طراحی مسیر و تخصیص رادار برای گروهی از پهپادهای همکار با ماموریت اخلال نویزی

این پژوهش به دنبال ایجاد اخلال در یک سامانه راداری یکپارچه متعلق به یک سیستم پدافند هوایی به کمک گروهی از پهپادهای همکار با استفاده از روش جمینگ نویزی می‌باشد. برای این منظور بایستی در ضمن تخصیص بهینه جمرها به هر یک از رادارها، مسیری مناسب برای نفوذ به این سامانه با کمترین احتمال شکست عملیات طراحی شود. بهینه‌سازی با هدف کم شدن استفاده از منابع شامل زمان عملیات، افزایش اختلالات در سیستم رادارها و کاهش احتمال آشکارسازی پهپادها انجام می‌گیرد. احتمال آشکارسازی تابعی از موقعیت و جهت نسبی پهپادها و رادارها و تعداد جمر اختصاص داده شده به هر رادار می‌باشد. با توجه به پیچیدگی محاسباتی یافتن مسیر بهینه در فضای پیوسته، از گسسته‌سازی میدان نبرد با نمونه‌برداری غیریکنواخت به روش لانه زنبوری به جای نمونه‌برداری یکنواخت استفاده می‌شود. این گسسته‌سازی، مسیریابی را به حل مساله کوتاه‌ترین مسیر مقید روی یک گراف محدود تبدیل می‌نماید. این روش در هر ناحیه‌ای که احتمال انحراف مسیر از خط مستقیم بیشتر باشد، تراکم نمونه‌برداری را افزایش می‌دهد. مساله تخصیص بهینه جمرها به رادارها نیز به گراف محدودی تبدیل شده و با استفاده از الگوریتم پالس حل می‌شود. در پایان اثربخشی الگوریتم‌های پیشنهادی با شبیه‌سازی یک ماموریت نوعی ایجاد اخلال توسط گروهی از پهپادهای همکار در برابر سامانه پدافند هوایی یکپارچه دشمن نشان داده شده است.

path planning and target allocation for a group of cooperative uavs in a noise jamming mission

in this research we are looking for finding a way to suppress radars of an integrated air defense system with the help of a group of cooperative uavs using noise jamming. the purpose of this research is to propose a target allocation and path planning algorithm so that they can fly closer to their target without the risk of being detected. objective of optimization is to reduce usage of resources including operation time, increase noise level in radars’ receivers and reduce probability of uavs being detected by search radars. probability of detection depends on relative position and attitude of uavs and each radar and the number of uavs jamming each radar. to simplify the computational complexity of solving the path planning problem on a continuous domain, we discretize airspace and use a honeycomb sampling method instead of a uniform sampling method. this discretization reduces the path planning to a constrained shortest path problem over a finite graph. in this method we sample more points in regions where the optimal path is more likely to deviate from a straight line. the target allocation problem too can be turned into a finite graph and solved using pulse algorithm. eventually with the help of computer simulation, the effectiveness of the proposed algorithms is examined in a typical mission of cooperative uavs jamming an integrated air defense system.