高级搜索

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

一种无人机蜂群飞行同步检测和抑制方案

张霞 余道杰 刘广怡 白艺杰 王钰

张霞, 余道杰, 刘广怡, 白艺杰, 王钰. 一种无人机蜂群飞行同步检测和抑制方案[J]. 电子与信息学报, 2023, 45(12): 4317-4326. doi: 10.11999/JEIT221084
引用本文: 张霞, 余道杰, 刘广怡, 白艺杰, 王钰. 一种无人机蜂群飞行同步检测和抑制方案[J]. 电子与信息学报, 2023, 45(12): 4317-4326. doi: 10.11999/JEIT221084
ZHANG Xia, YU Daojie, LIU Guangyi, BAI Yijie, WANG Yu. Countermeasures Against UAV Swarm Through Detection and Suppression of Fly Synchronization[J]. Journal of Electronics & Information Technology, 2023, 45(12): 4317-4326. doi: 10.11999/JEIT221084
Citation: ZHANG Xia, YU Daojie, LIU Guangyi, BAI Yijie, WANG Yu. Countermeasures Against UAV Swarm Through Detection and Suppression of Fly Synchronization[J]. Journal of Electronics & Information Technology, 2023, 45(12): 4317-4326. doi: 10.11999/JEIT221084

一种无人机蜂群飞行同步检测和抑制方案

doi: 10.11999/JEIT221084
详细信息
    作者简介:

    张霞:女,副教授,研究方向为无人机网络协议设计与优化

    余道杰:男,教授,研究方向为无人机蜂群干扰反制

    刘广怡:男,讲师,研究方向为无人机蜂群设计

    白艺杰:女,博士生,研究方向为无人机网络协议设计与优化

    王钰:男,硕士生,研究方向为无人机蜂群设计与优化

    通讯作者:

    余道杰 yudj2003@163.com

  • 中图分类号: TN975

Countermeasures Against UAV Swarm Through Detection and Suppression of Fly Synchronization

  • 摘要: 该文研究了无人机蜂群飞行同步的检测和干扰方案,把无人机蜂群飞行同步过程看作复杂系统的涌现效应,提出一种基于双阈值的涌现判定算法。通过同时监测目标系统飞行同步过程中的熵差和网络连通度,克服已有算法因忽略网络状态监控而误判的问题,准确及时地识别飞行同步的发生、达成和失败,为控制抑制时机提供坚实的前提基础。以平均功率为约束设计带内干扰行为,从使目标系统通信容量降低的角度建立干扰行为模型,并通过仿真分析其效能。研究发现,低强度持续干扰可有效迟滞目标系统同步过程、延长同步时间,且具有更好隐蔽性;中等强度持续干扰可快速终止飞行同步过程。基于以上分析,首次根据破坏和迟滞的不同作战意图设计了无人机蜂群飞行同步的反制方案。通过仿真验证了其有效性。
  • 图  1  两种现有方法下目标系统的涌现强度

