无人机集群的干扰管理：机理、技术与挑战

doi:10.7527/S1000-6893.2025.32022

干扰环境下无人机多源感知专栏

本期目录 | 过刊浏览 | 高级检索

前一篇 |

无人机集群的干扰管理：机理、技术与挑战

赵良瑾¹^,², 仝昊楠¹^,²(), 苑子杨¹^,², 李昀镀¹^,²^,³^,⁴, 张晓典¹^,², 成培瑞¹^,²

^1.中国科学院空天信息创新研究院，北京 100094
^2.目标认知与应用技术国家级重点实验室，北京 100190
^3.中国科学院大学，北京 100190
^4.中国科学院大学电子电气与通信工程学院，北京 100190

收稿日期:2025-03-25 修回日期:2025-04-21 接受日期:2025-06-21 出版日期:2025-07-16 发布日期:2025-07-15
通讯作者: 仝昊楠 E-mail:hntong@ieee.org
基金资助:
国家自然科学基金重点项目(62331027)

Interference management for UAV swarms: Fundamental mechanisms, techniques, and challenges

Liangjin ZHAO¹^,², Haonan TONG¹^,²(), Ziyang YUAN¹^,², Yundu LI¹^,²^,³^,⁴, Xiaodian ZHANG¹^,², Peirui CHENG¹^,²

^1.Aerospace Information Research Institute，Chinese Academy of Sciences，Beijing 100094，China
^2.National Key Laboratory of Target Cognition and Application Technology （TCAT），Beijing 100190，China
^3.University of Chinese Academy of Sciences，Beijing 100190，China
^4.School of Electronic，Electrical and Communication Engineering，University of Chinese Academy of Sciences，Beijing 100190，China

Received:2025-03-25 Revised:2025-04-21 Accepted:2025-06-21 Online:2025-07-16 Published:2025-07-15
Contact: Haonan TONG E-mail:hntong@ieee.org
Supported by:
National Natural Science Foundation of China(62331027)

摘要/Abstract

摘要：

随着低空经济纳入国家战略性新兴产业发展规划并迅速发展，无人机（UAV）集群凭借其分布式协同优势，正成为突破单体UAV感知盲区与算力瓶颈的核心技术范式。UAV集群在自主或半自主模式下运行，通过动态组网、数据共享和任务协同，在广域遥感监测、城市物流配送、灾害三维重建等领域突破了单UAV系统执行任务效能的上限，展现出广泛的应用前景。然而，随着UAV的大规模部署，UAV集群面临的干扰效应日趋复杂，不仅表现为电磁干扰在频域和时域上持续扩展，还包括传感器异构引发的感知数据冲突、气象与地形变化导致环境的不确定性。干扰因素在UAV集群通信、感知和控制等功能环节交织叠加，形成了复杂的干扰效应，削弱了UAV集群执行任务的鲁棒性，制约了其在高可靠应用场景中的深入应用。面向复杂干扰条件下UAV集群的鲁棒性需求，重点研究分析3类主要干扰：电磁干扰、感知误差和环境变化。针对性地提出UAV集群在通信、感知和控制环节进行干扰管理的机理；凝练总结UAV集群协同进行干扰管理的技术体系；对比分析现有技术路径的现状与适用情况，揭示其面临的挑战，展示未来的演进方向。为构建高可靠UAV集群提供理论支撑与技术路径参考。

关键词: 无人机集群, 干扰管理, 多源数据融合, 通信导航感知一体化, 无人机协同

Abstract:

With the rapid integration of low-altitude economy into national strategic emerging industries development plans， Unmanned Aerial Vehicle （UAV） swarms， leveraging the advantages of distributed collaboration， have emerged as a pivotal technological paradigm to overcome the sensing limitations and computational bottlenecks of single-UAV systems. Operating in autonomous or semi-autonomous modes， UAV swarms achieve enhanced mission performance through dynamic networking， data sharing， and task coordination. These advancements have unlocked unprecedented efficiency in applications such as large-scale remote sensing monitoring， urban logistics delivery， and disaster-induced 3D reconstruction， surpassing the operational limits of individual UAV systems. However， with the large-scale deployment of UAVs， the interference effects faced by UAV swarms have become increasingly complex. These include not only the expansion of electromagnetic interference due to spectrum overlap and dense communication links， but also the spatiotemporal inconsistency of heterogeneous sensing data caused by sensor diversity and transmission latency， as well as the reduced adaptability of UAV swarms to dynamic environments influenced by weather and terrain variations. These interference factors interact and accumulate across the communication， sensing， and control functions of UAVs， forming complex interference effects that undermine the robustness of UAV swarm task execution and hinder their application in high-reliability scenarios. Robustness requirements for UAV clusters under complex interference， we systematically analyze interference from communication， sensing， and environmental factors， and proposes targeted interference management mechanisms across the communication， sensing， and control layers of UAV swarms. We consolidate a technology framework encompassing both individual UAV and swarm-level collaborative anti-interference strategies， critically evaluate the state-of-the-art approaches， and identify their limitations. Furthermore， we highlight unresolved challenges and propose future research directions， to provide theoretical foundations and technical guidelines for building highly reliable UAV swarm systems.

Key words: UAV swarm, interference management, multi-source data fusion, integration of communication, navigation and remote sensing, UAV collaboration

中图分类号:

V211.3

赵良瑾, 仝昊楠, 苑子杨, 李昀镀, 张晓典, 成培瑞. 无人机集群的干扰管理：机理、技术与挑战[J]. 航空学报, 2025, 46(23): 632022.

