1.一种基于智能感知的无人机自适应导航系统，其特征在于，包括：
环境与目标智能感知模块，获取地面环境和目标的感知信息，并与远端交换信息，利用智能推理感知环境和目标，得到战场态势感知图；
自适应导航模块，在战场态势感知图的基础上，按照自然风险和战争风险最小准则，进行自适应导航路径规划，并选择最佳导航路径；
数据显示模块，显示包括雷达和sar传感器在内的实时探测数据、每条可行路径的风险系数和路径距离以及无人机当前的最优导航路径。
2.根据权利要求1所述基于智能感知的无人机自适应导航系统，其特征在于，所述环境与目标智能感知模块，基于战场环境、重要节点和可行路径信息，利用无人机安装的雷达、光学、红外传感器，获取地面环境和目标的感知信息，同时通过数据链与我方军事补给站以及海上基地交换传感信息，然后利用智能推理来感知环境和目标；所述数据显示模块包括探测数据模块、单路径风险及距离模块、当前最优路径显示模块；所述探测数据模块利用包括雷达和sar传感器在内的传感器实时对目标类别，目标位置进行实时探测，在表格中给出传感器数据列表，包括敌方战机战舰、我方战机战舰以及无人机的经度纬度高度进行显示，同时显示其检测概率和虚警概率；所述单路径风险及距离模块实时地显示单路径的风险系数以及距离；所述当前最优路径显示模块显示当前时刻所有可行路径的风险评估，风险评估由总距离和总风险组成，同时显示最优路径。
3.根据权利要求1或2所述基于智能感知的无人机自适应导航系统，其特征在于，所述环境与目标智能感知模块包括战场态势感知模块和导航路径矢量图规划模块；所述战场态势感知模块用于生产战场环境，利用机载雷达、光学成像获取包括战区内敌我双方的布防、敌我双方的活动目标在内的战场信息生成战场态势感知图；所述导航路径矢量图规划模块用于根据战场态势感知结果选择由起始节点到目的节点的所有可能经过节点，初步对经过各个节点的可能性进行评估，并规划所有可能的导航路径矢量。
4.根据权利要求3所述基于智能感知的无人机自适应导航系统，其特征在于，所述自适应导航模块包括初始最优路径规划模块和自适应路径变换模块；所述初始最优路径规划模块根据自然风险和战争风险，自然风险包括该节点的天然障碍和气候条件，战争风险包括受敌方攻击的程度及受敌方检测的可能性，对风险总和进行量化处理，生成初始最优路径；所述自适应路径变换模块根据职能感知的结果进行自适应调整，选择当前时刻的最优路径。
5.一种基于智能感知的无人机自适应导航方法，其特征在于，包括：
环境与目标智能感知：获取地面环境和目标的感知信息，并与远端交换信息，利用智能推理感知环境和目标，得到包括敌我双方的重要节点以及活动目标的运动轨迹及意图的战场态势感知图，在此基础上生成我方由起始节点到目的节点的所有可能路径；
自适应导航路径选择：在战场态势感知图的基础上，按照自然风险和战争风险最小准则，进行自适应导航路径规划，并选择最佳导航路径。
6.根据权利要求5所述基于智能感知的无人机自适应导航方法，其特征在于，所述环境与目标智能感知步骤中，包括：
基于多源异构信息融合的目标识别与跟踪：从各种传感信息中提取有效的具有不同类型的特征信息，利用所述特征信息的有效融合来识别目标和环境，并对目标进行有效跟踪；
目标意图推断：根据目标识别和跟踪的结果明确意图；
战场态势感知图生成：在目标识别与跟踪以及意图推断的基础上，利用地理信息资源和感知信息生成战场态势感知图；
深度学习与证据推理的智能感知：以实际问题为背景，建立适合特征提取的应用框架，以实际数据驱动学习过程，并以真实数据验证特征提取结果的合理性或正确性。
7.根据权利要求6所述基于智能感知的无人机自适应导航方法，其特征在于，所述基于多源异构信息融合的目标识别与跟踪步骤中，分析传感信息的特征属性，并利用随机集理论从特征级与决策级实现感知信息的统一描述，为信息融合提供必要准备；
