无人机蜂群已经成为当前战场的现实威胁，其具有低成本、高灵活性和集群作战等特点，给防空拦截带来了巨大挑战。以群制群是反无人机蜂群的重要手段之一，本文对以群制群的作战过程进行分析，指出拦截飞行器的协同态势感知能力是实现群对群智能拦截的核心。群对群拦截协同态势感知需解决可用信息维度少、空间误差散布大以及复杂动态场景条件下的图像配准和多目标跟踪等问题。为此，通过对图像配准和多目标跟踪技术的汇集分析，指出群对群拦截场景中相关技术的发展方向。

近年来，随着无人机的广泛应用，反无人机雷达技术得到了迅猛发展。然而，由于常见无人机具有体积小、雷达散射面积（RCS）有限、运动速度较慢等特点，其雷达回波往往被强烈的背景杂波淹没。传统的基于回波信噪比（SNR）的检测方法存在漏警率高和探测距离短的问题。为此，本文提出了一种创新的检测方法：通过分析无人机旋翼产生的微多普勒信号，即旋翼调制（JEM）效应对应的微多普勒信号，设计了基于回波信杂比（SCR）的检测技术，以实现对目标回波的相对检测。通过微波暗室和雷达外场实验，发现四旋翼无人机和垂直起降无人机在多个雷达测试波段均显著产生微多普勒信号。对比实验结果表明，在海杂波环境下，SCR检测相较于SNR检测具有更好的稳定性、更高的检测效率以及更低的漏警率。

无人机集群作战具有作战效能高、战场生存能力强、效费比高的巨大优势，目前已广泛应用于渗透侦察、诱骗干扰、饱和攻击和区域封控等作战任务，这给传统防空体系带来了巨大挑战。本文通过梳理无人机集群作战特点，分析相关目标特性，结合无人机集群反制技术手段，梳理形成无人机反制体系构建思路，以期推动无人机集群反制作战的发展。

随着对手反介入/区域拒止能力的不断提升，美国传统进攻武器面临多重挑战。为此，美国高度重视有人/无人机协同作战技术发展，试图通过人工智能技术提高复杂任务管理和精确协同合作能力，以应对高对抗复杂战场环境下的各类威胁。本文介绍美军有人/无人机协同作战概念、顶层规划及相关项目情况，并对其发展趋势进行分析与研判。未来，有人/无人机协同作战将向体系整体对抗更强、体系架构弹性更高、体系作战能力成本更低及生成更快方向发展。

以多架无人机协同侦察多个点状目标为研究背景，本文设计一种基于侦察范围覆盖的聚类算法，利用蚁群算法和一致性算法解决多点目标的路径规划与控制问题。首先，设计聚类算法将目标点进行重新整合规划，解决目标点多次重复侦察的问题；其次，根据整合后的目标聚类结果规划无人机的飞行路径，将聚类后的虚拟目标点生成侦察序列；最后，使用设计的控制算法完成无人机编队的队形保持和路径跟踪，使无人机集群能够保持一定的编队队形，并能够按照侦察序列完成侦察任务。根据上述算法进行仿真验证，检验了聚类算法、路径规划、无人机控制和路径控制的有效性。

无人机平台高分辨率遥感图像中的目标信息是军事行动规划的重要参考依据。然而高分辨率遥感图像存在尺寸较大、背景信息混杂的问题，导致目标信息检测结果常存在大量虚警以及错误识别；不仅如此，由于图像与目标尺寸之间存在巨大差异，因此在大量背景像素中探测微小目标，对于检测算法的精确度有着更高的要求。为了解决上述问题，实现准确目标检测，本文提出了一种基于无人机遥感图像区块信息的弱小目标检测算法。算法首先使用区块信息以及微小神经网络结构来缓解大尺寸图像带来的处理困难、速度较慢的问题；其次使用全局注意力机制对于可能出现的虚警进行抑制；最终将检测器与分类器进行信息互通，从而同时提高两者的能力，达到提升模型性能的效果。所提检测算法在大尺寸遥感图像数据集上进行实验，结果表明，检测结果中假阳性个数明显减少，并且准确度大幅提升。该结果证明本文所提方法的有效性。

随着传统空袭目标升级与新型空天威胁的涌现，防空反导领域正经历深度转型，同时也催化了作战模拟技术的根本性革新。本文首先从数据、模型、决策、系统集成和可信度等维度，剖析了当前防空反导作战模拟推演面临的重大挑战；其次探究了模拟推演的传统方法与前沿进展；最后进一步展望了未来防空反导作战模拟推演分析方法的演进趋势，旨在为深度智能化、高维度、自适应、高度互动、认知融合的防空反导作战模拟推演分析技术方法提供一定参考。

随着现代战争的发展，空中来袭目标呈现出攻击速度快、攻击方式多样化等特点，因此给地对空近程防御作战任务提出了更大的挑战。考虑地对空近程防御作战中要求快速决策且要确保对来袭目标进行饱和拦截的分配要求，本文以最大化效费比为目标函数，以武器资源和最小期望杀伤概率为约束条件，建立了武器-目标分配问题的数学规划模型，提出了两阶段分配策略并设计了遗传-拍卖求解算法。该算法在第一阶段将来袭目标的数量通过复制操作，使其等于武器火力通道的数量，在第二阶段使用拍卖算法对其进行精确求解。通过与已有文献中的智能优化算法进行仿真实验对比，可以看出本文提出的算法在第一阶段能大幅度缩短染色体长度，压缩可行解空间，让求解结果变得更加稳定，因此能为一线指挥员快速提供更有效的决策辅助信息。