Liangjin ZHAO, Haonan TONG, Ziyang YUAN, Yundu LI, Xiaodian ZHANG, Peirui CHENG. Interference management for UAV swarms: Fundamental mechanisms, techniques, and challenges[J]. Acta Aeronautica et Astronautica Sinica, 2025, 46(23): 632022.

图/表 9

表1

图 1

表2

表3

不同类型UAV的特征、主要干扰及其管理措施

UAV类型	飞行速度/ （ $k m ∙ h - 1$ ）	通信频段	典型任务	主要干扰	干扰管理措施
微型/迷你	10~30	2.4/5.8 GHz	室内侦察、低空监控	WiFi干扰、定位失效	跳频通信、链路切换
多旋翼	30~80	2.4 G/5.8 G， Sub-6 GHz	巡检测绘、物流安防	链路干扰、环境遮挡	跳频通信、波束赋形、中继组网
复合翼	60~250	Sub-6 GHz，毫米波，C/L波段	通信中继、快速部署	电磁干扰、多源传感冲突	跳频通信、飞控优化、融合导航
固定翼	100~500+	C/L/S波段，Ku频段	广域测绘、边境巡逻	雷达干扰、压制欺骗	波束赋形、自适应调剂、机动规避
大型长航时	200+	Ku/Ka波段，卫星链路	战略监控、宽域感知	卫星链路干扰、电磁压制	链路冗余、星地协同、自适应通信

