CN106094569A - 多传感器融合无人机感知与规避仿真系统及其仿真方法 - Google Patents

Abstract

本发明公开了一种多传感器融合无人机感知与规避仿真系统，包括系统配置模块、ADS‑B数据模块、无人机平台仿真模块、传感器数据仿真模块和感知与规避算法模块，上述各个模块均连接至系统数据池，并通过系统数据池进行数据交互。本发明还公开了对应的仿真方法，解决了现有的无人机感知与规避系统设计方法成本高、测试风险系数大、效率低等问题。

Description

多传感器融合无人机感知与规避仿真系统及其仿真方法

技术领域

本发明属于无人机导航与控制技术技术领域，涉及一种多传感器融合无人机感知与规避仿真系统及其仿真方法。

背景技术

随着无人机在军用、民用领域的应用范围不断扩大，未来空域将日趋密集，大量无人机的空域密集飞行将使得空中交通碰撞概率急剧增加，给现有的空中交通安全带来重大威胁。感知与规避技术通过给无人机加载空域感知传感器实现对空中目标的有效监测、跟踪，并通过规避路径规划与应急机动控制完成对威胁目标的有效规避，从而保证无人机的空域飞行安全。

无人机感知与规避系统的设计涉及无人机传感器配置、空域感知算法、碰撞评估逻辑、无人机规避机动控制等方面，是一项复杂的系统级工程。无人机的传感器配置需充分考虑无人机的任务属性、载荷能力、气动性能等，同时也要符合空中交通管理系统的相关规则和配置要求；无人机空域感知算法基于传感器数据，实现对目标的有效检测和状态估计；碰撞评估逻辑根据航空条例的规定进行，基于空中感知结果进行威胁评估与碰撞告警；规避路径规划与机动控制要在无人机机动范围内实现最安全、经济的规避路径设计和稳定的规避机动控制输出。基于上述功能的感知与规避系统设计复杂，基于实际硬件系统的设计方式需要进行多种传感器的购置和多次配置安装，过程繁琐、经济性较差。进行算法设计需要经过多次的参数调试，进行真实的空中碰撞场景的系统试验测试风险较大，事故损失巨大。相比于硬件实际系统的设计方式，基于软件仿真平台的无人机感知与规避系统设计能够轻易的实现传感器选型、参数配置等功能，仿真实验测试风险低、设计效率高，适用于无人机感知与规避系统设计的初期选型与算法设计开发。

发明内容

本发明的目的是提供一种多传感器融合无人机感知与规避仿真系统及其仿真方法，以解决现有的无人机感知与规避系统设计方法成本高、测试风险系数大、效率低等问题。

本发明所采用的第一种技术方案是，多传感器融合无人机感知与规避仿真系统，包括系统配置模块、ADS-B数据模块、无人机平台仿真模块、传感器数据仿真模块和感知与规避算法模块，上述各个模块均连接至系统数据池，并通过系统数据池进行数据交互；

其中，系统配置模块，用于完成仿真系统的参数配置和系统初始化，并将参数和初始化信息发送至系统数据池，参数包括SAA场景设置，传感器的参数配置文件，算法参数配置，无人机平台配置信息和飞行任务；

ADS-B数据模块，用于通过系统数据池获取初始化信息，并采集空域目标的真实空中交通数据，再将真实空中交通数据存储至系统数据池；

传感器数据仿真模块、感知与规避算法模块和无人机平台仿真模块之间依次形成数据回路，无人机平台仿真模块将其仿真飞行状态信息发送至传感器数据仿真模块，传感器数据仿真模块再根据真实空中交通数据产生相应的感知数据并发送至感知与规避算法模块，感知与规避算法模块计算得到最优规避路径并反馈至无人机平台仿真模块，使得无人机平台仿真模块动态调整以保证其始终处于最优规避路径。

进一步的，无人机平台仿真模块，用于模拟无人机，并通过系统数据池获取仿真系统的初始化信息、航点信息、和最优规避路径，以控制无人机平台仿真模块的仿真飞行，并将仿真飞行状态信息存储至系统数据池；

