前言

现代信息、控制、通信等领域技术和装备的不断发展成熟带动了无人机产业的飞速发展。无人机凭借其成本低、体积小、质量轻、易操纵、灵活性好、适应性强、稳定性高等优点，已经成为整个武器装备体系的一部分。

与此同时，随着无人机消费市场的不断拓宽，给人们的日常生活带来便利的同时也会被居心叵测之人用于非法领域，涌现出了许多安全和隐私方面的忧患。

为此，近年来世界各国越来越重视反无人机技术研究工作，希望通过各种有效的探测、决策和处置手段，对抗无人机威胁。

一、实证分析

（一）时序分布

通过对2010—2020年，在EI和WebofScience数据库中筛选的378篇文献进行时序统计分析，得到2010—2020年反无人机发文趋势。从图1中可以看出，自2016开始发文量呈快速增长趋势。


图12010-2020年反无人机发文趋势

（二）地域分布

378篇文献中有1篇未注明国家及发文机构，最终获得377个有效数据。选取了发文量≥10篇的国家进行了统计分析，如图2所示。

从图2可以看出中国、美国、德国和韩国发文量遥遥领先，说明这几个国家较其他国家更为重视反无人机技术研究。


图2各国反无人机文献数量

二、知识框架与技术体制

（一）无人机反制体系

按照常规的反无人机解决办法，一套完整的反无人机技术解决方案通常采用多级分层方式实现，如图3所示。


图3反无人机分层解决方案

（1）第一层是预防，即通过制定和完善法律法规，规范无人机的飞行区域和高度，防止非授权无人机进入禁飞或敏感区域。

（2）第二层是发现，即探测无人机的存在、定位无人机的位置以及识别无人机的类型与目的。

（3）第三层是制定反制决策，即由授权部门人为或在技术辅助下决定对入侵无人机采取何种处置手段。

（4）第四层是处置，即对入侵无人机进行干扰、诱骗或打击等。

（二）知识框架

通过对378篇样本文献的内容进行逐一细读、归纳和分析，发现学术界对反无人机技术的研究主要集中在无人机反制体系的第二、三和四层，采用思维导图形式，制作反无人机技术研究知识框架如图4所示。


图4反无人机技术研究知识框架

（三）技术体制及研究现状

（1）雷达技术

雷达技术是目前主要使用的目标探测技术之一，技术比较成熟且受气候条件影响比较小，可以作为一种探测低慢小目标的技术手段。

在研究具体的反无人机系统时，学术界从雷达的部署方式和位置这两个维度出发，对雷达技术体制进行了研究。

基于部署方式，雷达可分为单站雷达系统和组网雷达系统。单站雷达是雷达系统的常规部署方式。

但是，由于受到视距和杂波影响，单站雷达在低空目标的探测方面面临重大挑战。

目前，学术界主要采取提升单部雷达技术性能和采用多传感器融合类技术的方式来改善单站雷达的低空探测能力，但性能提升程度仍然有限，而且工程实现和成本效率方面难度较大。

为了解决单站雷达的不足，学术界提出了分布式组网雷达的方式。在低空探测场景下，采用分布式组网配置方式，可以显著降低低空探测带来的杂波及多径信号影响，满足立体化、全方位和多层次的低空探测需求。

（2）无源侦察、收集

无人机在飞行过程中会与其控制站之间保持通信。因此，可以通过侦察、收集不同无人机与控制站之间的独特通信信号和流量特征来判断无人机的入侵。通过学术论文研究，发现在反无人机应用场景下，被侦察并收集的通信信号主要包括：射频信号、Wi-Fi信号和无线电信号。

（3）无源定位

无源定位不需要发射信号，而是被动接收电磁信号，通过求解相关参数，得到目标的位置信息。

与雷达技术相比，无源定位技术具有无干扰、覆盖范围广、覆盖频段全、识别与定位速度快、抗干扰能力强以及系统紧凑灵活等优点。

（4）光电技术

光电探测技术主要利用可见光和红外图像完成目标探测和识别。

光电技术分为无源光电技术和有源光电技术两种。

其中，无源光电技术包括：视觉（VIS）技术、短波红外（SWIR）技术、中波红外（MWIR）和长波红外（LWIR）技术。有光电技术主要是指激光雷达（LiDAR）。各种光电技术在反无人机应用中的优点和缺点如表1所示。


鉴于光电技术易受环境光线干扰，且低慢小目标光电信号较弱、信噪比低，加之在机场环境下，大小目标遮蔽效应、飞机发动机强烈的红外辐射都使光电探测、识别、跟踪的难度进一步增大。

三、关键技术分析

在具体反无人机场景中，鉴于无人机种类多、易改装、体积小、低空慢速飞行以及飞行样式和执行任务多样化等特征，建议采取全纵深分层配置近、中、远程多传感器融合探测设备，以提高发现概率。

