反无人机网

《传感器》（Sensors）期刊发布了一篇名为《保护你的空域：探测入侵保护区的无人机》的论文。全文主要包括摘要、介绍、雷达、声学传感器、射频地面通信传感器、光学传感器、多传感器方法、讨论以及结论和未来工作讨论。

摘要

近年来，无人机的部署迅速增加。它们现在被广泛应用，从核电站监控等关键的生命安全场景到娱乐和爱好应用。尽管无人机最近越来越受欢迎，但相关的有意和无意安全威胁需要充分考虑。因此，迫切需要对无人机进行实时准确的探测和分类。本文概述了无人机探测方法，强调了它们的优点和局限性。我们分析了使用雷达、声学和光学传感器以及发射射频（RF）信号的探测技术。我们比较了它们在不同操作条件下的性能、准确性和成本。我们得出的结论是，多传感器探测系统提供了更令人信服的结果，但还需要进一步的研究。

1.介绍

在过去的几十年里，无人机发展迅速，导致了价格合理的无人机的大规模生产。从孩子和业余爱好者到警察和消防员，无人机已经找到了新的应用和用例。例如，谷歌和亚马逊试用无人机进行商品配送，而执法部门则利用无人机进行速度检查。在灾难发生期间，无人机可以帮助急救人员建立通信并定位受害者。不幸的是，与其他技术进步类似，无人机也可用于非法目的。事实上，犯罪集团使用无人机走私货物和破坏安全地点。即使是无恶意使用无人机也可能导致非法结果，包括对隐私的无意侵犯、碰撞对人类和基础设施的伤害，以及对其他飞行物体（如飞机）的干扰。例如，2016年，迪拜机场报告称，为了避免未经授权的无人机活动，该机场不得不关闭三次。

因此，实时无人机探测、二进制分类和跟踪非常必要。无人机的普及、混合使用情况和多样化的环境条件只会加剧探测挑战。目前，有不同的方法来探测空域中的无人机：有源雷达、无源雷达、声学传感器、射频信号探测以及视觉和光学传感器，如图1所示。无人机探测系统通常部署在感兴趣区域的附近。当无人机进入受保护的禁飞区时，探测系统可以跟踪它，并确定它是友好的还是未知的入侵者。随后，系统可以通知操作员或强制执行自动化策略。

图1：不同的无人机探测技术。

在这篇调查文章中，我们概述了探测无人机的可用方法。我们的目标是了解无人机探测技术的设计空间，并揭示每种方法的固有或情境限制。我们还探讨了与选择无人机探测方法相关的其他方面，包括成本、功率、可能影响探测系统性能的消耗、精度和环境变量。我们更广泛地讨论雷达，因为就精度而言，雷达是最有前途的方法。然而，它们的高成本和部署要求可能使雷达不适合某些用例。然后，我们讨论了在某些情况下，现成的声学传感器作为雷达的一种更便宜但精度较低的替代品。接下来，我们将探索基于无人机射频传输的方法，然后是视觉和光学传感器探测方法。最后，我们讨论了多模态和传感器融合方法。这些传感器串联或按顺序地使用多个传感器以提高探测精度。

表1：无人机探测方法的优点和缺点

2.雷达

当前最先进的移动物体探测解决方案，无论是探测大型无人机还是小鸟，都涉及某种形式的雷达。雷达提供高范围覆盖，在所有天气环境中都能不间断地工作，并在白天和晚上提供连续覆盖。这些能力使雷达技术成为无人机探测系统的最佳候选者之一。评估使用雷达进行无人机探测的可行性受到了相当大的关注。然而，在设计和部署适用于探测无人机的雷达时，存在一些实际限制和成本考虑。

2.1.雷达配置

雷达系统根据其配置进行分类，特别是根据其发射机和接收机部件的空间布置进行分类。三种主要配置是单站、双站和多站，每种配置都有不同的特性、优势和应用。这三种雷达配置的直观图示如图2所示。

