《反无人机系统干扰器分配算法测试评估：基于智能体的仿真方法》62页

无人驾驶飞行器（UAV）日益频繁的使用引发了安全隐患，亟需有效的反无人机系统。本文旨在通过设计和实现仿真环境，评估反无人机防御中使用的干扰器角度分配方法，从而改进现有系统。该仿真模拟真实场景：攻击无人机被追踪后通过干扰使其失去行动能力，为特定场景下多种干扰器分配技术的效果评估提供工具。仿真基于智能体建模技术，模拟无人机与干扰器在受控环境中的行为交互。用户定制报告器将监测记录关键性能指标以评估算法性能。该工具的预期用途是增强规划者对干扰器分配机制的理解，辅助优化反无人机防御战术。

当今世界技术发展使无人机开始被用作武器，推动了对抗手段的演进。反无人机系统对关键区域和设施保护具有重要作用。这些系统专为应对无人机威胁设计，在传统防空系统基础上额外提供探测、跟踪、识别、干扰与威胁评估功能。无人机探测跟踪通过雷达和摄像系统等传感器实现。探测阶段是确保反无人机系统有效性的首要环节——未探测到的无人机无法采取预防措施。随后识别被探测目标并评定威胁等级。若判定存在危险且需采取对抗措施，即启动干扰程序。干扰无人机可分为两类：硬杀伤与软杀伤。硬杀伤旨在物理摧毁目标，通常采用激光武器或导弹系统；软杀伤则在不造成物理损伤前提下使无人机活动中止，包括信号干扰和频率干扰等电子干预手段。干扰器作为软杀伤工具，通过阻断信号阻止无人机受控。最常见的是可实现全向信号干扰的全向干扰器。但当防护区域周边存在需保留的日常通信信号时，则采用仅能在特定角度干扰信号的定向干扰器。

日常应用中，反无人机系统可由单名或多名操作员控制，亦可在无人工介入的自主模式下运行。自动模式下，算法根据雷达轨迹信息确定干扰器作用区域并自动下发指令。此类算法计算目标威胁优先级后通过干扰器执行操作，本质属于威胁评估与武器分配（TEWA）问题。决策过程需快速完成，因应对威胁的可接受响应时间通常仅为数秒。

本文提出名为JASPER（干扰器分配仿真评估报告平台）的仿真方法，用于测试评估反无人机系统中的专用威胁评估与武器分配（TEWA）算法。这些算法专注于为威胁覆盖优化分配干扰器角度。不同算法在目标优先级设定、计算时长及设备交互方式上存在差异。为确定更适用算法及其效能，需进行额外测试。本研究旨在开发模块化、基于代理的测试平台以满足该需求。算法测试平台采用基于代理的仿真框架MASON搭建。MASON作为复杂系统仿真平台具备高度可定制性，基于代理的仿真方法使各代理按自有规则运行，提供更真实灵活的仿真环境。本测试平台设计用于报告特定算法在多样化场景下的性能。在此模块化测试环境中，用户可自定义测试案例及需报告的关键性能指标（KPI），支持基于不同场景的深度性能分析。这对理解算法在真实环境中的预期表现尤为重要。

论文结构如下：第二章提供测试评估仿真、威胁评估与武器分配及基于代理仿真的背景知识与文献综述；随后在该章内定义描述具体问题；第三章阐述仿真技术应用；第四章说明仿真实施细节；第五章包含研究结论与未来改进方向。