基于POD和Kriging的水滴收集量快速预测方法

数值模拟手段预测翼面处水滴撞击特性通常较为耗时,为快速准确计算结冰条件下的翼面处水滴收集量,提出了基于本征正交分解和代理模型的水滴收集量快速预测方法。首先对FAR 25部附录C中连续最大结冰条件进行优化拉丁超立方采样,通过数值模拟手段获得各采样点在翼面处水滴收集量分布,从而构造样本空间。在此基础上,利用本征正交分解(Proper orthogonal decompostion,POD)方法找到表达和重构水滴收集量的本征模态以及相应的拟合系数。最后,利用Kriging模型建立样本空间中各采样点与拟合系数间的代理模型,实现翼面处水滴收集量分布的快速预测。经多组工况验证表明:该方法可较为准确地预测翼面处水滴收集量分布,其计算成本较数值模拟方法大幅降低,能够为无人机防除冰设计提供有益参考。

国外末端防空火炮发展新动态与启示

防空火炮具有战场快速响应、低成本持续作战、抗饱和攻击能力强等特点,在末端反无人机及其蜂群目标具有较大的优势。分析了末端防空火炮所要具备的能力,梳理了美国、俄罗斯以及德国等军事强国在防空火炮领域的新发展及装备的研制情况,总结出了国外末端防空火炮的发展趋势;根据我国末端防空火炮的发展现状提出了几点建议,旨在提高我国防空火炮末端防御能力,以便更好应对日益复杂的末端防御作战需求。

基于DoDAF的反无人机装备体系结构建模

针对当前反无人机作战研究热点,以要地反无人机装备体系需求分析为输入,基于美国国防部体系结构框架(department of defense architecture framework,DoDAF)标准,采用基于模型的体系架构(model-based systems engineering,MBSE)设计方法,构建反无人机装备体系,完成体系结构建模和方法设计,选取典型作战视角和系统视角描述模型,给出较为全面、直观的反无人机装备体系顶层概念框架,可为未来反无人机作战及装备发展提供思路与借鉴。

陆上机动力量反无人机集群作战的挑战与对策

面对无人机集群日益凸显的作战威胁,反无人机集群技术研究被提上日程。针对陆上机动力量作战特点,从战术层面和战略层面对反无人机集群作战问题进行了研究。首先,分析了反无人机集群作战的特点;然后,从侦察预警、拦截打击和干扰压制3个方面,提出了陆上机动力量反无人机集群的战法运用方式;最后,给出了陆上机动力量反无人机集群作战能力建设的意见和建议。

祁连山无人机增雨(雪)作业积冰条件分析及防除冰技术路线

无人机作为新型人工增雨(雪)作业技术手段,研究其防冰和除冰对业务化具有重要意义。基于飞行积冰报告及外场探测资料、探空及再分析资料,对祁连山地区大型无人机积冰分布气象条件进行统计分析,结合电加热法防除冰试验,形成适用于祁连山地区的无人机防除冰技术路线。研究表明,大型无人机开展人工增雨(雪)作业的强烈积冰区为-8~-2℃,且当云粒子浓度大于0.93 cm^(-3)、云水含量大于0.0043 g·m^(-3)时更容易出现积冰。祁连山地区春、秋、冬三季容易出现积冰的高度在4000—5500 m,夏季在5000—5500 m,积冰中心高度在5000 m上下。搭载电加热防除冰系统可有效解决大型无人机的积冰问题。

基于YOLOv5s-AntiUAV的反无人机目标检测算法研究

随着无人机的应用领域不断拓展,无人机的“黑飞”给公共安全造成严重损害。为解决侵入式无人机小目标在复杂飞行环境下的错检和漏检问题,提出基于YOLOv5s-AntiUAV的反无人机目标检测算法。首先,引入结合深度超参数卷积的Slim-Neck范式,增强算法特征提取能力并保持计算效率。其次,在骨干和颈部网络引入SPD-Conv模块,提高在低分辨率图像中小目标的检测性能。最后,用Alpha-CIoU替换YOLOv5s算法中的CIoU,增强算法泛用性。YOLOv5s-AntiUAV算法与YOLOv5s、SSD和Faster R-CNN算法在数据集Anti-UAV上的对比实验结果表明,改进算法的mAP@0.5值分别增长了1.1、12.1和4.9个百分点,凸显其实用性。由在VisDrone2019数据集上进行的迁移实验显示,相较于YOLOv5s算法,改进算法mAP@0.5值提升了4.5个百分点,表明其相较于原算法具有更强的鲁棒性。

高功率微波无人机反制系统研究

针对不依赖遥控和导航的无人机及机群的反制需求和传统硬杀伤武器反应速度慢、费效比高等问题,研制了高功率微波无人机反制系统,该系统主要由脉冲调制器、脉冲磁控管、大功率传输波导系统及辐射天线等组成。本文简述了系统的设计方案,包括系统的组成和各分机的参数设计。辐射测试和效能试验结果表明:系统脉冲等效辐射功率达到20 GW,能够满足200 m空域内无人机及机群反制需求。系统工作不依赖于无人机的控制和导航方式,同时具备攻击速度快、费效比低、受天气影响小的特点。

