无人机在军事行动中的部署规模近年持续攀升，带动了对抗无人机攻击的防御系统需求增长。无人机亦可被用作反制手段。现有多数方法依赖无人机间通信与全球定位系统，然而现代作战场景中此类资源往往难以保障。为突破上述局限，本文提出一套面向无人机攻击防护的地面目标防护流程，采用自主无人机集群执行任务。本文假设场景为全球定位系统与通信双拒止环境，无人机仅依托机载传感器跟踪目标并实现集群协同。本文设计了卡尔曼滤波器，仅利用相对测量值即可估计未知目标状态与集群内无人机位置。同时，本策略通过环绕目标飞行实现覆盖最大化，为此提出一种自适应目标运动的去中心化集群包围技术。所提方法通过大量实机实验完成验证，证实其在探测、包围与拦截敌意无人机方面具备显著效能。代码开源地址：https://github.com/QUARRG/target_protection

图2：本文提出的地面车辆包围及抗攻击无人机防护流程的四个阶段。绿色无人机代表护卫无人机，红色无人机为来袭无人机。

过去十年间，商用无人自主飞行器（UAV），亦称无人机，在军事行动中的应用规模大幅增长[1]。与载人航空器相比，无人机成本更低、重量更轻、机动性更强，可用于执行侦察、干扰、诱骗与打击任务[2]。以俄乌冲突为例，无人机已被大规模用于探测并打击地面坦克与部队[2]，凸显了发展地面行动空袭防护技术的迫切需求。

防御无人机攻击需具备可靠的探测与拦截能力。常见反制手段包括干扰机、全球定位系统欺骗设备与捕捉网[3]，但此类手段功耗较高，易对非入侵无人机设备造成非预期干扰，且机动性受限[4][5]。近年来，自主无人机间拦截技术逐渐成为极具潜力的替代方案，无人机集群方案尤为受到关注[6]-[8]。

依托无人机集群防护地面车辆免受无人机集群袭击是一项极具挑战性的任务，需同步完成被保护地面车辆的跟踪、敌意无人机的探测、拦截与消除工作。

现有多数研究将地面目标跟踪[9]与空中拦截[10]作为独立课题展开研究。大量目标拦截与包围方法假设可无噪声获取目标全状态[10]，仅在仿真环境中完成验证[11]，或是采用集中式架构且仅适配特定规模的智能体集群[12]。即便是更贴近实战的研究，也常假设全球定位系统可用、智能体间存在通信链路、测量值无噪声[13]。

例如，文献[13]提出的视觉框架可实现目标位置估计，但假设无人机搭载全球定位系统传感器、具备智能体间通信能力且测量无噪声。文献[14]则针对全球定位系统拒止场景设计，仅需极低限度的智能体间通信且采用去中心化架构，但仅适用于静止目标，仍未完全摒弃智能体间通信。类似地，多数协同地面目标跟踪流程依赖全球定位系统和/或通信链路，或是专为特定集群规模定制[15]-[17][9]。

上述假设在现代实战环境中均不具备可行性：实战中通信易被干扰、全球定位系统易被欺骗、传感器测量值易受噪声污染。尽管已有研究针对通信拒止[18][19]或全球定位系统拒止[20][21]场景展开探索，但此类约束下的全集成防护流程仍鲜有研究涉足。

据我们所知，近期唯一覆盖“跟随地面车辆-探测-跟踪-消除敌意无人机”全流程的研究成果为文献[12]。该研究虽可利用带噪声的传感器测量值在全球定位系统拒止条件下估计攻击者位置，但仅支持2架护卫无人机，假设智能体间存在通信，且要求地面车辆始终向护卫无人机传输自身位置——这一条件在实战场景中通常无法满足，极大限制了其在真实作战环境中的适用性。

为破解上述部分难题，本文提出一种新型去中心化集群架构，实现地面车辆的自主防护。护卫无人机集群环绕运动中的地面车辆飞行，同时监测非法入侵无人机。一旦探测到入侵目标，集群即对入侵者实施包围以评估威胁，若判定为实质性威胁，则通过收缩包围区域实现威胁消除。该策略显著提升了系统鲁棒性，因威胁消除不依赖单架无人机。

为实现目标包围，本文采用文献[22]提出的去中心化可扩展包围技术，并对其进行针对性改进：一是适配移动目标场景，二是仅依托带噪声的相对位置测量值运行，彻底摆脱对全球定位系统与智能体间通信的依赖。据我们所知，这是首项在无通信、全球定位系统拒止条件下实现“无人机-地面车辆”自主防护及无人机间拦截全流程验证的研究。

本文的核心贡献如下：

1）提出不变扩展卡尔曼滤波器，仅依托机载传感器获取的相对测量值，即可在任意坐标系下估计地面或空中目标的状态与控制输入。

2）提出离散卡尔曼滤波器，仅依托机载相对测量值即可估计环形编队中智能体间的相位差。

3）提出自适应集群协同目标包围算法，可根据目标速度动态调整集群覆盖范围，确保目标始终处于包围圈内。

4）开展大量实机实验，采用3架无人机与1辆地面车辆验证了所提方法的有效性。