传感器数据仿真模块，用于通过系统数据池获取：仿真系统的初始化信息、真实空中交通数据、以及由无人机平台仿真模块输出的仿真飞行状态信息，然后产生相应的感知数据存储至系统数据池；

感知与规避算法模块，用于通过系统数据池获取感知数据，并根据感知数据对空域目标进行威胁评估和规避路径规划，从而得到最优规避路径，并将最优规避路径存储至系统数据池。

进一步的，无人机平台仿真模块，包括与系统数据池依次连接的任务规划模块、飞行控制模块和飞行器平台仿真模块；

任务规划模块，用于通过系统数据池来加载无人机的初始航点、无人机平台的配置信息和飞行任务；

飞行控制模块，用于跟踪无人机的航点；

飞行器平台仿真模块，用于输出无人机的仿真飞行状态信息。

进一步的，传感器数据仿真模块包括雷达仿真器、红外仿真器和/或光电仿真器；

雷达仿真器，用于通过系统数据池读取真实空中交通数据和仿真飞行状态信息，并生成雷达仿真数据存储至系统数据池，再传输至感知与规避算法模块；

红外仿真器，用于仿真生成场景中的空域目标和背景的红外辐射强度，并将红外图像存储至系统数据池，再传输至感知与规避算法模块；

光电仿真器，用于仿真生成含有空域目标的可见光实时图像数据，并将实时图像数据存储至系统数据池，再传输至感知与规避算法模块。

进一步的，感知与规避算法模块包括与系统数据池依次连接的环境感知模块、威胁评估模块和规避算法模块；

环境感知模块，通过系统数据池读取传感器数据仿真模块中各个传感器的参数配置文件，并读取感知数据，再根据传感器的参数配置文件和感知数，据得到空域目标的状态估计；

威胁评估模块，通过读取系统数据池中的算法参数设置，并通过读取环境感知算法模块的数据和无人机的仿真飞行状态信息来进行威胁等级评估，对超过一定威胁等级的空域目标进行碰撞告警，并按照威胁程度由高到低发送空域目标的位置和速度状态估计数据至感知与规避算法模块；

规避算法模块，用于进行无人机最优规避路径解算，并将解算结果以航点的形式通过系统数据池发送至无人机平台仿真模块。

进一步的，ADS-B数据模块包括ADS-B IN模块，ADS-B IN模块通过解析得到空域目标的交通位置、高度和航线信息，再将交通位置、高度和航线信息存储至系统数据池。

进一步的，系统数据池还数据连接有系统评估模块，系统评估模块，用于从系统数据池中获取：仿真飞行状态信息、真实空中交通数据、仿真飞行状态信息、感知数据和最优规避路径，以对仿真系统的空域感知范围和碰撞预留时间进行性能评估。

进一步的，系统数据池还数据连接有3D实时仿真场景显示模块，3D实时仿真场景显示模块，用于根据SAA场景设置，仿真飞行状态信息和真实空中交通数据来对场景环境实时建模，对空中遭遇场景进行建模。

本发明采用的第二种技术方案是，上述仿真系统的仿真方法，包括以下具体步骤：

步骤1、通过系统配置模块完成仿真系统的主要参数配置和系统初始化，并将配置的参数通过系统数据池发送至无人机平台仿真模块、传感器数据仿真模块和感知与规避算法模块，完成参数初始化；

步骤2、通过ADS-B数据模块接收空中交通的ADS-B数据，包括空域目标的位置、高度和航线信息，并将其发送至系统数据池作为仿真空中交通场景中的目标机数据；

步骤3、由无人机平台仿真模块来加载无人机初始和无人机平台配置，并对航点进行跟踪，然后将无人机平台仿真模块的仿真飞行状态信息输出至系统数据池；

步骤4、通过传感器数据仿真模块获取各个传感器的感知数据；

步骤5、由感知与规避算法模块，根据步骤4中获取的感知数据计算得到最优规避路径，并反馈至无人机平台仿真模块来指导无人机在最优规避路径飞行。

进一步的，仿真方法还包括以下步骤：

步骤6、由3D实时场景显示模块，根据SAA场景设置，仿真飞行状态信息和真实空中交通数据来对场景环境实时建模，对空中遭遇场景进行建模，以对本机飞行场景中的态势进行实时显示；

