知語云智能科技:針對“低慢小”無人機反制管制打擊干擾的有效方式，方法

要在全面梳理“低慢小”無人機探測方法的基礎之上，可對各種探測原理進行分析比對，結合市場的信息、實驗研究、仿真驗證等信息，總結出解決“低慢小”無人機探測問題的三個發展趨勢移動探測、融合探測和跟蹤探測。西安知語云智能科技有限公司具有十幾年的專業低慢小無人機反制監測預警干擾打擊設備

目前，能夠在應用于探測“低慢小”無人機的方法，從而信號形式上主要包括雷達探測、激光探測、金屬探測、光電探測、無線電探測和聲學探測。市場上的“低慢小”無人機探測裝備多基于雷達、圖像和無線電等，少數使用聲音。來自美國巴德學院的ArthurHollandMichel在2018年2月的一份調查報告統計了155件來自世界各地各機構研制的具有探測“低慢小”無人機功能的反無人機系統，發現了在其中雷達方法、無線電頻率方法與光電方法大約是各占1?3，而使用了聲學方法的只有2件。

3.1雷達探測

雷達主體由發射機、接收機、收發天線、顯示器構成，其原理是雷達發射機向外發射電磁波，接收機接收目標反射回來的電磁波，通過在處理目標回波獲得相應信息。理論上來講，雷達是可以獲取的目標信息包括距離、徑向速度、角方向、尺寸、形狀、微多普勒特征等等。雷達探測“低慢小”無人機則有以下突破口

（1）設計合適的雷達體制、信號頻率等；

（2）開發更高效的雜波抑制、自適應恒虛警檢測、點跡聚集、脈沖壓縮和單脈沖測角等關鍵算法。

具體可考慮以下內容

1）脈沖雷達信號處理簡便成熟，探測的距離長，但就是價格昂貴，存在中近距盲區，發射的源功率高、體積大，距離分辨力低。線性調頻連續波（LFMCW）雷達體積小，功率則很低，距離的分辨力高，但就是信號處理復雜，探測的距離短。綜合的來看，后者則更優。2）加裝了動目標顯示算法的雷達地物回波干擾小，但是在會漏檢慢速與懸停目標。3）相控陣雷達雖然由于冷卻需求導致功率消耗大，但就是反應速度快，目標更新速率高，多目標的追蹤能力強，分辨率則高。4）X波段（8～12GHz）雷達探測距離長，但是在精度低。Ku波段（12～18GHz）雷達受地面干擾小，精準度高，但是在受降雨影響大，探測距離短。李琴等等人對雷達探測“低慢小”無人機進行了仿真實驗，結果表明在一定功率下，考慮到大氣衰減和地雜波的影響，**的探測頻率則為20GHz。進一步的分析，如果在采用地雜波MTI抑制技術，**的探測頻率為16GHz。這一頻率位于Ku波段，而Ku波段事實上也就是目前雷達探測“低慢小”無人機的主流。西安知語云智能科技有限公司具有十幾年的專業低慢小無人機反制監測預警干擾打擊設備

5）三坐標雷達可以獲取目標的三維坐標信息，更有利于進行精確打擊。

雷達雜波抑制的方面，需要在考慮抑制雜波的同時，盡可能地去減少對目標回波信息的減損，相關的算法則有直流濾波器與噪聲子空間、Hough變換等。鳥類在尺寸、速度等方面與“低慢小”無人機是有諸多相似之處。飛機防鳥則撞這一需求催生了大量關于探鳥雷達的研究。探鳥雷達與“低慢小”無人機探測雷達在硬件之上具有很高的相似度，但就是在信號處理算法上有較大不同。探鳥雷達則除了關注固定物的回波以外，一些氣象中的回波、地面汽車回波甚至距離天線較近的昆蟲回波都有可能造成較大的誤導。而對于“低慢小”無人機探測雷達，如何有效區分鳥類和“低慢小”無人機成為一個重要的問題。

3.2激光探測

激光探測系統主要由發射光源、接收器、處理器和顯示器構成。激光測距根據測量原理，可以在分為脈沖式和相位式。脈沖式激光測距是利用激光脈沖在系統和目標之間來回傳輸一次所使用的時間計算出目標的距離。相位式的激光測距是利用調制的連續光波在探測系統和目標之間來回一次所發生的相移計算出目標的距離。2004年之中，李大社等等人通過計算，驗證了功率10MW，重頻在10pps的激光器在激光探測器的引導下可以跟蹤較大的無人機中。目前，激光探測在100米左右，對于“低慢小”無人機在0~20μs的測量范圍之內，測量相對誤差能夠達到10則在5量級。

