CN106996789A - 一种多机载雷达协同探测的航路规划方法 - Google Patents

一种多机载雷达协同探测的航路规划方法 Download PDF

Info

Publication number
CN106996789A
CN106996789A CN201710181582.1A CN201710181582A CN106996789A CN 106996789 A CN106996789 A CN 106996789A CN 201710181582 A CN201710181582 A CN 201710181582A CN 106996789 A CN106996789 A CN 106996789A
Authority
CN
China
Prior art keywords
node
carrier aircraft
collaboration
flight
adjacent
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.)
Granted
Application number
CN201710181582.1A
Other languages
English (en)
Other versions
CN106996789B (zh
Inventor
王彤
王婷婷
刘嘉昕
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xidian University
Original Assignee
Xidian University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xidian University filed Critical Xidian University
Priority to CN201710181582.1A priority Critical patent/CN106996789B/zh
Publication of CN106996789A publication Critical patent/CN106996789A/zh
Application granted granted Critical
Publication of CN106996789B publication Critical patent/CN106996789B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • GPHYSICS
    • G01MEASURING; TESTING
    • G01CMEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34Route searching; Route guidance
    • G01C21/3407Route searching; Route guidance specially adapted for specific applications

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Automation & Control Theory (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明属于雷达技术领域,公开了一种多机载雷达协同探测的航路规划方法,包括:设定多机载雷达的协同探测区域、协同探测区域内的所有节点以及每个节点对应的二维坐标,设定协同探测区域内有N部载机,每部载机上设置一个机载雷达,获取第i部载机所在节点位置的所有相邻节点,并计算第i部载机从当前所在节点位置移动到任意一个相邻节点时的飞行代价,选取所有相邻节点中飞行代价最小的一个节点作为第i部载机移动到的节点,并更新第i部载机当前所在节点位置为飞行代价最小的一个节点的位置;完成第N部载机当前所在节点位置的更新;完成L个搜索步长的多机载雷达协同探测航路规划过程;能够解决多机载雷达协同执行警戒任务时的航路规划问题。

