中国指挥与控制学会会刊 
近年来,“低慢小”无人机由于获取便利、应用广泛而呈现爆发式增长。根据中国民航局公布的数据,截至2018年底,我国无人机实名登记已达28.7万架,无人机经营性飞行活动达37万小时。“低慢小”无人机在带来产业升级的同时,也带来了各种安全威胁。
“低慢小”无人机的威胁形式有:1)无恶意闯入禁飞区,也即“黑飞”;2)失控;3)恶意进行侦察监视、直接攻击、引导或配合攻击。
“低慢小”无人机的威胁(图1 )可发生在多种场景:
1)机场跑道一般会设置无人机禁飞区,意外闯入的无人机有可能会与正常起降的航班发生碰撞,造成严重事故。因此,机场一般采取最保守的停飞措施来应对“黑飞”无人机, 这严重影响了正常航班飞行。仅2017年上半年全国就发生超过40起无人机干扰民航飞行事件。
2)监狱虽然戒备森严,但在押人员有可能通过无人机与外界联系,获得情报、毒品甚至枪支等违禁物品。
3)火车站、广场、商业街、大型会议、运动会、演唱会等人群密集的公共区域,常常是恐怖分子制造恐慌的场所。恐怖分子有可能使用无人机向密集人群投放危险物品,例如炸弹、毒物等。也有可能利用无人机作为引导,实施更高烈度的袭击。另外,正常进行航拍的无人机也存在失控坠落,进而在人群中造成伤亡、恐慌的风险。
4)军事方面,敌方可能运用“低慢小”无人机针对单兵、营地、机动中的分队、重大涉密场所、交通枢纽等要害部位实施侦察、袭击和引导攻击。例如,2018年1月6日,俄罗斯“赫梅米姆”空军基地和“塔尔图斯”补给站受到9架无人机袭击。综上,“低慢小”无人机在众多领域都有可能产生威胁,因而对“低慢小”无人机的管控与反制,成为各领域密切关注的问题。
对“低慢小”无人机的探测是反制[1,2,3,4,5,6]的前提与关键环节。探测环节的缺失或薄弱,将无法实现对“低慢小”无人机的精确打击。在这种情况下,只能依靠设立禁飞区、建立名单机制等管理办法进行预防,而这种预防是以牺牲无人机市场快速发展为代价的。在无法有效发现、定位并跟踪的情况下,要完成对“低慢小”无人机的反制任务,往往需要投入无差别的面杀伤系统,并且不间断地运行。例如对无线通信的压制,将使得周边所有无线通信设备都受到影响。在一个理想的反无人机系统(图2 )中,由传感器(网络)构成的探测与识别系统能够处理底层采集的传感器数据流,从数据流中提取出特征向量,解算出控制指令。处理中心向探测与识别系统发出视频流及跟踪的请求和时间戳,探测与识别系统将包含元数据的视频流、元件状态、控制指令、目标丢失情况等报告给处理中心,从而形成一个动态的“请求——响应——处理”闭环。
“低慢小”无人机探测主要依靠电磁学、光学、热学、声学等特性发现、识别和定位非合作“低慢小”无人机。小尺寸、非金属材质和低速飞行等特点,使得传统空域探测方法在面对“低慢小”无人机时存在短板。这一问题成为低空安防的一个漏洞,因而吸引了众多关注,许多机构对此进行了技术研发。
本文分析“低慢小”无人机的目标特性,探讨现有探测技术的能力短板;从原理、探测性能、发展现状与前景等方面梳理“低慢小”无人机探测技术;针对探测难点对实际应用广泛的几种探测方法,在探测性能、实际应用与前景等方面进行了比对分析,总结移动探测、融合探测、跟踪探测等解决“低慢小”无人机探测问题的新思路。
1 现阶段探测难点
“低慢小”是“低空慢速小目标”的简称,目前学术界尚未有清晰统一的定义标准。衡量“低慢小”无人机的性能参数可以有飞行高度、雷达反射面积(RCS)、体积、巡航范围、重量、飞行速度等。雷达反射面积和体积都受多方面因素影响,测量方法复杂,不够直观,但都与重量存在正相关关系[7]。通常认为“低慢小”无人机的RCS不超过2 m2。巡航范围受重量、飞行速度和续航能力等因素影响。考虑到无人机的空机重量、起飞重量、机翼参考面积之间都存在近似的正比例关系[8]。因此,飞行速度和重量是界定无人机的两个关键指标。本文将最大起飞重量小于25 kg、飞行速度低于180 km/h的旋翼、固定翼无人机视为“低慢小”无人机。由于法律限制和所执行的任务限制,这些无人机的飞行高度通常不超过500 m。 如图3 所示,本文所定义的“低慢小”无人机涵盖了多数现有产品。