表3

图 2

表4

图 3

图 4

图 5

参考文献 103

[1]	CAO P， LEI L， CAI S S， et al. Computational intelligence algorithms for UAV swarm networking and collaboration： A comprehensive survey and future directions［J］. IEEE Communications Surveys & Tutorials， 2024， 26（4）： 2684-2728.
[2]	中共中央，国务院. 国家综合立体交通网规划纲要［EB/OL］..
	Central Committee of the Communist Party of China， the State Council. Outline of the national comprehensive three-dimensional transportation network plan ［EB/OL］. （in Chinese）.
[3]	国务院. “十四五”数字经济发展规划［EB/OL］. .
	The State Council. 14th five-year plan for the development of the digital economy ［EB/OL］. （in Chinese）.
[4]	国务院，中央军委. 无人驾驶航空器飞行管理条例［EB/OL］. .
	The State Council， Central Military Commission. Regulations on the flight management of unmanned aerial vehicles ［EB/OL］. （in Chinese）.
[5]	中国民用航空总局. 通用航空装备创新应用实施方案（2024—2030年）［EB/OL］. .
	Civil Aviation Administration of China. Implementation plan for innovation and application of general （2024—2030）［EB/OL］. （in Chinese）.
[6]	刘屹巍，朴海音，肖林，等. 无人机数据链抗干扰技术综述［J］. 飞机设计， 2017， 37（6）： 13-16， 21.
	LIU Y W， PIAO H Y， XIAO L， et al. An overview of anti-interference techniques for UCAV data link［J］. Aircraft Design， 2017， 37（6）： 13-16， 21 （in Chinese）.
[7]	SHAKHATREH H， SAWALMEH A， HAYAJNEH K F， et al. A systematic review of interference mitigation techniques in current and future UAV-assisted wireless networks［J］. IEEE Open Journal of the Communications Society， 2024， 5： 2815-2846.
[8]	於志文，孙卓，程岳，等. 智能无人机集群协同感知计算研究综述［J］. 航空学报， 2024， 45（20）： 630912.
	YU Z W， SUN Z， CHENG Y， et al. A review of intelligent UAV swarm collaborative perception and computation［J］. Acta Aeronautica et Astronautica Sinica， 2024， 45（20）： 630912 （in Chinese）.
[9]	陈唯实，黄毅峰，卢贤锋. 多传感器融合的无人机探测技术应用综述［J］. 现代雷达， 2020， 42（6）： 15-29.
	CHEN W S， HUANG Y F， LU X F. Survey on application of multi-sensor fusion in UAV detection technology［J］. Modern Radar， 2020， 42（6）： 15-29 （in Chinese）.
[10]	牛轶峰，刘天晴，李杰，等. 密集环境中无人机协同机动飞行运动规划方法综述［J］. 国防科技大学学报， 2022， 44（4）： 1-12.
	NIU Y F， LIU T Q， LI J， et al. Review on motion planning methods for unmanned aerial vehicle cooperative maneuvering flight in cluttered environment［J］. Journal of National University of Defense Technology， 2022， 44（4）： 1-12 （in Chinese）.
[11]	吴启晖，董超，贾子晔，等. 低空智联网组网与控制理论方法［J］. 航空学报， 2024， 45（3）： 028809.
	WU Q H， DONG C， JIA Z Y， et al. Networking and control mechanism for low-altitude intelligent networks［J］. Acta Aeronautica et Astronautica Sinica， 2024， 45（3）： 028809 （in Chinese）.
[12]	ZHENG Y X， LI S Y， XING K， et al. Unmanned aerial vehicles for magnetic surveys： A review on platform selection and interference suppression［J］. Drones， 2021， 5（3）： 93.
[13]	ALREFAEI F， ALZAHRANI A， SONG H B， et al. A survey on the jamming and spoofing attacks on the unmanned aerial vehicle networks［C］∥2022 IEEE International IOT， Electronics and Mechatronics Conference （IEMTRONICS）. Piscataway： IEEE Press， 2022： 1-7.
[14]	林博森. 基于多无人机视觉的地面多目标关联与融合定位方法研究［D］. 长沙：国防科技大学， 2021.
	LIN B S. Research on multi-ground target matching and cooperative localization method based on multi-UAV vision［D］. Changsha： National University of Defense Technology， 2021 （in Chinese）.
[15]	张彦泽. 面向大型零部件加工的机器人定位方法研究［D］. 大连：大连理工大学， 2022.
	ZHANG Y Z. Research on industrial robot localization method for large-scale components machining［D］. Dalian： Dalian University of Technology， 2022 （in Chinese）.
[16]	HU D， ZHU X J， GONG M， et al. Linear network coding based fast data synchronization for wireless ad hoc networks with controlled topology［J］. China Communications， 2021， 19（5）： 46-53.
[17]	YANG F， JING C. Data processing technology of UAV tilt photogrammetry based on multi-source geographic information［C］∥2024 International Conference on Power， Electrical Engineering， Electronics and Control （PEEEC）. Piscataway： IEEE Press， 2024： 870-874.
[18]	刘畅，李甜雨. 无人机天气干扰解决研究进展与展望［C］∥山东省航空航天学会2023学术年会. 2023： 99-103.
	LIU C， LI T Y. Progress and prospect of UAV weather interference solution［C］∥2023 Academic Annual Conference of Shandong Society of Aeronautics and Astronautics. 2023： 99-103 （in Chinese）.
[19]	张海燕. 复杂电磁环境下无人机通信干扰问题的探索［J］. 科技创新与应用， 2020， 10（25）： 75-76.
	ZHANG H Y. Exploration of communication interference of UAV in complex electromagnetic environment［J］. Technology Innovation and Application， 2020， 10（25）： 75-76 （in Chinese）.
[20]	郭晨鸿. 复杂天气环境下小型无人机目标检测与跟踪［D］. 成都：西华大学， 2020.
	GUO C H. Small UAV target detection and tracking incomplex weather environment［D］. Chengdu： Xihua University， 2020 （in Chinese）.
[21]	MUR-ARTAL R， MONTIEL J M M， TARDÓS J D. ORB-SLAM： A versatile and accurate monocular SLAM system［J］. IEEE Transactions on Robotics， 2015， 31（5）： 1147-1163.
[22]	潘岩. 多无人机飞行管理与协同感知关键技术研究［D］. 西安：西北工业大学， 2020.
	PAN Y. Research on key technologies of multi-UAV flight management and cooperative sensing［D］. Xi’an： Northwestern Polytechnical University， 2020 （in Chinese）.
[23]	GUVENC I， CHONG C C. A survey on TOA based wireless localization and NLOS mitigation techniques［J］. IEEE Communications Surveys & Tutorials， 2009， 11（3）： 107-124.
[24]	DONG J， REN X Y， HAN S L， et al. UAV vision aided INS/odometer integration for land vehicle autonomous navigation［J］. IEEE Transactions on Vehicular Technology， 2022， 71（5）： 4825-4840.
[25]	张永顺，贾鑫，朱卫纲. 扩频通信抗干扰技术研究综述［J］. 四川兵工学报， 2015， 36（8）： 136-140.
	ZHANG Y S， JIA X， ZHU W G. Study of anti-jamming technologies for spread spectrum communications［J］. Journal of Sichuan Ordnance， 2015， 36（8）： 136-140 （in Chinese）.
[26]	李振东，谭维凤，康成斌，等. 直接序列扩频系统抗干扰能力研究［J］. 电子与信息学报， 2021，43（1）：116-123.
	LI Z D， TAN W F， KANG C B， et al. Research on anti-interference ability of direct sequence spread spectrum system［J］， Journal of Electronics & Information Technology， 2021， 43（1）： 116-123 （in Chinese）.
