异构无人机群在未知通信干扰环境下的协同侦察覆盖优化算法研究

在复杂未知通信干扰环境中，异构无人机群(HUAV)协同执行侦察覆盖任务时面临通信中断导致的信息共享障碍与覆盖冗余问题。研究团队提出面向覆盖的多智能体协同人工势场算法(MACAPF)，通过建立动态通信模型、设计自主协同分布式-集中式架构，有效提升HUAV群在干扰环境下的通信恢复效率与协同作业能力。该成果发表于《Engineering Science and Technology, an International Journal》，为无人机群在复杂电磁环境中的实战应用提供新思路。

　　

在现代战争中，无人机群(UAV swarm)的协同作战能力已成为决定战场态势的关键因素。然而，当异构无人机群(HUAV)在充满未知通信干扰的复杂环境中执行侦察覆盖任务时，突如其来的强信号干扰会导致无人机间通信距离急剧缩小甚至中断。这种"信息孤岛"现象不仅造成重复覆盖的资源浪费，更可能使整个侦察任务功亏一篑。现有研究大多忽视通信干扰这一现实挑战，传统集中式架构在通信中断时束手无策，分布式架构又容易因信息过载而效率低下。

针对这一难题，中国某高校的研究团队在《Engineering Science and Technology, an International Journal》发表创新成果。他们发现，当HUAV群遭遇未知强度信号干扰时，传统人工势场(APF)算法无法适应动态变化的通信状态，而现有分布式-集中式架构也缺乏自主协同机制。为此，团队构建了包含通信干扰因子的环境模型，量化分析信号强度与通信距离的非线性关系，并创造性地提出"自主协同分布式-集中式架构"——该架构能根据实时通信质量，智能切换集中决策与分布式协作模式。

研究采用三项关键技术：首先建立基于信号衰减模型的动态通信范围预测系统；其次设计状态感知器实现HUAV个体通信状态的实时诊断；最后改进传统APF算法，针对不同通信状态的HUAV分别定义势场函数。这些方法共同构成MACAPF算法的核心框架。

系统模型
通过引入干扰强度系数λ和通信质量阈值Q_th，建立通信半径动态计算模型。当实际信噪比(SNR)低于阈值时，系统自动触发架构重组协议，将受影响HUAV切换至自主决策模式。

覆盖导向的多智能体协同人工势场算法
突破传统APF仅考虑静态障碍物的局限，新增"通信恢复势场"和"协同覆盖势场"。前者引导失联HUAV向通信中继节点靠拢，后者通过势场梯度协调相邻无人机的侦察路径。仿真显示该算法使覆盖效率提升37.2%。

实验与结果分析
在模拟强干扰环境(λ=0.8)下，MACAPF算法使HUAV群通信恢复时间缩短68%，任务完成时间较传统方法减少42.5%。特别在20-50dBm干扰强度区间，覆盖完整度始终保持在90%以上。

这项研究首次将通信干扰量化模型融入HUAV协同控制体系，其提出的动态架构切换机制和改进势场算法，为复杂电磁环境下的无人机群作战提供了重要技术支撑。团队指出，未来可将该算法与5G抗干扰技术结合，进一步拓展在电子对抗场景中的应用深度。成果不仅适用于军事领域，对灾害救援、边境巡逻等民用场景同样具有借鉴价值。