强拒止条件下的无人机系统生存策略

doi:10.3969/j.issn.1009-086x.2026.01.001

摘要/Abstract

摘要：

近年来，无人机已成为现代战争中不可或缺的重要武器，而涵盖无人机系统的攻防对抗体系已成为现代战争的基本特征之一。研究强拒止条件下无人机系统的生存能力问题，对未来战场的对抗具有重要应用价值。分析了作战无人机系统在物理域、电磁域和信息域中面临的挑战，针对性地给出不同类型拒止条件下的应对策略，并提出了强拒止条件下无人机系统的作战画面、作战构型及运动战法，研究了其中涉及的生存能力关键问题，提出中继群双焦点随机游走技术、拒止空间路径二次规划技术和智能边缘指控中心的面向服务架构技术。通过对作战系统进行整体优化设计，能够有效提升无人机系统在强拒止条件下的生存能力，以应对未来战场的复杂作战环境。

关键词: 无人机系统, 强拒止, 攻防对抗, 作战构型, 运动战法, 生存技术

Abstract:

In recent years， unmanned aerial vehicles have become an indispensable and important weapon in modern warfare， and the offensive and defensive confrontation system covering unmanned aerial vehicle systems has become one of the basic characteristics of modern warfare. Studying the survivability problem of unmanned aerial vehicle systems under strong denial conditions has important application value for future battlefield confrontation. This paper analyzed the challenges faced by combat unmanned aerial vehicle systems in the physical， electromagnetic， and information domains and gave targeted strategies to cope with different denial conditions. The combat scene， combat configuration， and movement tactics were proposed for unmanned aerial vehicle systems under strong denial conditions. The key problems related to survivability were studied， including the bifocus random walk algorithm of relay swarm， the secondary planning technology of denial space path， and the service-oriented architecture technology of intelligent edge accusation center. By optimizing the overall design of the combat system， the survivability of unmanned aerial vehicle systems under strong denial conditions can be effectively improved to cope with the complex combat environment of future battlefields.

Key words: unmanned aerial vehicle（UAV） system, strong denial condition, offensive and defensive confrontation, combat configuration, movement tactic, survival technology

中图分类号:

V279

陈晓文, 杨青, 王军民. 强拒止条件下的无人机系统生存策略[J]. 现代防御技术, 2026, 54(1): 1-13.

Xiaowen CHEN, Qing YANG, Junmin WANG. Survival Strategies for Unmanned Aerial Vehicle Systems Under Strong Denial Conditions[J]. Modern Defense Technology, 2026, 54(1): 1-13.

图/表 11

表1 拒止问题及应对策略

Table 1 Denial issues and response strategies

问题	应对策略
电磁拒止	分离地面通信电台与地面指控中心对无人机电子设备增强电磁防护，提高抗干扰能力不采用或关闭主动探测微波雷达，降低无人机对外的电磁辐射高空飞行
火力拒止	对常规路径规划后的航迹进行二次规划，提高威胁区生存概率实时分析威胁目标，实时规划路径提高无人机的机动性能不采用或关闭主动探测雷达，降低被拒止区雷达发现的概率关闭动力装置，采用滑翔飞行，降低被拒止区红外雷达发现的概率
通信拒止	拒止区内无人机主动关闭通信功能，化被动为主动拒止区内自主执行任务，无需借助通信实现储存侦察数据，返回安全区再回传
导航拒止	拒止区采用惯性导航、视觉导航等自主导航方式

图1 强拒止条件下的无人机系统作战画面

Fig. 1 Unmanned aerial vehicle operational picture under strong denial conditions

图2 无人机系统组成结构及指控信息流图

Fig. 2 Composition structure and command information flow diagram of unmanned aerial vehicle system

图3 无人机系统运动战法概念图

Fig. 3 Conceptual diagram of movement tactics for unmanned aerial vehicle system

图4 无人机系统运动战法的典型过程

Fig. 4 Typical process of movement tactics for unmanned aerial vehicle systems

图5 双焦点随机游走的方向概率分布示意图

Fig. 5 Schematic diagram of directional probability distribution of bifocus random walk algorithm