[27]	YUAN Y， ZHAN C J， TIAN W Q， et al. Anti-jamming imaging method for carrier-free ultra-wideband airborne SAR based on variational modal decomposition［J］. Remote Sensing， 2024， 16（12）： 2128.
[28]	HUANG Y， WU Q Q， LU R， et al. Massive MIMO for cellular-connected UAV： Challenges and promising solutions［J］. IEEE Communications Magazine， 2021， 59（2）： 84-90.
[29]	BAL A， CAI H F. Downlink STBC-GSSK and STBC-UAV assisted NOMA for 6G and beyond［C］∥2024 IEEE 30th International Symposium on Local and Metropolitan Area Networks （LANMAN）. Piscataway： IEEE Press， 2024： 27-32.
[30]	黄方慧，蒋雯，邓鑫洋. 无人机数据链抗干扰技术研究［C］∥第七届中国指挥控制大会. 2019： 382-387.
	HUANG F H， JIANG W， DENG X Y. Research on antijamming technology of UAV data link［C］∥7th China Conference on Command and Control. 2019： 382-387 （in Chinese）.
[31]	秦伟，胡春静，彭木根，等. 面向高速移动场景的F-OFDM并行干扰消除技术［J］. 北京邮电大学学报， 2021， 44（4）： 12-18.
	QIN W， HU C J， PENG M G， et al. Parallel interference cancellation technology for F-OFDM under high-speed mobility scenario［J］. Journal of Beijing University of Posts and Telecommunications， 2021， 44（4）： 12-18 （in Chinese）.
[32]	程龙，孟繁栋，毛建华，等. 融合多头自注意力的AeroMACS自适应调制编码算法［J］. 电光与控制， 2024， 31（6）： 36-41.
	CHENG L， MENG F D， MAO J H， et al. AeroMACS adaptive modulation coding algorithm combining multi-headed self-attention［J］. Electronics Optics & Control， 2024， 31（6）： 36-41 （in Chinese）.
[33]	刘博. 无人机数据链抗干扰技术研究［D］. 沈阳：沈阳理工大学， 2022.
	LIU B. Research on anti-jamming technology of UAV data link［D］. Shenyang： Shenyang Ligong University， 2022 （in Chinese）.
[34]	FENG H Z， WANG J J， FANG Z R， et al. Evaluating AoI-centric HARQ protocols for UAV networks［J］. IEEE Transactions on Communications， 2023， 72（1）： 288-301.
[35]	SUN H J， NALLANATHAN A， WANG C X， et al. Wideband spectrum sensing for cognitive radio networks： A survey［J］. IEEE Wireless Communications， 2013， 20（2）： 74-81.
[36]	陈安民. 基于认知无线电的无人机频谱预测与动态接入技术研究［D］. 太原：中北大学， 2021.
	CHEN A M. Research on UAV spectrum prediction and dynamic access technology based on cognitive radio［D］. Taiyuan： North University of China， 2021 （in Chinese）.
[37]	张奎鹏. 认知无线电中的协作频谱感知关键技术研究［D］. 成都：电子科技大学， 2012.
	ZHANG K P. Income Selling Store management system based on the CMMI specification and SSH framework［D］. Chengdu： University of Electronic Science and Technology of China， 2012 （in Chinese）.
[38]	张宏伟，达新宇，胡航，等. 基于协作频谱感知的多无人机通信网络谱效优化研究［J］. 北京理工大学学报， 2021， 41（8）： 830-839.
	ZHANG H W， DA X Y， HU H， et al. Spectrum efficiency optimization of multi-UAV communication network based on cooperative spectrum sensing［J］. Transactions of Beijing Institute of Technology， 2021， 41（8）： 830-839 （in Chinese）.
[39]	KAKAR J， MAROJEVIC V. Waveform and spectrum management for unmanned aerial systems beyond 2025［C］∥2017 IEEE 28th Annual International Symposium on Personal， Indoor， and Mobile Radio Communications （PIMRC）. Piscataway： IEEE Press， 2017： 1-5.
[40]	李思佳，毛玉泉，郑秋容，等. UAV数据链抗干扰的关键技术研究综述［J］. 计算机应用研究， 2011， 28（6）： 2020-2024.
	LI S J， MAO Y Q， ZHENG Q R， et al. Overview of research on key techniques for anti-jamming of UAV data link［J］. Application Research of Computers， 2011， 28（6）： 2020-2024 （in Chinese）.
[41]	DONG P Y， XIANG X， LIANG Y， et al. A block-based concatenated LDPC-RS code for UAV-to-ground SC-FDE communication systems［J］. Electronics， 2023， 12（14）： 3143.
[42]	张文秋，丁文锐，刘春辉. 一种无人机数据链信道选择和功率控制方法［J］. 北京航空航天大学学报， 2017， 43（3）： 583-591.
	ZHANG W Q， DING W R， LIU C H. A channel selection and power control method of UAV data link［J］. Journal of Beijing University of Aeronautics and Astronautics， 2017， 43（3）： 583-591 （in Chinese）.
[43]	DENG C L， FANG X M， WANG X B. Beamforming design and trajectory optimization for UAV-empowered adaptable integrated sensing and communication［J］. IEEE Transactions on Wireless Communications， 2023， 22（11）： 8512-8526.
[44]	MICHAILIDIS E T， MALIATSOS K， VOUYIOUKAS D. Software-defined radio deployments in UAV-driven applications： A comprehensive review［J］. IEEE Open Journal of Vehicular Technology， 2024， 5： 1545-1586.
[45]	陈世康，周冰，曹宝，等. 无人机安全通信协议研究综述［J］. 通信技术， 2024， 57（3）： 213-221.
	CHEN S K， ZHOU B， CAO B， et al. Literature review of secure communication protocols for UAV［J］. Communications Technology， 2024， 57（3）： 213-221 （in Chinese）.
[46]	朱辉，张业平，于攀，等. 面向无人机网络的密钥管理和认证协议［J］. 工程科学与技术， 2019， 51（3）： 158-166.
	ZHU H， ZHANG Y P， YU P， et al. Key management and authentication protocol for UAV network［J］. Advanced Engineering Sciences， 2019， 51（3）： 158-166 （in Chinese）.
[47]	FENG C S， LIU B， GUO Z， et al. Blockchain-based cross-domain authentication for intelligent 5G-enabled Internet of drones［J］. IEEE Internet of Things Journal， 2021， 9（8）： 6224-6238.
[48]	ZHOU Y， MA Z， LIU H， et al. A UAV-aided physical layer authentication based on channel characteristics and geographical locations［J］. IEEE Transactions on Vehicular Technology， 2024， 73（1）： 1053-1064.
[49]	LI Y C， PAWLAK J， PRICE J， et al. Jamming detection and classification in OFDM-based UAVs via feature-and spectrogram-tailored machine learning［J］. IEEE Access， 2022， 10： 16859-16870.
[50]	ŠIMON O， GÖTTHANS T. A survey on the use of deep learning techniques for UAV jamming and deception［J］. Electronics， 2022， 11（19）： 3025.
[51]	BOUZABIA H， MEFTAH A， KADDOUM G. Federated learning-enabled smart jammer detection in terrestrial and non-terrestrial heterogeneous joint sensing and communication networks［J］. IEEE Communications Letters， 2024， 28（9）： 2026-2030.
[52]	WANG J J， JIANG C X， HAN Z， et al. Taking drones to the next level： Cooperative distributed unmanned-aerial-vehicular networks for small and mini drones［J］. IEEE Vehicular Technology Magazine， 2017， 12（3）： 73-82.
[53]	张惠婷，张然，刘敏提，等. 基于深度强化学习的无人机通信抗干扰算法［J］. 兵器装备工程学报， 2022， 43（10）： 27-34.