步骤7、由系统评估模块读取仿真飞行状态信息、真实空中交通数据、仿真飞行状态信息、感知数据和最优规避路径，以对仿真系统的空域感知范围和碰撞预留时间进行性能评估。

本发明的有益效果是，大大简化了无人机感知与规避系统设计的复杂度，提高效率；该系统能够有效的仿真空中交通环境，并基于实时空域数据进行传感器配置、感知与规避算法功能、平台属性配置的仿真；相比于基于硬件系统的设计方法，具有成本低、可靠性高、测试风险低等特点；适用于对多种类型无人机感知与规避系统的设计和仿真。

附图说明

图1是本发明多传感器融合无人机感知与规避仿真系统的结构示意图；

图2是本发明多传感器融合无人机感知与规避仿真系统的仿真系统软件流程图；

图3是本发明多传感器融合无人机感知与规避仿真系统雷达测量示意图；

图4是本发明多传感器融合无人机感知与规避仿真系统光电数据仿真流程；

图5是本发明多传感器融合无人机感知与规避仿真系统红外仿真模块流程图。

图中，1.系统配置模块，2.ADS-B数据模块，3.无人机平台仿真模块，4.传感器数据仿真模块，5.感知与规避算法模块，6.3D实时仿真场景显示模块，7.系统评估模块，8.系统数据池。

具体实施方式

下面结合附图和具体实施方式对本发明进行详细说明。

本发明提供了多传感器融合无人机感知与规避仿真系统，参见图1，采用分布式模块化仿真结构，包括：系统配置模块1，ADS-B数据模块2，传感器数据仿真模块4，感知与规避算法模块5，3D实时仿真场景显示模块6，和系统评估模块7，上述各个模块通过固定IP与TCP/IP协议实现与系统数据池8的数据交互。其中，传感器数据仿真模块4具体包括光电传感器、红外传感器、雷达传感器和其他传感器等。

1、系统配置模块1，用于完成仿真系统的参数配置和系统初始化，并将参数和初始化信息发送至系统数据池8，参数包括SAA场景设置，传感器的参数配置文件，算法参数配置，无人机平台配置信息和飞行任务；其中，SAA场景即是感知与规避场景；

2、ADS-B数据模块2，用于通过系统数据池8获取初始化信息，并采集空域目标的真实空中交通数据，再将真实空中交通数据存储至系统数据池8；

具体的，ADS-B数据模块2包括ADS-B IN模块，ADS-B IN模块通过解析得到空域目标的交通位置、高度和航线信息，再将交通位置、高度和航线信息存储至系统数据池8，并通过UI界面显示。

3、传感器数据仿真模块4、感知与规避算法模块5和无人机平台仿真模块3之间依次形成数据循环回路，无人机平台仿真模块3将其仿真飞行状态信息发送至传感器数据仿真模块4，传感器数据仿真模块4再根据真实空中交通数据产生相应的感知数据并发送至感知与规避算法模块5，感知与规避算法模块5计算得到最优规避路径并反馈至无人机平台仿真模块3，使得无人机平台仿真模块3动态调整以保证其始终处于最优规避路径。

3.1、无人机平台仿真模块3，用于模拟无人机，并通过系统数据池8获取：仿真系统的初始化信息、航点信息、和最优规避路径，以控制无人机平台仿真模块3的仿真飞行，并将仿真飞行状态信息存储至系统数据池8。

具体的，无人机机平台仿真模块3，包括与系统数据池8依次连接的任务规划模块、飞行控制模块和飞行器平台仿真模块；

任务规划模块，用于通过系统数据池8来加载无人机的初始航点、无人机平台的配置信息和飞行任务；飞行任务包括飞行起始点、终点和飞行路径；

飞行控制模块，用于跟踪无人机的航点；

飞行器平台仿真模块，用于输出无人机的仿真飞行状态信息。

3.2、传感器数据仿真模块4，用于通过系统数据池8获取：仿真系统的初始化信息、真实空中交通数据、以及由无人机平台仿真模块3输出的仿真飞行状态信息，然后产生相应的感知数据存储至系统数据池8。

