无线电工程

Radio Engineering
ISSN 1003-3106,CN 13-1097/TN

《无线电工程》网络首发论文

题目： 国内外无人机系统研究进展及应用
作者： 韩子硕，范喜全，郝齐
网络首发日期： 2023-09-06
引用格式： 韩子硕，范喜全，郝齐．国内外无人机系统研究进展及应用[J/OL]．无线电工
程. https://link.cnki.net/urlid/13.1097.TN.20230906.1118.006

网络首发：在编辑部工作流程中，稿件从录用到出版要经历录用定稿、排版定稿、整期汇编定稿等阶
段。录用定稿指内容已经确定，且通过同行评议、主编终审同意刊用的稿件。排版定稿指录用定稿按照期
刊特定版式（包括网络呈现版式）排版后的稿件，可暂不确定出版年、卷、期和页码。整期汇编定稿指出
版年、卷、期、页码均已确定的印刷或数字出版的整期汇编稿件。录用定稿网络首发稿件内容必须符合《出
版管理条例》和《期刊出版管理规定》的有关规定；学术研究成果具有创新性、科学性和先进性，符合编
辑部对刊文的录用要求，不存在学术不端行为及其他侵权行为；稿件内容应基本符合国家有关书刊编辑、
出版的技术标准，正确使用和统一规范语言文字、符号、数字、外文字母、法定计量单位及地图标注等。
为确保录用定稿网络首发的严肃性，录用定稿一经发布，不得修改论文题目、作者、机构名称和学术内容，
只可基于编辑规范进行少量文字的修改。
出版确认：纸质期刊编辑部通过与《中国学术期刊（光盘版）》电子杂志社有限公司签约，在《中国
学术期刊（网络版）》出版传播平台上创办与纸质期刊内容一致的网络版，以单篇或整期出版形式，在印刷
出版之前刊发论文的录用定稿、排版定稿、整期汇编定稿。因为《中国学术期刊（网络版）》是国家新闻出
版广电总局批准的网络连续型出版物（ISSN 2096-4188，CN 11-6037/Z），所以签约期刊的网络版上网络首
发论文视为正式出版。
网络首发时间：2023-09-06 13:57:35
网络首发地址：https://link.cnki.net/urlid/13.1097.TN.20230906.1118.006

国内外无人机系统研究进展及应用
韩子硕，范喜全，郝齐
（中国人民解放军 32398 部队，北京 100192）

摘 要 随着人工智能和无人机技术的深度融合，无人机已成为现代战争中的一把利器，各大军事强国均在竞相研发，
力求在未来战争中占据制高点。本文概述了美国、中国、俄罗斯、英国、以色列等军事强国正在发展的无人机系统现状，总
结了其最新研究进展和典型成果；在此基础上，从 6 个不同方面介绍了无人机系统作战所需的关键技术，并结合近年多场局
部冲突中的无人机实战应用，梳理了其典型应用场景。旨在为无人机技术发展以及应用落地提供参考。
关键词 无人机系统；自主决策；路径规划；协同控制
中图分类号：V279 文献标识码：A 开放科学(资源服务)标识码(OSID):

Research progress and applications of UAV Systems at Home and Abroad

HAN Zishuo, FAN Xiquan, HAO Qi
(Unit 32398, PLA, Beijing 100192, China)

Abstract: With the deep integration of artificial intelligence and unmanned aerial vehicle (UAV) technology, UAV systems
have become a sharp weapon in modern warfare. Major military powers are actively developing UAV systems, striving to occupy
the commanding heights in future wars. This article outlines the current state of UAV systems being developed by military powers
such as the United States, China, Russia, the United Kingdom, and Israel, summarizes their latest research progress and typical
achievements. Based on this, the key technologies required for UAV systems in combat are introduced from six levels and the
typical combat scenarios are summarized based on the practical application of UAV in multiple local conflicts in recent years. The
aim is to provide references for the development and practical application of UAV technology.
Keywords: unmanned aerial vehicle systems; independent decision-making; path planning; collaborative control

0 引言 1 国内外无人机系统发展概况
近年来，随着仿生智能、机器学习等信息技术
1.1 美国
以及复合材料、电子集成等制造技术的迅速发展与
在强大作战需求牵引下，美国一直致力于发展
