控制与决策

作者：唐杰,张鹏年,周鑫,王秉坤,樊浡昊,马捷

单位：西北机电工程研究所，陕西 咸阳 712009,,西北机电工程研究所，陕西 咸阳 712009,,东北大学 机械工程与自动化学院，沈阳 110819,,西北机电工程研究所，陕西 咸阳 712009,,西北机电工程研究所，陕西 咸阳 712009,,西北机电工程研究所，陕西 咸阳 712009,

关键词：无人机集群;检测-聚类;态势感知;YOLOv8;AFCM聚类算法

针对传统反无人机集群方法仅聚焦于检测或打击的单阶段研究, 以及目标检测漏检、打击点覆盖不足的问题, 提出检测-聚类两阶段反无人机集群打击策略. 检测阶段输出的高置信度时空坐标为聚类分析提供可靠输入, 聚类阶段生成聚类中心作为关键打击点, 形成精准检测-聚类打击的闭环协同机制. 首先, 检测阶段改进YOLOv8算法, 针对无人机集群小目标、密集分布特性, 在检测头部分引入多尺度卷积注意力设计, 融合Backbone网络提取的多尺度特征以提高检测精度, 验证集测试检测精度mAP50达95.77%, mAP50-95达59.66%, 较原始模型分别提升1.2%和2.4%; 其次, 聚类阶段提出改进的快速模糊$ C $均值(AFCM)聚类算法, 利用中心筛选以及动态隶属度削减策略将收敛效率较传统FCM提升55%; 最后, 在自建多场景无人机集群数据集测试, 帧率30 fps时, 检测-聚类全流程耗时低于2 ms, 验证了所提出的两阶段反无人机集群策略以及算法的有效性.

来源：2025年第11期

《控制与决策》期刊编辑部

查看控制与决策杂志2025年第11期