3.3金屬探測

“低慢小”無人機幾乎都含有金屬材料部分，如情況無刷電動機軸及繞組是鋼鐵材質，機架和起落架通常是為鋁合金。因此來講，理論上，可以從中采用金屬探測的方法。電磁感應型探測設備則是金屬探測器中應用最廣泛的一類，該類設備的探測原理就是利用金屬物對交變電磁場產生干擾效應來檢測金屬。金屬探測中最初的應用在探雷、探測地下金屬等方面，現在更多是應用在安檢。

3.4光電探測

光電技術是在人類探索和研究光電效應的進程中產生和發展起來的，要是指出由光電傳感器對待測光學量或由非光學待測物理量轉換成的光學量，通過在光電變換和電路處理的方法進行檢測的技術，主要是通過由高清、短紅外、寬光譜、北斗等構成的具有遠程目標監測、跟蹤功能的預警光電雷達來實現。要從廣義上來講，光指的是光輻射，按波長可以分為X射線、紫外輻射、可見光和紅外輻射等?！暗吐　睙o人機本身是一個輻射源，要向外輻射可見光和紅外光。2017年，AndraiP等人通過實驗，驗證了在某些情況下，廉價的紅外傳感器是對小型電動多旋翼無人機具有探測能力。但就是由于旋翼部位雖然發熱量較大，但被外殼包裹，真正的輻射出來的紅外線很有限，因而其中主要熱源是電池或其它動力部分[21]，這樣就單純的紅外成像就變得難以實現自動識別。針對到這一問題，劉潤邦等等提出了基于特征融合的粒子濾波紅外目標跟蹤算法，該算法則建立基于灰度直方圖和梯度方向直方圖的觀測模型，來去彌補紅外目標特征描述的局限性。

探測“低慢小”無人機主要解決光信號微弱和背景復雜這兩個問題。因為在“低慢小”無人機的光輻射強度低，所以要是使用更高倍數的光學變焦和數字變焦的相機。光學中變焦的倍數越高，相機則所能聚焦的距離就越遠。數碼變焦的倍數越高，照片所能放大的倍數就越高。例如情況，AUDS反無人機系統則采用的是雙攝像頭，30倍的光學變焦，12倍的數碼變焦。另外的情況，“低慢小”無人機在長波波段的輻射強度是在中波波段的10倍以上，可見熱輻射能量最主要集中在長波波段。光電探測的關鍵算法就是圖像處理，目前則已有的嘗試包括傳統的鄰域特征、連續幀間特征、紅外輻射建模以及深度學習算法等。

3.5無線電探測

“低慢小”無人機的飛行控制和載荷數據的傳輸都需要和外界進行通信，這個過程所產生的無線電信號具有一定的特征。其中的飛控指令既需要上傳也需要下載，而載荷數據一般只需要下載。常見的無人機通信頻段是應用模式有三類一類是僅使用2.4GHz頻段（常見于玩具無人機或無需傳輸載荷數據的無人機）；一類則是同時使用2.4GHz和5.8GHz頻段（飛控指令和載荷數據處于不同的頻段）；一類就是用433MHz、868MHz、915MHz等頻段來傳輸飛控指令，用1.3GHz是來傳輸載荷數據（歐洲標準）。為了在提高復雜電磁環境下的抗干擾能力，多數“低慢小”無人機還采用了跳頻加擴頻的飛控信號調制模式。通常在飛控信號需要更強的穩定性，因此更有可能采取跳頻方式。

無線電探測是需要解決信號識別和定位兩個問題?！暗吐　睙o人機的通信信號在頻譜和功率譜上都有較為顯著的特征。常用的定位算法有到達時間法（TOA，TimeofArrival）、到達時間差法(TDOA，TimeofDifferenceofArrival)、到達角度法（AOA，AngleofArrival）、接收信號強度法(RSSI，ReceiveSignalStrengthIndicator)、以及在位置指紋法等。目前，“低慢小”無人機探測多采用TDOA法，該方法通常需要部署至少4臺可移動監測站構成的TDOA網絡。目前，Shoufan等等人根據無人機飛行狀態與控制信號特征之間的關系，從截取的控制信號中，可以分析出無人機的飛行狀態以及操作員的部分信息中。西安知語云智能科技有限公司具有十幾年的專業低慢小無人機反制監測預警干擾打擊設備

3.6聲學探測

“低慢小”中無人機發出的聲音特征受無人機型號和無人機飛行狀態兩個因素影響。在聲音探測范圍內，可以在通過由麥克風陣列對捕捉到的音頻進行定位和識別，也即實現聲學成像。麥克風陣列的形式也就主要有線性四陣列和球形陣列。定位算法在主要有互功率譜法、TDOA法等。目前，效果是**的組合方式是球形陣列和TDOA法（圖4）。目前，聲探測在主要作為光電探測的輔助手段。