深度融合，无人机（Unmanned aerial vehicle, UAV）
军用无人机系统，且长期占据领先地位。近年来，
系统逐步向“巧、精、能、群”方向发展的同时，
美军通过不断加强该领域顶层设计，从多个角度、
呈现出更强的自主性（即任务和运动规划能力）以
多个层次同步开展了多个项目研究，具有代表性的
及更高的智能化水平（即决策和推理能力），已逐
项目如表 1 所示。整体来看，这些项目涵盖了战法
渐从“战场配角”发展成担负更多作战任务的“作
创新、关键技术攻关、演示验证试验等多个方面，
战主体”。军用无人机已在中东战争、海湾战争、
在功能上相互独立、各有侧重，在体系上相互衔接、
叙利亚战争、纳卡冲突、俄乌冲突等多场军事战争
互为补充，正努力实现无人机装备系列化、应用多
中崭露头角，并对作战进程产生愈发深远的影响。
样 化 的 目 标[2]。 其 中 ， 以 拒 止 环 境 协 同 作 战
当前，随着现代战争向全域多维、无人化、智
（Collaborative operations in denied environments,
能化协同作战形态进行扩展[1]，世界各大军事强国
CODE）项目、小精灵（Gremlins）项目、忠诚僚
均在加大力度寻求利用人工智能、自主协同、韧性
机项目、进攻性蜂群使能战术（OFFensive swarm-
组网等关键技术推进无人机系统项目的开发与研制，
enabled tactics, OFFSET）项目、小型单元机动人工
从而令其在未来战争中取得非对称技术优势。分析
智 能 （Artificial intelligence small unit mobility,
研究这些项目的研究路径、典型成果、关键技术和
AISUM）项目、天空博格（Skyborg）项目和远射
应用场景，对于厘清无人机作战的基本概念，明晰
（LongShot）项目最为典型。
这一作战样式的发展方向和路径都具有重要的借鉴
意义。
 表 1 美军典型无人机平台项目
Tab. 1 Typical UAV projects of US army
项目名称 平台及特点 作战任务 主管部门 提出时间
RQ-23A“虎鲨”无人机，翼展
拒止环境协 6.6m，最大起飞重量 234kg，载荷能 集群攻击：100 架次以上，模块化软件提升 国防预先研
2014 年
同作战 力 43kg，续航时间 8～10h，速度 无人机蜂群自主性。 究计划局
148km/h。
翼展 3.5m，最大起飞重量 680.4kg， 诱骗干扰型：侦察监视、电子攻击，压制和 国防预先研
小精灵 2015 年
载荷能力 66kg，速度 735km/h。 摧毁敌防空力量。 究计划局
机长约 11.7m，航程达 3700km，机载 侦察打击型：配合有人机作战，提供战术预
忠诚僚机 空军 2015 年
电子战系统和各类传感器。 警、火力和信息支援。
进攻性蜂群 渗透打击型：提供重要的态势感知信息，提 国防预先研
商用多旋翼无人机和无人车。 2017 年
使能战术 高地面部队在城市环境中的作战效能。 究计划局
人工智能，开放系统架构，模块系 低成本可消耗的智能无人机与有人机配合执
天空博格 空军 2018 年
统。 行任务。
小型单元机 能够在动态、非结构化和复杂环境中 侦察补给型：减少士兵体力和认知工作负
陆军 2020 年
动人工智能 自主操作，可提供 360°态势感知。 荷，促进跨域火力和机动，加强部队保护。
中型空射无人机，能够发射多型空对 渗透打击型：抵近战场，有效缩短攻击距 国防预先研
远射 2021 年
空武器。 离，实施近距离对空打击。 究计划局
1.1.1 拒止环境协同作战项目 当前最为典型的有人-无人机协同作战项目，如图
CODE 项 目 由 美 国 国 防 预 先 研 究 计 划 局 1(c)所示。据悉，AFRL 于 2023 年 1 月公布的 XQ-
（Defense advanced research projects agency, DARPA） 58A“女武神”隐身无人机，已初步具备与 F-22、
于 2014 年宣布并启动，如图 1(a)所示。该项目的 F-35 等有人战机联合编队能力，并可协同实施隐身
核心目标是着眼于拒止环境下的作战对抗，利用人 突防。
工智能算法和模块化软件，实现多型号、多架次无 美空军 Skyborg 项目寻求开发一种基于人工智
人机之间的自主协同控制，强化无人机在侦察、打 能算法的自主控制系统（Automatic control system,
击、通信和导航等不同应用样式条件下的自主作战 ACS），而 ACS 将成为忠诚僚机项目的“大脑”，
能力和环境适应能力。2019 年 2 月该项目取得重大 使无人机能够自主执行复杂的作战任务，并与有人
进 展 ， 在 通 信 中 断 和 全 球 定 位 系 统 （Global 机实现协同作战。ACS 系统在 2021 年至少进行了
positioning system, GPS） 拒 止 条 件 下 ，6 架 装 备 三次试飞，完成了预定测试目标，无人机自主控制
CODE 软件的真实无人机和 14 架虚拟无人机成功 能力得到初步验证。此外，AFRL 还提出了“机外
完成了预定任务。 传感站”无人忠诚僚机计划，预计于 2024 年开展
1.1.2 小精灵项目 飞行试验，2026 年开展“机外武器战”飞行试验，
在国防预算有限的大环境下 ，2015 年 9 月 2028 年开展“机外预警站”飞行试验。
DARPA 主导启动了小精灵项目，寻求强对抗环境 1.1.4 进攻性蜂群使能战术项目
下低成本小型无人机集群创新技术及系统解决方案， OFFSET 项目是 DARPA 在 2017 年 1 月提出的
其重难点为设计低成本、可重复使用的“小精灵” 一项研究计划，旨在开发一套由小型无人机系统和
