一种基于动态影响网络建模的无人机蜂群领机识别方法与流程

摘要: 本发明属于反无人机蜂群,主要涉及一种基于动态影响网络建模的无人机蜂群领机识别方法。背景技术:1、随着无人机蜂群技术的快速演进,其高度协同的飞行模式对传统防御体系...
一种基于动态影响网络建模的无人机蜂群领机识别方法与流程

本发明属于反无人机蜂群,主要涉及一种基于动态影响网络建模的无人机蜂群领机识别方法。

背景技术:

1、随着无人机蜂群技术的快速演进,其高度协同的飞行模式对传统防御体系构成严峻挑战,而精准识别蜂群中的领机成为瓦解集群威胁的核心突破口。现有技术多聚焦于单一维度特征提取,却难以应对动态隐蔽的领机行为。基于运动学参数阈值的方法通过设定加速度或转弯半径阈值筛选可疑目标,但在蜂群整体执行规避机动时误检率激增,无法区分领机的决策先导性;航迹空间聚类技术依赖无人机编队的瞬时空间分布特征,假设领机位于几何中心或运动前沿,却因动态角色切换策略导致识别失效,例如领机采用“脉冲式”游走策略时,传统聚类算法的准确率不足30%。通信信号溯源技术试图通过解析指令传输拓扑定位领机,然而现代蜂群普遍采用跳频加密通信与无信标协同导航(如仿生偏振光导航),在电磁静默模式下完全规避信号侦测,使得此类方法形同虚设。光学识别方案虽尝试通过特殊标识检测锁定领机,却受制于复杂环境干扰与实时性瓶颈——雨雾天气下光电传感器性能衰减达70%,而百架规模蜂群场景中图像处理延迟超过500毫秒,难以支撑实时反制需求。上述技术均未深入挖掘领机行为的时空传播特性,亦缺乏对群体跟随效应的量化建模,导致在对抗高动态、强隐蔽的智能蜂群时存在系统性缺陷,亟待开发无需依赖先验信息、适应复杂对抗环境的新型识别体系。

技术实现思路

1、本发明采用四维航迹数据获取与预处理技术、领机动作向跟随者传播模型建立技术、动态影响网络构建技术、领机节点识别技术、多源传感器协同验证技术,使地面防空平台在面临无人机蜂群饱和攻击时,准确找到领机位置并进行反制,提升反无人机蜂群的辅助决策效能,解决了地面防空平台在面临无人机蜂群干扰时无法准确找到领机位置的问题。

2、本发明是由以下技术方案实现的:

3、一种基于动态影响网络建模的无人机蜂群领机识别方法,包含下列步骤:

4、步骤1:无人机蜂群四维航迹数据获取与预处理。

5、部署雷达系统,其特性选择基于对无人机目标的高分辨跟踪能力与大气衰减特性的平衡,确保捕捉蜂群动态变化的瞬时细节,数据输出采用矩阵格式,包含目标初步编号、时间戳、三维空间坐标和对应的速度分量序列。

6、步骤2:建立领机动作向跟随者传播模型。

7、基于蜂群中领机动作向跟随者传播的时空特性,采用近似熵与互信息融合的延迟估计方法。对于任意两架无人机,提取其速度矢量与近似熵以反映两者机动动作的相似性。同时为避免时延计算累积误差,设置时间窗口与置信度,抑制误关联干扰。

8、步骤3:动态影响网络构建。

9、将每架无人机映射为网络节点,节点属性包括实时位置、速度及历史动作序列。节点间有向边的权重由响应延迟与置信度联合确定。采用floyd-warshall算法搜索网络中的最优传播路径,识别领机动作传播的关键枢纽节点。

10、步骤4:领机节点识别

11、提取节点四维特征向量,包括拓扑中心性、动作先导性、社区枢纽度、动作突变频度。通过模糊层次分析法融合以上特征,生成决策分数,并按照降序排列确定领机候选集。

12、步骤5:多源感知器协同验证

13、协同红外热成像与行为回溯验证机制,实现高置信度领机识别验证。包括对比领机候机的热辐射特征、根据识别领机后的某一时间窗口内是否有候机的伴随机动动作两种方法来进行闭环反馈验证。

14、本发明有益效果体现在以下几点:

15、(1)该方法突破传统防空平台依赖单一信号或位置特征的局限,利用滑动窗口约束与置信度评估量化无人机间动作传播的时空延迟特性,综合拓扑影响力、动作先导性、运动突变频度等多维度特征进行建模,实现高置信度领机识别。

16、(2)该方法建立无人机蜂群动态影响网络模型,通过综合多维度无人机蜂群特征对其雷达航迹矩阵进行识别,使防空平台指控系统迅速判断出无人机蜂群中领机的位置,从而采取相应反制手段,提高反无人机蜂群智能辅助决策效能。

1.一种基于动态影响网络建模的无人机蜂群领机识别方法,其特征在于,包含下列步骤。

2.根据权利要求1所述的一种基于动态影响网络建模的无人机蜂群领机识别方法,其特征在于:步骤1中,雷达参数设定为10hz重访周期。

3.根据权利要求1所述的一种基于动态影响网络建模的无人机蜂群领机识别方法,其特征在于:步骤1中,数据输出采用8维向量组成的航迹序列矩阵格式。

4.根据权利要求1所述的一种基于动态影响网络建模的无人机蜂群领机识别方法,其特征在于:步骤2中,引入互信息mi量化动作对的因果影响强度,构建联合概率分布模型如下:

5.根据权利要求1所述的一种基于动态影响网络建模的无人机蜂群领机识别方法,其特征在于:步骤2中,设为2s。

6.根据权利要求1所述的一种基于动态影响网络建模的无人机蜂群领机识别方法,其特征在于:步骤3、(2)中,识别领机动作传播的关键枢纽节点后,进一步利用louvain社区发现算法对网络进行动态分簇,统一社区节点具有强耦合性,不同社区交互较弱。

7.根据权利要求1所述的一种基于动态影响网络建模的无人机蜂群领机识别方法,其特征在于:步骤5中,领机的红外图像表现为高亮热斑,跟随者的红外图像表现为低热辐射。