	ZHANG H T， ZHANG R， LIU M T， et al. Anti-jamming algorithm of UAV communication based on deep reinforcement learning［J］. Journal of Ordnance Equipment Engineering， 2022， 43（10）： 27-34 （in Chinese）.
[54]	WANG X Y， CENK GURSOY M， ERPEK T， et al. Jamming-resilient path planning for multiple UAVs via deep reinforcement learning［C］∥2021 IEEE International Conference on Communications Workshops （ICC Workshops）. Piscataway： IEEE Press， 2021.
[55]	GALLO E， BARRIENTOS A. Reduction of GNSS-Denied inertial navigation errors for fixed wing autonomous unmanned air vehicles［J］. Aerospace Science and Technology， 2022， 120： 107237.
[56]	曹正阳，张冰，白屹轩，等. GNSS/INS/VNS组合定位信息融合的多无人机协同导航方法［J］. 兵工学报， 2023， 44（）： 157-166.
	CAO Z Y， ZHANG B， BAI Y X， et al. Multi-UAV cooperative navigation method based on fusion of gnss/ins/vns positioning information［J］. Acta Armamentarii， 2023， 44（S2）： 157-166 （in Chinese）.
[57]	王莉，魏青，徐连明，等. 面向通信-导航-感知一体化的应急无人机网络低能耗部署研究［J］. 通信学报， 2022， 43（7）： 1-20.
	WANG L， WEI Q， XU L M， et al. Research on low-energy-consumption deployment of emergency UAV network for integrated communication-navigating-sensing［J］. Journal on Communications， 2022， 43（7）： 1-20 （in Chinese）.
[58]	MA Y J， WANG L F， LENG S P， et al. An integrated communication and navigation waveform design based on OFDM with index modulation［C］∥2024 International Conference on Ubiquitous Communication （Ucom）. Piscataway： IEEE Press， 2024： 248-253.
[59]	于洪波，王国宏，孙芸，等. 一种融合UKF和EKF的粒子滤波状态估计算法［J］. 系统工程与电子技术， 2013， 35（7）： 1375-1379.
	YU H B， WANG G H， SUN Y， et al. Particle filtering algorithm of state estimation on fusion of UKF and EKF［J］. Systems Engineering and Electronics， 2013， 35（7）： 1375-1379 （in Chinese）.
[60]	陈伟强，陈军，张闯，等. 基于智能粒子滤波的多传感器信息融合算法［J］. 计算机应用， 2016， 36（12）： 3358-3362.
	CHEN W Q， CHEN J， ZHANG C， et al. Multisensor information fusion algorithm based on intelligent particle filtering［J］. Journal of Computer Applications， 2016， 36（12）： 3358-3362 （in Chinese）.
[61]	位瑞英，卓坚毅. 基于小波分析的信号去噪研究［J］. 应用数学进展， 2021， 10（4）： 1329-1335.
	WEI R Y， ZHUO J Y. Research on signal denoising based on wavelet analysis［J］. Advances in Applied Mathematics， 2021， 10（4）： 1329-1335 （in Chinese）.
[62]	丁畅，董丽丽，许文海. “直方图” 均衡化图像增强技术研究综述［J］. 计算机工程与应用， 2017， 53（23）： 12-17.
	DING C， DONG L L， XU W H. Review of “histogram” equalization technique for image enhancement［J］. Computer Engineering and Applications， 2017， 53（23）： 12-17 （in Chinese）.
[63]	李加元，胡庆武，艾明耀，等. 结合天空识别和暗通道原理的图像去雾［J］. 中国图象图形学报， 2015， 20（4）： 514-519.
	LI J Y， HU Q W， AI M Y， et al. Image haze removal based on sky region detection and dark channel prior［J］. Journal of Image and Graphics， 2015， 20（4）： 514-519 （in Chinese）.
[64]	王满利，王晓龙，张长森. 基于动态范围压缩增强和NSST的红外与可见光图像融合算法［J］. 光子学报， 2022， 51（9）： 277-291.
	WANG M L， WANG X L， ZHANG C S. Infrared and visible image fusion algorithm based on dynamic range compression enhancement and NSST［J］. Acta Photonica Sinica， 2022， 51（9）： 277-291 （in Chinese）.
[65]	邹波，张华，姜军. 多传感信息融合的改进扩展卡尔曼滤波定姿［J］. 计算机应用研究， 2014， 31（4）： 1035-1038， 1042.
	ZOU B， ZHANG H， JIANG J. Multi-sensor information fusion’s improved extended Kalman filter attitude determination［J］. Application Research of Computers， 2014， 31（4）： 1035-1038， 1042 （in Chinese）.
[66]	王秉路，靳杨，张磊，等. 基于多传感器融合的协同感知方法［J］. 雷达学报， 2024， 13（1）： 87-96.
	WANG B L， JIN Y， ZHANG L， et al. Collaborative perception method based on multisensor fusion［J］. Journal of Radars， 2024， 13（1）： 87-96 （in Chinese）.
[67]	SONG Z Y， JIA F Y， PAN H Y， et al. ContrastAlign： Toward robust BEV feature alignment via contrastive learning for multi-modal 3D object detection［DB/OL］. arXiv preprint： 2405.16873， 2025.
[68]	WANG Z J， WU Y， NIU Q Q. Multi-sensor fusion in automated driving： A survey［J］. IEEE Access， 2019， 8： 2847-2868.
[69]	Shumway R H， Stoffer D S. Time series analysis and its applications with R examples［M］. Cham： Springer Cham， 2017： 75-163.
[70]	YU Y， SI X S， HU C H， et al. A review of recurrent neural networks： LSTM cells and network architectures［J］. Neural Computation， 2019， 31（7）： 1235-1270.
[71]	SIAMI-NAMINI S， TAVAKOLI N， SIAMI NAMIN A. A comparison of ARIMA and LSTM in forecasting time series［C］∥2018 17th IEEE International Conference on Machine Learning and Applications （ICMLA）. Piscataway： IEEE Press， 2018： 1394-1401.
[72]	魏泽华，戴慧玲，汪庭霁. 基于无人机的空中测向定位干扰源研究［J］. 数字通信世界， 2018（5）： 35-36.
	WEI Z H， DAI H L， WANG T J. Analysis of aerial direction finding and locating for interference source based on unmanned aerial vehicle［J］. Digital Communication World， 2018（5）： 35-36 （in Chinese）.
[73]	张国梁，郭晓军. 基于自编码器的网络异常检测研究综述［J］. 信息安全学报， 2023， 8（2）： 81-94.
	ZHANG G L， GUO X J. An overview of network anomaly detection based on autoencoders［J］. Journal of Cyber Security， 2023， 8（2）： 81-94 （in Chinese）.
[74]	杨晓晖，张圣昌. 基于多粒度级联孤立森林算法的异常检测模型［J］. 通信学报， 2019， 40（8）： 133-142.
	YANG X H， ZHANG S C. Anomaly detection model based on multi-grained cascade isolation forest algorithm［J］. Journal on Communications， 2019， 40（8）： 133-142 （in Chinese）.
[75]	GOODFELLOW I， POUGET-ABADIE J， MIRZA M， et al. Generative adversarial networks［J］. Communications of the ACM， 2020， 63（11）： 139-144.
[76]	LIU Z H， SHANG Y Y， LI T M， et al. Robust multi-drone multi-target tracking to resolve target occlusion： A benchmark［J］. IEEE Transactions on Multimedia， 2023， 25： 1462-1476.
[77]	WANG Y C， WANG Z R， CHENG P R， et al. AVCPNet： An AAV-vehicle collaborative perception network for 3-D object detection［J］. IEEE Transactions on Geoscience and Remote Sensing， 2025， 63： 5615916.
[78]	TIAN P J， WANG Z R， CHENG P R， et al. UCDNet： Multi-UAV collaborative 3-D object detection network by reliable feature mapping［J］. IEEE Transactions on Geoscience and Remote Sensing， 2024， 63： 5602016.