无人机以及机载型无人机发射回收设备。该项目旨 /或小型无人地面车辆系统组成的“蜂群战术”系
在实现通过 C-130 运输机、B-52/B-1 轰炸机等平台 统，以支持美军小规模地面部队在建筑林立、道路
空中发射无人机蜂群，令其与其他有人平台协同执 复杂的城市环境下执行作战任务。该项目自启动以
行作战任务，完成任务后最大限度回收无人机。 来，共进行了 6 次“蜂群冲刺”实地试验，主要聚
2021 年 10 月，该项目在第四次飞行试验中，首次 焦于以下 5 个领域：蜂群战术、蜂群自主性、人-
空中回收小精灵无人机试验成功，如图 1(b)所示， 蜂群编队、虚拟环境以及物理测试平台。2021 年
迈出实现无人机蜂群韧性灵活作战关键一步，对未 12 月，OFFSET 项目在卡西迪联合武器集体训练设
来实现分布式空中作战至关重要。2022 至 2024 年 施完成了第六次城市突袭现场试验，如图 1(d)所示，
小精灵项目进入第四阶段，预期整合机载自动辅助 验证了智能作战体系集成技术在未来作战中的可用
决策系统、编队自主协作系统和任务载荷，进一步 性。目前，该项目即将结合美陆军远征试验进行战
拓展作战能力。 术演练。
1.1.3 忠诚僚机项目 1.1.5 小型单元机动人工智能项目
忠 诚 僚 机 项 目 由 美 国 空 军 研 究 实 验 室 （Air AISUM 项目寻求开发可在小型机动作战单元
force research laboratory, AFRL）于 2015 年启动， 上部署的智能云系统，可实现将操作人员命令直接
旨在将第四代战机进行无人驾驶改装，并将其与第 转换为无人装备指令，将各类侦察信息进行云融合
五代战机配对，发挥各自优势，实现协同作战，是 处理后实现自主控制无人装备，从而降低作战人员
操作难度，减少对数据链的依赖，提高基层作战单 2020 年 10 月 21 日，英国 Blue Bear 系统公司
元决策速度。该系统能够在动态、非结构化和复杂 将自研的可即插即用的开放式智能架构搭载到 20
环境中自主操作，为作战人员提供 360°态势感知， 架固定翼无人机上进行试验，完成了对无人机集群
使其能够通过自主无人机协作系统应对威胁。该项 超视距飞行和多机智能协作等蜂群无人机最新技术
目原型机包括 Nova2 无人机和 X2D 无人机，如图 的验证。2021 年 1 月，英国国防科学技术实验室宣
5 所示。2022 年 5 月，AISUM 项目进行了首次测 布大规模蜂群无人机竞赛圆满完成，标志着蜂群无
试，如图 1(e)所示，检验了单个作战人员操作多架 人机作战效能提升项目实现既定目标；同时英国国
小型无人机的协同能力。该项目预期于 2028 年将 防部与北爱尔兰 Spirit AeroSystems 公司签订了忠诚
小型无人机系统充分纳入有人-无人体系，2035 年 僚机研制、设计和制造合同。同年 10 月，英国皇
实现编队现代化，以支持多域作战部队的全面作战。 家空军蜂群无人机试验项目针对多型载荷和通信系
1.1.6 远射项目 统开展了新一轮测试。此外，据无人系统视界网
DARPA 在 2021 年 2 月宣布了一项称为“远射” 2023 年 3 月 16 日报道，翼伞无人机（Stork STM）
的新空射无人机发展项目，如图 1(f)所示。该项目 已被选中参加第二阶段皇家海军无人系统重型起重
旨在开发一款由有人机挂载和投射的可携带空空导 挑战赛，其在后勤补给方面具备巨大潜力，下一步
弹的空射无人机，它能够发射多型空对空武器，可 有可能列装军队。
以显著扩大美空军作战范围、提升任务效能，并降 1.2.2 以色列
低有人机风险。目前，DARPA 已将远射项目第一 以色列是仅次于美国的无人机装备研发大国，
阶段初步设计工作合同授予通用原子、洛克希德• 无论是技术开发还是作战运用均成果显著，其无人
马丁和诺斯罗普•格鲁曼三家公司，承包商将在接 机产业已经发展成为国家经济和安全战略的一部分。
下来的几年内开展项目第一阶段的论证和研发工作， 目前，以色列生产的无人机主要型号有“云雀”
预期在 2050 年后列装部队。 “竞技神”“赫尔墨斯”“哈比”“苍鹭”等，这些
无人机经受了两次中东战争的检验，享有很高的声
誉和市场竞争力，已出口至多个国家和地区。2021
年 5 月，以色列军队使用由人工智能控制的小型无
人机蜂群来定位、识别和攻击哈马斯武装分子，这
被视作是世界首次将无人机蜂群用于作战。
1.2.3 德国
2021 年 11 月，德国宣布启动名为“鬼把戏”
（GhostPlay）的技术开发项目，旨在开发无人机蜂
群战术级人工智能快速决策系统，重点研究人工智
能如何加速和实施军事行动决策，以及由此带来的
有利条件和行动风险，整个项目为期 3 年，预计
2024 年底完成。除此之外，德国还在为北约研制中
空长航时无人机 EuroMale，和美国合作开发“欧
洲鹰”高高空长航时无人机。
1.2.4 俄罗斯
身为航空强国的俄罗斯早早意识到了无人机作
图 1 美军开展的典型无人机项目 战的巨大潜力，并在陆、海、空三军部署了大量无
Fig.1 Typical UAV projects launched by the US army 人机装备。在此次俄乌冲突中，俄军动用的无人机
1.2 欧洲国家 有“海雕-10”“海雕-30”“前哨-R”“猎户座”“扎
受美国无人机技术快速发展影响，欧洲近年来 拉•基布”等，主要执行侦察监视、空中打击、火
也不甘示弱，合力开展了欧洲无人机（Eurodrone） 力校射、反渗透/破坏等任务。此外据有关报道，
项目、自主学习无人机群（SEAD Swarm）项目、 俄军工企业 2021 年正在为俄空天军研发一款由机
隐身无人战机“神经元”项目等多个项目。同时， 载平台发射的“闪电”无人机蜂群系统，可执行压