图6 双焦点随机游走的运动轨迹示意图

Fig. 6 Schematic diagram of the motion trajectory of bifocus random walk

表2 常见约束问题一览表

Table 2 Common constraint problems

约束编号	约束描述
$C 1$	威胁区约束
$C 2$	航速约束
$C 3$	转弯半径约束
$C 4$	失速约束
$C 5$	爬坡约束
$C 6$	机载

表2 常见约束问题一览表

Table 2 Common constraint problems

约束编号	约束描述
$C 1$	威胁区约束
$C 2$	航速约束
$C 3$	转弯半径约束
$C 4$	失速约束
$C 5$	爬坡约束
$C 6$	机载

表3 常用无人机路径规划算法对比

Table 3 Comparison of commonly used UAV path planning algorithms

约束编号	特点	优势	不足
A*算法	一种启发式空间搜索算法，它通过引入启发式函数来指导搜索方向，能够较快地找到最短路径	搜索效率高，在已知环境中能快速规划出最优路径路径平滑，适合无人机等需要稳定飞行的平台	对于动态环境适应性较差在处理复杂障碍物时，可能需要较高的计算资源
最短切线法	应用切线定理计算移动物体到障碍物所在圆区的切线长，选择绕过障碍物的最佳切线路径	实时避障：实时计算出避开障碍物的最优路径，确保移动过程安全有效计算效率：其计算过程相对直观且高效扩展性：可以作为一种基础算法进行扩展和优化，以适应更复杂的环境和需求	边界处理：计算切线路径时，可能需要额外的边界判断来防止移动物体超出预定的区域或边界，这增加了算法的复杂性和计算成本障碍物的形状和大小限制：通常假设障碍物为圆形区域未考虑全局最优性：无法保证找到全局最优路径
遗传算法	生物进化过程的优化算法，通过不断迭代优化路径	适用于全局优化问题，能够找到全局最优解或近似最优解可以处理复杂约束条件，如无人机的机动性能限制	计算量大，收敛速度较慢对于动态环境的适应性有限，需要定期重新规划路径
RRT快速搜索随机树算法	基于采样的路径规划算法，不需要对任务区域预处理，搜索树能快速朝着未知区域搜索。	对未知环境适应性强，能够快速探索并找到可行路径适用于动态环境，能够实时响应飞行器位置或速度的变化	生成的路径可能不够平滑，需要进行后处理在障碍物密集的环境中，可能产生大量的采样无效点，导致规划时间增加
基于深度强化学习算法的无人机智能规避决策	学习历史数据中的避障策略和飞行模式，使无人机自主选择安全的飞行路径。	适用于复杂动态的空战环境，能够实时学习和适应新的威胁模式具有较高的避障成功率和存活率	需要大量的训练数据和计算资源算法的稳定性和泛化能力需要进一步验证

表3 常用无人机路径规划算法对比

Table 3 Comparison of commonly used UAV path planning algorithms

约束编号	特点	优势	不足
A*算法	一种启发式空间搜索算法，它通过引入启发式函数来指导搜索方向，能够较快地找到最短路径	搜索效率高，在已知环境中能快速规划出最优路径路径平滑，适合无人机等需要稳定飞行的平台	对于动态环境适应性较差在处理复杂障碍物时，可能需要较高的计算资源
最短切线法	应用切线定理计算移动物体到障碍物所在圆区的切线长，选择绕过障碍物的最佳切线路径	实时避障：实时计算出避开障碍物的最优路径，确保移动过程安全有效计算效率：其计算过程相对直观且高效扩展性：可以作为一种基础算法进行扩展和优化，以适应更复杂的环境和需求	边界处理：计算切线路径时，可能需要额外的边界判断来防止移动物体超出预定的区域或边界，这增加了算法的复杂性和计算成本障碍物的形状和大小限制：通常假设障碍物为圆形区域未考虑全局最优性：无法保证找到全局最优路径
遗传算法	生物进化过程的优化算法，通过不断迭代优化路径	适用于全局优化问题，能够找到全局最优解或近似最优解可以处理复杂约束条件，如无人机的机动性能限制	计算量大，收敛速度较慢对于动态环境的适应性有限，需要定期重新规划路径
RRT快速搜索随机树算法	基于采样的路径规划算法，不需要对任务区域预处理，搜索树能快速朝着未知区域搜索。	对未知环境适应性强，能够快速探索并找到可行路径适用于动态环境，能够实时响应飞行器位置或速度的变化	生成的路径可能不够平滑，需要进行后处理在障碍物密集的环境中，可能产生大量的采样无效点，导致规划时间增加
基于深度强化学习算法的无人机智能规避决策	学习历史数据中的避障策略和飞行模式，使无人机自主选择安全的飞行路径。	适用于复杂动态的空战环境，能够实时学习和适应新的威胁模式具有较高的避障成功率和存活率	需要大量的训练数据和计算资源算法的稳定性和泛化能力需要进一步验证

图7 威胁窗口区的螺旋变速机动示意图

Fig. 7 Schematic diagram of spiral variable speed maneuver in the threat window area

