无人机黑飞会怎么样（看无人机黑飞如何探测 低慢小目标探测雷达在城市复杂环境下的应用）

“低慢小”目标是指在低空或超低空飞行，具有高度低于1000米、速度小于55米/秒、雷达反射截面积小于2平方米不易被侦察发现等特征的各种小型航模、空漂球、滑翔伞、旋翼或固定翼无人机等的统称。近年来随着工业信息化技术的突飞猛进，电子信息、材料、无线通信等各领域都取得了可喜成就，各种光电传感器、导航定位设备、微型化智能处理器以及信息处理软件日趋成熟，当前的消费级无人机已经具备自主飞行、自动返航、自主目标跟随等功能，使得无人机智能化水平不断提高。

一、无人机发展现状

民用无人机在近几年迅速发展，使用成本逐年降低，由最初单一的工业级无人机迅速发展成为了多用途、多体制的无人机系列型谱，此类目标数量呈井喷式增长。一方面，“低慢小”目标是构建未来智慧城市必不可少的组成部分，可以用于农业生产、环境治理、交通管制、城市测绘、无人化物流等各个领域，为智慧城市的建设提供重要抓手。另一方面，“低慢小”目标由于成本低廉、操控简单、携行方便，部分无人机已经具备了较强的载荷能力，易于被不法人员利用，会对我国社会治安、国防建设带来严重的安全隐患，其主要危害体现在物理袭击、走私贩毒和情报威胁。物理袭击方面，“低慢小”目标可能被不法分子用来运载爆炸物品、投放核化生毒剂等，严重威胁城市空间的安全保障工作。近年来，无人机黑飞事件层出不穷，严重危害了公众安全。据美国联邦航空管理局报告，美国每月都有近百起无人机非法闯入机场事件。仅在2017年4月，中国成都就发生了9起无人机扰航事件，致使100余航班备降，数万名乘客出行受阻；而在情报威胁方面，无人机可以利用城市强杂波环境作掩护，充分发挥其低空飞行能力，可以被用来搜集军事基地秘密、散播暴恐信息、塑造公众舆论、窃取国家机密等，严重危害国家安全和社会稳定。

二、城市复杂环境下“低慢小”目标探测现状

相对于无人机的快速发展，由于其雷达反射截面积小、应用环境干扰强，对其探测与识别一直是国际上公认的技术难题，尤其是在复杂城市环境背景下，其中地形环境、电磁环境、气象环境、交通环境等干扰因素众多，下表是国内针对无人机探测的主要手段对比。

由表1对比可见，作为全天候的探测设备，部署雷达是防控“低慢小”目标非常有效的手段之一。随着国内针对无人机探测与防控赛事（“无形截击”等）的举办，目前针对“低慢小”无人机探测雷达设备的性能有了较快的提升，但是要应用在城市复杂环境目前仍有着亟待解决的问题。

第一，无人机在楼宇之中低空飞行较难发现。监视空中目标的传统手段主要依靠防空雷达，尽管现代化低空雷达可防范超低空来袭的巡航导弹和战机，但后两者并不能真正贴地高速飞行。低空雷达监视的“超低空”通常是指数十米以上300米以下的空域，而消费级无人机的飞行高度往往只有10多米，外加城市里高楼林立，更增加了雷达的探测盲区。此外，即便在雷达探测范围内，由于消费级无人机体积小，而且普遍采用非金属材质，雷达反射面积很小，再加上地面杂波的影响，很难在雷达屏幕上准确分辨。

第二，如何有效的抑制杂波。城市环境中高楼林立，遍布四周的车辆行人，大量使用的电子设备也密布其中，这些都会让雷达探测出来的杂波增多。杂波虚警会导致雷达探测出来的虚假航迹增多，当雷达探测出来的虚假航迹较多时很难区分出无人机目标。

三、雷达探测关键技术

1.强杂波中“低慢小”目标检测技术

雷达主要用于搜索、跟踪低空/超低空空域内的无人机等慢速小目标，为保持一定的超低空探测视距（规避近区遮蔽），雷达一般采用架高安装方式，因此其探测范围内为全程强地杂波区域。对于慢速小目标而言采用传统的时域超杂波检测已难以有效提取目标信息。因此，需要转换至频域利用静止地物和运动目标的回波多普勒特性进行目标检测处理。

