1.一种基于非视距因素的无人机路径规划方法，其特征在于，包括以下步骤：（1）引入非视距因素，构建非视距偏差模型，并结合路径长度约束构建目标优化函数；

所述步骤（1）包括以下步骤：

（11）构建非视距偏差模型；

（12）建立路径长度约束条件；

（13）建立目标优化函数；公式如下：；

其中， ， ， 分别为路径在x,y,z上的分量； 表示非视距偏差项系数；

为折射角； 为墙体的相对介电常数，取值为3.0—9.0； 为墙体厚度，取值为0.25—

0.75m；

（2）通过改进的粒子群算法对目标函数进行迭代优化，计算得出非视距误差最小的无人机路径；包括以下步骤：（21）利用Tent映射改进粒子群算法的种群初始化；

（22）利用Tent映射改进粒子群算法的部分粒子更新方式。

2.根据权利要求1所述的一种基于非视距因素的无人机路径规划方法，其特征在于，所述步骤（11）公式如下：；

其中， 为墙体的相对介电常数，取值为3.0—9.0； 为墙体厚度，取值为0.25—

0.75m。

3.根据权利要求2所述的一种基于非视距因素的无人机路径规划方法，其特征在于，所述步骤（12）路径长度约束条件公式如下：；

其中， ， ， 分别为路径在x,y,z上的分量。

4.根据权利要求1所述的一种基于非视距因素的无人机路径规划方法，其特征在于，所述步骤（21）具体如下：将随机生成的粒子位置按公式(4)映射到[0,1]；再根据公式(5)进行三次迭代，得到三个混沌点；最后根据公式(6)将混沌点分别映射回原空间，选取适应度值最优的混沌点作为该粒子的新位置；具体公式如下：；

；

；

其中， 表示归一化处理后的位置； 表示混沌映射得到的结果； 表示映射回原空间后的位置； 表示单个粒子的维数； 表示第j维变量的定义域；

为混沌参数。

5.根据权利要求1所述的一种基于非视距因素的无人机路径规划方法，其特征在于，所述步骤（22）具体如下：在粒子迭代更新过程中，首先评估初始化粒子的适应度值并选出适应度较优的部分粒子，若该部分粒子当前适应度高于历史最优适应度值，则根据Tent映射重新获取该粒子的新位置；若低于历史最优适应度值，则与其余粒子一同按照公式（7）（8）进行位置速度更新；具体公式如下：（7）；

（8）；

其中， 和 分别代表第k次迭代中第i个粒子的速度和位置；w是惯性权重，代表粒子当前速度的影响程度；C1，C2是加速系数，取值为常数；R1，R2是(0,1)间的随机数；

和 分别代表在迭代k次时粒子i所达到的个体最优解和全局最优解；其中，k=1,2,...,N；i=1,2,...,M。