图8 面向服务的智能边缘指控体系架构

Fig. 8 Service-oriented intelligent edge control system architecture

参考文献 28

[1]	罗俊海，王芝燕. 无人机探测与对抗技术发展及应用综述［J］. 控制与决策， 2022， 37（3）： 530-544.
	LUO Junhai， WANG Zhiyan. A Review of Development and Application of UAV Detection and Counter Technology［J］. Control and Decision， 2022， 37（3）： 530-544.
[2]	薛德鑫，单涛，徐宁骏，等. 军用作战无人机未来发展研究［J］. 指挥控制与仿真， 2022， 44（6）： 1-6.
	XUE Dexin， SHAN Tao， XU Ningjun， et al. Research on the Future Development of Military Combat UAV［J］. Command Control & Simulation， 2022， 44（6）： 1-6.
[3]	韩子硕，范喜全，郝齐. 国内外无人机系统研究进展及应用［J］. 无线电工程， 2024， 54（5）： 1236-1246.
	HAN Zishuo， FAN Xiquan， HAO Qi. Research Progress and Applications of UAV Systems at Home and Abroad［J］. Radio Engineering， 2024， 54（5）： 1236-1246.
[4]	范会兵，果金龙，罗广文. 无人机部队重度参与军事武装力量构建国外军用无人机发展现状［J］. 轻兵器， 2022（9）： 28-31.
	FAN Huibing， GUO Jinlong， LUO Guangwen. Heavy Participation of Drone Troops in the Construction of Military Armed Forces-Current Development Status of Foreign Military Drones［J］. Small Arms， 2022（9）： 28-31.
[5]	李晓阳. 美国陆军战术无人机建设发展研究［J］. 兵工自动化， 2023， 42（1）： 82-85.
	LI Xiaoyang. Research on Construction and Development of US Army Tactical UAV［J］. Ordnance Industry Automation， 2023， 42（1）： 82-85.
[6]	刘箴，吴馨远，许洁心. 无人机集群作战系统的新发展及趋势分析［J］. 弹箭与制导学报， 2022， 42（6）： 32-45.
	LIU Zhen， WU Xinyuan， XU Jiexin. New Development and Trend Analysis of UAV Swarming Operation System［J］. Journal of Projectiles， Rockets， Missiles and Guidance， 2022， 42（6）： 32-45.
[7]	操羿，黎静，张永新，等. 俄乌冲突中FPV攻击无人机攻防运用初探［J］. 中国军转民， 2024（11）： 20-22.
	CAO Yi， LI Jing， ZHANG Yongxin， et al. Preliminary Study on the Application of FPV Attacking UAV in the Russia-Ukraine Conflict［J］. Defence Industry Conversion in China， 2024（11）： 20-22.
[8]	罗广文，果金龙，范会兵. 集中爆发、多有突破：我国无人机发展概况［J］. 轻兵器， 2022（9）： 24-27.
	LUO Guangwen， GUO Jinlong， FAN Huibing. Concentrated Outbreak and Multiple Breakthroughs： Overview of the Development of Unmanned Aerial Vehicles in China［J］. Small Arms， 2022（9）： 24-27.
[9]	SARANOVIC D， PAVLOVSKI M， POWER W， et al. Interception of Automated Adversarial Drone Swarms in Partially Observed Environments［J］. Integrated Computer-Aided Engineering， 2021， 28（4）： 335-348.
[10]	MAGOULIANITIS V， ATALOGLOU D， DIMOU A， et al. Does Deep Super-Resolution Enhance UAV Detection？［C］∥2019 16th IEEE International Conference on Advanced Video and Signal Based Surveillance （AVSS）. Piscataway： IEEE， 2019： 1-6.
[11]	温卓漫，陈长泳，张雁平，等. 军用无人机反制技术综述［J］. 电子信息对抗技术， 2022， 37（1）： 21-26， 40.
	WEN Zhuoman， CHEN Changyong， ZHANG Yanping， et al. Review of Military Unmanned Aircraft Systems Countermeasures Technology［J］. Electronic Information Warfare Technology， 2022， 37（1）： 21-26， 40.
[12]	高新栋，杨梅枝. 以色列反无人机系统发展现状及趋势［J］. 飞航导弹， 2021（11）： 19-24.
	GAO Xindong， YANG Meizhi. Current Status and Trends of Israel's Anti UAV System Development［J］. Aerodynamic Missile Journal， 2021（11）： 19-24.
[13]	束哲，刘芳，徐海洋，等. 国外反无人机装备发展态势及启示［J］. 国防科技， 2024， 45（4）： 43-53.
	SHU Zhe， LIU Fang， XU Haiyang， et al. Development Trends and Inspirations of Anti-UAV Equipment Overseas［J］. National Defense Technology， 2024， 45（4）： 43-53.
[14]	BAHADUR P S. Review on LASER and Its Application in Diverse Defence Field［J］. International Journal for Modern Trends in Science and Technology， 2018， 4（12）： 8-12.