英国、以色列、俄国、德国也均在稳步推进各自的 制敌方防空系统、打击敌方地面力量以及情报侦察
无人机项目研发计划。 监视等任务；另外，俄罗斯 Sukhoi 公司研制的
1.2.1 英国 “猎手”无人机采用了与苏-57 同样的“飞行翅”
技术，能够超音速自主飞行至敌方区域执行搜索和 印度近年来正在加快推进无人机战力发展。
侦察任务。 2020 年 8 月，启动了“战斗空中协作系统”（CATS）
图 2 展示了欧洲国家典型无人机系统。 项目。2021 年 1 月，首次展示了由 75 架小型无人
机组成无人机蜂群，并演示了远程投送和火力打击
等任务。2022 年 3 月，印军斥资 30 亿美元自美国
采购了 10 架 MQ-9B 无人机。
2022 年 9 月，土耳其贝卡公司战斗无人飞行器
系统项目研制的“红苹果”喷气式超音速隐身无人
战斗机完成首次起飞实验。2023 年 3 月，航空航天
工业公司公布了一款已交付土耳其空军的新型无人
作战飞机 Anka 3，其配备了先进的通信和传感器系
统、高精度导航和自主飞行控制系统，能够在高度
恶劣环境下执行任务。同月，新型多用途无人机
Azab kamikaze 已通过所有飞行测试，并预计将于
今年第三季度末完成弹药测试。

2 无人机系统关键技术
在科技创新和作战需求推动下，无人机系统逐
渐向智能化、自主化和集群化方向发展，但因其受
自身软、硬件条件限制，在实际应用中仍存在一定
局限性，无人机各项技术亟待突破。研究表明，基
图 2 欧洲国家典型无人机系统 于层次结构的技术框架可有效降低无人机任务的复
Fig.2 Typical UAV systems in European countries 杂度，提升执行任务效率[7]。下面，本文从智能感
1.3 中国 知、网络通信、导航定位、自主决策、路径规划、
相对于其他军事强国，我国无人机系统研究起 协同控制六个层级对无人机系统关键技术进行总结
步稍晚，但在近几年多场局部冲突和国际无人系统 介绍，技术框架及层级关系如图 3 所示。
发展大趋势推动下，国内已高度认识到了发展无人 2.1 智能感知技术
机系统的重要意义和潜力，并将其作为技术与装备 在复杂、高动态、强对抗的任务环境下，无人
的前沿研究课题予以了足够的重视，已开展了不少 机无论是执行搜索侦察、跟踪监视等侦测任务，还
研究工作，目前整体上处于无人机技术快速发展的 是执行火力打击、战斗支援等作战任务，均需要实
起始阶段。2016 年我国中电科和清华大学等共同完 时对外部环境进行探测和识别，信息融合及估计，
成 67 架固定翼无人机编队飞行[3]；2017 年我国完 态势感知、理解与共享，以获取完整、清晰、准确
成 200 架固定翼无人机蜂群测试，连续两次刷新美 的信息。如同人类“视觉、听觉、嗅觉”一般，智
国无人机集群飞行规模[4]。北京航空航天大学研究 能感知是无人机完成一切任务的基础。随着探测技
的油动固定翼无人机和双关节大鸟型扑翼无人机分 术的迅速发展，无人机可搭载昼夜光电传感器、机
别于 2021 年与 2022 年连续两年创最长续航时间世 载雷达、高清数码相机、红外传感器、多光谱传感
界纪录[5,6]。除此之外，多家高校和科研机构还围 器等多样侦察设备。大多学者认为无人机智能感知
绕无人机系统自主编队与重构、自主感知与信息共 技术的发展方向为多源信息融合感知技术以及复杂
享、路径实时规划、智能协同控制等技术开展了相 环境目标识别与态势理解技术。
关研究。 研究表明，单一传感器对周边环境的认知是片
1.4 其他地区 面不深入的，而对多个传感器的数据进行多层次、
2022 年 12 月底“朝鲜无人机越境”事件发生 多级别和全方位的综合处理，不仅可以弥补单传感
后，韩国进一步加快推进无人机攻防能力发展，加 器存在的固有缺陷，还能为观测者提供更全面、更
速研发“鳐鱼-X”等中小型隐形无人机，通过搭载 准确的环境描述[8]。因为各种传感器获取任务场景
人工智能设备实现无人-有人战斗机协同作战。此 的信息类别不同、特性不一，如高清数码相机捕获
外，还计划在 2027 年前为韩国武装部队增购 1000 反射光、红外传感器捕获热辐射、雷达捕获电磁波，
架无人机。 通过多源信息融合将这些不同特性的传感器信息、
 2）多信道调度技术。多架无人机同时使用相同的
通信信道会造成信道拥塞和干扰，因此需要研究多
信道调度技术，根据无人机的任务需求和网络拓扑
调度不同的通信信道。3）跨域网络通信。为建立
稳定可靠的网络还需研究跨域网络通信技术，通过
中间节点实现不同无人机之间的通信和不同子网之
间的无缝切换和数据传输。4）数据聚合和处理技
术。无人机执行任务期间要进行大量的数据传输和
处理，需要具备高效的数据聚合和处理技术，以优
化数据传输和处理效率。5）自组网技术。无人机
集群需要实现自主组织网络、自主调整网络拓扑和
通信参数，以满足集群数量变化或任务变更重构，
这就要求网络通信层在建立连接时具备“智能化”，
即具备无中心自组织的智能组网特性。
在网络通信方面，ALAM 在文献[17]中详细分
析了无人机集群协同控制与网络拓扑关系，并从底
图 3 无人机系统关键技术及层级关系 层数学模型入手对拓扑控制技术进行了深入研究；
Fig.3 Key technologies and hierarchical relationships of UAV CHEN 等在文献[18]中从单分组集群、多分组集群、
systems 多层次集群三个层次介绍了无人机集群网络通信架
测量数据以及统计数据进行融合处理、互相补充， 构，并对多信道调度和网络跨域通信技术进行了详
即可以得到场景的一致性描述或解释[9]。HE 在文 解；张雅楠等在文献[19]中提出了一种基于深度强
