匹配单元,用于控制无人机在禁飞区域内根据干扰信号离开禁飞区域或强制降落。
根据干扰源的坐标位置和无人机的坐标位置计算出两者之间的距离为d=25km,设干扰源向着无人机的坐标位置发射一个速度的信号,因此信号返回干扰源的期望时间/>因为存在允许时间误差△t=0.5s,所以信号返回干扰源的期望时间段为(4.5s,5.5s);当干扰源接收到发送出的信号时,获取信号实际经过的时间时,则说明发射出的信号被其他物体阻拦而发送失败,则重新获取无人机的坐标位置,再次发射信号进行测量,直到符合信号返回干扰源的期望时间段;设定一个禁飞返回时间/>因为/> 则判断无人机的坐标位置不在禁飞区域中;
计算出无人机的坐标位置与禁飞区域的边界之间的距离d1=1.5km,设置一个阈值r=2km,因为di≤r,干扰源开始在无人机的飞行过程中,持续采集GPS接收器输出的坐标位置,将采集到的坐标位置按照采集时间进行顺序排序,得到第一个坐标位置与第二个坐标位置之间的距离为20m,第二个坐标位置与第三个坐标位置之间的距离为22m,第三个坐标位置与第四个坐标位置之间的距离为50m,第四个坐标位置与第五个坐标位置之间的距离为55m,第五个坐标位置与第六个坐标位置之间的距离为21m,因为第四个坐标位置与相邻的两个坐标位置之间的距离远大于其他距离,因此判断第四个坐标位置是错误的,对其进行删除。
取5个坐标位置计算出所在位置无人机的航迹角κ和飞行速度的变化率△v,并将前3个坐标位置作为训练集,将后两个坐标位置作为测试集;将训练集输入到设定的模型中进行训练,根据训练的结果调整模型的参数,不断拟合输入的飞行数据;使用测试集的数据进行测试,设定阈值ε=10%,因为RE<ε,所以预测的结果与实际飞行路线的相对误差较低,符合要求;则输入获取的最后3个坐标位置的飞行数据预测出接下来的飞行路线。
根据预测的飞行数据,计算出预测的第1个坐标位置与干扰源的坐标位置之间的距离d1,当则判断无人机的坐标位置在禁飞区域中;计算出无人机在禁飞区域中的时间t'=1s,设允许无人机在禁飞区域飞行的时间阈值τ=1.5s,因为t'<τ,不进行干扰。
需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,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、物品或者设备不仅包括那些要素,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、物品或者设备所固有的要素。
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于人工智能的导航诱骗干扰方法,其特征在于:所述方法包括以下步骤:
步骤S100:获取无人机的坐标位置,判断所述坐标位置是否处于禁飞区域内;
步骤S200:当无人机的坐标位置不在禁飞区域内,获取无人机的飞行路线,根据无人机的飞行路线模拟出无人机的未来飞行路线;
步骤S300:判断未来飞行路线中是否包含禁飞区域;当存在禁飞区域时,改变无人机的飞行路线;
步骤S400:当无人机的坐标位置在禁飞区域内,匹配无人机的信息;根据无人机的坐标位置和所述坐标位置发生危险的概率对无人机发送不同的干扰信号,改变无人机的飞行路线和飞行状态。
2.根据权利要求1所述的一种基于人工智能的导航诱骗干扰方法,其特征在于:所述步骤S100包括以下步骤:
步骤S101:设定干扰源的坐标位置为获取无人机的坐标位置/>根据公式:
其中,坐标位置表示经度为/>维度为/>高度为/>计算出无人机的坐标位置距离干扰源的坐标位置之间的距离d;
步骤S102:干扰源向着坐标位置发射一个速度为/>的信号,在信号接触到无人机时传回干扰;设信号返回干扰源的期望时间为/>根据公式:
设允许存在的时间误差为则信号返回干扰源的期望时间段为/>
步骤S103:当干扰源接收到发送出的信号时,获取信号实际经过的时间当/> 时,则判断信号的传送过程出现了错误;重新获取所述无人机的坐标位置,重复步骤S102;
步骤S104:干扰源设定一个禁飞返回时间为当信号实际经过的时间/> 时,判断/>与/>的大小,当/>时,则所述无人机的坐标位置在禁飞区域中,当/>时,则所述无人机的坐标位置不在禁飞区域中。
3.根据权利要求2所述的一种基于人工智能的导航诱骗干扰方法,其特征在于:所述步骤S200中获取无人机的飞行路线,包括以下步骤:
步骤S201:设禁飞区域的边界坐标为(xi,yi,zi),计算出无人机的坐标位置与禁飞区域的边界之间的距离其中,i表示禁飞区域的第i个边界点;设置一个阈值/>当检测到/> 时,干扰源开始在无人机的飞行过程中,持续采集GPS接收器输出的坐标位置;
步骤S202:将采集到的坐标位置按照采集时间进行顺序排序,计算相邻坐标位置的距离,当存在某个坐标位置与所述坐标位置相邻的两个坐标位置的距离大于其他相邻坐标位置的距离时,则将所述坐标位置记为异常坐标并进行删除,将删除后的坐标位置进行数据滤波处理得到精确坐标位置;
步骤S203:将精确坐标位置进行连接形成连续的轨迹,对所述连续的轨迹进行可视化处理生成无人机的飞行路线。
4.根据权利要求3所述的一种基于人工智能的导航诱骗干扰方法,其特征在于:所述步骤S200中模拟无人机的未来飞行路线,包括以下步骤:
步骤S210:任意取两个相邻的精确坐标位置和/>其中,表示第i个时间点无人机的精确坐标位置;设/>为两个精确坐标位置的经度差,根据公式:
设无人机的航向角为ω,根据公式:
其中,atan2(a,b)为方位角函数,返回以弧度表示的b/a的反正切;
设无人机的偏航角为ω‘,两个精确坐标位置的纬度差为根据公式:
计算获得纬度差为根据公式:
计算得到无人机的偏航角ω‘;设轨迹角为κ,根据公式:
κ=ω-ω′
将计算得到的航迹角κ进行保存;
步骤S220:根据无人机中的GPS接收器获取第i个时间点无人机的飞行速度vi,根据公式:
计算得到无人机飞行速度的变化率
步骤S230:根据采集时间的顺序将精确坐标位置航迹角κ和飞行速度的变化率/>进行排序,将第/>个时间点得到的精确坐标位置/>航迹角κ和飞行速度的变化率/>设为第/>组飞行数据,设共得到/>组飞行数据,将前/>组飞行数据作为训练集,将后/>组飞行数据作为测试集;
步骤S240:将训练集输入到设定的模型中进行训练,根据训练的结果调整模型的参数,不断拟合输入的飞行数据;
步骤S250:使用测试集对训练好的模型进行测试,计算出预测的结果与实际飞行路线的相对误差RE,根据公式:
其中,PR为模型根据输入的飞行数据预测的结果,AC为实际飞行路线;设定阈值为ε,当RE>ε时,则添加若干个测试集中的飞行数据到训练集中,重复步骤S240和步骤S250,直到RE≤ε时停止训练;
步骤S260:当RE≤ε时,取测试集中的最后若干组飞行数据输入模型,通过模型对无人机接下来的飞行数据进行预测并模拟出无人机接下来的飞行路线。
5.根据权利要求4所述的一种基于人工智能的导航诱骗干扰方法,其特征在于:所述步骤S300包括以下步骤:
步骤S301:获取预测出的飞行数据,设预测的第k个时间点的坐标位置为根据公式:
计算得到第k个时间点无人机所在的位置与干扰源的坐标位置之间的距离
步骤S302:设定干扰源发射的信号的速度为和禁飞返回时间为/>根据公式:
其中,为预测的第k个时间点坐标位置的信号预期返回时间;当/>时,则判断无人机的飞行路线中包含有禁飞区域;
设第k个时间点无人机的飞行速度vk,无人机在禁飞区域中的飞行路程为根据公式就算出无人机在禁飞区域中的飞行时间t':
其中,表示一共获取了u组飞行数据;设定一个允许无人机在禁飞区域飞行的时间阈值τ,当t'≥τ时,则将无人机中处于禁飞区域中的所有飞行数据删除;
步骤S303:判断删除的飞行数据所对应的时间点之后是否存在若干组飞行数据,若不存在飞行数据,则干扰源向无人机发送干扰信号,改变无人机的飞行路线,诱骗无人机朝着禁飞区域的边界外飞行;若存在若干组飞行数据,则通过Dijkstra算法模拟出一条由无人机所在坐标位置到所述若干组飞行数据中的坐标位置的飞行路线,并将所述飞行路线写入无人机中。
6.根据权利要求2所述的一种基于人工智能的导航诱骗干扰方法,其特征在于:所述步骤S400包括以下步骤:
步骤S401:获取无人机的信息,获取无人机所在的坐标位置根据公式:
计算出无人机的坐标位置距离干扰源的坐标位置之间的距离根据距离/>设定诱骗概率/>将无人机的信息与数据库中保存的信息进行比对,设定一个阈值λ;
步骤S402:当数据库中不存在所述无人机的信息时,当时,获取所有与无人机的坐标位置之间距离为/>的坐标位置/>计算坐标位置/>与干扰源的坐标位置之间的距离/>当某个坐标位置/>与干扰源的坐标位置之间的距离/>时,则将所述坐标位置/>作为无人机的目标位置,干扰源向无人机发射干扰信号,控制无人机向目标位置移动;
当时,干扰源向无人机发射干扰信号强制无人机降落;
