一、核心技术
空气动力学技术：
高超声速无人机需要在极端速度下稳定飞行，这就要求其具备出色的空气动力学性能。空气动力学技术用于设计和优化无人机的机翼形状、尾翼布局等，以确保其在高超声速飞行时的稳定性和操控性。
推进技术：
推进技术是高超声速无人机的关键所在，目前主要采用超燃冲压发动机等先进动力装置。这些发动机能够在高超声速飞行时提供足够的推力，保证无人机的持续飞行和加速能力。
材料技术：
高超声速飞行会产生极高的温度和压力，对无人机的材料提出了极高的要求。因此，需要使用耐高温、高强度、轻质化的新型材料来制造无人机的机身和关键部件，以确保其在极端环境下的稳定性和耐久性。
飞控技术：
飞控技术是高超声速无人机的重要组成部分，用于实现无人机的自主飞行、导航和操控。通过先进的飞控算法和传感器技术，可以实现对无人机飞行状态的实时监测和精确控制，确保其在复杂环境中的安全飞行。
二、算法
轨迹生成与预测算法：
基于气动模型和深度学习技术的轨迹生成与预测算法是高超声速无人机的重要算法之一。该算法通过建模无人机在典型运动模式下的气动受力模型，基于跟踪数据对控制量进行拟合计算，实现对无人机飞行轨迹的精确预测。这有助于防御方提前采取应对措施，提高拦截成功率。
例如，基于Transformer架构的轨迹预测模型可以实现对不同机动模式下高超声速飞行器轨迹的高精度预测。该模型首先构建影响飞行器机动的控制参数模型，并归纳不同机动模式下控制参数的变化规律；然后建立基于Transformer架构的轨迹控制参数预测模型，并设计平衡优化控制参数与物理轨迹的神经网络损失函数；最后利用控制参数模型生成多条不同机动模式下的仿真轨迹数据，并输入轨迹预测模型以学习控制参数与轨迹数据的变化规律。
目标定位与跟踪算法：
高超声速无人机的目标定位与跟踪算法是其执行任务的关键。通过配置异类传感器并扩展融合观测量，可以提高目标定位精度和跟踪稳定性。例如，可以使用无人机机载雷达、红外传感器和光学传感器等多种传感器进行目标探测和跟踪，并通过数据融合算法实现对目标位置的精确估计。
针对高超声速目标在不同飞行段的跟踪特性，可以设计基于UKF滤波算法的目标跟踪滤波方法。该方法通过扩展融合观测量并设计符合高超声速飞行器不同运动段特征的目标运动模型，实现对目标位置的精确跟踪和预测。
减损控制算法：
针对高超声速无人机在飞行过程中可能遇到的机翼结构损伤问题，可以研究减损控制算法来降低损伤程度并提高飞行安全性。例如，可以使用粒子群算法等优化算法来寻找最佳的减损控制策略，通过调整无人机的飞行姿态和速度等参数来降低机翼结构的应力水平并延长使用寿命。