图2：不同雷达配置的可视化表示：单站、双站和多站。

2.1.1.静态雷达配置

在单基地雷达设置中，发射机和接收机位于同一位置或共享同一天线系统。从交通执法到小型无人机探测，这种配置是人们最熟悉和广泛使用的。单站雷达的主要优点是其简单性，因为它只需要一个发射和接收站点。这种配置对于短程应用非常有效，并且目标与雷达的相对运动非常显著，有助于强信号反射回源。

2.1.2.双站雷达配置

双站雷达的特点是发射机和接收机位置在空间上分离，它们之间的距离可以显著变化。这种分离带来了独特的优势，例如由于接收器可以放置在远离发射器的隐蔽位置，因此提高了隐身性，降低了对电子对抗的敏感性，以及能够探测小型无人机等低可观测物体。双站雷达在单站雷达受反射几何形状限制或隐形使用至关重要的应用中尤其有利。然而，发射机和接收机同步的复杂性，以及由于依赖于几何结构的双基地距离而导致的信号处理方面的挑战，可能会使它们的操作复杂化。

2.1.3.多站雷达配置

多站雷达通过利用多个接收机，在某些情况下还利用多个发射机，扩展了双站概念。这种配置提供了更强的覆盖范围和探测能力，因为对目标的多角度观察可以更准确地揭示其位置和移动情况，并具有更强的反制能力。通过利用分散接收器捕获的不同入射角和反射角，多静态装置可以有效地探测隐形飞行器，这些隐形飞行器主要是为了躲避单静态雷达。多站雷达系统的主要挑战涉及来自多个地点的复杂协调和数据融合，需要先进的信号处理和网络能力。

通常，这些配置之间的差异主要在于发射机和接收机布局的几何形状以及由此产生的操作优势和复杂性。单站雷达简单有效，适用于广泛的应用，但可能受到直接反射要求的限制。双站和多站雷达及其空间多样化的部件，以增加系统复杂性和信号处理要求为代价，在隐形探测和作战弹性方面提供了优势。更具体地说，双站和多站雷达配置已经实现了无源雷达探测的能力。这种方法在传统的单站设置中是不可行的，它通过消除对有源发射机的需求而提供了显著的优势。这不仅降低了成本，增强了隐形能力，使对手更难探测到雷达系统，而且还规避了对广播信号的监管要求。无源雷达系统利用现有的环境电磁辐射，如电视和无线电广播、蜂窝网络，甚至卫星传输的电磁辐射，来探测和跟踪无人机。通过使用这些无处不在的信号，无源雷达可以有效地监测空域，而不需要额外的信号生成，将成本效益与作战自由度相结合。无源雷达技术的进一步探索将在接下来的章节中详细介绍，强调其在现代监视和探测战略中日益重要的地位。

2.2.雷达散射横截面积

主要的挑战是无人机的可变尺寸，这可能使它们对传统雷达不可见。由于一些无人机的体积小，其主体材料结构反射指数低，雷达散射横截面积（RCS）极小，难以探测。来自目标物体的接收功率与其RCS成比例，较小的RCS导致较低的接收功率和较低的探测概率。

2.3.频率和带宽

雷达的另一个设计参数是它们的工作频率。高频雷达更昂贵，但它们可以探测到更小尺寸的无人机。它们更大的带宽和更精细的分辨率产生更准确的结果。带宽为1GHz的雷达具有15厘米的距离分辨率。

2.4.雷达散射

雷达系统背后的物理包括两种主要类型的散射：前向散射和后向散射。前向散射通过现代视角进行了详细说明，表明当双站角度（即从发射机到目标再到接收机的角度）接近180°时，雷达波可以从其原始路径向前散射。由于在这种条件下增强了RCS，这种散射对于探测小型或吸收射频信号的目标（如小型无人机）特别有利。另一方面，后向散射是指雷达波直接反射回接收器。

