盛怀洁 韩旭(国防科技大学电子对抗学院)

将反辐射无人机组网形成无人机集群执行协同搜索任务是提高反辐射无人机作战效能的重要途径。本文介绍了反辐射无人机集群协同搜索的概念和现实意义；提出了反辐射无人机集群协同搜索的关键技术；对各项关键技术的研究进行了分析和论述。研究对于提高反辐射无人机目标搜索效率具有现实必要性。

反辐射无人机是电子战无人机系列中的重要武器装备，是对敌方雷达、通信节点等辐射源实施硬摧毁的一种有效手段。反辐射无人机在作战使用时，为保证打击效果通常对目标分配多架反辐射无人机，形成反辐射无人机集群，各无人机在设定飞行高度，采用预先规划的飞行航线对目标进行搜索跟踪，直至引导无人机发起俯冲攻击。

反辐射无人机的集群运用是提高作战效能的有效途径

目前反辐射无人机集群各个无人机间通常不具备互通能力，集群战术协同动作完全基于预先任务规划，尽管在数量上反辐射无人机集群可以形成对目标的威慑压制态势，但在作战的各个阶段基本上停留在“各自为战”层面，不仅群的规模受到协同能力的限制，更主要的是多机协同动作不具时效性，多机优势没有得到充分发挥。

面对大区域、多波段、多体制电磁目标环境以及瞬息多变的战场态势，反辐射无人机集群多机协同能力必然成为衡量群作战效能的重要标志。遵循战术规则、动态实时的多机协同的技术基础在于无人机之间互通、互联、互感应，即在网络技术支撑下建立反辐射无人机集群通信和指挥结构，实现群组网，扩大群范围，形成反辐射无人机集群。集群无人机数据交换、信息共享，各无人机动态任务分配、自主航路规划，所呈现出的群体特征可大大提高反辐射无人机的协同性能，提高其搜索、压制效率和攻击能力，成为提升反辐射无人机作战效能的有效途径。

反辐射无人机集群协同搜索问题概述

反辐射无人机。

在当今信息化战争背景下，反辐射无人机集群作战需求已无容置疑。国内外的研究主要集中在对可回收无人机集群协同飞行问题，针对无人机集群协同搜索问题也有一些理论研究和试验验证，但对一次性使用的反辐射无人机集群协同问题研究尚不多见。美军在20世纪90年代末提出了无人机集群作战概念，通过顶层设计、发展规划、理论研究、技术攻关和试验验证等手段促进无人机集群作战的快速发展。在美国国防部的统一领导下，国防部预研局（DARPA）和美国海军、空军等都展开了大量的项目论证和研究工作，启动了多个实验项目。2015年DARPA宣布启动“小精灵”（Gremlins）项目。该项目旨在研究一种低成本无人机，通过可快速替代的方式搭载情报、监视与侦察(ISR)等传感器模块以及其他非动能任务载荷，能够使未来的作战飞机具备快速部署、可重复使用的廉价无人机集群的能力。2015年，美国海军研究办公室(ONR)开展了“低成本无人机集群技术”（LOCUST）项目，以实现无人机快速发射并通过自组网进行集群作战，实现对某个区域的全方位侦察并对关键节点或者目标进行打击。国内具有代表性的无人机集群协同飞行研究项目为2017年中国电子科技集团进行的固定翼无人机集群试验。试验中，119架固定翼无人机集群对密集弹射起飞、空中集结、目标分组、编队合围等项目进行了成功演示，实现了无人机集群的原理验证。

在反辐射无人机集群作战运用过程中，协同侦察搜索是进行目标攻击的前提，是完成反辐射压制任务的关键环节。反辐射无人机集群的协同搜索问题既属于多智能平台的协同控制问题，又属于多目标优化问题，可以表述为：在搜索区域中分布着数量为NR的固定有源目标Ri(…)，通过前期侦察，已获得部分目标RK(…)的情报信息。现利用由Nu架反辐射无人机Vi(…)组成的反辐射无人机集群对任务区域进行搜索，各无人机通过被动导引头对目标进行自主侦察，要求在尽可能短的时间内，使反辐射无人机集群搜索到尽可能多的目标。