同时，视具体需求灵活选择软、硬杀伤等方式，提高无人机反制效率。为此，在上述各项反无人机技术体制的基础上，提出以下十一项反无人机关键技术。

（一）目标检测与分类识别技术

无人机目标体积小、散射面积小、辐射小，对雷达和热探测设备的作用距离要求很高。加之飞行高度低，很容易与鸟类、车辆等低空目标相混淆。

针对微弱目标的检测与分类，常规的可采用跟踪前检测和检测前跟踪两种微弱目标检测与分类技术。针对无人机与鸟类、车辆等低空目标的自动检测与分类，可以采用低空目标特征认知与特征提取技术、基于机器学习或深度学习的目标识别方法等。

此外，无人机运动状态多变，多普勒扩散严重，目标回波难以累积。为此，可采用基于长时观测的目标检测技术。

（二）超宽带雷达信号波形设计技术

在采用雷达探测技术时，无人机的小体积导致信号回波弱，对雷达分辨力提出了高要求，常规雷达难以获取目标精确特征，导致分类识别困难。这一问题可通过采用超宽带雷达予以解决。

超宽带雷达的主要特征为具有很宽的带宽和相当好的距离分辨力。超宽带波形分为冲激脉冲波形和脉冲压缩波形。

目前，超宽带雷达通过采用宽带脉冲压缩技术、时间带宽转换技术以及步进跳频波形技术等信号脉冲压缩技术可以很好地提高分辨力。

（三）强杂波背景下的目标检测技术

无人机的飞行高度低，容易受到地杂波或海杂波的影响。解决强杂波干扰问题是无人机探测的关键。针对强杂波背景下的目标检测，可采用动目标显示和动目标检测等技术，用于杂波抑制。

同时，还可采用恒虚警率技术，保证雷达在干扰下保持虚警概率恒定，实现在一定虚警概率下最大概率发现目标。

采用高分辨、低副瓣天线技术，距离高分辨技术和速度高分辨技术等强杂波抑制技术，在强杂波中提取低速运动目标。

（四）多目标精确跟踪技术

无人机飞行样式很多，当以大规模集群样式飞行时，容易与大目标混淆，其编队拓扑分布也为全方位饱和探测与反制带来了困难。同时，针对多架智能无人机编队或集群，多目标同步跟踪难度大。

为了解决这一难题，学术界提出了基于运动模型识别和深度学习等的目标跟踪探测技术，融合先验信息，对目标信息进行精确跟踪。

采用空间分集、时间分集、极化分集和频率分集等多种分集方式，提高回波信号信噪比，改善目标检测、跟踪及识别能力。

（五）分布式雷达组网技术

目前，雷达是主要的无人机探测方式。

但是，针对低空飞行的无人机，雷达设备具有低空探测盲点问题。

针对雷达低空补盲，可采用宽工作频段在不同工作频率实现栅瓣零点错开的方法或采用高分辨率雷达，对单部雷达进行补盲。

还可采用多雷达交叉补盲技术，实现交叉补盲的全区域覆盖。另外，针对分布式雷达，可采用检测后融合、检测前融合等联合检测技术。

（六）异构传感器融合技术

基于反无人机技术体制研究，虽然可用于无人机探测的技术较多，但不同技术体制有各自的优缺点。

要想形成高精度、全方位、多层次的无人机探测体系，需要融合不同反无人机技术体制，实现各项技术优势互补。

比如，可采用红外与可见光融合成像，图像与超声波信息融合，图像与雷达信息融合，图像与声音融合等多种方式，实现异构传感器融合探测。


（七）基于数据融合的目标检测技术

无人机受操作员控制，可以在空中悬停、垂直运动、滚动运动、俯仰运动以及偏航运动，运动状态的多变，导致其运动轨迹难以估计。

为此，可采用基于数据融合的目标检测技术，采用集中式检测融合、分布式检测融合以及混合式检测融合等多种数据融合方式进行目标检测。

（八）无人机空战目标意图预测技术

目前，市面上出现的无人机种类多、用途广、易改装，让人很难预测其作战意图。尤其是消费级无人机经改装后，很难判断其是否具备军事用途。

为了准确预测无人机的意图，可以在动态、对抗性环境下通过对各种传感器感知到的战场信息进行分析，并结合军事知识以及作战基础，建立无人机空战意图预测模型，推断入侵无人机的下一步战术意图，从而达到识别各型无人机和改装无人机意图的目的。

（九）无人机灵活反制技术

由于无人机作战意图不同，再加上不同反制手段的作用距离和效能不同。

因此，面对不同的反无人机场景需求，应采用灵活的无人机反制技术，解决常规火力打击的低命中率和高效费比问题。

结论

无人机的普及和威胁加剧是近几年才出现的新现象。现有反无人机相关技术研究尚无法有效解决所有无人机威胁，加之无人机技术更新速度很快，这对反无人机技术的创新速度提出了更高要求，未来数年内反无人机技术仍将是军事研究的热点。