1.一种无人机三维航迹多目标粒子群全局规划方法，其特征在于：包括以下步骤：

(1)根据飞行环境建立环境模型；

(2)根据步骤(1)建立的环境模型建立航迹规划模型，利用建立代价函数模拟无人机在飞行过程中的适应函数，对无人机航迹性能进行评价；

(3)基于多目标骨干粒子群优化算法，提出粒子编码、约束处理策略和算法执行步骤，优化步骤(2)中航迹规划模型，规划无人机的全局航行路线；

(4)根据步骤(1)至步骤(3)进行仿真模拟，进行无人机的三维全局多目标航迹规划。

2.根据权利要求1所述的一种无人机三维航迹多目标粒子群全局规划方法，其特征在于：在步骤(1)中，对无人机的飞行环境进行处理时，采用数字地图技术，所述数字地图技术将地形连续高度进行离散，以数字的形式存储于栅格之中，栅格之间的距离大小根据实际需要进行精度的划分；通过数字地图技术获取到无人机飞行区域范围内的自然地形信息、经过等效地形处理的威胁信息的中心位置以及威胁物的威胁范围。

3.根据权利要求1所述的一种无人机三维航迹多目标粒子群全局规划方法，其特征在于：在步骤(2)中，建立航迹规划模型时，考虑最小飞行高度和航迹穿过山体限制因素，其中最小飞行高度根据地面物体的最高高度设定；所述代价函数包括：航迹长度代价、威胁代价以及隐蔽性代价。

4.根据权利要求1所述的一种无人机三维航迹多目标粒子群全局规划方法，其特征在于：在步骤(3)中，所述粒子编码是指一种多节点粒子编码策略，将连续域的问题映射到离散域上，一个粒子代表一条无人机飞行路径或航迹，一条路径由m个节点共同确定；所述约束处理策略是指在航迹规划时考虑航迹中存在的约束，并在算法中给出相应的约束处理策略，从最终产生的一组Pareto最优解中，选择一个最好的折中解提供给决策者使用；所述航迹中存在的约束包括：防止航迹穿越过山体或与障碍物相碰撞。

5.根据权利要求1-4任一所述的一种无人机三维航迹多目标粒子群全局规划方法，其特征在于：在步骤(2)中，利用建立代价函数模拟无人机在飞行过程中的适应函数，对无人机航迹性能进行评价，方法如下：(2-1)通过公式(1)建立航迹长度代价模型，公式(1)表示如下：

其中，Pathi＝(Pi,1,Pi,1,…,Pi,m)表示第i条航迹，Pi,1和Pi,m是无人机的起始点S和终点G；f1表示无人机的第i条航迹Pathi的长度代价；Pi,j＝(xi,j,yi,j,zi,j)表示第i条航迹的第j个节点，x,y表示航迹节点的水平投影坐标，z表示航迹节点对应的高程，m是第i条航迹的节点数；

(2-2)通过公式(2)建立威胁代价模型，公式(2)表示如下：

其中，ε和 是正数，dang(j-1,j)表示第j-1节点到第j节点组成路段的危险程度；a是无人机飞行方向与地面的夹角；dis(j-1,j)是航迹的第j-1节点水平投影坐标点与第j节点水平投影坐标点之间的距离；dis1(j-1,j)是第j-1节点与第j节点之间的距离；dis1(j,j+1)为第j节点与第j+1节点之间的距离；Dmin和Dmax分别是雷达探测物体的有效区间的边界；

(2-3)通过公式(3)建立隐蔽性代价模型，公式(3)表示如下：

其中，yinb(j-1,j)表示第j-1节点和第j节点所确定航段的隐蔽性指标，hmax为数字高程地图中的最大高程值；zi,j为第i条航迹的第j个节点的高程值；di,j为第i条航迹的第j个节点水平坐标对应到数字高程地图中的高程值；safth为安全高度。

6.根据权利要求5所述的一种无人机三维航迹多目标粒子群全局规划方法，其特征在于：在步骤(3)中，基于多目标骨干粒子群优化算法，提出粒子编码、约束处理策略和算法执行步骤，方法如下：(3-1)构成航迹规划的决策空间和所需粒子群，完成空间规划以及粒子编码；