[79]	HU Y， Fang S H， LEI Z X， et al. Where2comm： Communication-efficient collaborative perception via spatial confidence maps［C］∥Advances in Neural Information Processing Systems. 2022.
[80]	DUAN S J， CHENG P R， WANG Z C， et al. MDCNet： A multiplatform distributed collaborative network for object detection in remote sensing imagery［J］. IEEE Transactions on Geoscience and Remote Sensing， 2024， 62： 5605515.
[81]	WANG Z C， WANG Z R， CHENG P R， et al. RingMo-galaxy： A remote sensing distributed foundation model for diverse downstream tasks［J］. IEEE Transactions on Geoscience and Remote Sensing， 2024， 63： 5606718.
[82]	CHEN M X， WANG Z R， WANG Z C， et al. C2F-net： Coarse-to-fine multidrone collaborative perception network for object trajectory prediction［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing， 2025， 18： 6314-6328.
[83]	WEN W L， JIA Y J， XIA W C. Joint scheduling and resource allocation for federated learning in SWIPT-enabled micro UAV swarm networks［J］. China Communications， 2022， 19（1）： 119-135.
[84]	LIU H W， YOO S J， KWAK K S. Opportunistic relaying for low-altitude UAV swarm secure communications with multiple eavesdroppers［J］. Journal of Communications and Networks， 2018， 20（5）： 496-508.
[85]	赵欣怡. 多无人机类脑智能决策与协同控制方法研究［D］. 天津：天津大学， 2020.
	ZHAO X Y. Research on brain-inspired intelligence decision and coordination control for multiple unmanned aerial vehicles［D］. Tianjin： Tianjin University， 2020 （in Chinese）.
[86]	吴志娟，林艳，张一晋，等. 基于多智能体协同的无人机簇群多域节能抗干扰通信［J］. 中国科学：信息科学， 2023， 53（12）： 2511-2526.
	WU Z J， LIN Y， ZHANG Y J， et al. Multi-agent collaboration based UAV clusters multi-domain energy-saving anti-jamming communication［J］. Scientia Sinica （Informationis）， 2023， 53（12）： 2511-2526 （in Chinese）.
[87]	宋佰霖，许华，蒋磊，等. 一种基于深度强化学习的通信抗干扰智能决策方法［J］. 西北工业大学学报， 2021， 39（3）： 641-649.
	SONG B L， XU H， JIANG L， et al. An intelligent decision-making method for anti-jamming communication based on deep reinforcement learning［J］. Journal of Northwestern Polytechnical University， 2021， 39（3）： 641-649 （in Chinese）.
[88]	李明，任清华，吴佳隆. 无人机多域联合抗干扰智能决策算法研究［J］. 西北工业大学学报， 2021， 39（2）： 367-374.
	LI M， REN Q H， WU J L. Exploring UAV’s multi-domain joint anti-jamming intelligent decision algorithm［J］. Journal of Northwestern Polytechnical University， 2021， 39（2）： 367-374 （in Chinese）.
[89]	WANG Y Z， LIU Q P， MIHANKHAH E， et al. Detection and isolation of sensor attacks for autonomous vehicles： Framework， algorithms， and validation［J］. IEEE Transactions on Intelligent Transportation Systems， 2022， 23（7）： 8247-8259.
[90]	MAO W H， LU Y， PAN G F， et al. UAV-assisted communications in SAGIN-ISAC： Mobile user tracking and robust beamforming［J］. IEEE Journal on Selected Areas in Communications， 2025， 43（1）： 186-200.
[91]	GUO Z J， TONG H N， ZHANG Z L， et al. Perception-enhanced multitask multimodal semantic communication for UAV-assisted integrated sensing and communication system［C］∥IEEE International Conference on Communications Workshops. Piscataway： IEEE Press， 2025.
[92]	GU J C， DING G R， WANG H C， et al. Integrated communications and jamming： Toward dual-functional wireless networks under antagonistic environment［J］. IEEE Communications Magazine， 2023， 61（5）： 181-187.
[93]	GU J C， DING G R， WANG H C， et al. Sensing assisted integrated communication and jamming systems with RSMA for dynamic suspicious communications［J］. IEEE Transactions on Vehicular Technology， 2024， 73（4）： 5965-5970.
[94]	张宇宸，段海滨，魏晨. 基于深度强化学习的无人机集群数字孪生编队避障［J］. 工程科学学报， 2024， 46（7）： 1187-1196.
	ZHANG Y C， DUAN H B， WEI C. Digital twin-based obstacle avoidance method for unmanned aerial vehicle formation control using deep reinforcement learning［J］. Chinese Journal of Engineering， 2024， 46（7）： 1187-1196 （in Chinese）.
[95]	TURSUNBOEV J， KANG Y S， HUH S B， et al. Hierarchical federated learning for edge-aided unmanned aerial vehicle networks［J］. Applied Sciences， 2022， 12（2）： 670.
[96]	潘筱茜，张姣，刘琰，等. 基于深度强化学习的多域联合干扰规避［J］. 信号处理， 2022， 38（12）： 2572-2581.
	PAN X Q， ZHANG J， LIU Y， et al. Multi-domain joint interference avoidance based on deep reinforcement learning［J］. Journal of Signal Processing， 2022， 38（12）： 2572-2581 （in Chinese）.
[97]	张红蕾，盛志超，叶林，等. 基于多传感器融合的无人机自主避障方法［J］. 激光杂志， 2024， 45（1）： 229-235.
	ZHANG H L， SHENG Z C， YE L， et al. Autonomous obstacle avoidance method for UAV based on multi-sensor fusion［J］. Laser Journal， 2024， 45（1）： 229-235 （in Chinese）.
[98]	WU Y X， YANG L， ZHANG L， et al. Intrusion detection for unmanned aerial vehicles security： A tiny machine learning model［J］. IEEE Internet of Things Journal， 2024， 11（12）： 20970-20982.
[99]	ZHANG Y G， WANG W， SHI F Y. Reputation-based Raft-Poa layered consensus protocol converging UAV network［J］. Computer Networks， 2024， 240： 110170.
[100]	DU R Z， CAO B W， GAO Y. Collaborative framework for UAVs-assisted mobile edge computing： A proximity policy optimization approach［J］. The Journal of Supercomputing， 2024， 80（8）： 10485-10510.
[101]	孟跃宇，李勇峰，王甲富，等. 电磁超表面在隐身技术中的应用研究进展［J］. 信息对抗技术， 2024（3）： 1-23.
	MENG Y Y， LI Y F， WANG J F， et al. Research progress of electromagnetic metasurface applications in stealth technology［J］. Information Countermeasure Technology， 2024（3）： 1-23 （in Chinese）.
[102]	ZHANG H J， HUANG M L， ZHOU H， et al. Capacity maximization in RIS-UAV networks： A DDQN-based trajectory and phase shift optimization approach［J］. IEEE Transactions on Wireless Communications， 2023， 22（4）： 2583-2591.
[103]	蒋军彪，王晓章，张卓. 量子密钥在蜂群作战中的应用初探［J］. 弹箭与制导学报， 2021， 41（2）： 1-5.
	JIANG J B， WANG X Z， ZHANG Z. Preliminary study on the application of quantum key in swarm fighting system［J］. Journal of Projectiles， Rockets， Missiles and Guidance， 2021， 41（2）： 1-5 （in Chinese）.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

