1.一种龙形太阳能与空气能复合飞行器，其特征在于，所述龙形太阳能与空气能复合飞行器设置有：飞行体，飞行体上安装有两个飞行装置；
所述飞行装置四角通过螺丝螺母安置有机翼；所述机翼底部通过螺丝螺母固定有滑轮；所述飞行装置两边缘通螺丝螺母安装有风力发电机；
所述机箱前端两侧安置有硅电池板；所述机箱内嵌装有蓄能器和控制处理器；所述控制处理器通过导线连接蓄能器；所述蓄能器通过导线连接风力发电机和硅电池板；
所述控制处理器的接收信号循环共变函数包括：
信号含有服从SαS分布噪声的MPSK信号，表示为：
其中E是信号的平均功率， M＝2k，m＝1,2,...M,
q(t)表示矩形脉冲波形，T表示符号周期，fc表示载波频率，φ0表示初始相位，若w(t)是服从SαS分布的非高斯噪声，则其自共变函数定义为：
其中(x(t-τ))＝|x(t-τ)|p-2x*(t-τ)，γx(t-τ)是x(t)的分散系数，则x(t)的循环共变定义为：
其中ε称为循环频率，T为一个码元周期；
接收信号的循环共变谱按以下进行：
循环共变谱是循环共变函数的傅里叶变换，表示为：
其循环共变谱推导为：
当M≥4时，在 处：
当M＝2时：
其中Q(f)为q(t)的傅里叶变换，且
所述接收信号的观测向量x的分数低阶快速独立成分分析按以下进行：
1)将观测向量x减去均值进行中心化，利用主要分量分析对中心化后的观测向量进行分数低阶预白化处理，得到白化矩阵v，其中，独立成分分析中用到的分数低阶相关矩阵定义为：
其中，xi(n)和xj(n)分别为第i路和第j路观测信号，且1≤i,j≤2，*代表取共轭，对分数低阶相关矩阵进行特征值分解可以得到特征值矩阵D与特征向量矩阵V，由特征值矩阵和特-1/2 T
征向量矩阵可得预白化矩阵M＝D V ，利用预白化矩阵将观测数据x向信号子空间投影，得到白化矩阵v＝Mx；
2)对权向量w0进行随机初始化，同时初始化序列号k使k＝1；
3)进行权值向量迭代：
其中， 和 为一阶统计量，g(·)是对比函数，η＝Ε[wTxg(wTx)]，
且在权值的迭代过程中参数λ是可变的，且λ＜1；
4)利用范数归一化权值向量wk，wk＝wk/||wk||；
5)若 充分接近于1，算法得到收敛，wk就是最终的解混矩阵，执行6)，否则重复步骤3)与步骤4)；
6)Y＝wkx,其中x为观测信号，Y为分离后的二维信号。
2.如权利要求1所述龙形太阳能与空气能复合飞行器，其特征在于，所述飞行装置表面贴附防水薄膜。
3.如权利要求1所述龙形太阳能与空气能复合飞行器，其特征在于，所述蓄能器安装有无线传感器网络，所述无线传感器网络的数据融合中心对收集到的感知信息进行数据融合，并依据恶意节点的恶意攻击模式计算全局的虚警概率；具体包括：
第一步，根据各个节点的信噪比γi为每一个参与合作感知的次级用户CRi,i＝1…k设计一个权重 然后对收集得到的信号能量统计量Ui进行线性加权得到最终的信号能量的统计量
第二步，分析虚警恶意攻击模式对频谱感知造成的影响，得到全局虚警概率Pf和攻击概率pa、攻击阈值η、攻击强度Δ之间的函数表达式如下：
其中：
4.如权利要求3所述龙形太阳能与空气能复合飞行器，其特征在于，所述无线传感器网络通过迭代得到各个节点测量数据的无偏估计值，求取各个传感器节点的测量数据值与估计值之间的欧式距离，以归一化的欧式距离作为自适应加权融和的权值；选用簇中的传感器节点采集到的数据的最大值与最小值的平均值作为中心数据；某个簇中有个传感器节点，用维列向量D＝(d1，d2，…，dn)表示相应节点的测量值，通过计算各个节点数据与中心数据的欧式距离反应不同节点数据与中心数据之间的偏差大小，其中li的计算公式为：
根据欧式距离自适应设定相应的权值大小，距离越大权值越小，距离越小权值越大；
其中 wi为相应的权值。