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。

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。

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。

将无线紫外光多输入多输出(MIMO)通信与线性注水算法相结合,首先建立基于线性注水算法的无线紫外光非直视MIMO通信模型,并推导出其信道容量模型,然后在信号发射端采用等功率分配和线性注水算法两种方法进行功率分配,研究在无线紫外光非直视MIMO通信系统中采用这两种方法对通信系统中信道容量的影响,并进行仿真分析验证。仿真结果表明,在信噪比相同的情况下:当收发天线不对称时,采用线性注水算法进行功率分配相比于等功率分配算法,无线紫外光非直视MIMO通信信道容量得到显著提升;当收发天线对称,在信噪比较小时,利用注水算法可以明显提高信道容量,而在信噪比提高达到一定值后,采用注水算法进行功率分配的信道容量逼近等功率分配的信道容量。