文献	年份	环境干扰	通信干扰	感知干扰	通信环节抗干扰	感知环节抗干扰	控制环节抗干扰	多环节干扰管理
［6］	2018	×	√	×	√	×	×	×
［7］	2025	×	√	×	√	×	×	×
［8］	2024	×	×	√	√	√	×	√
［9］	2020	×	×	√	×	√	×	×
［10］	2022	√	×	×	×	×	√	×
［11］	2024	√	√	×	√	×	√	√
本文	2025	√	√	√	√	√	√	√

环节	措施	干扰类型（影响的指标）	典型输入	典型输出	效能指标
通信	跳频/扩频调制	压制干扰（信噪比↓、误码率↑）	无线信号频谱特征	跳频参数、扩频码配置	误码率↓、链路稳定性↑
	波束赋形与大规模多输入多输出	多径衰落（误码率↑）	多天线信道估计	波束方向、天线阵列调参	接收信号功率↑、干扰抑制↑
	协作频谱感知	频谱冲突、资源竞争（连接数↓）	节点干扰测量、空洞检测	信道分配策略	频谱冲突率↓、连接数↑
	加密认证机理	欺骗干扰（信号可信度↓）	控制命令、信号特征	安全性验证结果	通信安全性↑、风险度↓
感知	数据预处理与去噪	恶劣天气（图像退化↑）	观测图像、气象参数	增强图像、滤波图	图像可识别性↑、识别准确率↑
	多模态感知数据融合	数据时空错位、分辨率冲突（融合偏差↑）	观测图像、雷达、IMU等	统一时空对齐结果	感知一致性↑、识别准确率↑
	传感器冗余设计	数据缺失（传感空窗↑）	同构/异构传感器观测值	投票结果或校准修正值	感知覆盖范围↑、容错率↑
	干扰建模	伪造目标注入（异常特征点↑、误判率↑）	历史感知数据、误差信息	异常标注或剔除结果	虚警率↓、识别准确率↑
控制	动态参数校准	传感器漂移、恶劣天气扰动（姿态估计精度↓、感知精度↓）	传感器误差、环境估计	校准参数、补偿参数	姿态控制精度↑、识别准确率↑
控制	轨迹规划与视角调整	遮挡、地形干扰（目标失锁率↑）	地形模型、干扰源位置	重规划轨迹、视角控制量	航迹完成率↑、目标区域覆盖率↑