“低慢小”无人机对传统空域探测技术的严峻挑战主要体现在以下方面:
1)飞行高度低。低空空域是指高度在1 000 m以下的飞行区域。该空域中飞行器距地面、建筑物、树木和飞鸟等物体较近。因此,对其的探测常常受到这些地形地物的干扰。干扰的形式有噪声、信号衰减和遮挡等。
2)可低速飞行或悬停。这给雷达探测带来了挑战。雷达测速的原理是多普勒效应,即通过目标回波的多普勒频率,计算目标与雷达的相对运动速度。在加装了动目标显示的雷达上,只有速度达到一定程度的运动目标能够显示出来。“低慢小”无人机低速或悬停飞行时,很难在加装了动目标显示的雷达上显示出来。如果不加装动目标显示,则雷达会接收到来自地面固定物的强烈的回波噪声。但是,目标的慢速运动有利于光电系统跟踪目标。
3)尺寸小且可能采用非金属材料。这给探测带来的主要问题,是探测信号微弱。“低慢小”无人机的雷达反射截面[7]、自身向外界发射的光信号和声信号都比较微弱,这使得传统探测手段的探测距离、发现概率都受到很大限制。
虽然各种探测方法的原理不一样,但多数都基于连续信号的接收、处理和识别。因此,在“低慢小”无人机的探测问题上,有一些共同的技术难点,分别是微弱信号检测、目标定位跟踪和识别。例如,“低慢小”无人机能被探测到的光信号非常微弱,因此,硬件上的滤波处理就变得不再有效,此时需要在系统中后置微弱光信号检测器,利用信号和噪声在统计特性上的差别去区分它们。精确的时延估计算法在不同探测器的定位跟踪算法中都有着重要的作用。在定位跟踪“低慢小”无人机时,传感器可能出现目标漏检,观测区域中的目标数目随机变化,跟踪到“假目标”等情况,这些都依赖于目标跟踪算法的优化。
2 探测方法研究现状
目前,能够应用于探测“低慢小”无人机的方法,从信号形式上主要包括:雷达探测[7,9-15]、激光探测[16,17]、金属探测[18]、光电探测[19,20,21,22,23,24,25,26,27,28]、无线电探测[29,30,31]和声学探测[32,33,34,35,36,37,38,39]。其中,市场上的“低慢小”无人机探测装备多基于雷达、图像和无线电,少数使用声音。来自美国巴德学院的Arthur Holland Michel[40]在2018年2月的一份调查报告统计了155件来自世界各地各机构研制的具有探测“低慢小”无人机功能的反无人机系统,发现其中雷达方法、无线电频率方法与光电方法大约各占1/3,而使用了声学方法的只有2件。
2.1 雷达探测
1)脉冲雷达信号处理简便成熟,探测距离长,但是价格昂贵,存在近距盲区,发射源功率高、体积大,距离分辨力低。线性调频连续波(LFMCW)雷达[42]体积小,功率低,距离分辨力高,但信号处理复杂,探测距离短。综合来看,后者更优。
2)加装了动目标显示算法的雷达地物回波干扰小,但是会漏检慢速与悬停目标。
3)相控阵雷达虽然由于冷却需求导致功率消耗大,但是反应速度快,目标更新速率高,多目标追踪能力强,分辨率高。
5)三坐标雷达可以获取目标的三维坐标信息,更有利于进行精确打击。
2.2 激光探测
2.3 金属探测
“低慢小”无人机几乎都含有金属材料部分,如无刷电动机轴及绕组是钢铁材质,机架和起落架通常为铝合金。因此,理论上,可以采用金属探测的方法。电磁感应型探测设备是金属探测器中应用最广泛的一类,该类设备的探测原理是利用金属物对交变电磁场产生干扰效应来检测金属。 金属探测最初应用在探雷、探测地下金属等方面,现在更多是应用在安检[18]。
2.4 光电探测
光电技术是在人类探索和研究光电效应的进程中产生和发展起来的,是指由光电传感器对待测光学量或由非光学待测物理量转换成的光学量,通过光电变换和电路处理的方法进行检测的技术,主要通过由高清、短红外、宽光谱、北斗等构成的具有远程目标监测、跟踪功能的预警光电雷达来实现。
2.5 无线电探测