步骤S403:当数据库中存在所述无人机的信息,当时,干扰源向无人机发射干扰信号,控制无人机的飞行速度不超过设定的最大飞行速度vmax;当/>时,干扰源向无人机发射干扰信号,改变无人机的飞行路线,使无人机移动到诱骗概率/>的区域。
7.应用于权利要求1-6中任一项所述的一种基于人工智能的导航诱骗干扰方法的导航诱骗干扰系统,其特征在于:所述系统包括了区域识别模块、自由区域模块、路线判断模块和禁飞区域模块;
所述区域识别模块,用于获取无人机的坐标位置,判断所述坐标位置是否处于禁飞区域内;
所述自由区域模块,用于当无人机的坐标位置不在禁飞区域内,获取无人机的飞行路线,根据无人机的飞行路线模拟出无人机的未来飞行路线;
所述路线判断模块,用于判断未来飞行路线中是否包含禁飞区域;当存在禁飞区域时,改变无人机的飞行路线;
所述禁飞区域模块,用于当无人机的坐标位置在禁飞区域内,匹配无人机的信息;根据无人机的坐标位置和所述坐标位置发生危险的概率对无人机发送不同的干扰信号,改变无人机的飞行路线和飞行状态。
8.根据权利要求7所述的导航诱骗干扰系统,其特征在于:所述自由区域模块包括了飞行路线识别单元和飞行路线预测单元;
所述飞行路线识别单元,用于获取无人机的飞行路线;所述飞行路线预测单元,用于根据无人机的飞行路线模拟出无人机的未来飞行路线。
9.根据权利要求7所述的导航诱骗干扰系统,其特征在于:所述禁飞区域模块包括了信息成功匹配单元和信息错误匹配单元;
所述信息成功匹配单元,用于控制无人机在禁飞区域内根据干扰信号改变飞行状态和飞行路线;所述信息错误匹配单元,用于控制无人机在禁飞区域内根据干扰信号离开禁飞区域或强制降落。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311129010.0A CN117075151A (zh) | 2023-09-04 | 2023-09-04 | 一种基于人工智能的导航诱骗干扰系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311129010.0A CN117075151A (zh) | 2023-09-04 | 2023-09-04 | 一种基于人工智能的导航诱骗干扰系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117075151A true CN117075151A (zh) | 2023-11-17 |
Family
ID=88713335
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311129010.0A Pending CN117075151A (zh) | 2023-09-04 | 2023-09-04 | 一种基于人工智能的导航诱骗干扰系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117075151A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117155512A (zh) * | 2023-10-30 | 2023-12-01 | 武汉能钠智能装备技术股份有限公司四川省成都市分公司 | 一种无人机无线电干扰压制方法及干扰系统 |
CN117741578A (zh) * | 2023-12-14 | 2024-03-22 | 武汉大学 | 一种相对位追踪干扰系统及方法 |
CN118050751A (zh) * | 2024-04-15 | 2024-05-17 | 江西鉴真防务技术有限公司 | 一种基于位置欺骗的无人机诱导方法及系统 |
-
2023
- 2023-09-04 CN CN202311129010.0A patent/CN117075151A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117155512A (zh) * | 2023-10-30 | 2023-12-01 | 武汉能钠智能装备技术股份有限公司四川省成都市分公司 | 一种无人机无线电干扰压制方法及干扰系统 |
CN117741578A (zh) * | 2023-12-14 | 2024-03-22 | 武汉大学 | 一种相对位追踪干扰系统及方法 |