    图  2  不同同步半径下系统在仿真结束时的位置分布

    图  3  固定强度、不同占空比的干扰效能对比

    图  4  干扰对飞行同步的迟滞效果

    图  5  固定平均干扰强度、不同干扰模式的效能对比

    图  6  中等强度条件下的随机和固定图案干扰对比

    图  7  低强度条件下随机和固定干扰图案反制效能对比

    图  8  以破坏目标系统飞行同步为目的反制策略的效果

    图  9  反制成功后目标系统的拓扑

    图  10  释放和不释放干扰时系统熵差的变化

    图  11  干扰和不干扰时达成同步后的网络拓扑对比

    算法1 基于双阈值的涌现判定算法
     步骤1:设定参数初始值,$\varPhi = \phi $, $L = \{ {l_0}\} $,连通度阈值${\delta _c} $。
     步骤2:监视是否发现目标无人机集群。
     若发现目标,测量个体速度角$\varPhi = \{ {\varphi_i},i = 1, 2,\cdots ,N\}$,记当前
     时刻为$t = 0 $,根据式(7)估计$\varPhi$的概率分布,计算初始观察时
     刻熵${H_0} $。
     步骤3:测量t时刻UAVs速度角$\varPhi = \{ {\varphi _i},i = 1, 2,\cdots ,N\}$,根据
         式(7)估计其概率分布,计算角度熵${H_t} $,计算熵差
         ${E_t} = {H_0} - {H_t} $。
     若$E > 0 $,则记录涌现起始时刻${t_{{\rm{start}}} } = t$,记录${E_{ {t_{{\rm{start}}} } } }$,进入步
         骤4;否则回到步骤3;
     步骤4:设定滑窗长度为2,在滑窗内连续观测目标系统,并记录
         如下状态。
     for $t = {t_0}:{t_0} + k $:
     {4a.对时刻t,测量各节点的速度角${\varPhi }$,根据式(7)估计其概率分
     布,并计算角度熵${H_t} $和熵差${E_t} $,测量位置$L = {l_i},i = 1, 2,\cdots ,N $,
     根据式(10)计算$C(t) $,判定是否满足$C\left( t \right) > 1 - {\delta _c} $。若不满
     足,则判定无法达到涌现,记录判定时间${t_{{\rm{end}}} }$,跳到步骤5;若
     满足,跳到4b}
     4b.计算观察窗口内两个连续的熵差,若满足
     $\Delta {E_1} = {E_{{t_0} + 1}} - {E_{{t_0}}} $, $ \Delta {E_2} = {E_{{t_0} + 2}} - {E_{{t_0} + 1}} > 0 $且
     $ \Delta {E_1} > \Delta {E_2} $,则判定为涌现达成,记录判定结果记录flag为涌
     现成功,记录${t_{{\rm{end}}} } = i$;}
     步骤5:记录判定结果,计算判定时间$t = {t_{{\rm{end}}} } - {t_{{\rm{start}}} }$。
    下载: 导出CSV
    算法2 无人机蜂群飞行同步反制方案
     步骤1 初始化$ {\delta _c} $,启动无人机蜂群监测,若发现目标,转步
         骤2,否则,转步骤1;
     步骤2 利用算法1判定是否启动飞行同步,若是,则转步骤3,
         否则,转步骤2;
     步骤3 测量到目标无人机蜂群的距离,利用式(15)计算路径损耗[26]
     ${\rm{Loss}}[{\rm{dB}}] = 32.44 + 20\lg d\left( {{\rm{km}}} \right) + 20\lg f\left( {{\rm{MHz}}} \right) - 20 \lg A$ (15)
     其中,d是到蜂群的距离,以km计;f是工作频点,以MHz计;
     A是路径损耗因子,通常取2到4。将路径损耗转换为比值形式,
     即${l_{{\rm{path}}} } = 1{0^{{\rm{Loss}}/10} }$;
     步骤4 根据反制意图和${l_{{\rm{path}}} }$,按如下方式生成干扰图案
       ${\boldsymbol{I}} = [{I_m},m = 1,2,\cdots,M]$,发送干扰信号。
     4a 若为了迟滞飞行同步,则发送低强度持续干扰信号(即占空
     比100%),等效噪声系数设为$\beta = 0.25 $,即${I_m} = \beta {n_0}B{l_{{\rm{path}}} }$;
     4b 若为了破坏飞行同步,则发送中等强度持续干扰信号(即,占
     空比100%)等效噪声系数$ \beta = 1 $, ${I_m} = \beta {n_0}B{l_{{\rm{path}}} }$;
     步骤5 测量目标系统连通度$C(t) $,若$ C\left( t \right) < 1 - {\delta _c} $,或
       $ C\left( t \right) > 1 - {\delta _c} $且目标达成同步,则终止干扰。
    下载: 导出CSV
  • [1] 吴涛, 冯伟强, 张昊. 无人机蜂群对海作战概念模型研究[J]. 指挥控制与仿真, 2022, 44(2): 7–11. doi: 10.3969/j.issn.1673-3819.2022.02.002

    WU Tao, FENG Weiqiang, and ZHANG Hao. Research on concept model of UAV swarm naval attack operation[J]. Command Control &Simulation, 2022, 44(2): 7–11. doi: 10.3969/j.issn.1673-3819.2022.02.002
    [2] 钮伟, 黄佳沁, 缪礼锋. 无人机蜂群对海作战概念与关键技术研究[J]. 指挥控制与仿真, 2018, 40(1): 20–27. doi: 10.3969/j.issn.1673-3819.2018.01.004

    NIU Wei, HUANG Jiaqin, and MIAO Lifeng. Research on the concept and key technologies of unmanned aerial vehicle swarm concerning naval attack[J]. Command Control &Simulation, 2018, 40(1): 20–27. doi: 10.3969/j.issn.1673-3819.2018.01.004
    [3] WALTER B, SANNIER A, REINERS D, et al. UAV swarm control: Calculating digital pheromone fields with the GPU[J]. The Journal of Defense Modeling and Simulation:Applications, Methodology, Technology, 2006, 3(3): 167–176. doi: 10.1177/154851290600300304
    [4] COXWORTH B. Gremlin drone recovered in mid-air for the first time[EB/OL]. https://newatlas.com/drones/gremlin-drone-recovery-mid-air/, 2021.
    [5] REILLY B. Gremlins program successfully retrieves drone in mid-flight[J]. Inside the Air Force, 2021, 32(45): 1–32.
    [6] 张江南, 何勇, 潘绪超, 等. 无人机宽带高功率电磁脉冲易损性分析[J]. 弹箭与制导学报, 2020, 40(1): 110–115,120. doi: 10.15892/j.cnki.djzdxb.2020.01.022

