1.一种无人机识别与拦截的智能方法，其特征在于，包括如下步骤：步骤1：当前无人机上搭载摄像模块，获取管辖范围内的其他无人机图像；

步骤2：获取其他无人机飞行仰角、当前风阻、无人机飞行高度和速度，以此参数作为输入，以无人机的频率快速定位的精确度最优为目标构建目标函数，利用哈里斯鹰优化算法进行迭代寻优，确定无人机的频率快速定位的最优精确度；以频率快速定位的最优精确度进一步确定无人机的位置信息；

所述目标函数为：

其中，ξ是频率快速定位的精确度，ξ0是决定频率快速定位的精确度的影响因子，fd是多普勒频率变化率，Peak是FFT频谱的峰值，γ是由多径效应所产生的影响因子，μ是噪声干扰因子，V是无人机的飞行速度，H是无人机的飞行高度，Xt和Xt+1是无人机在t时刻和t+1时刻的位置信息，Power是陌生无人机的电池储存量，α是无人机飞行时的仰角， 是无人机工作当天的风阻；

步骤3：利用区块链实现无人机的去中心化身份验证，识别陌生无人机的身份，若无人机身份无误，则不做干扰；若无人机身份有误，即陌生无人机，根据步骤2确定的无人机位置，对其发射干扰信号。

2.根据权利要求1所述的无人机识别与拦截的智能方法，其特征在于，所述步骤2通过哈里斯鹰优化算法来调控无人机的频率快速定位的精确度，具体步骤如下：

1)种群初始化，随机产生一个目标种群，个体被随机放置在搜索空间[ub，lb]中，哈里斯鹰仔细检查和监控搜索空间，以便发现猎物，设置最大迭代次数T，根据迭代次数设置算法的搜索空间，在搜索空间里随机初始化种群；

2)将初始种群带入目标函数，无人机在随机的地方寻找目标，其位置的更新公式如下：其中，Xt为迭代至第t次种群个体的位置，Xt+1为迭代至第t+1次种群个体的位置，Xrabbit,t为猎物迭代至第t次时的位置信息，q和r1，r2，r3，r4是在(0，1)上均匀分布的随机数，ub是搜索空间的上界，lb是搜索空间的下界，V是的飞行速度，H是飞行高度，q是迭代时的概率，Xrand,t为迭代至第t次时哈里斯鹰的随机位置，哈里斯鹰的平均位置公式如下：其中，Xm,t为哈里斯鹰迭代至第t次时的平均位置，N是哈里斯鹰的总数，α是飞行时的仰角， 是风阻；

3)将初始种群带入目标函数，猎物的能量方程公式如下：

E0＝2*rand‑1

其中，E是猎物逃跑的能量，E与陌生无人机的电量Power相对应，E0是猎物能量的初始状态，E0与陌生无人机的初始电量Power0相对应，rand是(0，1)之间的随机数，T是最大迭代次数，t是当前迭代次数；当E≥1时，哈里斯鹰算法将执行全局探索；当E<1时，哈里斯鹰算法将执行局部开采；

4)根据猎物的逃跑行为和哈里斯鹰的追逐策略提出四种策略来模拟攻击行为；

第一种策略：软围攻；当E≥0.5，R≥0.5，R∈(0,1)，即当陌生无人机的电量Power大于

30％，无人机在定位陌生无人机的同时会逐渐消耗彼此双方的能量，无人机会选择最佳的位置对它发射频率定位信号，突袭俯冲逮捕陌生的无人机，无人机的更新位置的方程如下：Xt+1＝ΔXt‑γ(t)*E|JXrabbit,t‑Xt|

ΔXt＝Xrabbit,t‑Xt

J＝2(1‑r5)

其中，ΔXt是迭代时猎物的当前移动位置Xrabbit,t、哈里斯鹰的当前移动位置Xt的位置之差，J表示陌生无人机逃跑过程中的随机跳跃，r5是(0,1)上的随机数，r5与多普勒频率变化率相对应，γ(t)为影响因子；

第二种策略：硬围攻；当E<0.5，R≥0.5时，陌生无人机的电量不足30％时，无人机选择迅速突袭陌生无人机，精确发出频率定位信号，位置更新如下：Xt+1＝Xrabbit,t‑E∣ΔXt∣

第三种策略：累速俯冲式软围攻；当E>0.5，R<0.5时，即陌生无人机有足够的电量逃跑，无人机在突袭之前会建立一个软围攻，为了模拟陌生无人机的逃跑模式和跳跃动作，将Levy函数LF集成在HHO算法中，位置更新的公式如下：其中，D为问题维度，S为D维随机行向量；

第四种策略：累速俯冲式硬围攻；当E<0.5，R<0.5时，陌生无人机的电量E不足30％，无人机在突袭前构建硬围攻捕捉猎物，位置更新如下：

5)判断是否满足停止条件，如果满足停止条件则退出，输出结果，否则重复执行步骤

2)‑步骤4)，最后输出无人机的频率快速定位的精确度最优解。

3.根据权利要求2所述的无人机识别与拦截的智能方法，其特征在于，在模拟攻击行为时，引入PID因子对影响因子γ进行优化，优化公式如下：其中，T是最大迭代次数，该影响因子不会影响无人机机身稳定，使无人机在飞行时可以平稳运行。

4.根据权利要求2所述的无人机识别与拦截的智能方法，其特征在于，第三种策略中Levy飞行函数公式如下：其中，u、v是(0,1)之间的随机数，β取常值1.5。