CN118050751A (zh) * | 2024-04-15 | 2024-05-17 | 江西鉴真防务技术有限公司 | 一种基于位置欺骗的无人机诱导方法及系统 |
CN118050751B (zh) * | 2024-04-15 | 2024-06-25 | 江西鉴真防务技术有限公司 | 一种基于位置欺骗的无人机诱导方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117075151A (zh) | 一种基于人工智能的导航诱骗干扰系统及方法 | |
CN112797846B (zh) | 一种无人机防控方法及系统 | |
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 | |
CN103926583B (zh) | 一种岸基近程雷达自动跟踪处理方法及装置 | |
CN102833882B (zh) | 一种基于水声传感器网络的多目标数据融合方法及系统 | |
RU2733453C1 (ru) | Способ автоматического управления движением роботизированного беспилотного летательного аппарата в автономном режиме | |
US6420993B1 (en) | Air traffic control system | |
EP2169422B1 (en) | System and method for acoustic tracking an underwater vehicle trajectory | |
ES2361776T3 (es) | Utilización de dilución geométrica de precisión (gdop) para seleccionar el mejor grupo de receptores en un sistema de multilateración. | |
EP3568709B1 (en) | A method for generating an indoor environment model and a method for determining position data for a location in an indoor environment | |
CN105445733A (zh) | 融合处理ssr航管与iff多模式协同航迹的方法 | |
CN112099042B (zh) | 车辆跟踪方法以及系统 | |
CN111102882B (zh) | 基于威胁评估的异构分布式探测信息目标识别优化方法 | |
CN114326789A (zh) | 多手段融合的无人机反制方法、装置和存储介质 | |
CN112946626B (zh) | 一种机载相控阵雷达航迹关联方法 | |
CN114139373B (zh) | 一种面向无人机反制车的多传感器自动协同管理方法 | |
CN116258982A (zh) | 一种无人机飞行航线监测及校验系统 | |
CN114373114A (zh) | 基于违规无人机识别的无人机反制方法、装置和存储介质 | |
RU2740708C1 (ru) | Способ обработки результатов радиомониторинга | |
RU2693936C1 (ru) | Способ определения координат источника радиоизлучения | |
US5635662A (en) | Method and apparatus for avoiding detection by a threat projectile | |
KR101877224B1 (ko) | Uav 무력화 방법 및 장치 | |
JP2945963B2 (ja) | 目標観測装置 | |
RU2645006C1 (ru) | Способ испытаний систем защиты объектов от поражения высокоточным оружием | |
CN114966573B (zh) | 一种信道干扰信号识别引导系统及方法 |
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 |