干扰类型	特征	干扰管理技术
窄带干扰	集中某频段，高功率	跳频、频谱感知与避让
宽带干扰	全频段覆盖，低功率密度	扩频、MIMO分集接收
脉冲干扰	短时突发，高能量	前向纠错、交织编码
多径干扰	信号反射导致时延扩展	OFDM、空时编码
恶意干扰	人为故意干扰（如GPS欺骗）	加密认证、惯导与视觉等数据融合

无人机集群的干扰管理：机理、技术与挑战

Interference management for UAV swarms: Fundamental mechanisms, techniques, and challenges

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 9

参考文献 103

相关文章 15

编辑推荐

Metrics

本文评价

[1]	李坤, 布树辉, 李佳朋, 王俱博玺, 韩鹏程, 李霄翰, 李浩玮. 基于单目视觉与测距信息的无人机集群定位方法[J]. 航空学报, 2025, 46(11): 531281-531281.
[2]	贾永楠. 低空空域无人系统交通管理方案初探[J]. 航空学报, 2025, 46(11): 531399-531399.
[3]	郭廷宇, 闫溟, 解春雷. 聚合-分体飞行器气动特性[J]. 航空学报, 2024, 45(S1): 730596-730596.
[4]	王传云, 苏阳, 王琳霖, 王田, 王静静, 高骞. 面向反制无人机集群的多目标连续鲁棒跟踪算法[J]. 航空学报, 2024, 45(7): 329017-329017.
[5]	蔡云鹏, 周大鹏, 丁江川. 具有防撞安全约束的无人机集群智能协同控制[J]. 航空学报, 2024, 45(5): 529683-529683.
[6]	何明, 陈浩天, 韩伟, 邓成, 段海滨. 无人机仿鸟群协同控制发展现状及关键技术[J]. 航空学报, 2024, 45(20): 29946-029946.
[7]	於志文, 孙卓, 程岳, 郭斌. 智能无人机集群协同感知计算研究综述[J]. 航空学报, 2024, 45(20): 630912-630912.
[8]	刘伟, 张琳, 王代强, 孟宪良, 张搏. 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): 329457-329457.
[9]	文超, 董文瀚, 解武杰, 蔡鸣, 刘日. 基于回访机制的无人机集群分布式协同区域搜索方法[J]. 航空学报, 2023, 44(11): 327561-327561.
[10]	苏翎菲, 化永朝, 董希旺, 任章. 人与无人机集群多模态智能交互方法[J]. 航空学报, 2022, 43(S1): 727001-727001.
[11]	刘雷, 刘大卫, 王晓光, 陈俊男, 刘东兴. 无人机集群与反无人机集群发展现状及展望[J]. 航空学报, 2022, 43(S1): 726908-726908.
[12]	胡嘉悦, 李广文, 章卫国, 张超, 贾乾磊. 面向有人/无人机协同远程作战的IVMS架构[J]. 航空学报, 2022, 43(3): 325199-325199.
[13]	徐广通, 王祝, 曹严, 孙景亮, 龙腾. 动态优先级解耦的无人机集群轨迹分布式序列凸规划[J]. 航空学报, 2022, 43(2): 325059-325059.
[14]	姜龙亭, 魏瑞轩, 张启瑞, 王栋. 基于群智机理的集群防碰撞控制[J]. 航空学报, 2020, 41(S2): 724294-724294.
[15]	唐帅文, 周志杰, 姜江, 曹友, 陈媛, 叶燕清. 考虑扰动的无人机集群协同态势感知一致性评估[J]. 航空学报, 2020, 41(S2): 724233-724233.