从「大飞机空管」到「低慢小防御」：三重困局
无人机技术普及与制造成本下降，使低空空域安全威胁呈现全球化、常态化与智能化特征：从机场净空保护到边境执法、从能源化工到交通枢纽，非合作“低慢小”航空器已成为共同挑战。传统面向大飞机的空管雷达系统在低空探测中面临严重效能衰减，其根源并非单一器件性能不足，而是经典信号处理链“检测—跟踪—识别”串行单向架构在低空场景下的系统性失配。
合作式依赖与低空覆盖盲区
一次雷达（PSR）受限于雷达波束仰角，难以有效覆盖 eVTOL、四旋翼无人机等低空目标；二次雷达（SSR）严重依赖 ADS-B 等合作信标，而 ADS-B 信号易受欺骗，且大量“低慢小”非合作目标根本未配备此类信标，导致探测直接失效。这类通信依赖式的目标识别技术，无法应对不应答、不合作的威胁目标。
检测覆盖与识别响应的双向时间制约
受成本限制，多数低空雷达无法采用全向多面阵天线，只能用单面阵完成 360° 周视机械扫描：提高单方向检测概率需延长驻留时间，完成全方位覆盖又需缩短扫描周期，二者相互制约，削弱对高机动目标的跟踪鲁棒性。同时，传统识别依赖多扫描周期航迹积累，通常带来数秒延迟，对速度超 100 km/h 的 VTOL 航空器常导致目标丢失或反制响应时间不足。
信息单向流动与居高不下的属性虚警
识别环节被置于处理链末端，其高阶属性结果无法反哺前端的检测与跟踪单元，造成底层物理信息的巨大浪费。经典体制以“虚警率”评价探测结果，只能判定回波是否为白噪声，却无法断定信号来自无人机、飞鸟还是地物杂波，属性层面的虚警居高不下——实测数据显示，80%~90% 的雷达结果被证实为鸟类等虚警。
扫描周期 2~20 s/r
检测 → 跟踪 → 识别
属性虚警居高不下
数秒识别延迟即致目标丢失
检测识别一体化：三层递进架构
IDR 方法并非某种特定的微多普勒提取或 DSCR 算法的代称，而是从方法论底层重构雷达信号处理的经典认知体系：采取“顶层转换—中层执行—底层闭环”的三层递进设计。顶层推动链路从“传统串行”走向“并行一体化”，破除误差累积与信息单向流动；中层构建三级物理层级递进收缩机制（宽距定位、窄距精化、精准定位），对弱目标层层筛选；底层建立基于识别置信度的自适应评价约束，形成全链路效能度量。由此，雷达信号处理链完成从“串行单向”到“并行双向”的范式转变。
基于信噪比 SNR 的宽距离窗定位
对于长度为 N 的距离段，采用滑动窗口估计局部信噪比（SNR）的均值，按 PSNR = (1/M)·Σρm,SNR 计算每个训练单元内的 SNR 均值（M 为训练单元开窗大小）。通过引入背景参考阈值进行初筛，排除纯噪声区域，初步锁定包含潜在目标的宽距离窗口 LSNR，以快速定位信号存在的广域范围。
基于信杂比 DSCR 的窄距离窗精化
在初步锁定的 LSNR 窗口内，利用多普勒信杂比（Doppler Signal-to-Clutter Ratio, DSCR）指标进一步剔除背景杂波。对各距离单元做多普勒频谱分析，取 ρDSCR = maxf∈Ftarget{A(f)} / ((1/L)·ΣA(l))，其中 A(f) 为归一化频谱频率幅值、L 为频谱长度、Ftarget 为疑似目标多普勒频段。通过 DSCR 动态阈值判决剔除仅含杂波的距离门，将窗口由 LSNR 精化收缩至 LDSCR。
基于微多普勒 RBM 特征的精确距离门定位
在 LDSCR 范围内，利用航空器旋翼调制效应（Rotor Blade Modulation, RBM）的微多普勒频谱特征进行目标属性确证。旋翼回波物理模型为 fRBM,k = 2Lblade·ω·cos(φ0,k)/λ，λ 为雷达波长、Lblade 为叶片有效长度、ω 为旋转角速度、K 为叶片数。通过匹配该独特谱线簇排除飞鸟与地杂波虚警，实现唯一目标距离门定位与自动目标识别（ATR）；识别结果实时逆向闭环反馈至检测前端，自适应调整检测阈值以获取能量增益。
黄海沿岸外场实测数据
课题组于中国启东市黄海沿岸开展连续数天的外场实测，测试期间海况低于 3 级，目标协同飞行范围覆盖雷达视距 8~14 km 空域（依据链路预算，最大可探测边界可延伸至 20 km）。探测目标为工业级复合翼 VTOL 无人机 TX25A（起飞重量 26 kg、尺寸 1.97 m、翼展 3.60 m、5 副 0.3 m 旋翼），并以消费级四旋翼 DJI Phantom 4（1.38 kg、0.40 m、4 副 0.2 m 旋翼）作为基准对比目标，构成典型强海杂波背景下的“低慢小”实测样本集。
X 波段相控阵雷达与真值系统
核心平台为 X 波段对海监视脉冲多普勒相控阵雷达，配备主动电子扫描阵列（AESA）与数字波束形成（DBF）系统：方位波束宽度 0.1°、距离分辨率 12 m、多目标跟踪能力 >1 000 个、扫描模式为机械旋转（2~20 s/r）加电子凝视。雷达部署于高 12 m 的沿海建筑物屋顶，同轴架设高倍率光学相机与红外相机提供基准真值；算法在单个相干处理间隔 CPI = 20 ms 内完成判决，探测响应时间达毫秒级。