“低慢小”无人机的飞行控制和载荷数据的传输都需要和外界进行通信,这个过程所产生的无线电信号具有一定的特征。其中飞控指令既需要上传也需要下载,而载荷数据一般只需要下载。常见的无人机通信频段应用模式有三类:一类是仅使用2.4 GHz频段(常见于玩具无人机或无须传输载荷数据的无人机);一类是同时使用2.4 GHz和5.8 GHz频段(飞控指令和载荷数据处于不同的频段);一类是用433 MHz、868 MHz、915 MHz等频段来传输飞控指令,用1.3 GHz来传输载荷数据(欧洲标准)。为了提高复杂电磁环境下的抗干扰能力,多数“低慢小”无人机还采用了跳频加扩频的飞控信号调制模式。通常飞控信号需要更强的稳定性,因此更有可能采取跳频方式。
无线电探测需要解决信号识别和定位两个问题。“低慢小”无人机的通信信号在频谱和功率谱上都有较为显著的特征。常用的定位算法有到达时间法(TOA, Time of Arrival)、到达时间差法 (TDOA, Time of Difference of Arrival)[29,35,50]、到达角度法(AOA, Angle of Arrival)、接收信号强度法 (RSSI, Receive Signal Strength Indicator)、以及位置指纹法等。目前,“低慢小”无人机探测多采用TDOA法,该方法通常需要部署至少4台可移动监测站构成的TDOA网络[29]。目前, Shoufan等人[30]根据无人机飞行状态与控制信号特征之间的关系,从截取的控制信号中,可以分析出无人机的飞行状态以及操作员的部分信息。
2.6 声学探测
3 现有探测方法性能比较
从技术角度,探测距离和适用条件是评价探测方法的两个重要指标。虽然部分产品宣称其雷达对“低慢小”无人机的探测距离可达10 km甚至15 km,但是结合仿真数据与实测数据,实际探测距离大概在5 km左右,比较可靠的探测距离为3 km以内。根据DroneShield 公司研制的RFone系统,可以认为无线电探测在电磁环境简单的郊区能够达到1.5 km左右,而在市区条件下则不到1 km。根据UAVX系统和Ascent Vision公司生产的cm202u系统,可以认为在能见度良好的情况下,发现12 cm*12 cm大小的无人机的最远距离大概是1~2 km。李琳等[23]测量结果显示,红外系统对“低慢小”无人机最大探测距离在能见度15 km的条件下,可达3.6 km。这也同时显现出红外成像与可见光成像融合的必要性。声探测目前多处于实验室阶段,其探测距离一般不超过500 m,多数情况下在200 m左右。影响探测方法的适用条件主要有天气、地物和电磁环境。暴雨天气对所有探测方法都会产生影响,但是对雷达和无线电探测的影响最小。大雾和夜间等能见度低的情况,使得光电探测只能采用红外探测或可见光照射探测。复杂的地物对所有探测方法都会产生影响,但是对无线电探测的影响最小。雷达探测需要处理地物产生的回波,光电探测将受遮挡影响,另外季节、昼夜对于红外探测也有明显影响。声学探测将受噪音干扰和地物反射。复杂的电磁环境只对雷达和无线电探测有影响。因此,一个全天候、全天时的自主无人“低慢小”无人机探测系统一定是多传感器融合的。
从应用角度,1)是否有主动发射的信号源影响着探测系统的隐蔽性、探测距离、成本、机动性、体量等。因此,根据这一标准可分为有源探测和无源探测。雷达探测、激光探测是有源探测,光电探测、无线电探测、声探测、金属探测是无源探测。在应用中,无源探测隐蔽性更好、体量更小、机动性更高,但探测距离通常较近,而有源探测则相反。因而,对于复杂条件下的应用,应当考虑有源探测和无源探测的协同。2)安装方式可分为地面固定式和移动式。地面固定式采用的雷达为ISAR(逆合成孔径),而移动式则可能采用SAR(合成孔径)。另外,算法层面两者也有较大不同,移动式需要考虑平台的移动对定位带来的影响。
4 探测技术发展趋势
4.1 移动探测
1) 配合可对无人机进行动力补充、放飞与回收,可与控制中心进行可靠通信的移动式地面站,运用侦察航迹优化算法可以实现长时间、大范围、无死角的智能无人化监控。
