技术特征：
1.一种多无人机协同干扰方法，其特征在于：通过聚类算法对地面雷达目标进行聚类，得到按照地面雷达位置聚类的簇，然后进行多无人机协同干扰任务分配，任务分配结束后，基于蚁群算法对协同干扰航迹进行优化，生成多机协同干扰航迹。2.一种多无人机协同干扰方法，其特征在于，包括如下步骤：步骤1：参数初始化；步骤2：目标干扰点聚类；步骤3：多无人机干扰任务分配；步骤4：基于蚁群算法对协同干扰航迹进行优化，生成多机协同干扰航迹。3.根据权利要求1所述的一种多无人机协同干扰方法，其特征在于，步骤1包括如下子步骤：步骤1.1输入地面雷达的数量n与位置信息；步骤1.2输入携带干扰载荷的无人机数量m；无人机搭载干扰载荷的扫描角度θ；干扰载荷的最大有效距离r
max
；步骤1.3设定无人机搭载的干扰载荷的探测范围：干扰载荷的最大地面视场为一个半径为r
max sinθ的圆。4.根据权利要求2所述的一种多无人机协同干扰方法，其特征在于，步骤2：雷达聚类：判断无人机数量m与地面雷达数量n的关系：若m≥n，则每个雷达都分别属于一个簇，雷达簇的数量k＝n；若m＜n，运用聚类算法对地面雷达进行聚类，得到k个聚类簇，通过调整eps邻域半径，使得k≤m。5.根据权利要求4所述的一种多无人机协同干扰方法，其特征在于，步骤2，包括以下子步骤：2.1输入干扰点集合d＝{x1,x2,...,x
m
}、邻域参数minpts(minpts为邻近区域内应至少包含点的个数，minpts∈[2,+∞))x
i
表示第i个无人机的位置；2.2初始化核心对象集合：ω表示核心对象集合，表示空集；2.3循环计算2.3.1j初始值为1；2.3.2确定干扰点x
j
的邻域n
eps
(x
i
)：n
eps
(x
i
)＝{x
j
∈d|dist(x
i
,x
j
)≤eps}其中，d＝{x1,x2,...,x
m
}为给定数据集，n
eps
为点xi的eps邻域包含的干扰目标点的点集；2.3.3若将|n
eps
(x
i
)|≥minpts干扰点x
j
加入核心对象集合：ω＝ω∪{x
j
}2.3.4j的值加1；2.3.5若j大于m，退出循环，进入步骤2.4；若j小于等于m，重复步骤2.3.2～2.3.5。2.4初始化干扰点簇类：k＝0；初始化未访问干扰点集合：γ＝d；2.5第一重循环2.5.1记录当前未访问干扰点集合：γ
old
＝γ
2.5.2随机选取一个核心对象o∈ω，初始化队列q＝＜o＞；(这里定义了q，相当于一个临时的核心对象集合)2.5.3γ＝γ\{o}；2.5.4第二重循环2.5.4.1取出队列q中的首个样本q(q为一个临时的核心对象集合)2.5.4.2若|n
eps
(q)|≥minpts，令δ＝n
eps
(x
i
)∩γ，将δ中的干扰点加入队列q，γ＝γ\δ；2.5.4.3若重复步骤2.5.4.1～2.5.4.3；否则，进入步骤2.5.5(即是执行第二重循环的判断条件)；2.5.5k自加1，生成聚类簇c
k
＝γ
old
\γ，ω重新赋值为ω\c
k
；2.5.6若重复步骤2.5.1～2.5.6；否则，进入步骤2.6；2.6输出：簇划分c＝{c1,c2,...,c
k
}；后续要对簇进行任务分配。6.根据权利要求2或5所述的一种多无人机协同干扰方法，其特征在于，步骤3：进行多无人机干扰任务分配；包括以下子步骤：3.1每个雷达簇至少安排一架无人机进行干扰。3.2计算每个雷达簇中所需要的最短干扰航迹l，若无人机的最大航程l＜l，则对该雷达簇再进行聚类，直到l≥l。7.根据权利要求6所述的一种多无人机协同干扰方法，其特征在于：步骤4还包括：4.1初始化蚁群参数：输入参数：p、t、d
ij
、τ
ij
(t)、τ0、最大迭代次数n；其中，蚁群中蚂蚁的数量为p，目标点的数量为t，点i与点j之间的距离为d
ij
,t时刻点i与点j连接路径上的信息素浓度为τ
ij
(t)；初始时刻，各个目标点连接路径上的信息素浓度相同，设为τ
i
(t0)＝τ0；4.2循环求解4.2.1迭代次数i初始为0；4.2.2构建解空间：蚂蚁k根据各个目标点之间连接路径上的信息素浓度决定其下一个访问节点，设表示t时刻无人机从点i转移到点j的概率，其计算公式为：其中，η
ij
(t)为启发函数，η
ij
(t)＝1/d
ij
,表示从点i转移到点j的期望程度；allow
k
为待访问点的集合，随着时间的推进，allow
k
中的元素不断减少，直至为空；α为信息素重要程度因子，β为启发函数重要程度因子；4.2.3更新信息素：在蚂蚁释放信息素的同时，各个目标点连接路径上的信息素逐渐消失，设参数ρ(0＜ρ＜1)表示信息素的挥发程度；因此，当所有蚂蚁完成一次循环后，各个城市间连接路径上的
信息素浓度需进行实时更新，即：其中，表示第k只蚂蚁在点i与点j连接路径上释放的信息素浓度；δτ
ij
表示所有蚂蚁在点i与点j连接路径上释放的信息素浓度之和；信息素更新采用蚁周模型，即：式中，q为信息素常量，l
k
表示第k只蚂蚁在本次循环中所走路径的长度；4.2.4判断是否结束循环若i小于n，i自加1且转入步骤4.2.2；否则，转入步骤4.3；4.3输出最短路径计算蚂蚁所走路径的长度，选取所有蚂蚁所走路径中路程最短的一条作为最优航迹。
技术总结
本申请提供了一种多无人机协同干扰方法，属于无人机控制领域，采用聚类算法对目标干扰点进行聚类，考虑无人机的航程约束，进行多无人机协同干扰任务分配，运用蚁群算法对每个聚类簇中的多无人机干扰航迹进行优化。采用本申请的多无人机协同干扰方法，可以最大限度的确保多无人机在执行干扰任务时航线不相交。保多无人机在执行干扰任务时航线不相交。保多无人机在执行干扰任务时航线不相交。
技术研发人员：李文光 邓杨赟 葛佳昊 贺云涛 孟军辉 李怀建
受保护的技术使用者：北京理工大学
技术研发日：2022.07.19
技术公布日：2022/10/13