献[10]中通过合理提取和融合多平台数据，并生成 化学习的无人机可信地理位置路由协议，能够智能
定制化目标信息，为最终决策提供有力支撑； 完成路由决策，解决了包含异常节点的无人机自组
ZHANG 等在文献[11]中提出了一种多源信息融合 网。
策略，通过组合多个信息源互补数据提升决策、预 2.3 自主导航定位技术
测和分类任务的准确性。 导航定位系统是无人机不可或缺的基础组件，
利用无人机对未知区域进行目标探测、识别和 主要任务是提供无人机当前姿态、速度和位置信息，
持续监视，是一种低成本、有前景的反恐、灾难监 在此基础上才能前出执行相关任务。导航系统一般
测和战场态势感知应用。其主要任务就是利用人工 由惯性测量单元、全球卫星定位系统、电子磁罗盘
智能技术对各传感器搜集的敌方区域数据信息进行 等组成，此外还可根据实地环境的复杂情况，辅以
分析处理，运用智能算法结合态势信息和理论逻辑， 视觉模块或搭载先验空间位置图与物理信息传感器
对敌方各类目标进行自主智能检测、识别和跟踪， 等。梳理近年来的无人机自主导航定位技术相关研
从而辅助决策层提升系统对态势分析的精确度。对 究，主要有以下几种方法：1）基于惯性/卫星深度
此，文献[12-13]利用深度学习方法实现了基于红外 信息融合的导航定位技术。该技术主要依靠无人机
与可见光融合的无人机航拍图像目标检测，提升了 自身携带的惯性测量单元对其自身飞行状态进行实
检测效能；文献[14-15]实现了基于毫米波雷达数据 时监测，同时利用卫星导航系统收集星位及其观测
和视觉图像融合的无人机航拍目标检测与跟踪。 值，并将两者融合一体形成优势互补，实现无人机
2.2 网络通信技术 精准导航与定位。2）基于惯性/天文信息融合的导
无人机集群作战是未来战场的一大应用，集群 航定位技术。该技术是一种通过同时使用惯性测量
通信是提升作战效能的关键技术。网络通信必须满 信息和星空导航系统（例如，全天星座导航系统、
足地面站与单机、单机与单机、多机与多机、编队 天文测量仪等）中的天文信息实现无人机导航定位
与编队之间的实时信息交互[16]。因此，无人机系统 的技术。它即可以弥补惯性导航精度问题，也可
网络通信技术主要涉及以下几个方面：1）网络拓 以提高天文导航定位的鲁棒性。3）基于视觉跟踪
扑与协议设计。无人机集群需要实现无缝切换和冗 的导航技术。该技术是一种利用视觉信息进行导航
余备份，以确保通信可靠性和灵活性。集群中的无 和定位的技术。它利用机载高清相机或者其他视觉
人机需要根据任务需求自适应调整网络拓扑，同时 传感器来感知环境信息，并通过跟踪特定目标或地
需要基于实时性和可靠性考虑选择合适的通信协议。 标来确定自身位置和方向。与其他导航相比，视觉
导航是一种更加自主的导航方式，因为其不需要依
赖任何外部的基站、卫星等设施，从而具备更高的
灵活性和鲁棒性。4）地球物理辅助导航技术。该
技术是指利用地球物理领域的多种物理量传感器，
如磁力计、重力计、气压计、加速计等，采集无人
机周边环境的物理特征信息，并将其与预先搭载的
空间位置图相匹配，进而辅助完成精准位置定位和
导航。
在自主导航定位方面，LI 等在文献[20]中利用
低轨卫星信号建立瞬时多普勒定位数学模型，并辅
以惯性测量单元完成精确定位；ZHUANG 等在文
献[21]中重点分析了不同场景下的多源数据融合导
航定位算法，并从基于分析和学习两个方面详细讨
论了集成系统设计以及适用的应用场景；曲蕴杰在
文献[22]中针对小型无人机复杂环境下的导航定位
需求，深入研究了基于惯性、卫星和视觉的组合导
航定位方法，提升了无人机的实际使用性能；蒋中
青等在文献[23]中提出了一种利用射频识别和即时
定位与地图构建的多传感器融合精准导航定位算法，
可实现室内无人机精准定位。
2.4 自主决策技术
现代无人机作战以决策速度快、机动性高、态
势感知能力强、高鲁棒性等特点为核心，其中自主
决策技术既是无人机系统智能化的体现，也是实现
无人机集群作战优势的关键。从早期的统计决策[24]
和知识推理方法[25]，到基于模型的最优决策方法
[26]
，再到基于人工智能的方法[27]，人们对无人机
系统自主决策技术的探索越来越趋向于新型智能方
法。
无人机在高动态复杂环境下，需要时刻关注并
提取外部态势信息、导航定位信息以及网络交互信
息中的有效资源，并结合自身状态和任务安排为下
一时刻决策输出安全可靠的控制指令[28]。首先，将
收集到的输入信息进行预处理和特征提取，得到更
加准确、更具代表性的特征数据；然后，利用机器
学习、深度学习等智能技术，在所得数据基础上构
建适合各种任务的决策模型，并利用建立的数据库
进行学习；尔后，根据实时获取的环境信息，利用
建立的决策模型，自主生成控制指令实现自主决策
与控制；最后，根据实际运行情况，不断优化和改
进决策模型，提高决策精度和鲁棒性。
2.5 路径规划技术
路径变换是无人机最基本的行为，在高动态复
杂环境下，无人机根据不同的环境状况规划出一条
可行、可靠的轨迹是无人机实现智能飞行的关键。
路径规划层不仅要保证全局路径最优、完成任务时
间最短，还要考虑任务过程中避障及路径优化等局
部规划问题。
总体来说无人机路径规划技术主要包括以下几
个方面：1）地图数据处理。路径规划层首先需要
将机载传感器搜集的地图信息转换为可用的数据格
式，并将数据离散化和网格化处理，以便进行优化
计算。2）路径规划算法。无人机使用路径规划算
法，根据地图数据和任务需求，制定最佳的路径方
案 。 常 用 的 路 径 规 划 算 法 包 括 A-star 算 法[29]、
Dijkstra 算法[30]、RRT 算法[31]、D 算法[32]等。3）
约束条件处理。无人机需要考虑各种实际情况下的
约束条件，例如地形、障碍物、限制区域、禁飞区
域等等，以及集群的适应度函数、多机之间的复杂
