本技術(shù)實施例涉及無人機，尤其涉及一種多手段融合的無人機反制方法及系統(tǒng)。

背景技術(shù)：

1、隨著無人機技術(shù)的快速發(fā)展，其應用領(lǐng)域從娛樂、攝影擴展到了物流配送、農(nóng)業(yè)監(jiān)控、災害響應以及軍事偵察等重要領(lǐng)域，然而，這也帶來了新的安全挑戰(zhàn)，尤其是在保護關(guān)鍵基礎(chǔ)設(shè)施（如機場、核電站、政府機關(guān)等）免受未經(jīng)授權(quán)或惡意操控的無人機入侵方面；

2、當前針對無人機的反制措施主要包括雷達探測、無線電干擾、物理捕捉（例如使用網(wǎng)捕無人機）、激光摧毀等，這些方法通常各自為戰(zhàn)，分別負責不同方面的任務，比如雷達用于初步檢測，而無線電干擾則嘗試切斷無人機與其操作者之間的通信鏈路，此外，還有基于視覺識別系統(tǒng)的解決方案，它們試圖通過圖像分析來識別和追蹤無人機；

3、盡管現(xiàn)有的無人機反制措施在一定程度上能夠應對無人機威脅，但每種方法都有其明顯的局限性，雷達探測雖然能提供基本的位置信息，但對于小型無人機的識別能力有限，容易產(chǎn)生誤報；無線電干擾缺乏針對性，可能會對周圍合法無線電信號造成不必要的干擾；物理捕捉與激光摧毀不僅成本高昂、部署復雜，而且在操作靈活性和響應速度上也存在一定限制；視覺識別系統(tǒng)則受限于天氣條件和光線情況，導致其準確性和可靠性不高。

技術(shù)實現(xiàn)思路

1、本技術(shù)實施例提供一種多手段融合的無人機反制方法及系統(tǒng)，用以解決現(xiàn)有技術(shù)中對小型無人機識別能力有限、容易產(chǎn)生誤報、缺乏針對性干擾措施、可能對周圍合法無線電信號造成不必要的干擾、成本高昂且部署復雜的物理捕捉與激光摧毀方式操作靈活性和響應速度受限、以及視覺識別系統(tǒng)在不同天氣條件和光線環(huán)境下準確性和可靠性不高的問題。

2、第一方面，本技術(shù)實施例提供一種多手段融合的無人機反制方法，包括：

3、在目標區(qū)域部署分布式感知陣列并實時獲取三維地形數(shù)據(jù)、大氣湍流特征及電磁頻譜特征，基于三維地形數(shù)據(jù)與大氣湍流特征構(gòu)建多層虛擬信號屏障邊界，并關(guān)聯(lián)電磁頻譜特征中提取的異常頻段生成頻段干擾參數(shù)集合；

4、當檢測到無人機穿越所述虛擬信號屏障邊界時，觸發(fā)協(xié)同干擾模塊生成與頻段干擾參數(shù)集合匹配的初始干擾信號權(quán)重；

5、結(jié)合無人機實時反饋的電磁散射特征動態(tài)修正初始干擾信號權(quán)重的極化方向分布與功率密度分布，得到修正后的極化方向分布與功率密度分布，將所述修正后的極化方向分布與功率密度分布作為航跡建模輸入?yún)?shù)；

6、將航跡建模輸入?yún)?shù)結(jié)合實時收集的無人機的航向偏移量及速度矢量變化進行融合，生成三維動態(tài)航跡模型，并基于三維動態(tài)航跡模型計算地面攔截設(shè)備的方位角修正量、仰角補償系數(shù)以及能量梯度參數(shù)；

7、將方位角修正量、仰角補償系數(shù)及能量梯度參數(shù)輸入到預設(shè)的動態(tài)策略融合器，以生成動態(tài)攔截策略，其中，所述動態(tài)攔截策略包括：發(fā)射時序優(yōu)化序列與空間密度分布矩陣。