反无人机作战方案评估方法研究

反无人机作战中涉及的手段丰富、装备复杂,需考虑的因素众多,致使对防御作战方案的综合评估及优化存在较大难度。鉴此,基于层次分析法开展的作战方案综合评估,在构建目标层、准则层和指标层等三层指标体系的基础上,结合专家调研和打分,构造判断矩阵,全面评估各级指标的权重向量,进而推算出各底层指标相对顶层目标的影响权重。在此基础上,借助军事仿真的手段得出底层指标的模拟值,结合其对应的影响权重,即可在不同作战方案间进行无量纲的对比评估,解决了由可测度较高的指标推导作战方案总体评估结论的难题,同时还可更好地发现对提升作战效能影响较大的因素,以及为高效优化作战方案找出更为现实可行的途径。

国外反无人机装备发展态势及启示

为应对无人机作战,世界各主要军事国家开始关注反无人机装备建设发展和作战运用,力图争夺该领域的技术发展和装备建设领先优势。立足于全面洞察国外反无人机装备发展态势,采用多源情报综合分析方法,梳理总结美国、俄罗斯、欧洲等11个国家和地区的51种反无人机装备或系统,从反无人机装备研制发展的国家地区、研发时间、装备主要技术和装备平台类型等多维度探究国外反无人机装备发展态势和技术路径,研判国外反无人机装备发展未来趋势,为开展反无人机装备体系建设和发展路径规划提出建议。

基于仿人发育的混合空域智能无人机防碰撞策略研究

随着低空开放政策的实施,无人机将会脱离隔离空域,进入低空与各式各样飞行器混合进行飞行;而防碰撞能力作为无人机的关键技术,在混合空域中保持无人机安全飞行起到了至关重要的作用;通过对人的发育式学习防碰撞机理进行分析,建立了面向混合空域中密集障碍的实体模型和发育模型,最终构建了基于仿人发育的无人机防碰撞方法;仿真实验表明,提出的方法不仅使无人机可以通过学习与发育不断提高飞行安全性,而且还可以随着环境熟悉度的提升,加快无人机防碰撞行为,提高了无人机在混合空域密集障碍中的安全性与智能性。

基于离线学习的无人机网络抗干扰通信方案

无人机面临先进干扰技术的挑战,易受恶意节点攻击、数据截取和篡改,传统的抗干扰决策存在一定局限,无法根据干扰信号的变化进行自适应调整,而基于深度强化学习(Deep Reinforcement Learning,DRL)的抗干扰通信模型需要长时间与环境交互,对抗干扰的环境要求较高。研究了基于Decision Transformer的离线抗干扰方法,其能快速稳定地获得实用的抗干扰决策模型。仿真试验验证了该算法在加性高斯白噪声信道和衰落信道环境下抗干扰决策的有效性,且该离线方案在训练迭代次数较少时便能达到预期奖励目标。

一种雷达引导分布式光电跟踪校正算法

本文提出了一种雷达引导分布式光电跟踪校正算法,基于雷达初步定位目标位置信息,系统控制光电快速锁定引导目标,并接收光电回传的图像信息。通过基于深度学习的智能图像处理技术对图像中的目标进行检测、识别和跟踪。综合目标检测技术解算到目标在图像中的像素偏移值,对目标位置进行修正,进而提高目标的定位精度,实现了对空中无人机目标的实时图像监视和跟踪,为无人机打击提供更为精确的目标位置信息,满足从远距离到近距离目标实时跟踪,实现对跟踪过程的全域态势显示,形成覆盖特定防护区域可灵活重构、立体的无人机目标观测网。

基于主干增强和特征重排的反无人机目标跟踪

视频图像中面向无人机的目标跟踪是反无人机任务中的重要一环。无人机低空飞行背景复杂,同时在视频图像中目标像素占比较小,都给目标跟踪增加了难度。针对以上问题,以SiamRPN++为基础,提出了一种引入改进的主干网络和特征重排的孪生神经网络目标跟踪算法(SiamAU)。首先,在主干网络中加入ECA-Net注意力机制网络,同时对激活函数进行改进,以提升复杂背景下的特征表征能力;然后,对主干网络输出的浅层特征进行浅层降维并与后三层深层特征进行融合,得到更适合无人机等小目标跟踪的改进深度融合特征。在DUT Anti-UAV数据集上,SiamAU算法的成功率和精确率达到了60.5%和88.1%,相比基准算法提升了5.6%和8.1%。在两个公开数据集上的测试结果表明,在反无人机场景中SiamAU算法的跟踪表现优于目前主流的算法。