约束条件和共同的优化目标。无人机必须跟随这些
规则约束，以保证飞行的安全性和有效性。对此，
TAKAHASHI 等在文献[33]中建立了无人机作业域
增广模糊模型，实现了多约束条件下的无人机集群
路径生成。4）实时路径调整。无人机在执行任务
时，需要实时地调整路径规划方案，以适应环境的
变化和任务的需求。例如，当无人机飞行过程中遇
到新的障碍物时，需要实时更新路径规划方案，以
保证无人机不会受到撞击或危险。LU 等在文献[34]
中提出了一种基于智能离散和连续搜索算法的星载
分布式轨迹规划框架，可有效灵活地完成路径规划
和调整。
2.6 协同控制技术
多架无人机协同执行任务是今后的必然趋势。
协同控制技术旨在实现“1+1>2”的目标，而要完
成对多架无人机（即集群）的控制，必须构建科学
的协同飞行规则，且要具备优异的编队控制技术和
集群软控制技术。1）协同飞行规则。无人机集群
协同飞行时，队形设计与保持是整个集群飞行任务
中需要解决的重要问题之一。科学合理的队形设计
以及高度、速度选取有利于节省无人机飞行的能量
消耗、延长飞行时间，同时还可提升飞行安全系数。
对此，赵创新等在文献[35]中以最小编队单元作为
空间基，通过队形组合实现编队飞行中的队形设计
与变换。2）编队控制技术。编队控制是提升无人
机集群任务场景适应能力以及应对突发事件、任务
变更等的关键。授予集群中少数无人机更多的信息
拥有权和更强的信息处理能力，并与其他无人机通
过局部信息交互来起到“领导者”的作用，从而以
编队控制促进集群控制。其次，根据任务要求在集
群中指定不同的编队执行不同的任务、分配不同的
工作负载，也是编队控制的主要任务。目前主要的
编队控制方法包括：基于行为、基于环境感知、基
于角色分配等编队控制方法[36]。3）集群软控制技
术。软控制方法是一种新兴有前景的控制方法，主
要思想是在不破坏集群内部个体规则和局部规则前 和通信系统进行攻击和破坏，从而使目标失去通信
提下，在现有集群框架中插入一个或多个外部可控 和数据链接，影响敌军指挥和控制系统的正常运作，
的个体节点，通过对这些节点实施外部干预和指令 例如反辐射无人机就主要用于在导弹突防前对敌方
调整，实现对整个集群的智能控制和优化[37]。此外， 的防空系统进行压制和打击，使敌方导弹控制雷达、
软控制方法还可以对集群中某些关键指标进行监测 反导雷达失效。
和反馈，向决策者提供实时的行动数据和状态信息。 火力硬打击主要任务包括对军事装备及设施实
施“定点清除”、对重要目标实施“斩首行动”以
3 无人机系统典型作战应用
及实施精确引导打击等。例如在纳卡冲突中，阿塞
根据当前军事科技发展趋势和近年无人机系统 拜疆综合运用多种型号无人机携带毁伤载荷攻击对
在战场中的应用实例可以预见，智能化、无人化装 手地面部队，在 24 小时内，摧毁亚美尼亚大量军
备将在未来战场中扮演越来越重要的角色，而无人 事设施和武器装备；俄乌冲突中，大量商用无人机
机作为智能化、自动化、无人化的集大成者，势必 经改装后携带现代武器、弹药对敌方单位实施非视
会迎来更加广泛的应用。 距实时打击；美国利用无人机击毙伊朗上将苏莱曼
3.1 情报侦察 尼，奇袭“基地”二号人物穆罕默德。图 5 展示了
情报信息获取一直是破解战争“迷雾”的关键 无人机执行火力打击的案例。
[38]
，也是把握战略机会、抢占战场优势、规避战争
风险的首要因素。军用无人机因具备速度快、体积
小、隐身性强、作战灵活等特点，在作战过程中具
有独特优势，可以作为情报侦察的“排头兵”。一
是可以克服人类生理极限和技术极限，在高寒缺氧、
气候恶劣、环境复杂的区域执行侦察任务；二是能
够较易地躲避敌人防空雷达探测，实现低空侦察和
抵近侦察，为情报机关提供敌方的兵力部署、武器
装备配置和战场环境态势等实时情报信息；三是以
集群侦察方式实现多角度、多视角搜索和区域全方
位覆盖，提高侦察效率、减少盲区，为军事指挥决
策提供更准确、全面的数据支撑。在俄乌冲突中，
双方都利用无人机实施侦察和监视，以获取敌方情 图 5 无人机执行火力打击任务案例
报，如图 4 所示。 Fig.5 Cases of UAV executing fire strike missions
3.3 协同作战
人机协同作战和多架次分布式协同作战是现代
战场上无人机参与作战行动的典型应用方式。人机
协同作战是将人类智慧和无人机智能相结合，通过
人在回路中的指挥与决策，让无人机扮演侦察机角
色，根据无人机回传的信息，有人机进行火力支援
图 4 俄乌战场士兵投放侦察无人机 及其他军事行动，两者协同配合、优势互补，以此
Fig.4 Soldiers deploy reconnaissance UAV in the Russia- 提高作战决策和执行的效率精度。利用无人机进行
Ukraine conflict 分布式协同作战，主要样式为蜂群式作战。此种作
3.2 目标打击 战方式能够多方向、多批次的打击相关目标，分布
现代防空体系设计之初主要针对的是大中型、 式的配合方式可以有效提升打击的准确率和成功率，
中高空飞行的空中目标，对无人机尤其是低空小型 尤其是多架次无人机针对一个目标展开打击行动时，
无人机缺乏行之有效的防御手段，此外无人作战还 即便少量无人机被敌方防空武器摧毁，仍然有可能
具备看不见、杀不尽、作战成本低、人员伤亡少、 实现既定的打击目的。而无人机蜂群的低成本、可
决策与行动速度快等优势[39]。因此，无人机将逐步 重用、灵活可配置等特点也使得分布式协同攻击战
发展成为执行信息软杀伤和火力硬打击任务的有效 术取得更加有利的打击效能。
毁敌手段。 3.4 其它应用
信息软杀伤主要任务是对敌方电子设备、信息 无人机还可以承担心理战、通信中继、毁伤评
估、战场排雷等多种作战任务。 前和今后需要面对的战争应用场景，以此来明晰无