2) 探测器近距离抵近目标无人机,可以获得高质量的目标信息,为意图识别等高级任务奠定数据基础。
3) 将打击装置与探测装置集成在移动平台上,可以实现“发现即摧毁”的反制效果。
4) 可部署具备智能搜索能力的无人机集群,发现目标后,对目标无人机实现包围。
4.2 融合探测
1) 红外与可见光融合成像[24]。这一技术不但使得探测系统能够适应白天和夜间的任务,而且能够同时保留可见光图像丰富的细节信息、色彩信息与红外图像的亮度信息,提升了探测的准确性。
2) 图像与超声波信息融合[56]。这一技术类似于蝙蝠等生物在飞行时的目标探测原理,目前多用于无人机避障。
3) 图像与雷达的信息融合[57]。这两者的融合模式,使雷达进行大范围地扫描搜索,发现目标后,运用相机对目标成像。这样可以在获得探测距离的同时,不失探测精度。其中的关键技术是雷达的目标探测与识别及其与相机之间快速、稳定的响应关系。
4) 图像与声音融合[32]。声阵列对无人机的探测在500 m范围内有良好效果。作为一种辅助探测手段,声探测的融入能够大大提高近距探测的响应速度和精度。
多传感器信息融合是多层次的(图5 ),可分为数据级融合、特征级融合和策略级融合。数据级融合主要解决直接从多个传感器获得的数据之间在空间上的配准和时间上的同步问题、网络通信协议等。特征级融合是指多个传感器探测所得的目标信息(如坐标、速度等)之间的融合,主要处理特征级的互证和冲突问题。策略级融合是处理各探测器在与决策直接相关的信息方面的互证与冲突。多传感器数据融合的主要基础方法有:基于贝叶斯推理的方法、基于加权平均的方法、基于Dempster-Shafer(DS)证据理论的方法。随着人工智能的进一步发展,也逐渐形成了基于聚类分析的数据融合方法、基于模糊逻辑的数据融合方法、基于博弈论的数据融合方法以及基于神经网络与深度学习的数据融合方法等。
4.3 跟踪探测
传统的“探测—识别—跟踪”流程,是建立在目标可被感知的信号强烈,探测难度低于识别难度,识别难度低于跟踪难度的基础之上的。考虑到“低慢小”无人机自身及所处环境的特殊性,“多目标跟踪—识别—筛选”成为破解“低慢小”无人机探测难点的一种新思路。在这一思路下,探测网络所接收到的信息可以尽可能地扩大,并可以融合其他先验信息(如地图、天气、网络状况等),对于捕捉到的目标信息进行无条件地跟踪,通过跟踪所得的数据积累,进行目标筛选。可行的方案有:
1) 基于运动模型识别的跟踪探测[58]。例如,将一段时间内匀速直线运动与变速运动的切换次数作为特征,可以区分大多数鸟类和无人机。
2) 基于深度学习的跟踪探测[49]。虽然当前所使用的训练数据集多为包含清晰目标、背景为简洁的蓝天或机场的各类飞机图片,与实际探测中可能采集到的目标无人机图像相差较大,因而模型的泛化能力存在问题,但是却验证了基于学习的识别探测的可行性。随着真实数据的不断累积,模型的可靠性也将越来越高。
4) 融合语义地图的跟踪识别探测。这一方法将探测目标的位置信息与标注了特定语义的地图进行匹配,通过模拟人结合地图依据一定的规则进行识别,实现对目标的识别探测。这一方法需要解决语义地图和规则集的设计问题。
综合来看,先跟踪后识别的思路,虽然表面上牺牲了系统响应时间,但是考虑到“低慢小”无人机本身运动速度有限,其所执行的任务多数也都要求低速或悬停,因而仍然有可能有效终止威胁。如何平衡虚警率和漏检率、响应时间与识别精度,是一个关键问题。
5 结束语
将“低慢小”无人机探测问题放在“低慢小”无人机管控与反制的整体视角下审视,可以发现,“低慢小”无人机探测问题是可解的。“低慢小”无人机的“隐身”特性客观存在,但这同时使得其所执行任务的烈度降低。因此,从终止“低慢小”无人机从事的破坏活动这一目标出发,不仅传统探测技术不能直接应用在“低慢小”无人机探测上,而且传统探测性能指标也没有必要直接套用。本文在全面梳理“低慢小”无人机探测方法的基础上,对各种探测原理进行分析比对,结合市场信息、实验研究、仿真验证等信息,总结出解决“低慢小”无人机探测问题的三个发展趋势:移动探测、融合探测和跟踪探测。