Description

一种多机载雷达协同探测的航路规划方法
技术领域
本发明属于雷达技术领域,尤其涉及一种多机载雷达协同探测的航路规划方法,适用于机载雷达协同探测。
背景技术
侦察监视是战场情报的主要来源,古今中外,军事家凭借了解敌情,以求“知己知彼,百战不殆”,创造了许多丰富多彩的战例。准确而及时的侦察情报不仅是军队战斗力的“倍增器”,而且是决定战争胜负的重要因素。为了能在现代战争特别是在信息化战争中立于不败之地,更需要全面掌握敌情,确保指挥员在瞬息万变的战争中运筹帷幄,驾驶战局。在现代战争条件下,随着现代高新技术的飞速发展与进步,推进了军事侦察情报装备现代化进程。
机载雷达与地面雷达相比,具有较强的低空、超低空探测能力、机动能力和战场指挥能力,是空军预警探测和作战指挥***的重要组成部分。机载预警雷达可用于空中值勤,执行重大活动和重要目标的安保任务或监视周边敌对国军事行动,维护国家领空、领海、领土主权,以防突然袭击。
研究表明,由于现代战场全方位、大纵深的特点,单个机载雷达常常无法完成对所有目标的空中侦察任务,需要多机载雷达协同工作,因此,多机载雷达协同航路规划便显得愈发重要了。
航路规划是指在特定约束条件下,寻找运动物体从起始点到目标点,满足某种性能指标和某些约束的最优运动路线、路径。目前研究较多的航路规划算法有动态规划法、粒子群算法、A*算法及其改进算法、遗传算法以及蚁群算法等。这些航路规划算法均有一个限制条件:有固定的起始点和目标点。然而对于多机载雷达执行警戒任务的情况,载机需要在特定的区域内不断飞行,没有固定的目标点,这就使得目前已有的航路规划算法无法使用。
发明内容
针对上述现有技术的不足,本发明提供一种多机载雷达协同探测的航路规划方法,能够有效的解决多机载雷达协同执行警戒任务时的航路规划问题。
为达到上述目的,本发明采用如下技术方案予以实现。
一种多机载雷达协同探测的航路规划方法,包括以下步骤:
步骤1,设定多机载雷达的协同探测区域、所述协同探测区域内的所有节点以及每个节点对应的二维坐标,设定所述协同探测区域内有N部载机,每部载机上设置一个机载雷达,并给定每部载机的初始节点位置和探测范围,所述探测范围为设置在载机上的机载雷达的探测范围;
步骤2,令搜索步数l的初值为1,i的初值为1,获取第i部载机所在节点位置的所有相邻节点,并计算所述第i部载机从当前所在节点位置移动到任意一个相邻节点时的飞行代价,得到所述第i部载机从当前所在节点位置移动到每个相邻接点时对应的飞行代价,选取所有相邻节点中飞行代价最小的一个节点作为第i部载机移动到的节点,并更新第i部载机当前所在节点位置为飞行代价最小的一个节点的位置;i=1,2,...,N,l=1,...,L,L为总的搜索步数;
步骤3,令i的值加1,并重复执行步骤2,直到i=N,完成第N部载机当前所在节点位置的更新;
步骤4,令l的值加1,并依次重复执行步骤2和步骤3,直到l=L,完成L个搜索步长的多机载雷达协同探测航路规划过程。
本发明技术方案的特点和进一步的改进为:
(1)步骤1具体为:
获取多机载雷达的协同探测区域内的所有节点以及每个节点对应的二维坐标;假设所述协同探测区域内有N部载机,每部载机上设置一个机载雷达,且第i部载机的初始节点位置为(xi,yi),i=1,2,...,N;进而设定第i部载机的探测范围为以第i部载机的初始节点位置为圆心,以Ri为半径的圆形区域;Ri为所述第i部载机上的机载雷达的最大作用距离。
(2)步骤2具体为:
获取第i部载机所在节点位置的所有8个相邻节点,并计算所述第i部载机从当前所在节点位置移动到第n个相邻节点时的飞行代价f(xn,yn):
f(xn,yn)=1/p
其中,p为第i部载机从当前所在节点位置移动到第n个相邻节点后所有N部载机在所述协同探测区域的覆盖率;