无人机在执行心理战任务时，可通过搭载宣传 人机作战样式的发展方向和路径为我国无人机系统
性质的海报、横幅、传单以及播放适当的音乐、短 发展提供借鉴。
片等方式，在敌方区域宣传、威慑和扰乱对手心态， 参考文献
例如在俄乌冲突中，俄军就多次利用无人机来抛撒 [1] ZHOU Y K, RAO B, WANG W. UAV Swarm
传单，试图取得战争主动权，如图 6(a)所示。 Intelligence: Recent Advances and Future Trends[J]. IEEE
无人机中继通信可解决作战部队超视距通信问 Access, 2020, 8: 183856–183878.
题，通过提供实时战场监视侦察数据，可进一步提 [2] 张冬冬, 王春平, 付强. 国外无人机蜂群发展状况及反
高单兵作战时的情报搜集能力，例如美军在阿富汗 蜂群策略研究[J]. 飞航导弹, 2021(06): 56-62.
与伊拉克战争中，使用大批次的影子 200 作为中继 [3] 新浪科技. 我 67 架无人机群打破美记录 蜂群战术成防
无人机向士兵提供语音、图像等重要战场信息。 空噩梦[EB/OL]. (2016-11-07) [2023-04-11]. https://ww
无人机可以在战场上通过搭载的高精度侦察设 w.ifanr.com/data/743153.html.
备对敌方目标进行毁伤评估，使决策者更加准确地 [4] 新华社. 200 架无人机集群飞行: 我国再次刷新固定翼
了解目标的损伤情况，加快后续作战部署，降低敌 无人机集群飞行纪录[EB/OL]. (2018-05-15) [2023-04-
方反击风险，提高作战效率和安全性。 11]. https://ms.mbd.baidu.com/r/12EYIPH1JNC?f=cp&u=
此外，无人机还可以利用低成本、无人员伤亡 2de27cde4acc3e14.
的特点，执行危险系数较高的作战任务，例如在俄 [5] 新华社. 北航青年科研团队打破油动固定翼无人机续
乌冲突中，乌克兰军队就曾使用无人机投掷简易 航时间世界纪录. [EB/OL]. (2021-10-03) [2023-04-11].
VOG-17 榴弹清除 TM-62 反坦克地雷，如图 6(b)所 https://news.buaa.edu.cn/info/1006/54831.htm.
示。 [6] 中国科学报. 扑翼式无人机: 北航创单次充电飞行最长
时间[EB/OL]. (2022-10-24) [2023-04-11]. http://www.mg
clouds.net/news/50550.html.
[7] 张旭东, 李少波, 李传江, 等. 无人机集群综述：技术、
挑战与未来[J/OL]. 无线电工程, (2023-03-14) [2023-04-
07]. https://kns.cnki.net/kcms/detail/13.
1097.tn.20230311.1528.004.html.
[8] LIU Y, CHEN X, CHENG J, et al. Infrared and Visible
Image Fusion with Convolutional Neural Networks [J].
International Journal of Wavelets, Multiresolution and
Information Processing, 2018, 16(3): 1850018．
[9] 李庶中, 李越强, 李洁. 无人机感知与规避技术综述[J].
现代导航, 2019, 10(06): 445-449.
[10] HE Y. Mission-driven Autonomous Perception and Fusion
Based on UAV Swarm[J]. Chinese Journal of Aeronautics,
图 6 无人机其它应用案例 2020, 33(11): 2831–2834.
Fig.6 Other application cases of UAVs [11] ZHANG P F, LI T R, WANG G Q, et al. A Multi-source
Information Fusion Model for Outlier Detection [J].
4 结束语
Information Fusion, 2023, 93: 192-208.
随着无人机系统逐步向自主化和智能化方向发 [12] YANG L Z, MA R H, ZAKHOR A. Drone Object
展，其在现代战争中的应用正在呈指数级增长，未 Detection Using RGB/IR Fusion [J/OL]. (2022-01-
来大量无人机投入战场是大势所趋，这将会对作战 11)[2013-05-11]. https://arxiv.org/pdf/2201.03786.pdf.
模式产生颠覆性影响。因此，世界各大军事强国均 [13] SUN Y M, CAO B, ZHU P F, et al. Drone-Based RGB-
在大力发展和攻关新型先进的无人机系统研究，试 Infrared Cross-Modality Vehicle Detection Via
图在未来战争中取得优势、占据制高点。本文从国 Uncertainty-Aware Learning [J]. IEEE Transactions on
内外无人机系统典型项目、关键技术以及近年来多 Circuits and Systems for Video Technology, 2022, 10(32),
次局部冲突中的实战应用入手，全面分析了当前无 6700-6713.