[15]	FORTUNE D， NITSCH H， MARKARIAN G， et al. Counter-Unmanned Aerial Vehicle Systems： Technical， Training， and Regulatory Challenges［M］∥MARKARIAN G， KARLOVIĆ R， NITSCH H， et al. Security Technologies and Social Implications. Piscataway： IEEE， 2022： 122-148.
[16]	刘伟，张琳，王代强，等. 激光武器反无人机集群作战运用及关键技术［J］. 航空学报， 2024， 45（12）： 239-253.
	LIU Wei， ZHANG Lin， WANG Daiqiang， et al. Application and Key Technologies of Laser Weapons in Anti-UAV Swarm Operations［J］. Acta Aeronautica et Astronautica Sinica， 2024， 45（12）： 239-253.
[17]	XIN Bin， WANG Yipeng， CHEN Jie. An Efficient Marginal-Return-Based Constructive Heuristic to Solve the Sensor-Weapon-Target Assignment Problem［J］. IEEE Transactions on Systems， Man， and Cybernetics： Systems， 2019， 49（12）： 2536-2547.
[18]	CHANG Tianqing， KONG Depeng， HAO Na， et al. Solving the Dynamic Weapon Target Assignment Problem by an Improved Artificial Bee Colony Algorithm with Heuristic Factor Initialization［J］. Applied Soft Computing， 2018， 70： 845-863.
[19]	EDWARDS D M. Simulated Laser Weapon System Decision Support to Combat Drone Swarms with Machine Learning［D］. Monterey： Naval Postgraduate School， 2021.
[20]	OSINGA F. ‘Getting’ A Discourse on Winning and Losing： A Primer on Boyd's ‘Theory of Intellectual Evolution’［J］. Contemporary Security Policy， 2013， 34（3）： 603-624.
[21]	徐爽. 面向多任务的作战体系结构智能构建技术研究［D］. 南京：南京大学， 2021.
	XU Shuang. Research on Intelligent Construction Technology of Multi-mission Combat Architecture［D］. Nanjing： Nanjing University， 2021.
[22]	邓梦婷. 基于OODA环的区域防空反导作战建模与效能评估［D］. 武汉：华中科技大学， 2020.
	DENG Mengting. Modeling and Effectiveness Evaluation of Regional Air Defense and Anti-missile Operations Based on OODA Loop［D］. Wuhan： Huazhong University of Science & Technology， 2020.
[23]	何文彪，胡永江，李文广. 面向无人机航路的优化算法研究综述［J］. 现代防御技术， 2024， 52（4）： 24-32.
	HE Wenbiao， HU Yongjiang， LI Wenguang. Review of Optimization Algorithms for UAV Routes［J］. Modern Defence Technology， 2024， 52（4）： 24-32.
[24]	曹江，高岚岚. 互操作、互理解、互遵循—军事信息系统的新型能力目标与评估模型［J］. 指挥与控制学报， 2015， 1（1）： 41-45.
	CAO Jiang， GAO Lanlan. Interoperable， Understandable， Compliant the Novel Capability Goal and Evaluation Model for Military Information System［J］. Journal of Command and Control， 2015， 1（1）： 41-45.
[25]	中国人民解放军总装备部. 军事信息系统互操作性等级与评估：［S］. 北京：中国人民解放军总装备部， 2015： 1-13.
	144A-2015 G. Levels and Assessment of Interoperability for Military Information System：［S］. Beijing： General Equipment Department of the Chinese People's Liberation Army， 2015： 1-13.
[26]	林波，黄今辉，尹峻松. 一种分布式智能指挥控制体系架构［J］. 指挥与控制学报， 2023， 9（4）： 425-432.
	LIN Bo， HUANG Jinhui， YIN Junsong. An Architecture on Distributed Intelligent Command and Control System［J］. Journal of Command and Control， 2023， 9（4）： 425-432.
[27]	刘兆鹏，司光亚，柳少军，等. 面向仿真推演的异构系统互操作方法［J］. 指挥与控制学报， 2019， 5（1）： 18-24.
	LIU Zhaopeng， SI Guangya， LIU Shaojun， et al. The Interoperability Research of Heterogeneous Systems in Wargaming［J］. Journal of Command and Control， 2019， 5（1）： 18-24.
[28]	ETSI. Satellite Earth Stations and Systems （SES）； Broadband Satellite Multimedia （）； Common Air Interface Specification； Satellite Independent Service Access Point （SI-SAP） Interface： Primitives： ETSI TS 102 357 V1.2.1［S］. Nice： ETSI， 2015： 9-23.