8、可選地，將方位角修正量、仰角補償系數(shù)及能量梯度參數(shù)輸入到預設(shè)的動態(tài)策略融合器，以生成動態(tài)攔截策略，其中，所述動態(tài)攔截策略包括：發(fā)射時序優(yōu)化序列與空間密度分布矩陣，包括：

9、將方位角修正量和仰角補償系數(shù)輸入幾何參數(shù)解算單元，基于三維地形數(shù)據(jù)中的障礙物遮蔽效應生成方位角動態(tài)補償量和仰角衰減因子；

10、將能量梯度參數(shù)與方位角動態(tài)補償量以及仰角衰減因子輸入非線性優(yōu)化模型，通過約束條件解算生成發(fā)射時序優(yōu)化序列，其中，所述約束條件包括：無人機運動軌跡的瞬時加速度、地面攔截設(shè)備的物理響應延遲及能量梯度參數(shù)的動態(tài)分配上限；

11、基于方位角動態(tài)補償量和仰角衰減因子構(gòu)建空間密度分布矩陣；

12、將發(fā)射時序優(yōu)化序列與空間密度分布矩陣輸入預設(shè)的動態(tài)策略融合器，并通過多目標優(yōu)化算法生成動態(tài)攔截策略。

13、可選地，將能量梯度參數(shù)與方位角動態(tài)補償量以及仰角衰減因子輸入非線性優(yōu)化模型，通過約束條件解算生成發(fā)射時序優(yōu)化序列，包括：

14、將能量梯度參數(shù)與方位角動態(tài)補償量進行動態(tài)耦合運算生成能量方位耦合系數(shù)，并將仰角衰減因子與無人機運動軌跡的瞬時加速度進行時域卷積生成仰角動態(tài)響應參數(shù)；

15、將能量方位耦合系數(shù)與仰角動態(tài)響應參數(shù)輸入多約束優(yōu)化框架，所述多約束優(yōu)化框架通過無人機運動軌跡的三維曲率特征分割時間窗口，并在每個時間窗口內(nèi)執(zhí)行以下處理：

16、基于地面攔截設(shè)備的物理響應延遲參數(shù)生成設(shè)備響應時間基線，結(jié)合能量梯度參數(shù)的動態(tài)分配上限計算能量分配窗口函數(shù)；

17、通過無人機瞬時加速度的矢量模值與設(shè)備響應時間基線構(gòu)建動態(tài)權(quán)重分配向量，所述動態(tài)權(quán)重分配向量用于調(diào)節(jié)能量分配窗口函數(shù)的時間相位偏移量；

18、將動態(tài)權(quán)重分配向量與仰角動態(tài)響應參數(shù)進行非線性疊加運算生成初始時序分布圖，并通過約束沖突消解算法對初始時序分布圖中超出能量分配上限的峰值區(qū)段進行截斷補償，生成發(fā)射時序優(yōu)化序列。

19、可選地，結(jié)合無人機實時反饋的電磁散射特征動態(tài)修正初始干擾信號權(quán)重的極化方向分布與功率密度分布，得到修正后的極化方向分布與功率密度分布，將所述修正后的極化方向分布與功率密度分布作為航跡建模輸入?yún)?shù)，包括：

20、將無人機實時反饋的電磁散射特征輸入極化特性解算單元，提取散射信號的主極化分量與交叉極化分量，生成極化方向分布初始解；

21、基于所述極化方向分布初始解與初始干擾信號權(quán)重進行極化匹配度計算，生成極化失配因子，并將極化失配因子輸入功率密度修正模型；

22、在功率密度修正模型中，通過電磁頻譜特征中的異常頻段強度分布生成功率密度基準值，結(jié)合極化失配因子與無人機運動軌跡的瞬時加速度生成功率密度動態(tài)修正系數(shù)；