图3：（a）后向散射与前向散射雷达配置的表示。图顶部所示的彩色雷达表示发射机，而底部的黑色雷达表示接收机；（b）双站范围和角度。

RCS是无人机探测的一个关键因素，随着目标的纵横角变化很大，影响了探测能力。无人机的不同部分可能具有截然不同的RCS值，从不同角度影响雷达探测的有效性。这种可变性突出了多站雷达系统的优势，该系统利用多个接收器位置来增加从目标的各个方位角探测反向散射信号的可能性。

前向散射具有明显的优势，可增强对因尺寸或材料特性而难以探测的目标的探测能力。然而，随着时间的推移，保持前向散射的最佳双站角度可能具有挑战性，限制了此类系统在某些情况下的实用性。尽管存在这些挑战，前向散射雷达，尤其是在具有机载照明器的多站配置中，正因其在广域监视中的潜力而重新引起人们的兴趣，即使考虑到现实世界的损失，也显示出高探测概率。

2.5.雷达信号功率

在实践中，具有更高发射功率的雷达提供了改进的探测结果。就波调制方法而言，CW（连续波）雷达所需的功率明显低于脉冲雷达。因此，连续波雷达能更有效地探测和跟踪无人机。许多可用的研究论文使用FMCW（调频连续波）雷达进行无人机探测。这是由于与其他波调制方法相比，它们的用电量较低。

2.6.有源或无源

有两种不同类型的雷达：有源雷达和无源雷达。有源雷达同时配备了发射器和接收器。发射器发射电磁波，“照射”近端目标。接收器捕获所有反射信号，然后对其进行后处理，以暴露任何潜在的新目标。当仅采用无源感应时，雷达系统被简化为仅使用接收器。无源雷达场景中的目标“照明”由其他信号源完成，包括蜂窝信号、调频无线电信号和Wi-Fi信号等。

有源传感实现了更大的探测范围和更高的可靠性，但它需要更大的发射功率。此外，有源传感可能无法在不同的环境条件下“照亮”目标。此外，雷达操作员需要获得雷达发射机信号所占用频段的许可证并保持许可证状态。另一方面，无源雷达不需要任何操作许可，因为它们不主动发射信号。此外，它们的用电量和成本要求显著降低。因此，对于单个有源雷达部署的相同预算，操作员可以容纳多个接收器。虽然这种无源雷达解决方案具有成本效益，但它以精度和缺乏可靠覆盖为代价。

2.7.光束转向

发射的信号越聚焦和越窄，越容易探测小物体。例如，使用具有宽主瓣的全向天线将导致探测小物体的性能较差。另一方面，使用主瓣聚焦的窄雷达波束，虽然能准确探测到小物体，但却会降低监控范围。一种方法是在发射机一侧使用多根天线，每根天线的波束都很窄，但其排列组合可覆盖目标区域。另一种方法是使用转子使发射机移动，这种方法称为机械波束转向，可以在一段时间内覆盖目标区域。除机械波束转向外，还有一种方法称为电子波束转向，即通过随时间改变信号的相位，使窄小的发射波束扫描小范围区域，从而实现目标区域的全覆盖。

2.8.机械或多通道扫描

接收器也可以安装在电机上，该电机可以机械地转动和扫描整个区域。一种替代设计利用静态多通道天线，该天线可以接收来自任何方向的信号。大多数将发射器和接收器捆绑在一起的有源雷达通常采用静态多通道或使用机械旋转装置来接收和发射信号。

2.9.微多普勒分析

微多普勒分析用于雷达分析，以指纹识别目标物体。这与用于确定目标物体的速度和方向的多普勒效应不同。目标物身体或目标上任何其他运动部件中的任何振动或运动都可以使用微多普勒分析进行测量。在分析无人机反射雷达信号时，使微多普勒分析可行的主要来源是无人机螺旋桨。微多普勒分析可以帮助区分无人机和鸟类，从而减少误报。此外，使用微多普勒分析，我们可以估计目标无人机的结构特征。这包括转子叶片的长度。