得到所述第i部载机从当前所在节点位置移动到每个相邻接点时对应的飞行代价,选取所有相邻节点中飞行代价最小的一个节点作为第i部载机移动到的节点,并更新第i部载机当前所在节点位置为飞行代价最小的一个节点的位置;i=1,2,...,N。
(3)第i部载机从当前所在节点位置移动到第n个相邻节点后所有N部载机在所述协同探测区域的覆盖率p表示为:
p=所有载机的探测范围覆盖面积/协同探测区域面积。
本发明的有益效果为:本发明提出的多机载雷达协同探测的航路规划方法,能够有效的解决多机载雷达协同执行警戒任务时的的航路规划问题,机载雷达在执行警戒任务时要求能够实时覆盖任务区域,本发明提出的方法可以在保证实时覆盖率最大的情况下合理地为多机载雷达同时规划出最优的航路。
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,显而易见地,下面描述中的附图仅仅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的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的一种多机载雷达协同探测的航路规划方法的流程示意图;
图2为任务区域及网格划分示意图;其中点OABC所围成的矩形区域为任务区域;
图3为相邻节点示意图;其中中间的黑色节点代表当前节点,周围的8个白色节点代表当前节点的相邻节点;
图4为任务区域与载机起始分布图;其中横坐标表示X轴,单位为km,纵坐标表示Y轴,单位为km;点OABC所围成的矩形区域为任务区域,图中的标有*的1、2、3、4、5、6分别代表6部载机的当前位置坐标;
图5为搜索50步后各载机的最终位置与覆盖范围图;其中横坐标表示X轴,单位为km,纵坐标表示Y轴,单位为km;图中的六个*分别代表6部载机的最终位置,灰色部分代表载机的覆盖范围;
图6为6部载机的航迹图,其中横坐标表示X轴,单位为km,纵坐标表示Y轴,单位为km;
图7为任务区域覆盖率与搜索步数的关系图,其中横坐标为搜索步数,纵坐标为覆盖率。
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。
本发明实施例提供一种多机载雷达协同探测的航路规划方法,如图1所示,所述方法包括以下步骤:
步骤1,设定多机载雷达的协同探测区域、所述协同探测区域内的所有节点以及每个节点对应的二维坐标,设定所述协同探测区域内有N部载机,每部载机上设置一个机载雷达,并给定每部载机的初始节点位置和探测范围,所述探测范围为设置在载机上的机载雷达的探测范围。
步骤1具体为:
获取多机载雷达的协同探测区域内的所有节点以及每个节点对应的二维坐标;假设所述协同探测区域内有N部载机,每部载机上设置一个机载雷达,且第i部载机的初始节点位置为(xi,yi),i=1,2,...,N;进而设定第i部载机的探测范围为以第i部载机的初始节点位置为圆心,以Ri为半径的圆形区域;Ri为所述第i部载机上的机载雷达的最大作用距离。
示例性的,参照图2,点OABC所围成的矩形区域为需警戒的区域(协同探测区域),即多部机载雷达的任务区,其中点O为坐标原点。将OABC这一区域进行二维网格划分,参照图2,这一区域被划分为若干个相同大小的矩形方格,各节点即为载机的可行途经节点,其坐标也随之确定。假设有N部载机在此区域执行任务,各载机的当前位置为(xi,yi),其中i=1,2,...,N,各载机的探测威力为半径为Ri的圆,其中i=1,2,...,N,即以(xi,yi)为圆心,以Ri为半径的圆形区域为第i架载机的探测范围。
步骤2,令搜索步数l的初值为1,i的初值为1,获取第i部载机所在节点位置的所有相邻节点,并计算所述第i部载机从当前所在节点位置移动到任意一个相邻节点时的飞行代价,得到所述第i部载机从当前所在节点位置移动到每个相邻接点时对应的飞行代价,选取所有相邻节点中飞行代价最小的一个节点作为第i部载机移动到的节点,并更新第i部载机当前所在节点位置为飞行代价最小的一个节点的位置;i=1,2,...,N,l=1,...,L,L为总的搜索步数。