(3-2)将约束算法结合BB-MOPSO算法进行三维航迹的优化，对不满足约束的粒子进行相应的处理；

(3-3)制定相应的航迹决策方案，提供给决策者一个最终的参考解；

(3-4)基于步骤(3-1)至(3-3)，提出面向无人机航迹规划的改进多目标骨干粒子群优化算法的执行步骤。

7.根据权利要求6所述的一种无人机三维航迹多目标粒子群全局规划方法，其特征在于：在步骤(3-1)中，构成航迹规划的决策空间和所需粒子群，完成空间规划以及粒子编码，包括如下步骤：(3-1-1)对粒子位置的更新幅度进行限制，即对每个节点坐标的变化范围进行限制，设置粒子位置取值范围为：{(x,y,z)|xmin

(3-1-2)对每个粒子用一组节点向量来表示{P1,P2,…,Pm-1,Pm}，其中，P1和Pm分别为飞行的起始点S和目标点G，P2,…,Pm-1为飞行路径的中间节点；在每个节点对应的取值范围中，随机初始化该节点的位置，按序排列所生产的节点，所有节点组成一条完整路径，即产生一个粒子位置；

(3-1-3)重复步骤(3-1-2)，产生规定数目的粒子，组成所需粒子群。

8.根据权利要求6所述的一种无人机三维航迹多目标粒子群全局规划方法，其特征在于：在步骤(3-2)中，将约束算法结合BB-MOPSO算法进行三维航迹的优化，对不满足约束的粒子进行相应的处理，包括如下步骤：(3-2-1)在更新粒子时，按照粒子的节点先后顺序依次更新节点的各个分量；对于任意一个粒子，在更新其中一个节点时，采用下述方法判断该节点是否可行：在当前节点与前一个节点所确定的航段上取n个点，编号为m1,m2,…,mn，比较集合中的每个点的实际高程值与数字地图中相应高程值，如果存在一个点的高程值低于数字高程值，则需要更新当前节点的位置；按照上述方法继续判断更新后的节点是否满足条件，直至满足条件后才能进行下一个节点的更新；

(3-2-2)对最低航迹高度进行相应的限制，通过最低航迹高度，计算步骤(2-3)中路径的隐蔽性代价。

9.根据权利要求6所述的一种无人机三维航迹多目标粒子群全局规划方法，其特征在于：在步骤(3-3)中，制定相应的航迹决策方案，提供给决策者一个最终的参考解，方法如下：k

通过对非支配解Xk的满意度μ进行计算，满意度最大的非支配解为最终所选的飞行航迹，其中μk的计算公式如下：式中，|Ar|为非支配解的个数；M为目标函数的个数；μik为非支配解在第i个目标函数的满意度，其隶属函数如下：分别为第i个目标函数的最大和最小值,Fi(Xk)为非支配解Xk在第i个目标函

数的值。

10.根据权利要求6所述的一种无人机三维航迹多目标粒子群全局规划方法，其特征在于：在步骤(3-4)中，面向无人机航迹规划的改进多目标骨干粒子群优化算法的执行步骤如下：(3-4-1)设置算法相关参数，包括粒子群的规模Ns，粒子群的节点数Nt，外部存储集的容量为Na，迭代次数为Ts；

(3-4-2)对粒子群中的粒子进行编码，随机初始化粒子群中每个粒子的位置，设置每个粒子的个体极值点Pbest为该粒子的初始位置；

(3-4-3)评价每个粒子的目标函数值，即步骤(2-1)所述航迹长度代价、步骤(2-2)所述威胁代价以及步骤(2-3)所述隐蔽性代价，返回种群中的非支配解，将非支配解保存到外部存储集合中，并对粒子的全局极值点Gbest进行赋值；

(3-4-4)基于Pbest和Gbest的高斯分布，对粒子进行位置更新，判断更新的粒子生产的航迹段轨迹是否穿越山体，如果穿越则重新产生新的位置，直到所产生粒子对应的航迹不再穿越山体；

(3-4-5)评价每个粒子的目标函数值，即步骤(2-1)所述航迹长度代价、步骤(2-2)所述威胁代价以及步骤(2-3)所述隐蔽性代价，通过支配关系对个体极值点Pbest进行更新；

(3-4-6)对于新种群产生的非支配解与外部存储集中的上一代非支配解进行Pareto比较，对外部存储集进行更新，判断外部存储集是否大于外部存储集的容量Na，如果是，则对粒子群进行裁剪；

(3-4-7)更新粒子的全局极值点Gbest；

(3-4-8)判断是否达到算法的终止条件，如果是则输出Pareto最优解集，如果没有则重复以上(3-4-4)至(3-4-7)步骤。