随着高科技军事装备的研发与应用,隐身技术受到了越来越多的关注。世界各大军事强国都在着力研发新一代的隐身飞行器,在军事战场中,隐身飞行器突防航路规划技术已经成为近年来的研究热点,是影响隐身飞行器生存能力和作战能力的重要因素。然而,现代空战中攻防双方的对抗呈现出网络化、体系化和智能化的特征给隐身飞行器突防带来了巨大困难。本文针对隐身无人机突防作战中的航路规划问题,使用A-Star算法,结合隐身无人机的运动学模型、动态雷达散射截面特性（Radar cross-section,RCS）、模型预测控制技术、扩展卡尔曼滤波算法以及航迹平滑技术等,提出了新颖的航路规划方法和战术机动方案,以实现复杂战场环境下隐身无人机快速突防离线航路规划和在线航路规划。最后,通过设计仿真实例,验证了不同场景下算法的有效性和可行性。主要研究内容如下:（1）研究了静态威胁环境下的突防航路规划问题。首先,针对二维平面的静态威胁环境,提出了两种转弯飞行策略:最大负载飞行模式和最小滚转角飞行模式。然后,分析雷达系统对目标的发现准则以及隐身无人机的动态RCS特征,设计了基于多层变步长搜索策略的改进A-Star算法来求解突防航路。针对三维的静态威胁环境,设计双向扇域变步长A-Star算法（Bidirectional Sector Variable Step,BSVS A-Star）来求解航路规划问题,最后,将提出的改进算法应用于隐身无人机突防离线航路规划以验证算法的有效性。（2）研究了局部威胁未知环境下的突防航路规划问题。考虑到战场环境中某些雷达突然开机造成航路规划的实时性影响,同时结合A-Star算法和模型预测控制技术的原理,提出了一种多步寻优A-Star算法（Multi-step Optimization A-Star,MSO A-Star）。在航迹点的搜索过程中通过算法的滚动优化和反馈校正的方式来获得最优航路,具有较好的实时性和控制精度。最后,将提出的算法应用于隐身无人机突防在线航路规划以验证算法的有效性。（3）研究了复杂动态威胁环境下的航路规划问题。考虑山岭地区的作战环境中存在地形、敌方的移动目标和突发雷达威胁（Bandit）,基于F-117的全向RCS数据和角域RCS特征,提出了极小RCS战术方法。然后,利用扩展卡尔曼滤波算法实现对移动目标的运动状态进行预测,通过极小RCS战术和双向扇域变步长A-Star算法的组合应用以实现隐身无人机的动态航路规划。最后,将所提方法应用于不同威胁环境以验证其有效性。