步骤2具体为:
获取第i部载机所在节点位置的所有8个相邻节点,并计算所述第i部载机从当前所在节点位置移动到第n个相邻节点时的飞行代价f(xn,yn):
f(xn,yn)=1/p
其中,p为第i部载机从当前所在节点位置移动到第n个相邻节点后所有N部载机在所述协同探测区域的覆盖率;
得到所述第i部载机从当前所在节点位置移动到每个相邻接点时对应的飞行代价,选取所有相邻节点中飞行代价最小的一个节点作为第i部载机移动到的节点,并更新第i部载机当前所在节点位置为飞行代价最小的一个节点的位置;i=1,2,...,N。
第i部载机从当前所在节点位置移动到第n个相邻节点后所有N部载机在所述协同探测区域的覆盖率p表示为:
p=所有载机的探测范围覆盖面积/协同探测区域面积。
示例性的,参照图3,搜索第1架载机所在节点的相邻节点,参照图3,假设中间的黑色节点为第1架载机目前所在的节点(x1,y1),其相邻节点为图3中剩下的8个白色节点。对第1架载机目前所在的节点(x1,y1)的所有相邻节点依次计算其代价f(xn,yn),取其相邻节点中代价最小的节点为该载机的下一节点。
f(xn,yn)的计算公式为:
f(xn,yn)=1/p
其中,f(xn,yn)为节点(x1,y1)的相邻节点(xn,yn)的代价,p为假设第1架载机飞到节点(xn,yn)后所有载机在任务区域内的覆盖率,即:
p=所有载机的探测范围覆盖面积/协同探测区域面积
所有载机的坐标及探测威力均为已知,考虑到多架载机的探测范围可能会有重叠,因此所有载机的探测威力覆盖面积采用统计的方法来计算,具体过程为:将任务区域内可以被载机探测到的节点标记为1,剩下的节点标记为0,统计任务区域内节点被标记为1的个数。与之对应,任务面积即为所有节点的个数。此处需要注意的是,第1架载机的探测范围是以目前正在计算的相邻节点(xn,yn)为圆心,以该载机探测威力R1为半径的圆;其他载机的探测范围是以其他载机所在位置(xj,yj)(j=2,...,N)为圆心,以载机探测威力Rj为半径的圆;其中若有载机的探测范围超出任务区域,应以任务区域为边界,超出任务区域的面积不算作载机的探测范围。
步骤3,令i的值加1,并重复执行步骤2,直到i=N,完成第N部载机当前所在节点位置的更新。
步骤4,令l的值加1,并依次重复执行步骤2和步骤3,直到l=L,完成L个搜索步长的多机载雷达协同探测航路规划过程。
下面结合仿真实验对本发明效果做进一步详细说明。
(一)仿真参数
在本实验中涉及到的参数如下:参照图4,任务区域为200km×200km的正方形区域,点O、A、B、C的坐标分别为(0,0)、(0,200)、(200,200)、(200,0),单位为km。载机架数为6,载机的起始位置按顺序分别为(200,40)、(0,100)、(50,0)、(130,0)、(60,200)、(140,200)。各载机的探测威力均为70km。网格划分单位为2km×2km。在本实验中搜索步数为50步,各架载机飞行50个节点。
(二)仿真数据处理结果及分析
图5为搜索50步后各载机的最终位置与覆盖范围图;其中横坐标表示X轴,单位为km,纵坐标表示Y轴,单位为km。图中的*代表各载机的最终位置,灰色部分代表载机的覆盖范围。图6为各载机的航迹图,其中横坐标表示X轴,单位为km,纵坐标表示Y轴,单位为km。图7为任务区域覆盖率与搜索步数的关系图,其中横坐标为搜索步数,纵坐标为覆盖率。
从图7可以看出,随着不断的搜索,所有载机在任务区域内的覆盖率也不断升高,大概在17步后覆盖整个任务区域,并且实时保持完全覆盖。因此本发明方法可以很好地解决区域覆盖问题。
综上所述,仿真实验验证了本发明的正确性,有效性和可靠性。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以所述权利要求的保护范围为准。