图4：微多普勒分析模拟：（a）两个17厘米叶片（b）两个34厘米叶片，以30Hz RPM转速旋转，由中心频率为2.41GHz的连续被雷达捕获。

2.10.未来雷达无人机探测

一个有前景的研究方向是利用商用5G蜂窝通信进行无人机探测。地面和卫星5G通信既可以用作无源雷达源，也可以用作有源雷达源，用于照明和探测无人机。许多研究旨在调查利用现有和未来5G基础设施能力进行无人机探测的挑战和局限性。由于5G可以在基站中使用毫米波天线进行通信，因此可以想象，5G基础设施也可以用作雷达进行探测。

我们已经讨论了在选择合适的雷达来探测小型无人机时面临的挑战和潜在的设计参数。我们要重申，有许多参数需要考虑。目标无人机的尺寸和材料、操作环境限制以及所使用的雷达系统类型只是一些主要的解决方案驱动因素。我们还需要考虑到相关的行动和部署成本。

3.声学传感器

利用无人机产生的独特噪声特征，利用声学信号进行无人机探测正成为安全和监视领域的一项关键技术。这种方法利用了无人机螺旋桨和电机产生的独特声学模式，即使在视觉障碍的环境中也能识别和跟踪无人机。先进的信号处理和深度学习技术越来越多地被用于提高探测的准确性和速度，使用这种方法在保护隐私、确保安全和监控受限空间方面非常有效。声学传感器技术的先进性，加上人工智能驱动分析的集成，为实时、可靠的无人机监控系统铺平了道路。

声学传感器虽然具有成本效益，但也有一些显著的缺点，在进行无人机探测时需要考虑这些缺点。它们的主要局限性在于，它们的性能高度依赖于目标与传感器的距离。最先进的声学探测机构提供的最大范围大约为几百米。更糟糕的是，在被环境声音和噪音污染的拥挤嘈杂的城市环境中，声学传感器的性能急剧下降。因此，声学传感器在使用巡逻无人机或其他噪声设备进行监视的探测场景中表现不佳。通常，在环境噪声过高的任何部署场景中，声学传感器的性能都很差。从好的方面来说，声学传感器价格低廉，可以很容易地获取、安装和部署。此外，它们在任何天气条件下都能表现良好，无论是在白天还是晚上，而且它们不需要目标物体的视线。尽管如此，当单独使用时，由于上述缺点，它们不提供性能保证。然而，作为配套传感器，它们可以提高整个系统的性能和准确性。

此外，由于无人机在各个领域的使用越来越多，以及相关的安全问题，深度学习技术在使用声学特征的无人机探测和识别中的应用越来越突出。

在无人机上部署声学传感器拓展了声学监测的视野，开辟了一个新的可能性领域，包括巡逻和监测作用。这些安装在无人机上的声学摄像头可以作为空中的警戒哨兵，不仅可以探测其他无人机，还可以用于更广泛的监视应用。

4.射频地面通信传感器

探测无人机在禁飞区存在的最广泛使用的方法之一是通过感应无人机和地面控制器之间的射频通信。该方法利用射频传感器作为扫描射频通信信道传输的接收器。射频传感器的设计目的是探测无人机用于与地面控制器进行控制和数据信号传输的射频频率范围。第一步是区分现有的和新的射频通信。