雷达波束驻留时间直接决定了相参积累脉冲数的多少，也决定了其滤波器杂波抑制能力和慢速目标检测能力。图1所示为某MTD体制雷达积累脉冲数与雷达最低可检测速度之间的关系曲线，可见积累脉冲数越多，雷达频率分辨率越高，从地杂波谱中将慢速目标分离出来的能力越强，即最低可检测速度越低。

由以上分析可知，强杂波中慢速弱小目标检测需要尽可能提高波束驻留时间，提高频谱分辨率，将慢速小目标频谱与杂波图清晰地区分开，从而将目标的检测背景由杂波+噪声背景降低为噪声检测背景。同时，频率分辨率提高也会提升目标的速度测量精度，将大大提高后端数据处理航迹起始以及跟踪滤波的准确率。

2.杂波抑制技术

对于杂波抑制而言，目前常用的几种方法包括：MTI、MTD、MTI级联MTD等，它们主要从频域的角度分离目标。而对于“低慢小”目标来说，它的回波本身比较弱，在杂波较强的状况下需要找到更加有效的杂波抑制方法。

可采用分解的方法来分离出目标分量和杂波。模式分解的过程就是提取信号分量的过程，通过对回波数据的分解可以将有多普勒频率的目标分解出来，并且不会因为目标的频率分量小而被抑制掉。对于“低慢小”目标检测过程，模式分解是从数据的时域出发，所以相比较滤波器抑制杂波的方法而言有更好的优势。

经验模式分解（EMD）算法在分解过程中会先将高频信号分解出来，然后分解出余量的高频，也就是原始信号的次高频，所以EMD算法是按照频率由高到低的顺序进行分解。通过希尔伯特变换，我们可以将此传统的EMD方法扩展到复数域来实现对雷达信号的模式分解。

变分模式分解（VMD）算法可以看作是EMD算法的一种改进，与EMD算法分解类似，VMD算法也是将信号看成多个模态的叠加，只不过VMD算法各个模态是中心频率为的窄带信号。VMD算法在进行分解时，不是从极值点和过零点个数的关系角度出发，而是从不同频带的调制信号出发，重新定义一个振幅—频率调制信号作为本征模式函数，表达式如式1所示。

VMD算法是将信号分解程序转换到可变模式，通过搜索限制约束可变模式的最优解来自适应分解信号。具体流程为：在迭代可变模式解的过程中更新每一个IMF的中心频率和带宽。最后，根据实际信号频域特征，得到信号带宽的自适应分解。从而将具有多普勒频率的目标分解出来，做到效果更好的杂波抑制。

3.雷达组网技术

由于“低慢小”目标机动性能好且城市环境地物遮挡严重等原因，采用单装雷达装备不足以完成对目标的有效探测，容易导致雷达对目标的跟踪不连续。可以通过多部不同频段、不同体制雷达组成的探测网络构建协同探测系统，对网内各雷达的点航迹信息形成“网”状收集与传递，组网指控中心采用多站雷达点迹融合和远程实时优化控制技术，实现网内雷达协同作战、整体探测、区域对抗、情报共享等主要功能，能够有效提高探测效果。对雷达装备和目标的合理分配，实现资源的高效利用，提高探测系统对目标的跟踪效果。融合中心把来自各部雷达的情报数据通过智能优化算法及相关改进算法实现对目标探测的数据融合处理，保证协同探测系统的高效性。

四、结语

本文阐述了在城市复杂环境下雷达对“低慢小”目标的探测，对其关键技术进行了分析，上述无人机探测技术基于强杂波下小目标检测、杂波抑制、快速组网部署、在线检测等特性基础上，具备全天候、低成本、节省人力成本等优势。现阶段已经在部分城市环境下进行多频次测试和实际应用，并在国内多次城市复杂环境反无人机比赛中获得优异成绩，后续将加大推广力度，力争全面实现城市环境下的净空保护。