具体的，传感器数据仿真模块4包括雷达仿真器、红外仿真器和/或光电仿真器；

雷达仿真器，用于通过系统数据池8读取真实空中交通数据和仿真飞行状态信息，并生成雷达仿真数据存储至系统数据池8，再传输至感知与规避算法模块5；

红外仿真器，用于仿真生成场景中的空域目标和背景的红外辐射强度，并将红外图像存储至系统数据池8，再传输至感知与规避算法模块5；

光电仿真器，用于仿真生成含有空域目标的可见光实时图像数据，并将实时图像数据存储至系统数据池8，再传输至感知与规避算法模块5。

3.3、感知与避算法模块5，用于通过系统数据池8获取感知数据，并根据感知数据对空域目标进行威胁评估和规避路径规划，从而得到最优规避路径，并将最优规避路径存储至系统数据池8。

具体的，感知与规避算法模块5包括与系统数据池8依次连接的环境感知模块、威胁评估模块和规避算法模块；

环境感知模块，通过系统数据池8读取传感器数据仿真模块4中各个传感器的参数配置文件，在传感器数据仿真模块的系统配置和参数设定确定的前提下，并读取感知数据，再根据传感器的参数配置文件和感知数，据得到空域目标的状态估计；其中，环境感知模块状态估计的方法为：对感知数据进行预处理算法设计、多传感器信息融合、目标检测与跟踪等功能，最终输出在无人机坐标系下的空域目标的位置和速度等状态估计。

威胁评估模块，通过读取系统数据池8中的算法参数设置，对碰撞威胁进行定义，即当本机与目标机之间的最小分离距离小于预定阈值时，认为碰撞威胁醋在，并通过读取环境感知算法模块的数据和无人机的仿真飞行状态信息来进行威胁等级评估，对超过一定威胁等级的空域目标进行碰撞告警，并按照威胁程度由高到低发送空域目标的位置和速度状态估计数据至感知与规避算法模块5；

规避算法模块，用于进行无人机最优规避路径解算，并将解算结果以航点的形式通过系统数据池8发送至无人机平台仿真模块3。其中，在进行算法设计时应充分考虑本无人机的机动特性、机动消耗、感知性能等指标，实现最优的规避机动。

4、系统数据池8还数据连接有系统评估模块7，系统评估模块7，用于从系统数据池8中获取：仿真飞行状态信息、真实空中交通数据、仿真飞行状态信息、感知数据和最优规避路径，以对仿真系统的空域感知范围和碰撞预留时间进行性能评估，并输出评估结果。

5、系统数据池8还数据连接有3D实时仿真场景显示模块6，3D实时仿真场景显示模块6，用于根据SAA场景设置，仿真飞行状态信息和真实空中交通数据来对场景环境实时建模，对空中遭遇场景进行建模。

本发明多传感器融合无人机感知与规避仿真系统的具体仿真步骤如图2所示：

(1)仿真系统通过系统配置模块1完成系统主要参数配置和系统初始化，并将配置参数通过系统数据池8发送至其他文件，完成参数初始化。

A.飞行场景初始化：

飞行场景初始化中，包括飞行高度，飞行气象，飞行时间。飞行场景按照空域的不同，分为高空场景，即飞行高度>6600米，中空场景，飞行高度1000～6600米，低空场景，飞行高度<1000米。根据航空法规规定，不同的飞行控层要有针对性的安装相应的感知设备和通讯链路。飞行气象条件分为晴朗、多云、薄雾、雨雪等。飞行时间分为白天和晚上。气象条件和飞行时间将作用在图像传感器的仿真结果上。

B.飞行平台初始化

根据飞行场景进行飞行器选型，包括高空长航时无人机(以全球鹰RQ-4A为例，飞行速度170～200m/s，载荷<908kg)，中空无人机(以捕食者为例，飞行速度36～60m/s，载荷<1020kg)，低空小型无人机(飞行速度<50m/s，载荷<50kg)。