强海杂波下的探测性能与微动特征验证
本节汇总 TX25A 在复杂海杂波背景下的实测探测性能，并从单 CPI 回波序列、长时跟踪态势与目标参数反演三个层面，验证 IDR 架构对细分机型的识别能力。
较传统 SNR 方法提升 14.8%
强海杂波干扰条件
8~14 km 距离范围内
信号强度远高于背景杂波
| 对比项 | DJI Phantom 4（四旋翼） | TX25A（VTOL 复合翼） |
|---|---|---|
| 起飞重量 | 1.38 kg，DJI Inc. | 26 kg，Harryskydream Inc. |
| 尺寸 / 翼展 | 0.40 m / 0.40 m | 1.97 m / 3.60 m |
| 旋翼数量 / 旋翼长度 | 4 副 / 0.2 m | 5 副 / 0.3 m |
| 最大巡航速度 | 72 km/h | 115 km/h |
| 机身材料 / 实测平均速度 | PC 聚碳酸酯 / — | FRP 玻璃钢 / 16 m/s |
| 单 CPI（20 ms）调制包络峰数 | 3 个 | 5 个，谱峰幅度呈剧烈不对称起伏 |
| 反演旋翼转速 | 约 80 r/s | 约 40 r/s，与物理规格完全吻合 |
| 雷达散射截面 RCS | 基准 | 至少为 Phantom 4 的 4~6 倍（约 4 倍） |
单 CPI 毫秒级完成属性判别
IDR 在单个相干处理间隔（20 ms）内直接提取 RBM 微多普勒特征完成目标属性判别，将探测与识别的时间约束由传统多扫描周期的秒级缩短至毫秒级，支撑“边扫描、边识别、边跟踪”的同步认知操作。长达 380 s、跨越近 6 km 的连续航线跟踪中，输出航迹高度平滑，无任何丢跟、断跟或突变。
微动几何结构特征可区分细分机型
TX25A 虽具固定翼几何外形，其旋翼动力组件旋转仍产生显著 RBM 效应，破坏隐身整体性：单 CPI 内呈现 5 个调制包络峰（Phantom 4 为 3 个），反演旋翼转速约 40 r/s（Phantom 4 约 80 r/s），平均 RCS 为 Phantom 4 的 4~6 倍且具强角度敏感性，谱峰幅度因轴距大与叶片电磁闪烁不对称而剧烈起伏。
跨越贝叶斯后验极限的误报压制
在飞鸟与无人机先验比 9:1 的极端不平衡空域中，若识别率 95% 而误报率 5%，识别置信度仅 67.86%，即有 32.14% 概率实为飞鸟。要跨越 95% 置信度红线，误报率须压缩至 0.56% 以内；实测展示 IDR 成功将虚警率压缩至 0.05%，并将识别置信度提升至 95% 以上。
经典体制雷达定义的“虚警率”仅能定量回答接收到的电磁信号是否为白噪声，却根本无法断定该信号是来自真正具有威胁的无人机，还是来自飞鸟或地物杂波，导致属性层面的“虚警”居高不下。IDR 架构的核心价值在于将高阶 ATR 属性引入信号处理的最前端，实现数据流的双向并流。
三项结论、应用价值与未来议程
本文针对低空经济空域安全监管的重大需求，提出并系统阐述了雷达检测与识别一体化（IDR）技术框架，并利用沿海大风场环境下的实测雷达数据开展了全面实证验证。
打破传统处理链路限制
实证研究证实，TX25A 复合翼垂直起降无人机虽具备固定翼几何外形，但其旋翼动力组件在旋转时会产生显著的微多普勒（RBM）效应，破坏其隐身整体性。IDR 算法成功在单 CPI（20 ms）内高保真捕获该电磁特征，实现细分机型的瞬时毫秒级 ATR 识别，核心区检测概率提升至 97.3%。
突破贝叶斯置信极限
理论推导证明 IDR 框架要求 ATR 能力在极端不平衡异构空间（飞鸟与无人机 9:1）中跨越“贝叶斯置信极限”的数学机理。通过引入目标高阶微动结构先验反哺前端检测，成功将误报率压制在 0.56% 红线之下，实现了全闭环范式重构。
定义低空 5D 时空智能雷达
不同于车载毫米波 4D 雷达（距离、方位角、高度、速度），本文定义的低空 5D 感知为 3D 空间坐标位置 + 1D 多普勒速度 + 1D 目标属性。其核心逻辑在于解决“目标是什么”的身份认知，使雷达由被动的“参数测量仪”升级为集探测、识别、归类于一体的时空智能感知中心。
应用价值
为低空经济时代的空域协同监管与协同感知提供全新技术路径：可服务于机场净空保护、能源化工与交通枢纽防护、国境边界反无人机等低空及超低空防御场景，支撑 eVTOL、多旋翼与 VTOL 等机型的精细化识别与 5D 态势输出，使预警与反制决策摆脱“警报疲劳”，走向自动化。
局限与未来
仍需突破三大技术瓶颈：城市峡谷环境中强多径效应与超高层建筑群侧向散射干扰下的鲁棒性；对抗性电磁环境下将认知 IDR 与智能波形设计、抗电磁欺骗相结合；构建异构多源融合感知网络，将 5D 雷达与光电、被动无线电频谱监测及合作式 ADS-B 数据进行底层深度时空融合。同时，AI 驱动的 ATR 还需持续回应实时性（100 ms 内分类）、可解释性与环境适应性三项挑战。