    ZHANG Jiangnan, HE Yong, PAN Xuchao, et al. Vulnerability analysis of UAV against mesoband electromagnetic pulse[J]. Journal of Projectiles,Rockets,Missiles and Guidance, 2020, 40(1): 110–115,120. doi: 10.15892/j.cnki.djzdxb.2020.01.022
    [7] 赵铜城, 余道杰, 周东方, 等. 无人机GPS接收机超宽谱电磁脉冲效应与试验分析[J]. 强激光与粒子束, 2019, 31(2): 023001. doi: 10.11884/HPLPB201931.180365

    ZHAO Tongcheng, YU Daojie, ZHOU Dongfang, et al. Ultra-wide spectrum electromagnetic pulse effect and experimental analysis of UAV GPS receiver[J]. High Power Laser and Particle Beams, 2019, 31(2): 023001. doi: 10.11884/HPLPB201931.180365
    [8] 王统刚, 彭世蕤, 王广学. 高重频脉冲干扰对GPS接收机前端的干扰机理分析[J]. 空军预警学院学报, 2021, 35(4): 248–253. doi: 10.3969/j.issn.2095-5839.2021.04.004

    WANG Tonggang, PENG Shiwei, and WANG Guangxue. Analysis on the interference mechanism of high repetition frequency pulse jamming GPS receiver front-end[J]. Journal of Air Force Early Warning Academy, 2021, 35(4): 248–253. doi: 10.3969/j.issn.2095-5839.2021.04.004
    [9] 杨王诗剑. 引领海战革命——浅析无人机"蜂群战术"[J]. 兵器知识, 2016(3): 1–4. doi: 10.19437/j.cnki.11-1470/tj.2016.03.016

    YANG Wangshijian. Leading the naval war revolution - Analysis of UAV swarm tactics[J]. Ordnance Knowledge, 2016(3): 1–4. doi: 10.19437/j.cnki.11-1470/tj.2016.03.016
    [10] 付鑫, 赵然, 梁延峰, 等. 反无人机蜂群技术发展综述[J]. 中国电子科学研究院学报, 2022, 17(5): 421–428. doi: 10.3969/j.issn.1673-5692.2022.05.003

    FU Xin, ZHAO Ran, LIANG Yanfeng, et al. Review on the development of anti UAV bee colony technology[J]. Journal of CAEIT, 2022, 17(5): 421–428. doi: 10.3969/j.issn.1673-5692.2022.05.003
    [11] HWANG S P and KIM D H. A study on the establishment of anti-drone system for the protection of national important facilities[J]. The Society of Digital Policy and Management, 2020, 18(11): 247–257. doi: 10.14400/JDC.2020.18.11.247
    [12] 介冲, 苗壮, 叶婷婷. 美军现役反无人机系统发展研究[J]. 飞航导弹, 2020(12): 36–42. doi: 10.16338/j.issn.1009-1319.20200235

    JIE Chong, MIAO Zhuang, and YE Tingting. Research on the development of active anti UAV system of US army[J]. Aerospace Technology, 2020(12): 36–42. doi: 10.16338/j.issn.1009-1319.20200235
    [13] 邱华鑫, 段海滨. 从鸟群群集飞行到无人机自主集群编队[J]. 工程科学学报, 2017, 39(3): 317–322. doi: 10.13374/j.issn2095-9389.2017.03.001

    QIU Huaxin and DUAN Haibin. From collective flight in bird flocks to unmanned aerial vehicle autonomous swarm formation[J]. Chinese Journal of Engineering, 2017, 39(3): 317–322. doi: 10.13374/j.issn2095-9389.2017.03.001
    [14] 赵海涛, 高士顺, 王海军, 等. 无人机自主通信和组网能力评估方法[J]. 通信学报, 2020, 41(8): 87–98. doi: 10.11959/j.issn.1000-436x.2020143

    ZHAO Haitao, GAO Shishun, WANG Haijun, et al. Evaluation method for autonomous communication and networking capability of UAV[J]. Journal on Communications, 2020, 41(8): 87–98. doi: 10.11959/j.issn.1000-436x.2020143
    [15] 段海滨, 邱华鑫, 范彦铭. 基于捕食逃逸鸽群优化的无人机紧密编队协同控制[J]. 中国科学:技术科学, 2015, 45(6): 559–572. doi: 10.1360/N092015-00125

    DUAN Haibin, QIU Huaxin, and FAN Yanming. Unmanned aerial vehicle close formation cooperative control based on predatory escaping pigeon-inspired optimization[J]. Scientia Sinica Technologica, 2015, 45(6): 559–572. doi: 10.1360/N092015-00125
    [16] 柳强, 何明, 刘锦涛, 等. 无人机"蜂群"的蜂拥涌现行为识别与抑制机理[J]. 电子学报, 2019, 47(2): 374–381. doi: 10.3969/j.issn.0372-2112.2019.02.017