C.传感器初始化

根据飞行器类型和飞行场景进行传感器选型，并对传感器的性能参数进行设置。可选传感器包括光电、红外、雷达，并可自行开发其他类型传感器供选择。光电仿真器基于Vega Prime相机模型进行仿真，可根据常见的记载光电传感器性能参数对焦距、分辨率等进行设置、数据速率；红外仿真器基于Vega Prime红外成像模型进行仿真，可对成像波段、分辨率、焦距、数据速率等进行设置。雷达传感器可对波段、作用范围、角度分辨率、距离分辨率、角度误差、距离误差等进行仿真设置。

D.算法参数配置

算法参数配置包括对无人机感知与规避中的功能中的碰撞概率阈值、规避预留时间、最小分离距离等进行设置。

碰撞概率阈值：根据感知算法判定目标为威胁目标的最低置信度。

规避预留时间：定义为针对碰撞威胁目标的最短规避用时。

最小分离距离：本机与目标机在飞行过程中的相距最短距离应大于最小分离距离。

E.任务属性配置

任务属性配置针对无人机本机的飞行起始航点、任务航点、初始状态(位置、速度、姿态等)进行设置。

(2)ADS-B模块接收ADS-B数据，并解析得到空中交通的位置、高度、航线等信息，并通过UI界面显示。

为提高仿真系统的真实性，本发明的多传感器融合无人机感知与规避仿真系统引入ADS-B IN设备实现对空域数据的采集，作为仿真环境中的目标机模拟真实的空中飞行场景，并通过UI界面将空中交通状态进行实时的显示。ADS-B数据具有精度高，合作式，信息完善等的特点，包含目标的位置、速度、姿态、航线等信息。ADS-B数据模块将目标数据通过数据池发送至各个传感器模块，用于仿真产生感知数据。

(3)无人机平台仿真模块3通过加载航点和平台配置，并通过飞行器控制系统实现对航点的跟踪，和飞行器状态输出。

在无人机平台仿真模块3中，采用JSBSim软件，基于平台属性配置信息，对飞行器进行运动学建模，基于无人机任务规划，进行平台位置、速度和姿态控制，实现对任务航点或规避航点的跟踪，和平台位置、速度、姿态状态的输出。平台状态信息通过数据池发送至各个传感器模块和算法功能模块，用于产生感知数据和SAA算法。

(4)传感器仿真

A.雷达传感器仿真。雷达仿真模块通过读取系统配置模块针对雷达传感器的参数配置进行初始化，并通过数据池读取空中交通数据和本机状态数据，生成雷达仿真数据其中i表示检测到的目标标识符，r_i为目标与本机的径向距离，α_i代表目标与本机的水平角，β_i为目标在本机坐标系下的垂直角度，(σ_r,σ_α,σ_β)为雷达在径向，方位角和仰角的统计标准差。如图3所示，生成方式如下：

通过目标在世界坐标系下的位置X_o和本机在世界坐标系下的位置X_h以及本机相对世界坐标系的姿态Ω得到目标在在本机坐标系下的位置

通过加入噪声得

$\begin{array}{cc}r=\left|\right|X_o^h\left|\right|+{\mathrm{\&eta;}}_r,& {\mathrm{\&eta;}}_r~N(0,{\mathrm{\&sigma;}}_r)\end{array}$

$\begin{array}{cc}\mathrm{\&alpha;}={\tan }^{-1}\left(\frac{y_o^h}{x_0^h}\right)+{\mathrm{\&eta;}}_{\mathrm{\&alpha;}}& {\mathrm{\&eta;}}_{\mathrm{\&alpha;}}~N(0,{\mathrm{\&sigma;}}_{\mathrm{\&alpha;}})\end{array}$

$\begin{array}{cc}\mathrm{\&beta;}={\cos }^{-1}\left(\frac{z}{r}\right)+{\mathrm{\&eta;}}_{\mathrm{\&beta;}}& {\mathrm{\&eta;}}_{\mathrm{\&beta;}}~N(0,{\mathrm{\&sigma;}}_{\mathrm{\&beta;}})\end{array}$