改进YOLOv5的变电站反无人机目标检测算法

针对目前变电站容易遭遇无人机入侵所面临的实际问题提出了一种改进YOLOv5的反无人机目标检测方法。首先,通过改进YOLOv5原模型结构提出四尺度特征融合结构,增强小尺度物体的检测能力;其次,将原有模型内C3模块引入Transformer编码器,提升小目标特征信息学习能力;最后,将卷积通道注意力模块集成到网络中,专注于目标区域的学习以提升模型对于特征的表征能力。测试结果表明,改进后模型整体识别率达到90.2%,平均精度可达89.5%,前向推理速度可达160帧/s。此外,综合对比现有其他前沿算法,该方法整体性能更优,更能满足变电站反无人机的实时检测需求。

无人机协同定位防欺骗的WGAN-TM识别方法

针对无人机协同定位面临的欺骗干扰状态难以精准识别的问题,提出了一种结合WGAN和信任模型(TM)的欺骗定量识别方法。基于WGAN实现编队受扰状态的快速检测,在此基础上利用编队协同定位信任模型,实现被欺骗无人机精准识别。仿真结果表明,与同类方法比较,所提方法在甄别被欺骗无人机方面,具有较高的精确性和稳定性,并且,在训练阶段无需大量异常样本,在精准甄别阶段也无需新增大量数据交互。

基于视觉伺服的四旋翼吊挂抗摆控制方法

四旋翼吊挂飞行时载荷的摆动会显著影响无人机的操纵性和稳定性,无人机运动会引起负载振荡,严重威胁控制系统的安全。针对无人机从起飞阶段加速跟踪远距离时变期望轨迹,尤其是弧形轨迹的过渡过程中,吊挂载荷摆动频率较高的问题,提出了一种基于视觉伺服的三闭环轨迹跟踪和载荷抗摆控制方法,通过对期望姿态角指令进行修正,减小载荷摆动对无人机的影响。对不同吊挂载荷质量以及载荷质量突变的情况进行了分析,仿真和飞行实验结果表明,该抗摆控制策略不但可以极大地降低吊挂载荷的摆动频率,还能使无人机平稳跟踪期望飞行轨迹。

面向异构传输需求的多无人机通信协同抗干扰决策方法

干扰条件下的多无人机通信中,用户根据业务有不同的通信需求,而各个信道质量也不同,对抗干扰通信决策提出了业务需求与资源匹配的新要求。针对外部对抗性干扰场景下,多个用户如何选择适合的信道和功率,在干扰躲避、内部冲突控制以及功率优化的同时实现有限资源的高效利用这一问题进行研究,提出了一种面向传输需求匹配的抗干扰决策方法。首先,利用部分重叠信道的特性进行信道资源复用;然后,运用多用户协同强化学习训练用户信道选择策略,并使用斯坦伯格博弈对功率进行优化,实现对用户异构传输需求进行资源匹配。所提方法能实现干扰条件下的多用户异构传输需求的信道和功率联合优化,提升资源利用合理性,实现传输效果的提升。

面向地质灾害勘测应用的无人机GNSS抗干扰技术

设计一种面向地质灾害勘测应用的无人机GNSS抗干扰技术,以实现强干扰环境下的无失真空时自适应干扰抑制。该方法以相位二进制偏移载波(binary offset carrier, BOC)信号为对象,利用空时自适应抗干扰天线结构,通过在BOC信号两个谱峰对应的频率处对导向矢量进行扩展,并将扩展后的导向矢量进行叠加以作为最优自适应滤波准则的约束,在此基础之上,求解最优权矢量从而降低空时滤波器在抑制干扰时对BOC信号的损耗。仿真结果表明,所提基于空时导向扩展的自适应滤波方法,在消除干扰的同时还可以最大程度保留BOC信号的能量,有效解决了传统滤波算法应用于BOC信号引起的能量损耗和失真问题。

反无人机蜂群作战战术战法运用分析

随着无人机技术快速发展和广泛应用推广,无人机蜂群作战也逐渐成为现代战争中重要的作战方式,如何反制无人机蜂群作战已成为当前防空系统的一个全新挑战。文中从无人机蜂群作战的概念内涵入手,深度分析了无人机蜂群作战特点以及反制无人机蜂群关键技术与作战过程,并总结出一套反制无人机蜂群作战的战术战法,对反制无人机蜂群作战具有很好的参考意义。

反无人机对炮兵阵地侦察监视的对策分析

近年来,世界各国不断采购各种类型无人机,着力强化无人机系统部署,尤其是侦察监视无人机,如何就反无人机对炮兵阵地侦察监视展开研究,成为当前军事研究者思考越来越多的问题。因此,文章从无人机对炮兵阵地侦察监视常用方法手段出发,分析炮兵阵地被无人机侦察监视后带来的影响并对炮兵阵地反无人机侦察监视当前现实状况进行总结,从而提出炮兵阵地反无人机侦察监视的对策与措施。