近年来,伴随着人工智能、网络安全、信号对抗、无人系统集群控制技术的发展,相关技术的实现在给人们带来便利的同时,无人系统集群自身的安全问题也引起了广泛关注。在现今生活中常见的无人系统集群中,常遇到来自外界的信号干扰和恶意攻击者的洪水攻击或DOS攻击,但是由于现实情境的多样性和信号干扰的复杂性,无人系统集群的识别和控制常常出现各种困难,从而造成财产或其他损失。因此,针对无人系统的识别分类技术和针对性的智能防御控制技术对于无人系统集群安全性和稳定性的提升至关重要。本文在研究现今成熟的AI算法与无人系统控制技术的基础上,采用智能识别与智能控制相结合的方法提出了一种基于姿态识别的无人系统集群智能控制技术,该技术针对无人系统集群,可以有效地对集群中无人系统单元进行姿态识别,并通过无人系统单元对收集的信息结合智能控制模型（Unmanned System Cluster Intelligent Control Model Based on Attitude Recognition,USCICM-AR）,在面对外界攻击或干扰时,保证系统集群的安全和稳定。在对此任务的分析过程中,我们主要研究集中于两个核心方面展开,包括基于卷积神经网络的无人系统单元姿态识别模型（Unmanned System Unit Attitude Recognition Model Based on Convolutional Neural Network,USUARM-CNN）的搭建和基于博弈论的无人系统集群智能控制模型（Unmanned System Cluster Intelligent Control Model Based on Game Theory,USCICM-GT）的实现。在面对外界攻击干扰时,无人系统单元对集群中其他单元的姿态信息进行收集,采用基于卷积神经网络的无人系统单元姿态识别技术将采集的图像进行姿态识别,将识别的结果信息导入无人系统的智能控制模型中,通过对周围多台无人系统单元的分析和动态博弈过程处理的结果,使系统集群在面对干扰并发生集群中部分单元通信和控制异常时,该异常单元可以通过处理结果自行调整移动姿态,使系统集群整体保持相对稳定,以达到安全防控的目的。为推进无人系统集群智能识别与智能控制的快速发展,本文基于上述两个核心,完成了以下几个方面的研究内容。一、无人系统集群背景研究和分析。针对无人系统网络安全主动防御、被动识别检测和系统控制三个方面的相关概念和背景意义进行简要分析,对国内外相关团队关于这一任务的相关研究工作进行梳理分析。二、无人系统集群概念、算法及理论阐述。描述了无人系统集群场景环境,对智能识别和智能控制相关概念、算法和理论进行了解释和整理。三、实现无人系统单元姿态识别技术。自行构建了无人系统单元姿态数据集,搭建训练了一个高准确率的无人系统单元分类识别模型USUARM-CNN,并基于该模型与传统模板匹配模型、基于SVM的结构分类模型进行对比实验,验证了姿态识别模型的性能。四、实现基于姿态识别的无人系统集群智能控制技术。提出了基于博弈论的无人系统集群智能控制模型USCICM-GT,基于USUARM-CNN和USCICM-GT模型提出了综合智能识别与控制技术的无人系统集群控制模型USCICM-AR并设计相关控制程序。在此基础上,选取多种无人系统单元样本,确定了基于姿态识别的无人系统集群智能控制技术实验方案,进行实验对比,验证了在无人系统集群受到信号干扰的情况下,无人系统集群的正常操控效果。