其中η_r,η_α,η_β雷达量测噪声，均服从正态分布。

雷达仿真数据传送至数据池保存，并传送至感知与规避算法模块5，用于空域感知算法。

B.光电传感器。其仿真过程如图4所示，光电传感器通过MultiGen creator和VegaPrime4.1实现。通过读取飞行空间的交通信息和平台型号，基于MultiGen creator进行空中目标3D建模，通过读取本机状态信息和传感器配置参数，采用Vega Prime的Camera模块实现对含有空中交通目标的实时图像数据获取。光电传感器仿真模块将数据发送至系统数据池8保存，并传送用于感知与规避算法模块5。

C.红外传感器。其仿真过程如图5所示，通过Vega的API库函数实现对红外传感器的有效仿真。Vega仿真的内部过程是Sensor Vision模块利用Texture Mapping Mapper(TMM)设定物体的纹理和材料物理特性，然后利用MAT设定大气传输模型，计算大气透射率、大气背景辐射、太阳或月亮的直接辐射等，考虑该计算量较大，难以实时完成，采用预先定义并保存为.mat文件的方式，在实际仿真中，Sensor Vision模块读取.mat文件，直接使用预先计算参数实现实时仿真；最后通过Sensor Vision调用已经计算的各种参数，采用辐射度计算公式，计算场景中的红外辐射强度，并完成从辐射强度到灰度值的转换，生成红外图像。光电传感器仿真模块将数据发送至系统数据池8保存，并传送至感知与规避算法模块5。

(5)感知与规避算法模块5。感知与规避算法模块5按照感知与规避顺序流程可分为环境感知模块、威胁评估模块和规避算法模块。用户需在该框架下进行算法设计和测试。

A.环境感知模块。环境感知模块通过数据池读取传感器配置文件，在确定的感知系统配置和参数设定的前提下，读取数据池中的传感器数据。并基于该传感器完成传感器数据管理，预处理算法设计、多传感器信息融合、目标检测与跟踪等功能。该模块最终输出在本机坐标系下的空域目标的状态估计(如位置、速度等)。

B.威胁评估模块。威胁评估模块通过读取数据池的算法参数设置，对碰撞威胁进行定义，并通过读取环境感知模块数据和本机状态数据进行威胁等级评估，对超过一定威胁等级的目标进行碰撞告警，并按照威胁程度由高到低发送目标数据到规避算法模块。

C.规避算法模块。规避算法模块通过基于本机的性能设置和威胁目标状态进行最优规避路径解算，根据解算结果以航路点的形式通过数据池发送至平台仿真模块。在进行算法设计时应充分考虑本机的机动特性、机动消耗、感知性能等指标，实现最优的规避机动。

(6)3D实时仿真场景显示模块6。

3D实时场景显示模块基于Vega Prime和MFC框架进行设计，首先模块读取场景设置参数，实现对仿真场景下的气象、明暗的设定。通过读取本机状态和目标机的ADS-B数据信息，实现本机角度下、可拖拽角度等多个角度下的实时空中遭遇场景下的本机和目标机的飞行状态、飞行轨迹的显示。

(7)系统评估模块7。

系统评估模块完成对感知与规避数据的实时显示，如传感器状态数据、本机状态、目标感知状态、目标真实状态、目标威胁程度、本机规避路径与本机机动等。

系统评估模块还完成对感知与规避系统配置和算法的评估结果，主要通过如下方面评估：

A.空域感知范围，空域感知范围定义为基于传感器属性配置下，能够实现对目标有效信息获取的最大范围，表示为水平有效感知角度、垂直有效感知角度和目标有效感知距离。该指标通过读取传感器配置参数计算得到。

B.碰撞预留时间，碰撞预留时间定义为产生碰撞告警的时刻到预测碰撞发生点需要的时间，该时间是对空域感知传感器配置、空域感知算法和威胁评估逻辑的一种综合有效判断。该指标通过读取规避算法中的状态数据获得。

C.目标最小分离距离

目标最小分离距离定义为在整个规避过程中，本机与威胁目标之间的最小径向距离，该距离是对感知与规避系统的规避性能和机动性能的一种综合评估。该指标通过读取本机与目标机的飞行轨迹获得。

本发明利用多种传感器的组合，相比于现有技术中多使用单一传感器的情况而言，能够适应于高空复杂环境，提高在云雾、雨雪等恶劣其气象条件下，光照、夜晚等光照条件下以及电磁干扰环境中的空域感知。且基于多种传感器组合，能够显著提高感知精度，降低漏检和虚警概率。同时，在进行传感器配置时，应根据无人机的工作任务、工作环境进行有针对性的设计和配置。