23、將功率密度動態(tài)修正系數(shù)與極化方向分布初始解進行聯(lián)合優(yōu)化，生成修正后的極化方向分布與功率密度分布，其中，極化方向分布通過主極化分量的相位偏移量進行動態(tài)補償，功率密度分布通過功率密度基準值與動態(tài)修正系數(shù)的乘積運算生成；

24、將修正后的極化方向分布與功率密度分布作為航跡建模輸入?yún)?shù)，并將極化失配因子與功率密度動態(tài)修正系數(shù)同步至三維動態(tài)航跡模型的航向偏移量解算模塊。

25、可選地，在目標區(qū)域部署分布式感知陣列并實時獲取三維地形數(shù)據(jù)、大氣湍流特征及電磁頻譜特征，基于三維地形數(shù)據(jù)與大氣湍流特征構(gòu)建多層虛擬信號屏障邊界，并關(guān)聯(lián)電磁頻譜特征中提取的異常頻段生成頻段干擾參數(shù)集合，包括：

26、在目標區(qū)域外圍部署多節(jié)點分布式感知陣列，通過激光雷達掃描與多光譜成像技術(shù)實時采集三維地形數(shù)據(jù)，并通過大氣湍流傳感器與頻譜監(jiān)測裝置分別獲取大氣湍流特征以及電磁頻譜特征；

27、將三維地形數(shù)據(jù)輸入地形遮蔽效應分析模塊，提取地形高程梯度與障礙物分布特征，生成地形遮蔽權(quán)重矩陣；

28、基于大氣湍流特征中的湍流強度分布與風速梯度生成大氣擾動補償參數(shù)，并將大氣擾動補償參數(shù)與地形遮蔽權(quán)重矩陣進行空間疊加運算，生成多層虛擬信號屏障邊界的初始分布圖；

29、將電磁頻譜特征輸入異常頻段檢測單元，提取電磁頻譜特征中的異常能量峰值與頻段寬度特征，生成異常頻段指紋集合；

30、將異常頻段指紋集合與多層虛擬信號屏障邊界的初始分布圖進行頻段空間映射，生成頻段干擾參數(shù)集合，其中，頻段干擾參數(shù)集合中每個頻段干擾參數(shù)包括：干擾信號的中心頻率、帶寬及功率分配比例。

31、可選地，將航跡建模輸入?yún)?shù)結(jié)合實時收集的無人機的航向偏移量及速度矢量變化進行融合，生成三維動態(tài)航跡模型，并基于三維動態(tài)航跡模型計算地面攔截設(shè)備的方位角修正量、仰角補償系數(shù)以及能量梯度參數(shù)，包括：

32、將航跡建模輸入?yún)?shù)中的修正后的極化方向分布與功率密度分布輸入航跡特征提取單元，提取無人機運動狀態(tài)的主極化方向偏移量與功率密度變化梯度；

33、將主極化方向偏移量與實時收集的無人機航向偏移量進行空間向量疊加運算，生成航向綜合偏移向量，并將功率密度變化梯度與速度矢量變化進行時域卷積運算，生成速度動態(tài)響應參數(shù)；

34、將航向綜合偏移向量與速度動態(tài)響應參數(shù)輸入三維航跡重構(gòu)模塊，基于無人機運動軌跡的瞬時曲率特征生成三維動態(tài)航跡模型，其中，所述三維動態(tài)航跡模型包括：航跡曲率分布、瞬時加速度分布以及能量衰減特征；

35、將三維動態(tài)航跡模型中的航跡曲率分布輸入方位角解算單元，結(jié)合地形遮蔽權(quán)重矩陣生成方位角修正量，其中，所述方位角修正量包括：地形遮蔽補償值和曲率動態(tài)偏移量；

36、將瞬時加速度分布與能量衰減特征輸入仰角補償解算器，生成仰角補償系數(shù)，其中，所述仰角補償系數(shù)包括：加速度動態(tài)響應因子和能量衰減補償值；

