1.基于改进蚁群算法的5G网联无人机航迹规划方法，其特征在于，具体按照如下步骤实施：

步骤1，在无人机上安装一个GPS导航模块接收无人机的位置信号，然后让无人机在待规划的环境中试飞，使用GPS定位对环境进行采样，基于采集的飞行环境建立三维栅格单元；

步骤2，然后根据GPS判断待规划无人机当前在三维栅格单元所处的位置，以三维栅格单元的各个顶点组成的路线为待选航迹规划路线采用改进蚁群算法对无人机进行航迹规划，选出最优路径。

2.根据权利要求1所述的基于改进蚁群算法的5G网联无人机航迹规划方法，其特征在于，所述步骤1中基于采集的飞行环境建立三维栅格单元具体为：将纬度作为横坐标，经度作为纵坐标，以地面物体的高度作为竖坐标，垂直于地面划分三维栅格单元。

3.根据权利要求2所述的基于改进蚁群算法的5G网联无人机航迹规划方法，其特征在于，划分三维栅格单元时，所述三维栅格单元的栅格节点按照如下方法确定：以当前无人机所处的位置栅格的顶点为一个节点(A，B)，A、B分别为无人机所处栅格节点的横坐标和纵坐标，在二维平面空间内，求取节点(A，B)与其周围若干个离散点(xi，yj)的距离Di为：

然后根据距离找出距离节点(A，B)最近的N个离散点，则下一个节点(x，y)的栅格坐标为：

其中，Zi是第i个离散点的横坐标值，Zx为下一个节点(x，y)的横坐标值，Zj是第j个离散点的纵坐标值，Zy为下一个节点(x，y)的纵坐标值，Di是第i个离散点到节点(A，B)的距离，Dj是第j个离散点到节点(A，B)的距离，由于横向位置和纵向位置得到确定，则竖向位置z由GPS定位直接得到，即可确定下一节点的三维坐标(x，y，z)，进而得到三维空间的栅格单元。

4.根据权利要求1所述的基于改进蚁群算法的5G网联无人机航迹规划方法，其特征在于，所述步骤2具体为：

步骤2.1，以待规划无人机当前在三维栅格单元所处的栅格的顶点为起始节点，然后进行参数初始化，具体为：设定蚁群的搜索次数Nc＝0，设定蚂蚁总数为m；

步骤2.2，将第一只蚂蚁置于起始节点的栅格上，让蚂蚁按照添加引导因子后的状态专利概率公式选择路径，进行路径搜索；

步骤2.3，使蚂蚁的数目逐渐自增，让每个蚂蚁按照步骤2.2的方式进行路径搜索，完成一轮迭代，选出本次迭代的最短路径，最短路径对应的蚂蚁为最优蚂蚁；

步骤2.4，当Nc＜Ncmax，进行下一轮迭代Nc+1，对信息素进行更新，然后按照步骤2.2‑2.3的方式进行下一轮迭代，当Nc≥Ncmax，比较各次迭代的最短路径，然后取最小，作为最优路径；

步骤2.5，判断否陷入局部最优，如果陷入局部最优，执行步骤2.6，否则按照步骤2.4进行下一轮迭代；

步骤2.6，根据Dijkstra算法调整挥发因子的值，然后返回步骤2.4。

5.根据权利要求4述的基于改进蚁群算法的5G网联无人机航迹规划方法，其特征在于，所述步骤2.2中添加引导因子后的状态专利概率公式具体为：设某节点i的牵引粒子为：

其中，m为蚂蚁总数，mk为当前参与迭代的蚂蚁数量，Ncmax为最大搜索次数，Nc为当前搜索次数，diD为节点i到目标节点D的距离，dij为节点i到下一节点j的距离；

则节点i到节点j在加入牵引粒子后的状态转移概率 的公式为：其中，τij(t)和τiD(t)分别是t时刻蚂蚁从当前节点i到下一节点j和到目标节点D的信息素；ηij(t)和ηiD(t)是启发函数，分别表示t时刻蚂蚁从当前节点i转移到下一节点j和到目标节点D的期望程度；λi(t)和λj(t)分别是当前节点i和下一节点j的牵引粒子。

6.根据权利要求5所述的基于改进蚁群算法的5G网联无人机航迹规划方法，其特征在于，所述步骤2.4中对信息素进行更新具体为：信息素更新公式为：

τij(t+n)＝(1‑ρ)τij(t)+Δτij(t，t+n)其中，信息素增量Δτij(t，t+n)为：其中，节点信息素 更新公式为：

其中τij(t+n)为第n次迭代路径(i，j)上信息素浓度，ρ是信息素挥发因子，τij(t)是t时刻蚂蚁从当前节点i到下一节点j的信息素，设置τij(0)为常数，Δτij(0)为零；Lk为当前k蚂蚁完成上一次搜寻后的路径长度，Q是信息素更新常量，为完成上一次路径搜寻后残留下的信息素总和。

7.根据权利要求6所述的基于改进蚁群算法的5G网联无人机航迹规划方法，其特征在于，所述步骤2.6中根据Dijkstra算法调整挥发因子的值具体为：调整挥发因子ρ计算公式为：

其中，

其中，k为当前蚂蚁的序号，σ为完成当前迭代后，所有其他蚂蚁与最优蚂蚁k信息素浓度的方差，μ为所有最优蚂蚁k完成当前次的迭代后的期望，τk为当前蚂蚁k的信息素浓度，τij(t)为蚂蚁从城市i转移到城市j的信息素浓度。