为了解决农业无人机在障碍物干扰环境中进行路径规划任务时存在的寻优精度低、避障能力弱等问题, 利用无线紫外光通信引导设备全天候非直视通信、隐秘通信及适用于各种特殊场合等特点, 建立了无线紫外光飞行路径引导系统, 提出基于指数递减策略的改进蝙蝠算法（EDS-IBA）, 引入基于指数递减策略的动态惯性权重和相邻路径点的人工势场, 在保证无人机路径平滑的同时, 避免陷入局部最优, 通过障碍物干扰代价和紫外光通信代价保证飞行环境的多样性及真实性。结果表明, EDS-IBA相较于基于差分进化算法的改进蝙蝠算法和传统蝙蝠算法, 2维环境下, 规划的平均路径长度分别缩短了10.7%和16.3%;3维环境下, 规划的平均路径分别缩短了13.7%和36.2%;算法达到收敛状态时, EDS-IBA的适应度值也较小, 在路径规划能力和算法性能方面有较好的可行性和有效性。该研究对无人机路径规划的实际应用和开发具有一定的现实意义。

编队无人机对目标无人机进行围捕是多无人机战场作战中重要且典型的任务之一，本文将无线紫外光通信技术与围捕算法结合，提出了一种紫外光通信协作编队无人机联盟围捕算法。该算法借助无线紫外光辅助无人机编队机间数据保密传输和非直视通信，将联盟生成算法与区域最小化策略进行融合，采用动态规划法对最优联盟结构进行求解，使用区域最小化策略对目标无人机实施空中围捕，完成在复杂场景中无人机编队高效围捕多目标任务。对区域最小化策略和本文提出的紫外光协作编队无人机联盟围捕算法进行了仿真对比，实验结果表明：所提出的紫外光协作编队无人机联盟围捕算法在无人机编队围捕多目标过程中平均降低了12.73%的能耗，算法迭代次数平均降低了27.49%，验证了该算法能耗少、围捕效率高的性能。

日盲无线紫外光系统进行通信时，若同时存在多条工作链路，则同时工作的链路会在空间中发生有效散射体的重叠，造成不同通信链路之间互相干扰，影响通信性能。本文针对典型的干扰模型建立了基于蒙特卡罗方法的无线紫外光非直视通信散射信道仿真实验，验证了该模型的正确性。并利用该模型仿真了无线紫外光通信中所存在的共面干扰、非共面干扰以及非共面且存在高度差干扰下的链路干扰模型。结果表明：影响信道误码率的因素主要有干扰端的位置以及有效散射体体积的大小；在非共面且存在高度差的干扰情况下，可以通过调整发射端仰角的大小减小链路间干扰，提高通信系统的性能。

为了研究强电磁干扰环境下无人机防撞编队的避障控制效果, 采用无人机编队间紫外光通信模型, 对传统人工势场法进行改进, 给出了具体无人机编队机间和无人机与障碍物的势场函数, 实现无人机编队在飞行的同时可以进行局部避障。结果表明, 在相同条件下, 改进后的人工势场法比传统人工势场法的避障时间减少了7.38%, 避障总路径减少了5.8%, 将改进后的避障算法应用到编队中可实现无人机编队的机间避障与外部障碍物的规避, 且编队间能够保持固定队形飞行至目标点。这一结果对强电磁干扰环境下无人机编队避障的研究有一定的应用价值。

无线紫外光在大气中进行非直视散射通信时，大气微粒的散射和吸收作用以及低空大气湍流的变化会对紫外光通信（UVC）性能产生强烈的影响。建立了低空大气湍流无线紫外光非直视（NLOS）单次散射通信链路模型，通过计算机仿真分析了收发端范围、折射率结构参数、指向角等不同因素下NLOS散射通信的光强分布特性、信噪比、信号衰减等系统通信性能，以及高度变化对白天和夜间UVC的影响。仿真结果表明：不同高度湍流变化下昼夜间无线UVC性能存在一定差距，水平通信、垂直通信和斜程通信时：在夜间的大气折射率结构常数相对于弱湍流情况增大一个数量级，信号能量平均衰减为原来的1/2.09、1/2.16、1/2.03；在白天的大气折射率结构常数相对于弱湍流情况增大一个数量级，信号能量平均衰减为原来的1/2.07、1/2.15、1/1.96。夜间通信受湍流的影响更大，白天的通信性能比夜间好，湍流对垂直通信的影响较大。