对于无人机的射频传感，所有方法的共同假设是，目标无人机与其地面控制器之间存在射频通信链路。进一步假设，即使在存在其他信号的情况下，也可以捕获并精确地分析该控制信号。事实上，对于许多商用无人机来说，射频信号是从地面控制器向无人机传达导航命令的主要手段，相反，在下载无人机捕捉的图像、视频和其他感官信息等捕捉数据时也是如此。虽然这些假设对许多商用现成无人机有效，但也有一些无人机能够自主飞行，而无需接收定期导航命令。此外，在某些情况下，无人机配备了足够的机载内存，可以长时间捕捉感官信息。因此，即使无人机支持射频通信，无人机和地面控制器之间也可能会有很长一段时间没有射频通信。无人机探测的射频传感的另一个挑战是环境射频噪声的存在。在城市地区尤其如此，因为那里的无线活动很普遍，从地面和空中目标（不一定是无人机）产生重叠和恒定的射频传输。例如，人们在高楼的高层行走时，使用Wi-Fi设备从互联网上传输视频，这类似于无人机的移动和传输。因此，由于环境和噪声方面的考虑，包括来自静止和移动目标的多个并发通信的存在，仅仅依靠射频传感对于城市环境是不可靠的。另一方面，在人口较少或无线设备很少的农村地区，视频信道主要是静音的。因此，很容易感知无人机与其地面控制器之间的通信。

虽然使用射频地面通信信号进行无人机探测有局限性，但它提供了一种经济高效且易于实施的机制。当在更长的区域和时间内操作时，它可能很有用。此外，当它在任何天气或光线条件下工作时，它可以与其他传感器相结合，并且不需要直接的视距。此外，这种方法甚至可以在无人机起飞之前以及无人机看起来静止时（即无人机已经着陆或只是悬停）探测到无人机。只要存在与无人机之间的有源射频通信链路，射频传感器就可以探测到它。

更重要的是，这是唯一可以定位无人机地面控制器以及无人机本身的方法。换言之，在各种无人机探测方法中，射频信号的利用尤为突出，因为它不仅能够探测无人机，而且能够使用各种定位技术精确定位无人机控制器在地面上的位置。为了实现这一点，它利用了无人机与其控制器之间的通信链路，控制器不断交换射频信号以进行操作和控制。通过分析这些信号，可以追溯到控制器的确切位置，在识别操作员与探测无人机本身一样重要的情况下提供了显著的优势。射频信号分析的这一双重功能使其成为全面无人机监视和安全措施的关键工具，提供了纯面向探测的技术无法提供的一层情报。

图5：使用射频传感器定位入侵无人机的地面控制器。

5.光学传感器

光学传感器包括相机、门控激光器和执行光学处理的其他视觉传感模式。光学传感器的使用提供了另一种探测和分类无人机的方法。与使用雷达类似，部署光学传感器有两种方法：有源和无源。在有源传感器中，探测系统利用门控激光器发射的光信号来“照射”感兴趣的区域或目标。通过处理来自目标的反射光信号来进行探测。无源传感器方法利用相机等光学接收器来捕捉图像或视频，用于无人机的视觉处理和分类。使用相机的主要优点是能够显示辅助无人机分类的额外信息。图像和视频处理技术可用于区分无人机和其他飞行物体或鸟类。视觉分类可以区分敌友无人机，并确定无人机的类型。因此，在可用的情况下，光学传感可以超越单纯的物体探测，以高精度进行物体分类。

光学传感器的主要缺点是它们依赖于对目标的不受抑制的视距。此外，在视力受损的环境中，它们的准确性会显著下降。例如，即使使用夜视相机，在光线减少或光线不足的情况下捕获的信息质量也远不是最佳的。事实上，在不同的天气条件下（如雾、多云、下雨等），相机可能无法对小目标产生可靠的探测结果。另一个限制是，相机提供用于探测的窄光束。这意味着单个摄像机不能同时覆盖感兴趣的大区域。因此，我们必须使用多个相机或旋转一个相机来扩展感兴趣的区域。虽然有源视觉传感（即激光）不像普通相机那样对天气条件敏感，但它们只能在距离目标很短的距离内提供探测。

