近年来,随着通信技术、计算机技术的不断发展以及人工智能等领域的创新研究,无人机产业取得了迅速发展,在航拍、农业、救援以及军事等领域都得到了广泛的关注和应用。然而,随着无人机产业的不断发展,无人机网络受到干扰攻击的恶性事件时常发生。由于干扰问题已经严重阻碍了民用无人机产业的发展,因此抗干扰研究显得愈发重要。为此,论文主要聚焦于无人机网络中的空闲节点,基于经典无人机网络目标定位方法,对无人机网络中干扰源位置的估计进行了深入研究,为无人机网络抗干扰措施提供新的思路与方法。论文主要研究内容和贡献概述如下:第一,论文针对干扰源与无人机网络相距较近的场景,首先让无人机网络中空闲节点主动发射特定探测信号,再利用其它空闲节点接收该信号时产生的时间差和方位角,建立了无人机主动发射特定探测信号的定位模型;然后基于建立的主动定位模型,提出了一种利用球坐标对干扰源位置进行初步估计的方法;最后基于本文设计的干扰源空间离散轨迹曲率提出了一种无人机网络中干扰源联合定位算法。仿真结果表明,与传统无人机网络中目标定位方法相比,该算法可将干扰源定位精度提高53.28%以上,可以显著提升定位性能。第二,论文针对干扰源与无人机网络相距较远的场景,首先利用干扰信号到达不同接收无人机节点所产生的时间差,建立了无人机空闲节点被动接收干扰信号的定位模型;然后基于建立的被动定位模型提出了利用最小二乘法获得干扰源位置的初步估计;最后,通过将干扰源的初步位置估计作为扩展卡尔曼滤波器的输入,提出了一种适用于远距离场景的干扰源联合定位算法。仿真结果表明,与无人机空闲节点主动发射特定探测信号方法相比,该联合定位算法可将干扰源定位精度提高15.93%以上,在干扰源与无人机网络相距较远范围内有着明显的优势。本文针对干扰源与无人机网络之间的距离不同,提出了相应的无人机网络中干扰源定位方法。所提方法能够有效地获取干扰源空间位置,提高了抗干扰措施的灵活性。