Claims (4)

1.一种多机载雷达协同探测的航路规划方法,其特征在于,包括以下步骤:
步骤1,设定多机载雷达的协同探测区域、所述协同探测区域内的所有节点以及每个节点对应的二维坐标,设定所述协同探测区域内有N部载机,每部载机上设置一个机载雷达,并给定每部载机的初始节点位置和探测范围,所述探测范围为设置在载机上的机载雷达的探测范围;
步骤2,令搜索步数l的初值为1,i的初值为1,获取第i部载机所在节点位置的所有相邻节点,并计算所述第i部载机从当前所在节点位置移动到任意一个相邻节点时的飞行代价,得到所述第i部载机从当前所在节点位置移动到每个相邻接点时对应的飞行代价,选取所有相邻节点中飞行代价最小的一个节点作为第i部载机移动到的节点,并更新第i部载机当前所在节点位置为飞行代价最小的一个节点的位置;i=1,2,…,N,l=1,...,L,L为总的搜索步数;
步骤3,令i的值加1,并重复执行步骤2,直到i=N,完成第N部载机当前所在节点位置的更新;
步骤4,令l的值加1,并依次重复执行步骤2和步骤3,直到l=L,完成L个搜索步长的多机载雷达协同探测航路规划过程。
2.根据权利要求1所述的一种多机载雷达协同探测的航路规划方法,其特征在于,步骤1具体为:
获取多机载雷达的协同探测区域内的所有节点以及每个节点对应的二维坐标;假设所述协同探测区域内有N部载机,每部载机上设置一个机载雷达,且第i部载机的初始节点位置为(xi,yi),i=1,2,…,N;进而设定第i部载机的探测范围为以第i部载机的初始节点位置为圆心,以Ri为半径的圆形区域;Ri为所述第i部载机上的机载雷达的最大作用距离。
3.根据权利要求1所述的一种多机载雷达协同探测的航路规划方法,其特征在于,步骤2具体为:
获取第i部载机所在节点位置的所有8个相邻节点,并计算所述第i部载机从当前所在节点位置移动到第n个相邻节点时的飞行代价f(xn,yn):
f(xn,yn)=1/p
其中,p为第i部载机从当前所在节点位置移动到第n个相邻节点后所有N部载机在所述协同探测区域的覆盖率,n∈{1,2,...,8};
得到所述第i部载机从当前所在节点位置移动到每个相邻接点时对应的飞行代价,选取所有相邻节点中飞行代价最小的一个节点作为第i部载机移动到的节点,并更新第i部载机当前所在节点位置为飞行代价最小的一个节点的位置;i=1,2,…,N。
4.根据权利要求3所述的一种多机载雷达协同探测的航路规划方法,其特征在于,第i部载机从当前所在节点位置移动到第n个相邻节点后所有N部载机在所述协同探测区域的覆盖率p表示为:
p=所有载机的探测范围覆盖面积/协同探测区域面积。
CN201710181582.1A 2017-03-24 2017-03-24 一种多机载雷达协同探测的航路规划方法 Active CN106996789B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710181582.1A CN106996789B (zh) 2017-03-24 2017-03-24 一种多机载雷达协同探测的航路规划方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710181582.1A CN106996789B (zh) 2017-03-24 2017-03-24 一种多机载雷达协同探测的航路规划方法

Publications (2)

Publication Number Publication Date
CN106996789A true CN106996789A (zh) 2017-08-01
CN106996789B CN106996789B (zh) 2020-05-05

Family

ID=59431546

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710181582.1A Active CN106996789B (zh) 2017-03-24 2017-03-24 一种多机载雷达协同探测的航路规划方法

Country Status (1)