现有技术中，多采用自定义的形式来模拟空域数据，而本发明中采用ADS-B数据模块2可以获取更加真实的空域数据，并将空域数据发送至所述系统数据池8。ADS-B IN能够获取一定范围内的真实空域数据。相比于自定义的方式模拟空域数据，采用这种方式能够更加真实、有效的还原空中飞行器的飞行状态，对空中航路状况、空域交通密度、空中交通动态特性能够有效的模拟。

Claims (10)

1.多传感器融合无人机感知与规避仿真系统，其特征在于，包括系统配置模块(1)、ADS-B数据模块(2)、无人机平台仿真模块(3)、传感器数据仿真模块(4)和感知与规避算法模块(5)，上述各个模块均连接至系统数据池(8)，并通过所述系统数据池(8)进行数据交互；

其中，所述系统配置模块(1)，用于完成所述仿真系统的参数配置和系统初始化，并将参数和初始化信息发送至所述系统数据池(8)，所述参数包括SAA场景设置，传感器的参数配置文件，算法参数配置，无人机平台配置信息和飞行任务；

所述的ADS-B数据模块(2)，用于通过系统数据池(8)获取所述初始化信息，并采集空域目标的真实空中交通数据，再将所述真实空中交通数据存储至所述系统数据池(8)；

所述传感器数据仿真模块(4)、感知与规避算法模块(5)和无人机平台仿真模块(3)之间依次形成数据回路，所述无人机平台仿真模块(3)将其仿真飞行状态信息发送至所述传感器数据仿真模块(4)，所述传感器数据仿真模块(4)再根据所述真实空中交通数据产生相应的感知数据并发送至所述感知与规避算法模块(5)，所述感知与规避算法模块(5)计算得到最优规避路径并反馈至所述无人机平台仿真模块(3)，使得无人机平台仿真模块(3)动态调整以保证其始终处于最优规避路径。

2.如权利要求1所述的多传感器融合无人机感知与规避仿真系统，其特征在于，所述无人机平台仿真模块(3)，用于模拟无人机，并通过系统数据池(8)获取所述仿真系统的初始化信息、所述航点信息、和所述最优规避路径，以控制所述无人机平台仿真模块(3)的仿真飞行，并将所述仿真飞行状态信息存储至所述系统数据池(8)；

所述的传感器数据仿真模块(4)，用于通过系统数据池(8)获取：所述仿真系统的初始化信息、所述真实空中交通数据、以及由所述无人机平台仿真模块(3)输出的仿真飞行状态信息，然后产生相应的感知数据存储至所述系统数据池(8)；

所述感知与规避算法模块(5)，用于通过系统数据池(8)获取所述的感知数据，并根据所述感知数据对空域目标进行威胁评估和规避路径规划，从而得到最优规避路径，并将所述最优规避路径存储至所述系统数据池(8)。

3.如权利要求2所述的多传感器融合无人机感知与规避仿真系统，其特征在于，所述无人机平台仿真模块(3)，包括与所述系统数据池(8)依次连接的任务规划模块、飞行控制模块和飞行器平台仿真模块；

所述任务规划模块，用于通过系统数据池(8)来加载无人机的初始航点、无人机平台的配置信息和飞行任务；

所述飞行控制模块，用于跟踪所述无人机的航点；

所述飞行器平台仿真模块，用于输出所述无人机的仿真飞行状态信息。

4.如权利要求2所述的多传感器融合无人机感知与规避仿真系统，其特征在于，所述的传感器数据仿真模块(4)包括雷达仿真器、红外仿真器和/或光电仿真器；

所述雷达仿真器，用于通过所述系统数据池(8)读取所述真实空中交通数据和所述仿真飞行状态信息，并生成雷达仿真数据存储至所述系统数据池(8)，再传输至所述感知与规避算法模块(5)；