所述目标意图推断步骤中，对作战任务作出规划与预测，并对敌方时敏目标的精确打击做出辅助决定；
所述深度学习与证据推理的智能感知步骤中，长期收集系统运行结果，在系统长期运行的过程中，不断收集系统学习结果和实际检测结果，用实际检测结果不断地校验系统学习结果。
8.根据权利要求7所述基于智能感知的无人机自适应导航方法，其特征在于，所述基于多源异构信息融合的目标识别与跟踪步骤中，感知信息源包括：雷达信息、光学成像信息、声探测传感器信息、电子侦察信息、宽幅成像卫星信息、技侦信息；在特征级信息融合层面，利用随机集理论和广义粗集理论实现特征空间评价，对类分布更为清晰的特征突出其地位和作用，而对类分布较为模糊的特征弱化其影响，有效构造统一的特征空间；
所述目标意图推断步骤中，通过态势分析、威胁估计、战术决策、打击效果评估和人机接口管理来实现威胁评估与辅助决策的功能，在网络化信息融合的目标识别与跟踪基础上，建立目标智能信息处理的意图推断方法形成一种基于知识库轨线分类的意图推断体系，在进行目标跟踪时，对跟踪得到的航迹进行加工，变成比实际航迹粗略但概念更加明晰的航迹段估计，用于目标的意图推断；
所述战场态势感知图生成步骤中，在战场态势感知图之上，标注出所有起始节点到目的节点的矢量集合，其中每个矢量都是链接一个可能节点到下一个可能节点的带方向连线；
所述深度学习与证据推理的智能感知步骤中，将系统运行中的检测结果作为监督学习的依据，用以判断学习结果的准确性和精度；根据校验结果不断地修正特征关系表，以实际问题为背景，建立合适特征提取的应用框架；以实际数据驱动学习过程，并以真实的数据验证特征提取结果的合理性或正确性；
所述自适应导航路径选择步骤中，自然风险包括该节点的天然障碍和气候条件，战争风险包括受敌方攻击的程度及受敌方监测的可能等，风险总和进行量化处理，各矢量长度主要包括该矢量节点间的行进距离，矢量长度总和也要进行量化处理。
9.根据权利要求5或6或7或8所述基于智能感知的无人机自适应导航方法，其特征在于，所述自适应导航路径规划的变换准则如下：
设目前无人机已经运动到第i个节点，与其链接的路径矢量称为第i个路径矢量，表示为：
其中pif，pie分别是第i个路径矢量si的起始节点和终止节点，而(pifx,pify)，(piex,piey)分别是pif和pie在两维战区感知图上的坐标值，设敌方接近si的一个动目标为tj，其在当前时刻的坐标值为(qjx,qjy)，则敌方目标tj对路径矢量si的风险为：
其中a(tj)是tj的风险强度，它是目标类型的函数，在演示系统中设定为：
τ(tj)是tj的风险衰减系数，也是目标类型的函数，在演示系统中设定为：
α(tj)是目标tj的意图引起的风险强度，在演示系统中设定为：
maxd(tj,si)表示目标tj到路径矢量si所有点的距离最大值，而mind(tj,si)表示目标tj到路径矢量所有点的距离最小值；于是，所有敌方目标对路径矢量si的风险总和为：
r(si)＝∑jr(tj,si)
于是，从路径矢量si起始，选择风险最小的路径为：
其中m是从路径矢量si起始到目的节点的可行路径总数，l∈{1,2,…,m}是其中的一条路径；r(skl)是选择第l条可行路径在未来第kl个路径矢量skl所产生的风险，对其求和就是选择第l条可行路径的总风险，
路径矢量si的路径长度为：
d(si)＝[(piex-pifx)2+(piey-pify)2]1/2
选择第
10.根据权利要求6所述基于智能感知的无人机自适应导航方法，其特征在于，在选择最佳导航路径后，还包括：
多导航源信息优化调度与融合：将卫星导航信息把包括卫星导航信息、惯性导航信息、天文导航信息在内的导航源信息进行优化调度与融合，以获得最优的导航指令，根据该导航指令，进行智能导航。