Country Link
CN (1) CN106996789B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108459616A (zh) * 2018-03-07 2018-08-28 西安电子科技大学 基于人工蜂群算法的无人机群协同覆盖航路规划方法
CN110286362A (zh) * 2019-06-05 2019-09-27 西安电子科技大学 基于最小可检测速度最小化的机载雷达协同探测工作方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103471592A (zh) * 2013-06-08 2013-12-25 哈尔滨工程大学 一种基于蜂群协同觅食算法的多无人机航迹规划方法
CN103499974A (zh) * 2013-09-27 2014-01-08 中国人民解放军空军工程大学 一种双机协同被动雷达探测路径规划方法
CN104155999A (zh) * 2014-07-31 2014-11-19 海南大学 战场环境下多无人机时敏任务动态分配算法
CN104700165A (zh) * 2015-03-27 2015-06-10 合肥工业大学 一种多无人机舰机协同路径规划方法
CN105512769A (zh) * 2015-12-16 2016-04-20 上海交通大学 基于遗传规划的无人机航迹规划***及方法
CN105841702A (zh) * 2016-03-10 2016-08-10 赛度科技(北京)有限责任公司 一种基于粒子群优化算法的多无人机航路规划方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103471592A (zh) * 2013-06-08 2013-12-25 哈尔滨工程大学 一种基于蜂群协同觅食算法的多无人机航迹规划方法
CN103499974A (zh) * 2013-09-27 2014-01-08 中国人民解放军空军工程大学 一种双机协同被动雷达探测路径规划方法
CN104155999A (zh) * 2014-07-31 2014-11-19 海南大学 战场环境下多无人机时敏任务动态分配算法
CN104700165A (zh) * 2015-03-27 2015-06-10 合肥工业大学 一种多无人机舰机协同路径规划方法
CN105512769A (zh) * 2015-12-16 2016-04-20 上海交通大学 基于遗传规划的无人机航迹规划***及方法
CN105841702A (zh) * 2016-03-10 2016-08-10 赛度科技(北京)有限责任公司 一种基于粒子群优化算法的多无人机航路规划方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
REAGAN L. GALVEZ,ET AL.: "Path Planning for Quadrotor UAV Using Genetic Algorithm", 《7TH IEEE INTERNATIONAL CONFERENCE HUMANOID, NANOTECHNOLOGY, INFORMATION TECHNOLOGY COMMUNICATION AND CONTROL, ENVIRONMENT AND MANAGEMENT (HNICEM)》 *
付莹_等: "机载预警雷达协同探测航线优化", 《红外与激光工程》 *
刘波_等: "机载预警雷达协同探测航线模式研究", 《现代雷达》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108459616A (zh) * 2018-03-07 2018-08-28 西安电子科技大学 基于人工蜂群算法的无人机群协同覆盖航路规划方法
CN108459616B (zh) * 2018-03-07 2021-08-03 西安电子科技大学 基于人工蜂群算法的无人机群协同覆盖航路规划方法
CN110286362A (zh) * 2019-06-05 2019-09-27 西安电子科技大学 基于最小可检测速度最小化的机载雷达协同探测工作方法
CN110286362B (zh) * 2019-06-05 2022-12-23 西安电子科技大学 基于最小可检测速度最小化的机载雷达协同探测工作方法

Also Published As

Publication number Publication date
CN106996789B (zh) 2020-05-05

Similar Documents

Publication Publication Date Title
CN107014384B (zh) 基于角度搜索的多机载雷达协同探测航路规划方法
CN108459616B (zh) 基于人工蜂群算法的无人机群协同覆盖航路规划方法
CN105306248A (zh) 基于作战环的武器装备体系作战网络作战效能评估方法
CN105700555A (zh) 一种基于势博弈的多无人机协同搜索方法
Li et al. Research on UAV swarm cooperative reconnaissance and combat technology
Shen et al. A game theoretic data fusion aided path planning approach for cooperative UAV ISR
KR20170121484A (ko) 상황도기반 적 위협분석 및 가시화 방법 및 시스템
CN106959700A (zh) 一种基于上限置信区间算法的无人机群协同巡逻追踪轨迹规划方法
CN107807671B (zh) 无人机集群危险规避方法
CN109658770A (zh) 人民防空训练空情模拟***
CN106996789A (zh) 一种多机载雷达协同探测的航路规划方法
CN101893441A (zh) 基于离差最大化及灰色关联分析的无人机航迹优选方法
CN111581878B (zh) 基于改进pso算法的开阔地反无人机火力部署方法
CN109613530A (zh) 一种低小慢空中目标多源信息融合的管控方法
CN114399226A (zh) 一种基于语义认知的无人机区域侦察价值评估方法
Fan et al. Path planning for a reconnaissance UAV in uncertain environment
CN105426634A (zh) 一种预警机战场生存力评估方法
CN110986680B (zh) 一种城市环境中低慢小目标的复合拦截方法
CN106017229A (zh) 一种激光防空成套设备组群攻击***
Zhong et al. Design of air defense deployment optimization model based on adaptive nested PSO algorithm
CN109724472B (zh) 一种车载要地区域综合防抗***及方法
Duan et al. A review for unmanned swarm gaming: framework, model and algorithm
Hijji Using artificial intelligence to protect, detect and mitigate oil and gas sectors of KSA from drones and missiles assaults
Liu et al. Research on Operational Capability and Countermeasures of the US UAV Swarm
Luo et al. UAV swarm trajectory planning based on a novel particle swarm optimization

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