所述红外仿真器，用于仿真生成场景中的空域目标和背景的红外辐射强度，并将所述红外图像存储至所述系统数据池(8)，再传输至所述感知与规避算法模块(5)；

所述光电仿真器，用于仿真生成含有空域目标的可见光实时图像数据，并将所述实时图像数据存储至所述系统数据池(8)，再传输至所述感知与规避算法模块(5)。

5.如权利要求2所述的多传感器融合无人机感知与规避仿真系统，其特征在于，所述感知与规避算法模块(5)包括与所述系统数据池(8)依次连接的环境感知模块、威胁评估模块和规避算法模块；

所述环境感知模块，通过系统数据池(8)读取所述传感器数据仿真模块(4)中各个传感器的参数配置文件，并读取所述感知数据，再根据所述传感器的参数配置文件和所述感知数，据得到空域目标的状态估计；

所述威胁评估模块，通过读取系统数据池(8)中的算法参数设置，并通过读取所述环境感知算法模块的数据和无人机的仿真飞行状态信息来进行威胁等级评估，对超过一定威胁等级的空域目标进行碰撞告警，并按照威胁程度由高到低发送空域目标的位置和速度状态估计数据至所述感知与规避算法模块(5)；

所述规避算法模块，用于进行无人机最优规避路径解算，并将解算结果以航点的形式通过系统数据池(8)发送至无人机平台仿真模块(3)。

6.如权利要求1所述的多传感器融合无人机感知与规避仿真系统，其特征在于，所述ADS-B数据模块(2)包括ADS-B IN模块，所述ADS-B IN模块通过解析得到空域目标的交通位置、高度和航线信息，再将所述交通位置、高度和航线信息存储至所述系统数据池(8)。

7.如权利要求1所述的多传感器融合无人机感知与规避仿真系统，其特征在于，所述的系统数据池(8)还数据连接有系统评估模块(7)，所述系统评估模块(7)，用于从系统数据池(8)中获取：所述仿真飞行状态信息、所述真实空中交通数据、所述仿真飞行状态信息、所述感知数据和所述最优规避路径，以对所述仿真系统的空域感知范围和碰撞预留时间进行性能评估。

8.如权利要求1所述的多传感器融合无人机感知与规避仿真系统，其特征在于，所述的系统数据池(8)还数据连接有3D实时仿真场景显示模块(6)，所述3D实时仿真场景显示模块(6)，用于根据所述SAA场景设置，所述仿真飞行状态信息和所述真实空中交通数据来对场景环境实时建模，对空中遭遇场景进行建模。

9.如权利要求1-8所述仿真系统的仿真方法，其特征在于，包括以下具体步骤：

步骤1、通过系统配置模块(1)完成所述仿真系统的主要参数配置和系统初始化，并将配置的参数通过系统数据池(8)发送至无人机平台仿真模块(3)、传感器数据仿真模块(4)和感知与规避算法模块(5)，完成参数初始化；

步骤2、通过ADS-B数据模块(2)接收空中交通的ADS-B数据，包括空域目标的位置、高度和航线信息，并将其发送至所述系统数据池(8)作为仿真空中交通场景中的目标机数据；

步骤3、由无人机平台仿真模块(3)来加载无人机初始和无人机平台配置，并对航点进行跟踪，然后将无人机平台仿真模块(3)的仿真飞行状态信息输出至所述系统数据池(8)；

步骤4、通过传感器数据仿真模块(4)获取各个传感器的感知数据；

步骤5、由感知与规避算法模块(5)，根据所述步骤4中获取的所述感知数据计算得到最优规避路径，并反馈至无人机平台仿真模块(3)来指导所述无人机在最优规避路径飞行。

10.如权利要求9所述仿真系统的仿真方法，其特征在于，所述仿真方法还包括以下步骤：

步骤6、由3D实时场景显示模块(6)，根据所述SAA场景设置，所述仿真飞行状态信息和所述真实空中交通数据来对场景环境实时建模，对空中遭遇场景进行建模，以对本机飞行场景中的态势进行实时显示；

步骤7、由系统评估模块(7)读取所述仿真飞行状态信息、所述真实空中交通数据、所述仿真飞行状态信息、所述感知数据和所述最优规避路径，以对所述仿真系统的空域感知范围和碰撞预留时间进行性能评估。