人机系统的发展现状、需要突破的技术节点以及当 [14] RAMIN N, QI H. CenterFusion: Center-based Radar and
 Camera Fusion for 3D Object Detection [J/OL]. (2020-01-
11)[2013-05-11]. https://arxiv.org/pdf/2011.04841.pdf.
[15] FELIX N, MAXIMILIAN G, MARKUS W, et al. A Deep
Learning-based Radar and Camera Sensor Fusion
Architecture for Object Detection [J/OL]. (2020-05-
15)[2013-05-11]. https://arxiv.org/pdf/2005.07431.pdf.
[16] 付振江, 罗俊松, 宁进, 等. 无人机集群通信的应用现状
及展望[J]. 无线电工程, 2023, 53(01): 3-10.
[17] ALAM M M, ARAFAT M Y, MOH S, et al. Topology
Control Algorithms in Multi-unmanned Aerial Vehicle
Networks: An Extensive Survey [J]. Journal of Network
and Computer Applications, 2022: 207.
[18] CHEN X, TANG J, LAO S Y. Review of Unmanned
Aerial Vehicle Swarm Communication Architectures and
Routing Protocols [J]. Applied Sciences, 2020, 10(10):
3661.
[19] 张雅楠, 仇洪冰. 基于深度强化学习的无人机可信地理
位置路由协议[J]. 电子与信息学报, 2022, 44(12): 4211-
4217.
[20] LI S Y, WANG H T. Research on Navigation and
Positioning Technology Based on Opportunity Signal of
Low Orbit Satellite [J]. Journal of Physics: Conference
Series, 2021, 1952(2021): 042134.
[21] ZHUANG Y, SUN X, LI Y, et al. Multi-sensor Integrated
Navigation/Positioning Systems Using Data Fusion: From
Analytics-based to Learning-based Approaches [J].
Information Fusion, 2023, 95: 62-90.
[22] 曲蕴杰. 小型无人机惯性/卫星/视觉组合导航技术研究
[D]. 哈尔滨: 哈尔滨工业大学, 2020.
[23] 蒋中青, 饶昌海, 胡娉瑜, 等. 基于多传感器信息融合的
机器人导航与定位技术研究[J]. 信息与电脑(理论版),
2023, 35(01): 216-218+225.
[24] 国海峰, 侯满义, 张庆杰, 等. 基于统计学原理的无人作
战飞机鲁棒机动决策[J]. 兵工学报, 2017, 38(01): 160-
167.
[25] 李维, 万晓冬. 基于知识库的无人机作战自主决策方法
的研究[J]. 计算机测量与控制, 2020, 28(07): 158-
161+172.
[26] 李世豪. 复杂空战环境下基于博弈模型的无人机机动
决策方法研究[D]. 南京: 南京航空航天大学, 2019.
[27] YANG J, YOU X H, WU G X, et al. Application of
Reinforcement Learning in UAV Cluster Task Scheduling
[J]. Future Generation Computer Systems, 2019, 95: 140–
148.
[28] RAMIREZ L, ZBIKOWSKI R. Effectiveness of
Autonomous Decision Making for Unmanned Combat
Aerial Vehicles in Dogfight Engagements [J]. Journal of
Guidance Control & Dynamics, 2018, 41(4): 1-7.
[29] 常晨. 基于改进 A-star 算法的路径规划的研究及应用
[D]. 南京: 南京大学, 2020.
[30] 黄翼虎, 于亚楠. 基于改进 Dijkstra 算法的防冲突最短
路径规划研究[J]. 计算机与现代化, 2022(08): 20-24.
[31] LIU H Y, CHEN J, FENG J X, et al. An Improved RRT*
UAV Formation Path Planning Algorithm Based on Goal
Bias and Node Rejection Strategy[J]. Unmanned
Systems,2023,11(04): 317-326.
[32] 何壮壮, 丁德锐. 基于 D-star 和 DWA 的改进机器人导
航方法[J]. 电子测量技术, 2019, 42(12): 122-128.
[33] TAKAHASHI Y, TANAKA M ,TANAKA K. Coordinated
Flight Path Generation and Fuzzy Model-Based Control
of Multiple Unmanned Aerial Vehicles in Windy
Environments [J]. International Journal of Fuzzy Systems,
2022, 25(1): 1-14.
[34] LU K F, HU R G, YAO Z, et al. Onboard Distributed
Trajectory Planning through Intelligent Search for Multi-
UAV Cooperative Flight [J]. Drones, 2022, 7(1): 1-16.
[35] 赵创新, 李照宏, 李锦平, 等. 中高速无人机协同编队飞
行控制与管理[C]//2022 年无人系统高峰论坛论文集.
西安: 中国知网, 2022: 035510.
[36] 张丹凝, 程岳, 林清, 等. 无人机集群作战关键技术及发
展趋势[J].中国新通信, 2022, 24(04): 56-58.
[37] 王耀南, 安果维, 王传成, 等. 智能无人系统技术应用与
发展趋势[J].中国舰船研究, 2022, 17(05): 9-26.
[38] 王远航. 小微型无人机作战应用及其应对策略研究[J].
舰船电子工程, 2022, 42(07): 5-8+13.
[39] 刘丹丹, 姜志敏. 军事无人机作战应用及发展趋势[J].
舰船电子对抗, 2020, 43(06): 30-33+38.
韩子硕，男，（1986—），毕业于陆军工程大学，光学
工程专业，博士，主要研究方向：智能无人机系统、智能
识别。
范喜全，男，（1973—），高级工程师，博士，主要研
究方向：无人机系统及应用。
郝 齐，男，（1982—），高级工程师，博士，主要研
究方向：无人机系统及应用。