图6：不同传感器的最大探测范围。“高”表示1英里左右的范围，“短”表示小于1000英尺，“太短”表示小于350英尺。

6.多传感器方法

所有传感器模态都有局限性，在某些环境和天气条件下可能不可靠。我们认为，一个强大的无人机探测系统应该依赖于一种以上的传感模式。适当选择的传感模式可以相互补充，提高整体可靠性和识别稳健性。因此，我们可以根据环境条件融合不同类型的传感器，从而获得更好的性能。

换言之，传感器需要相互补充缺点，以提高整体系统质量并降低错误探测的风险。例如，单独的声学系统可能表现不佳，因为它无法在更高的高度探测到无人机。然而，通过将该系统与有源雷达集成，我们可以实现更长距离的探测。此外，我们可以通过设计一个融合雷达和声学传感器数据的系统来提高短距离探测的准确性。对于长距离，我们为雷达的输出分配更高的权重，而对于较短的距离，我们给声学传感器分配更大的权重。这种方法确保了在所有范围内都有更好的探测质量。换言之，当组合来自不同传感器的结果时，系统需要根据其优点和缺点为结果分配权重。这样，在任何给定的时间，我们都信任在特定情况下具有更好强度的传感器，而在该传感器表现不佳的情况下，其他传感器将在决策过程中具有更高的权重。

7.讨论

在对现有研究进行全面调查后，得出的结论是，可靠的无人机探测系统需要多种传感器模式的组合。有鉴于此，我们提出了一些我们设计并提出的样本系统，以供未来研究中进一步调查和性能评估。

图7描绘了我们设计的多传感器无人机探测系统的初始示例。如图所示，首先，现成的低能量声学传感器捕获环境中的所有声学信号，并使用机器学习算法对信号进行处理。如果算法探测到无人机的存在，它会触发另一个传感器，由云台变焦（PTZ）摄像机来确认探测结果，并将无人机归类为友好无人机或入侵者。

作为探测系统的另一个例子，我们建议在创新的自适应多传感器系统中利用5G蜂窝塔来识别入侵无人机的存在，对其类型进行分类，并定位其地面控制器。5G蜂窝塔中的大型天线阵列系统有潜力被用作适用于探测无人机的高频、高分辨率雷达。

图7：用于无人机探测的声学天线阵列与云台摄像头结合使用，以确认无人机的存在，并将其归类为友好无人机或入侵者。

在这个提出的例子中，提出了一种自适应多传感器探测系统，该系统将5G技术与额外的辅助传感模式相结合，以解决5G有局限性的场景。该系统设计用于在拥挤的城市环境和安静的农村地区运行，由三个主要部分组成：探测、验证和定位。这些块协同工作以提供无人机对地面控制器的探测、分类和定位。将提供每个区块的进一步细节，包括5G技术在实现系统目标方面发挥的关键作用。

探测：无人机探测过程的第一步是实现任何空中物体的存在，包括友军或敌方无人机。在这一部分中，我们展示了探测块，并解释了它如何适应不同的环境。5G基站天线和声学天线阵列是该块的两个主要组成部分，它们作为毫米波技术的有源雷达运行。

虽然雷达是探测空中物体最有前途的方法，尤其是在有视觉障碍和射频噪声的拥挤城市地区，但由于商用无人机的体积较小，使用传统雷达具有挑战性。然而，通过在城市地区使用密集的5G基站网络，该系统受益于高频毫米波信号，这些信号更适合探测小物体。雷达的发射信号必须短于物体的大小才能探测到它。5G毫米波技术中可用的更高频率意味着更小的波长和更好的能见度，即使对于小型无人机也是如此。此外，5G毫米波范围内的大带宽可提高分辨率。

5G基站中的相控阵天线提供了电子扫描能力，使扫描过程比机械扫描碟形天线更可靠、更快。此外，使用现有的5G基础设施可以提高成本效益，避免安装额外的高频雷达。最后，来自5G基站天线的接收信号可以进行微多普勒分析，从而获得关于探测对象的形状、类型和其他特征的更精确信息。