37、將航跡曲率分布、瞬時加速度分布及能量衰減特征輸入能量梯度解算模塊，生成能量梯度參數(shù)，其中，所述能量梯度參數(shù)包括：曲率能量分配權(quán)重、加速度能量補償因子及以及衰減能量修正值。

38、可選地，當檢測到無人機穿越所述虛擬信號屏障邊界時，觸發(fā)協(xié)同干擾模塊生成與頻段干擾參數(shù)集合匹配的初始干擾信號權(quán)重，包括：

39、獲取無人機穿越的虛擬信號屏障邊界的層級索引及關(guān)聯(lián)的頻段干擾參數(shù)集合，基于層級索引提取對應虛擬信號屏障邊界的頻段干擾參數(shù)中的中心頻率與帶寬參數(shù)；

40、將中心頻率與帶寬參數(shù)輸入頻段匹配度計算模塊，生成頻段覆蓋匹配矩陣，其中，所述頻段覆蓋匹配矩陣包含各頻段干擾信號的權(quán)重分配優(yōu)先級及頻譜重疊系數(shù)；

41、基于頻譜重疊系數(shù)與無人機穿越屏障時的運動速度矢量生成干擾信號基帶參數(shù)，其中，所述干擾信號基帶參數(shù)包括：脈沖重復頻率、調(diào)制深度以及相位跳變間隔；

42、將頻段覆蓋匹配矩陣與干擾信號基帶參數(shù)輸入多目標權(quán)重分配算法，生成初始干擾信號權(quán)重，其中，所述初始干擾信號權(quán)重包含各頻段干擾信號的功率比例分布與時頻資源分配矩陣。

43、第二方面，本技術(shù)實施例提供一種多手段融合的無人機反制系統(tǒng)，包括：

44、部署模塊，用于在目標區(qū)域部署分布式感知陣列并實時獲取三維地形數(shù)據(jù)、大氣湍流特征及電磁頻譜特征，基于三維地形數(shù)據(jù)與大氣湍流特征構(gòu)建多層虛擬信號屏障邊界，并關(guān)聯(lián)電磁頻譜特征中提取的異常頻段生成頻段干擾參數(shù)集合；

45、觸發(fā)模塊，用于當檢測到無人機穿越所述虛擬信號屏障邊界時，觸發(fā)協(xié)同干擾模塊生成與頻段干擾參數(shù)集合匹配的初始干擾信號權(quán)重；

46、修正模塊，用于結(jié)合無人機實時反饋的電磁散射特征動態(tài)修正初始干擾信號權(quán)重的極化方向分布與功率密度分布，得到修正后的極化方向分布與功率密度分布，將所述修正后的極化方向分布與功率密度分布作為航跡建模輸入?yún)?shù)；

47、計算模塊，用于將航跡建模輸入?yún)?shù)結(jié)合實時收集的無人機的航向偏移量及速度矢量變化進行融合，生成三維動態(tài)航跡模型，并基于三維動態(tài)航跡模型計算地面攔截設(shè)備的方位角修正量、仰角補償系數(shù)以及能量梯度參數(shù)；

48、生成模塊，用于將方位角修正量、仰角補償系數(shù)及能量梯度參數(shù)輸入到預設(shè)的動態(tài)策略融合器，以生成動態(tài)攔截策略，其中，所述動態(tài)攔截策略包括：發(fā)射時序優(yōu)化序列與空間密度分布矩陣。

49、第三方面，本技術(shù)實施例提供一種計算設(shè)備，包括處理器和存儲器，所述存儲器中存儲有計算機程序，所述處理器被設(shè)置為運行所述計算機程序以執(zhí)行第一方面任一所述的一種多手段融合的無人機反制方法。

50、第四方面，本技術(shù)實施例提供一種計算機存儲介質(zhì)，其上存儲有計算機程序指令，所述計算機程序指令被處理器執(zhí)行時實現(xiàn)第一方面中任意一項所述的一種多手段融合的無人機反制方法。