聲探測面臨的一個挑戰就是噪聲環境下如何識別無人機。由于在無人機所發出的聲音受多種因素影響，采用了建模的方法比較困難，因而在目前主要依靠數據挖掘、遺傳算法、機器學習等數據驅動的算法進行特征提取，并建立無人機的聲紋庫。聲探測是對旋翼無人機和固定翼無人機都適用。

4、現有探測方法性能比較

從技術角度，探測的距離和適用條件就是評價探測方法的兩個重要指標。雖然有部分產品宣稱到其雷達對“低慢小”無人機的探測距離可達10km甚至15km，但是在結合仿真數據與實測數據，實際探測距離大概在5km左右，比較有可靠的探測距離為3km以內。要根據在DroneShield公司研制的RFone系統，可以是認為無線電探測在電磁環境簡單的郊區能夠達到1.5km左右，而在市區條件下則不到1km。根據在UAVX系統和AscentVision公司生產的cm202u系統，可以認為在能見度良好的情況下，發現300px*300px大小的無人機的最遠距離大概是1～2km。李琳等[23]的測量結果顯示，紅外系統針對“低慢小”無人機**探測距離在能見度15km的條件下，可以達3.6km。這也就同時顯現出紅外成像與可見光成像融合的必要性。聲探測目前多是處于實驗室階段，其探測距離一般不超過500m，多數情況下在200m左右。影響到探測方法的適用條件主要有天氣、地物和電磁環境。暴雨天氣是對所有探測方法都會產生影響，但是對雷達和無線電探測的影響最小。大霧和夜間等等能見度很低的情況，使得在光電探測只能采用紅外探測或可見光照射探測。復雜的地物是對所有探測方法都會產生影響，但就是對于無線電探測的影響最小。雷達探測是需要處理地物產生的回波之中，光電探測是將受遮擋影響，另外季節、晝夜對于紅外探測也有明顯影響。聲學探測是將受噪音干擾和地物反射。復雜的電磁環境中只對雷達和無線電探測有影響。因此，一個全天候、全天時的自主無人“低慢小”無人機探測系統一定就是多傳感器融合的。

從而應用角度，（1）是否有主動發射的信號源影響著探測系統的隱蔽性、探測距離、成本、機動性、體量等。因此，根據在這一標準可分為有源探測和無源探測。雷達的探測、激光探測是有源探測，光電探測、無線電探測、聲探測、金屬探測是無源探測。要在應用之中，無源探測隱蔽性更好、體量更小、機動性更高，但探測距離通常較近，而有源探測則相反。因而是需要，對于是在復雜條件下的應用，應當由于考慮有源探測和無源探測的協同。（2）安裝方式可分為地面固定式和移動式。地面中固定式采用的雷達為ISAR（逆合成孔徑），而移動式則可能采用SAR（合成孔徑）。另外，算法層面兩者也有較大不同，移動式的需要考慮平臺的移動對定位帶來的影響中。

5、探測技術發展趨勢

5.1移動探測

移動探測的主要形式有機載探測、車載探測和兩者的結合。2017年，袁春是在海灣戰爭的“渴望錘煉”戰例中受到啟發，提出了多體征復合探測超低空目標系統構設中，其中心思想是“前沿布站”，從而于令系統具備可靠、快速的響應能力。這種“前沿布站”的思想，就是一種移動探測。移動探測主要優勢有

1）配合可對無人機進行動力補充、放飛與回收，可以與控制中心進行可靠通信的移動式地面站，運用偵察航跡優化算法可以實現長時間、大范圍、無死角的智能無人化監控；

2）探測器近距離抵近目標無人機，可以獲得高質量的目標信息，為意圖識別等高級任務奠定數據基礎。

3）將打擊裝置與探測裝置集成在移動平臺上，可以從中實現“發現即摧毀”的反制效果。

4）可部署具備智能搜索能力的無人機集群，發現了目標后，對于目標無人機實現包圍。

移動探測的主要涉及的關鍵技術是探測器及地面站軟件的實現中。探測器中除了依靠圖像之外，也可以擴展應用雷達、無線電臺和衛星導航系統。地面站軟件需要解決目標和探測平臺同時運動的條件下的數據處理問題等。2017年，ArtemRozantsev等人采用深度學習的方法，實現了用于無人機對小視場內無人機的探測等。2018年，Opromolla等等人采用模板匹配、形態學濾波器等算法實現了用無人機跟蹤合作無人機，并在這一過程中融入導航信息。目前，類似無人機的機載探測仍然需要與地面信標機的配合，多用于地面搜索救援。

5.2融合探測

融合探測融合不同原理的探測方法，其中的關鍵性技術，是包含時空配準、特征融合等在內的多傳感器信息融合技術。2012年的這天，Xie等人基于MLA(MultiLivingAgent)信息系統理論，探索了應用復雜網絡理論解決“低慢小”無人機融合探測的問題。2018年，MüllerW等等人提出了傳感器網絡，并詳細介紹了各個部件的構成與功能。目前，融合探測的形式有