反辐射无人机集群协同搜索关键技术

目前对于无人机集群协同搜索问题的研究主要集中在发挥无人机集群的协同性、自主性以及减小搜索算法计算量这三个问题上。协同性，即无人机集群的时域协同、空域协同和任务协同；自主性，即自主规划最优航路和实时处理突发情况；算法计算量，即搜索算法的性能。上述研究思路为研究反辐射无人机集群协同搜索关键技术提供了参考。在反辐射无人机集群各无人机具备组网能力和自主能力的条件下，从无人机的系统特性和任务需求出发对协同搜索技术进行研究，首先需要构建搜索区域模型和反辐射无人机运动及目标探测模型，在一定的集群通信结构下，建立相应的协同搜索模型，通过航路优化算法，使反辐射无人机集群在尽可能短的时间内发现尽可能多的目标，为导引头的末制导提供决策支持。由此，可将反辐射无人机集群协同搜索技术分解为4个关键技术：搜索区域建模、集群结构、协同搜索建模、航路优化算法。

（1）搜索区域建模

对搜索区域进行建模是指结合搜索任务需求，通过建立数学模型的方式对待搜索区域、待搜索目标、作战区域中目标的位置情报等信息进行描述和量化。建立搜索区域模型是对无人机集群协同搜索问题进行研究的基础，反辐射无人机集群对目标的搜索将在搜索区域数学模型的背景下展开。

研究可利用证据理论和改进的人工势场法构建基于复合搜索图的待搜索区域模型，利用证据理论的不确定性表达能力实现对搜索区域的合理描述和量化，利用改进人工势场法的目标导向能力实现无人机对目标的快速接近。

（2）集群结构

集群结构是指无人机集群在执行协同搜索任务时所建立的一种通信和指挥控制结构，用于实现对无人机之间的搜索任务和搜索航路的协调控制。

分布式集群结构有利于发挥各无人机的自主能力和无人机之间数据交换、信息共享的组网优势，无人机集群内部不存在中心节点，指挥控制中心仅在必要时对各无人机进行控制，系统健壮性较强，并且各无人机的决策问题能够在本地进行计算和处理，相比于集中式集群结构而言，大大降低了系统整体的运算量和计算复杂度，能够实现对作战态势变化的实时有效反应。相比于集散式集群结构而言，分布式集群结构指挥决策扁平化，控制结构相对简单并且对无人机的智能化水平要求相对较低，在反辐射无人机集群协同搜索问题上可优选分布式集群结构的完全分布式结构。

（3）协同搜索建模

协同搜索模型是指反辐射无人机集群对目标进行搜索时所采取的方法，其目的是提高无人机集群对目标的搜索收益，降低搜索风险。通过构建合适的协同搜索模型，能够实现无人机集群在尽可能短的时间内发现尽可能多的目标。

无人机集群分布式集群结构。

研究需要构建搜索目标函数，可利用基于滚动时间窗的搜索模型使无人机集群完成对任务区域目标雷达的滚动搜索。在搜索过程中，还应处理针对反辐射无人机集群探测结果的数据融合问题。

（4）航路优化算法

由于无人机集群协同搜索航路优化问题具有的多项式复杂程度的非确定性（Non-deterministic Polynomial，NP）特点，因此需要选择合适的智能优化算法，降低在求解反辐射无人机集群协同搜索航路时的时间复杂度和空间复杂度。

研究需明确航路优化的目标函数以及约束条件，对每个粒子的位置和速度进行离散化处理，利用离散粒子群算法解决无人机集群搜索航路的优化问题，以发挥反辐射无人机集群协同优势，提高任务执行效率，实现对战场突发情况的实时快速反应和对目标的协同侦察搜索。

结束语

将反辐射无人机组网，形成无人机集群，利用反辐射无人机集群所呈现的群体特征实现协同作战是提高反辐射无人机作战效能的重要手段之一，是反辐射无人机作战运用的必然发展趋势。反辐射无人机集群协同搜索是进行多目标攻击的前提，是完成反辐射压制任务的关键环节，关键技术搜索区域建模方法、合理的集群结构、高效的协同搜索模型及智能化的航路优化算法对于提高反辐射无人机对目标的搜索和打击效率具有现实必要性和重要意义。 ■