针对复杂战场环境下无人机（UAV）执行渗透侦察任务时对通信网络的隐秘性需求，考虑节点携带能源有限且在数据传输时能量消耗的不均衡问题，提出了一种基于紫外光通信的UAV编队分簇优化算法。首先，在建立机间无线紫外光通信链路模型和能量消耗模型的基础上，结合最优刚性图的优势，对低功耗自适应分层型协议（LEACH）算法的簇首选举和簇间通信过程进行改进。然后，引入节点剩余能量和链路可靠性的权值函数选举簇首，簇首间通过生成最优刚性图进行拓扑优化。仿真结果表明，该算法在提高簇间连通性的同时延缓了网络出现节点死亡的现象，相比LEACH算法，网络第一次出现死亡节点和出现一半死亡节点的时间分别延长了25.2%和21.4%，且兼顾了网络的连通性和能耗均衡性。

针对强电磁干扰下无人机蜂群的任务协同要求，为了尽可能延长无人机编队在空中的作业时间，提高任务完成效率，结合紫外光散射通信特点，提出了一种无线紫外光协作无人机蜂群能效优化路由算法。该算法通过引入距离项和能量项，对非均匀分簇算法的候选簇首选举的阈值门限进行了改进，并在簇间通信过程中，簇首节点可以选择最佳的数据传输路由将信息转发至长机。仿真结果表明，与现有算法LEACH和EEUC相比，改进算法下网络的能量效率分别提高了21.02%和3.92%，无人机网络的生存期分别延长了23.5%和5.6%，有效均衡了无人机蜂群网络节点的能量消耗并延长了生存期。

针对无人机编队在空中集结与组网的初期，需要进行快速邻居发现。根据紫外光近直视通信特点设计球形紫外LED通信节点模型，按照经纬线划分的方式改变每条纬线上经线的个数合理分布LED。针对邻居发现过程中存在的信道冲突和邻居发现效率问题，设计一种包含随机概率的握手交互信息帧，引入随机概率减少信道冲突的产生，提出了一种令牌衍生随机避让邻居发现算法，通过令牌的动态衍生与融合实现编队内令牌节点时钟同步，减少信道冲突的同时提高邻居发现效率。仿真实验表明，该球形紫外LED通信节点模型在合理的节点分布下，可以很好地完成三维空间的全覆盖；该邻居发现算法对比传统单令牌算法在邻居发现效率上显著提高，对比多令牌随机退避算法更好地减少了信道冲突，节省了能量的消耗，很好地平衡了信道冲突和邻居发现效率。

由于紫外光在传输过程中受到散射效应和大气湍流的影响,非直视无线紫外光通信中存在严重的码间串扰和传输衰减问题。提出一种基于深度学习的无线紫外光散射信道估计方法。在深度学习模型训练阶段,利用差分进化算法优化深度神经网络(DNN),根据网络最优的输出结果准确估计出信道特性,进而在接收端对传输衰减进行补偿。仿真结果表明:与最小二乘估计相比,所提方法的均方误差提升了1个数量级,在误码率性能方面提升了2个数量级;与最小均方误差估计相比,所提方法的均方误差提升了38%,在误码率性能方面提升了78%。此外,在DNN训练过程中引入差分进化算法,可以提高网络的学习收敛速度和全局优化能力。最后改变信道模型的湍流强度,验证了所提方法在不同湍流环境下的稳定性。