51、本技術(shù)實施例中，在目標區(qū)域部署分布式感知陣列并實時獲取三維地形數(shù)據(jù)、大氣湍流特征及電磁頻譜特征，基于三維地形數(shù)據(jù)與大氣湍流特征構(gòu)建多層虛擬信號屏障邊界，并關(guān)聯(lián)電磁頻譜特征中提取的異常頻段生成頻段干擾參數(shù)集合；當檢測到無人機穿越所述虛擬信號屏障邊界時，觸發(fā)協(xié)同干擾模塊生成與頻段干擾參數(shù)集合匹配的初始干擾信號權(quán)重；結(jié)合無人機實時反饋的電磁散射特征動態(tài)修正初始干擾信號權(quán)重的極化方向分布與功率密度分布，得到修正后的極化方向分布與功率密度分布，將所述修正后的極化方向分布與功率密度分布作為航跡建模輸入?yún)?shù)；將航跡建模輸入?yún)?shù)結(jié)合實時收集的無人機的航向偏移量及速度矢量變化進行融合，生成三維動態(tài)航跡模型，并基于三維動態(tài)航跡模型計算地面攔截設(shè)備的方位角修正量、仰角補償系數(shù)以及能量梯度參數(shù)；將方位角修正量、仰角補償系數(shù)及能量梯度參數(shù)輸入到預設(shè)的動態(tài)策略融合器，以生成動態(tài)攔截策略，其中，所述動態(tài)攔截策略包括：發(fā)射時序優(yōu)化序列與空間密度分布矩陣。

52、本技術(shù)技術(shù)方案具有以下有益效果：

53、提高了對無人機目標的識別精度和反應速度，還有效降低了誤報率和環(huán)境影響，為保障關(guān)鍵區(qū)域的安全提供了強有力的技術(shù)支持，同時，系統(tǒng)的設(shè)計考慮了多種因素的綜合處理，包括但不限于地形遮蔽效應、大氣擾動補償、異常頻段檢測等，從而實現(xiàn)了更加智能、精確和高效的無人機反制解決方案；

54、進一步地，將方位角修正量和仰角補償系數(shù)輸入幾何參數(shù)解算單元，結(jié)合三維地形數(shù)據(jù)中的障礙物遮蔽效應計算出方位角動態(tài)補償量和仰角衰減因子，接著，利用非線性優(yōu)化模型，通過考慮無人機運動軌跡的瞬時加速度、地面攔截設(shè)備的物理響應延遲及能量梯度參數(shù)的動態(tài)分配上限等約束條件，生成發(fā)射時序優(yōu)化序列，然后，基于方位角動態(tài)補償量和仰角衰減因子構(gòu)建空間密度分布矩陣，最終，將發(fā)射時序優(yōu)化序列與空間密度分布矩陣輸入預設(shè)的動態(tài)策略融合器，并通過多目標優(yōu)化算法生成高效的動態(tài)攔截策略，顯著提升了無人機反制系統(tǒng)的精確性和響應速度，通過綜合考慮地形特征、大氣湍流以及電磁頻譜特性等因素，實現(xiàn)了對無人機目標的精準定位與高效干擾，具體而言，方位角動態(tài)補償量和仰角衰減因子的引入有效克服了地形遮蔽效應的影響，提高了攔截精度；而非線性優(yōu)化模型的應用則確保了發(fā)射時序優(yōu)化序列能夠在復雜約束條件下最大化攔截效率，此外，基于多目標優(yōu)化算法生成的動態(tài)攔截策略不僅增強了對不同無人機威脅類型的適應性，還優(yōu)化了資源分配，降低了誤報率和環(huán)境影響，從而為關(guān)鍵區(qū)域的安全防護提供了更加智能和有效的解決方案。

55、本技術(shù)的這些方面或其他方面在以下實施例的描述中會更加簡明易懂。