针对现代防空作战中作战环境高动态变化的状况，防空导弹武器系统需要实时在线解决目标分配的问题，为此本文提出了一种基于遗传算法（Genetic Algorithm， GA）优化+BP（Back Propagation）神经网络学习的防空导弹实时目标分配方法。首先，综合考虑防空导弹武器数量及毁伤概率等要素，以毁伤效能最大为优化目标，建立防空导弹目标分配问题优化模型；其次，构建基于GA-BP神经网络的防空导弹目标分配框架，利用遗传算法求解加BP神经网络预测，实现当前防空导弹对威胁目标的准确高效分配；最后，利用优化后的神经网络进行仿真分析，以验证所提方法的有效性和实用性。

高可靠探测和高精度测量低空目标是地面防空雷达的一大难点，而随着地面信息系统和相控阵雷达的数字化，以及有效利用环境先验信息并结合先进模型和算法，有望实现其性能的显著提升。为此，依托地理信息系统提供的数字高程信息，对低空目标回波的多径传播路径进行精确建模，进而建立阵列接收的结构化模型；根据阵地附近强散射体的空间分布情况，采用智能优化算法实现方向图副瓣的精细分区优化，以有效提升回波信杂噪比和弱目标检测能力；针对结构化模型对子空间类算法进行修正，在无须预估多径幅相因子的情况下，实现精确的超分辨仰角估计。本文所提模型和方法可以应用于地面雷达对低空多目标的高可靠探测和精确仰角测量，仿真结果验证了其有效性。

可见光图像、合成孔径雷达（SAR）图像与红外图像分别具有分辨率高、抗环境干扰能力强、热目标特征明显等优势，结合3种模态图像可以全天时、全天候精准检测舰船关键部位。然而，现有公开的舰船数据集常以单一模态呈现，缺乏同一时空下的3种模态对齐的数据集。鉴于此，本文提出了一种通过虚拟引擎和多模态数据生成模型构建多模态舰船图像数据集的方法。该数据集共有5 055幅图像，其中可见光图像、红外图像和SAR图像各1 685幅，图像大小为640×640像素。为了准确检测舰船关键部位，本文提出基于自适应区域定位的舰船关键部位检测方法，将构建的3种模态图像作为输入数据，通过多尺度特征提取颈部模块，探究多个模态在不同尺度下的信息互补机制，同时引入自适应区域定位模块，引导模型关注待检测的目标区域，最终实现舰船关键部位精准检测。在构建的多模态舰船数据集上，实验结果表明本文提出的目标检测方法其准确性优于多种主流方法。与基准模型相比，本文方法的平均检测精度（交并比阈值为0.5）提升了5.52%。

针对水下预置无人平台对空探测问题，提出一种基于克拉美罗界（Cramer-Rao Lower Bound，CRLB）的空中目标水下分布式声跟踪算法。该算法首先利用水下分布式声纳获取空中目标的辐射噪声，通过信号处理方法获得目标的方位角信息；其次，结合多个水下无人探测平台的纯方位观测量，实现对目标的分布式纯方位跟踪；最后，基于CRLB对水下分布式无人探测系统进行优化，从而提升对空目标跟踪的稳健性。经仿真验证，在典型空—海任务场景下，所提算法跟踪误差低于5%，且具有实时节点调整能力。

为提升战术导弹综合性能，大量采用多模复合制导技术，空中交班策略为其中关键技术。传统方法采用蒙特卡罗离线统计以获得交班概率，导引头在线完成指向与搜索。该方法需要大量仿真统计，且只能适用于特定工况。本文提出一种基于误差传递模型的导弹交班概率在线评估方法，选取主要误差源，建立其对指向误差影响的传递链模型，并对模型进行简化，进而实现在线指向误差及交班概率计算，具有多工况适用、通用性强的优点。仿真结果表明，该方法在不同弹道条件下均能获得较为准确的交班概率，符合工程应用所需精度水平。 关键词： 复合制导； 空中交班； 指向误差； 误差传递模型； 在线评估

为研究低空大动压环境下飞行器整流罩旋抛分离的运动特性，本文采用CFD-刚体动力学耦合仿真的方法开展数值模拟。分析了该过程的流场结构以及整流罩的动力学行为；着重研究了来流非对称条件下，两瓣整流罩张开速度不一致情况以及整流罩脱钩角发生变化情况下的张开动力学。研究表明：来流不对称时，其中一瓣整流罩分离受到抑制，不利于安全分离；为此增大脱钩角有助于增加整流罩的迎风面积，加快其远离飞行器的速度。

为研制燃气清洁、成气性好、残渣率低的燃气发生剂，开展了基于相稳定硝酸铵（Phase Stabilized Ammonium Nitrate， PSAN）的燃气发生剂的配方筛选及制备工艺研究，并对配方的燃烧温度、成气量、残渣率、火焰形貌及安全性进行测试。结果表明：配方中氧化剂、黏合剂和增塑剂的最佳配比为40%、30%和30%；PSAN/PBT/A3、PSAN/PBT/BuNENA和PSAN/PET/A3三种配方的燃烧温度分别为1 441、1 611、1 309 K，成气量分别为55.2、49.3 、57.7 mol/kg，凝聚相质量分数分别为6.75%、7.25%和6.57%；PSAN/PBT/A3燃烧火焰最明亮，PSAN/PBT/BuNENA火焰亮度减小并伴有大量碳烟产生，PSAN/PET/A3燃烧产生大量碳烟且仅含有微弱火焰；PSAN/PBT/A3、PSAN/PBT/BuNENA和PSAN/PET/A3燃气发生剂的撞击感度分别为34.4、21.6和35.8 cm，摩擦感度均较低。