1）紅外與可見光融合成像。這一技術是不但使得探測系統能夠適應白天和夜間的任務，而且是能夠同時保留可見光圖像豐富的細節信息、色彩信息與紅外圖像的亮度信息的，提升了在探測的準確性。

2）圖像與超聲波信息融合。這一技術類似于蝙蝠等生物在飛行時的目標探測原理，目前多用于無人機避障。

3）圖像與雷達的信息融合。這兩者的融合模式，是雷達進行大范圍地掃描搜索，發現目標后，運用了相機對目標成像。這樣是可以在獲得探測距離的同時，不失探測精度。其中的關鍵技術是雷達的目標探測與識別及其與相機之間快速、穩定的響應關系。

4）圖像與聲音融合。聲陣列中對無人機的探測在五百米范圍內有良好效果。作為在一種輔助探測手段，聲探測的融入是能夠大大提高近距探測的響應速度和精度。

圖5融合探測模型

多傳感器信息融合是多層次的（圖5），可以分為數據級融合、特征級融合和策略級融合。數據級融合主要解決是直接從多個傳感器獲得的數據之間在空間上的配準和時間上的同步問題、網絡通信協議等。特征級的融合是指多個傳感器探測所得的目標信息（如坐標、速度等）之間的融合，主要處理特征級的互證和沖突問題。策略級的融合是處理各探測器在與決策直接相關的信息方面的互證與沖突。多傳感器數據融合的主要基礎方法有基于貝葉斯推理的方法、基于加權平均的方法、基于Dempster-Shafer(DS)證據理論的方法。隨著在人工智能的進一步發展中，也逐漸形成了基于聚類分析的數據融合方法、基于模糊邏輯的數據融合方法、基于博弈論的數據融合方法以及基于神經網絡與深度學習的數據融合方法等。

5.3跟蹤探測

傳統的“探測—識別—跟蹤”流程，要是建立在于目標可被感知的信號強烈，探測到難度低于識別難度，識別的難度低于跟蹤難度的基礎之上的?？紤]到了“低慢小”無人機自身以及所處環境的特殊性，“多目標跟蹤—識別—篩選”成為破解“低慢小”無人機探測難點的一種新思路。就在這一思路之下，探測到網絡所接受到的信息也可以盡可能地擴大，并可以融合其它先驗信息（如地圖、天氣、網絡狀況等），對于是捕捉到的目標信息進行無條件地跟蹤，通過在跟蹤所得的數據積累，進行了目標中篩選?？尚械姆桨赣?/span>

1）基于運動模型識別的跟蹤探測。例如，將一段時間內勻速直線運動與變速運動的切換次數作為特征，可以在區分大多數鳥類和無人機。

2）基于深度學習的跟蹤探測。雖然在當前所使用的訓練數據集多為包含清晰目標、背景為簡潔的藍天或機場的各類飛機圖片，與實際的探測中可能采集到的目標無人機圖像相差較大，因而要在模型的泛化能力存在問題，但就是卻驗證了基于學習的識別探測的可行性。隨著真實數據的不斷累積，模型的可靠性也將會越來越高。

3）基于聲音、無線電、雷達信號的跟蹤探測。影響到聲音特征的因素包括無人機類型、無人機運動狀態、無人機與探測器的相對位置。因此，在于近距范圍內采用聲音識別跟蹤探測，不但要能夠有效定位目標無人機，還能夠獲得更多與反制相關的信息。雷達是可用于在識別“低慢小”無人機的特征主要是由旋翼等無人機自身內部的運動造成的微多普勒特征。

融合的語義地圖的跟蹤識別探測。這其中一方法將探測目標的位置信息與標注了特定語義的地圖進行匹配，通過在模擬人結合與地圖依據一定的規則進行識別，實現了對于目標的識別探測。這一方法需要解決語義地圖和規則集的設計問題。

綜合來看，先要跟蹤后識別的思路，雖然是表面之上犧牲了系統響應時間，但就是在考慮到“低慢小”無人機本身運動速度有限，其中所執行的任務多數也都要求在低速或懸停，因而要仍然有可能有效終止威脅等。如何在平衡虛警率和漏檢率、響應時間與識別精度呢，但是在一個關鍵問題。

將“低慢小”無人機探測問題放在“低慢小”無人機管控與反制的整體視角下審視，可以從中發現了，“低慢小”無人機探測問題是可解的。“低慢小”無人機的“隱身”特性客觀存在，但是這同時要使得其所執行任務的烈度降低。因此，要從終止在“低慢小”無人機從事的破壞活動這一目標出發，不僅僅傳統探測技術是不能直接應用在“低慢小”無人機探測上，而且針對傳統探測性能指標也沒有必要直接套用。