    LIU Qiang, HE Ming, LIU Jintao, et al. A mechanism for identifying and suppressing the emergent flocking behaviors of UAV swarms[J]. Acta Electronica Sinica, 2019, 47(2): 374–381. doi: 10.3969/j.issn.0372-2112.2019.02.017
    [17] LIU Qiang, HE Ming, XU Daqin, et al. A mechanism for recognizing and suppressing the emergent behavior of UAV swarm[J]. Mathematical Problems in Engineering, 2018, 2018: 6734923. doi: 10.1155/2018/6734923
    [18] 屈强, 何新华, 刘中晅. 系统涌现的要素和动力学机制[J]. 系统科学学报, 2017, 25(3): 25–29.

    QU Qiang, HE Xinhua, and LIU Zhongxuan. Essential factors and dynamic mechanism of the system emergence[J]. Chinese Journal of Systems Science, 2017, 25(3): 25–29.
    [19] 詹姆斯·P. G. 斯特本兹, 卡米什·纳莫杜里, 塞尔日·肖梅特, 等, 刘亚威, 闫娟, 译. 无人机网络与通信[M]. 北京: 机械工业出版社, 2019.

    STERBENZ J P G, NAMUDURI K, CHAUMETTE S, et al, LIU Yawei, YAN Juan, translation. UAV Networks and Communications[M]. Beijing: China Machine Press, 2019.
    [20] VICSEK T, CZIRÓK A, BEN-JACOB E, et al. Novel type of phase transition in a system of self-driven particles[J]. Physical Review Letters, 1995, 75(6): 1226–1229. doi: 10.1103/PhysRevLett.75.1226
    [21] 程建, 张明清, 唐俊, 等. 基于信息熵的复杂系统涌现量化方法研究[J]. 信息工程大学学报, 2014, 15(3): 270–274. doi: 10.3969/j.issn.1671-0673.2014.03.003

    CHENG Jian, ZHANG Mingqing, TANG Jun, et al. Emergence quantitative analysis of complex adaptive systems based on Shannon's information entropy[J]. Journal of Information Engineering University, 2014, 15(3): 270–274. doi: 10.3969/j.issn.1671-0673.2014.03.003
    [22] 屈强, 何新华, 陆皖麟. 基于f-散度的复杂系统涌现度量方法[J]. 装甲兵工程学院学报, 2017, 31(3): 106–110. doi: 10.3969/j.issn.1672-1497.2017.03.020

    QU Qiang, HE Xinhua, and LU Wanlin. A new approach to measure the emergence of complex system based on f-divergence[J]. Journal of Academy of Armored Force Engineering, 2017, 31(3): 106–110. doi: 10.3969/j.issn.1672-1497.2017.03.020
    [23] HOPCROFT J E and TARJAN R E. Dividing a graph into triconnected components[J]. SIAM Journal on Computing, 1973, 2(3): 135–158. doi: 10.1137/0202012
    [24] 朱艮春, 魏光辉, 潘晓东, 等. 典型通信电台带内干扰辐射效应研究[J]. 微波学报, 2011, 27(6): 93–96. doi: 10.14183/j.cnki.1005-6122.2011.06.005

    ZHU Genchun, WEI Guanghui, PAN Xiaodong, et al. Effects research of typical communication radio radiated by intraband interference[J]. Journal of Microwaves, 2011, 27(6): 93–96. doi: 10.14183/j.cnki.1005-6122.2011.06.005
    [25] 李新峰, 郝晓军, 韩慧, 等. 基于误码率的通信系统电磁干扰效应研究[J]. 微波学报, 2017, 33(1): 71–76. doi: 10.14183/j.cnki.1005-6122.201701016

    LI Xinfeng, HAO Xiaojun, HAN Hui, et al. Electromagnetic interference effect research of communication system based on SER[J]. Journal of Microwaves, 2017, 33(1): 71–76. doi: 10.14183/j.cnki.1005-6122.201701016
    [26] GOLDSMITH A, 杨鸿文, 李卫东, 郭文彬, 等译. 无线通信[M]. 北京: 人民邮电出版社, 2007.

    GOLDSMITH A, YANG Hongwen, LI Weidong, GUO Wenbin, et al. translation. Wireless Communications[M]. Beijing: Posts & Telecom Press, 2007.
  • 加载中
图(11) / 表(2)
计量
  • 文章访问数:  258
  • HTML全文浏览量:  199
  • PDF下载量:  98
  • 被引次数: 0
出版历程
  • 收稿日期:  2022-08-16
  • 修回日期:  2022-10-15
  • 网络出版日期:  2023-04-06
  • 刊出日期:  2023-12-26

目录

    /

    返回文章
    返回