探测块中使用的互补传感器是声学天线阵列接收器，它可以感知无人机的螺旋桨噪声。通过使用预先训练的机器学习模型，使用声学天线阵列在不同环境和无人机场景中获得的声学信号，我们可以准确地探测无人机在环境中的存在。声学传感器在设备和用电量方面都具有成本效益，但在短距离和在噪声环境中的较差性能方面具有局限性。这种传感器在噪声最小的情况下很有价值，例如在农村地区，5G基站的密度不足以建立可靠的无人机探测系统。

总之，我们的无人机探测系统的核心是探测块，它包括两个传感器。首先，我们使用5G基站天线作为高频大带宽雷达，可以通过其多输入多输出（MIMO）技术通过波束控制来跟踪入侵的无人机。其次，我们利用连接到机器学习程序的声学天线阵列，该程序可以通过分析阵列接收到的螺旋桨噪声来探测无人机的存在和类型。从这两个传感器获得的数据在决策算法中融合在一起，其中每个数据基于环境条件具有唯一的权重。例如，在人口稠密的城市地区，人们更加重视5G数据，而在农村5G基站较少的地区，该系统为从声学传感器获取的数据分配了更大的权重。因此，该系统通过补偿彼此的缺陷克服了每个传感器的局限性，提供了可靠的无人机探测机制。

验证：这一阶段的目的有两个：通过更仔细的检查来验证已识别的物体，并通过消除错误探测鸟类或友好无人机等小型实体的可能性来对其进行准确分类。这是通过将摄像机指向所识别的目标来实现的。虽然在不太拥挤的环境中，如农村地区，一台具有远程定向和变焦功能的云台摄像机就足够了，但在拥挤的城市环境中，多个障碍物阻挡了视线，该系统利用配备了摄像机的无人机监视目标，可以接近目标进行更近距离的观察。为了方便监视无人机与地面控制器之间的通信，例如将监视无人机导航到目标并传输实时视频数据，采用了5G技术的侧链通信。

定位控制器：到目前为止，我们已经概述了无人机探测过程的最初两个部分。在这里，我们介绍了在农村和城市环境中使用的射频传感器的使用，以在地面上定位无人机的控制器，这对探测过程中的后续步骤至关重要。据此，我们得出了我们提出的多传感器无人机探测系统的结论，该系统采用了各种传感器模态的融合，协同工作，以确保一个稳健的无人机探测系统。

表2：我们提出的自适应多传感器探测系统。

8.结论与未来工作讨论

我们概述了无人机探测的可用方法。雷达传感器似乎是探测无人机最有前途的方法。然而，它们的成本相对较高。另一方面，声学传感器限于低噪声环境，但提供低能量和部署成本。此外，我们还讨论了射频传感如何探测无人机与地面控制器的通信。然而，许多无人机可以自主飞行，并在很长一段时间内保持“沉默”。这将阻碍射频传感探测到它们的存在。我们还讨论了在有源条件下使用的光学传感器，如激光雷达，也可以在无源模式下使用，如视频和静态成像。视觉传感器在目标识别方面具有优势。然而，它们的准确性会因距离、对目标缺乏视距以及环境条件而受损。最后，我们介绍了最近的研究，这些研究结合了不同的传感模式，为无人机探测开发了更可靠、更准确的方法。

我们的调查清楚地表明，使用多类传感器可以减轻一些传感器的局限性。此外，它可以提高在不利操作场景下的探测稳健性。在能耗、成本、性能和操作要求之间存在明显的权衡，单个传感器可能无法优化这些权衡。使用仅在需要时才可操作的多种传感模式可能是答案。因此，在未来的研究中，应进一步研究使用交叉传感学习算法和按需与连续传感相结合的方法来提高多传感器性能。