未来趋势与挑战  ：1 具备AI能力的全自主攻击无人机和能应对集群的智能反wurenji雷达将成为发展重点。2 体系化”对抗成为常态：未来的对抗不再是单一装备的较量，而是 “集群突击体系”与 “综合防御体系” 的对抗。

目录

第 1 章 反无人机系统概述

1.1 引言

1.2 又小又简单，不足以构成威胁？

1.3 为什么必须采用传感器和攻击集成系统？

1.4 反无人机解决方案的作战使用

1.5 未来情境与支持技术

1.6 结论

参考文献

第 2 章 系统设计注意事项

2.1 引言

2.2 系统设计挑战

2.3 雷达的作用

2.4 系统设计示例

2.4.1 紧凑型电子扫描脉冲多普勒雷达

2.4.2 全息雷达

参考文献

第 3 章 毫米波雷达在无人机探测和分类中的应用

3.1 毫米波雷达系统在无人机探测中的应用

3.2 无人机的毫米波 RCS

3.3 无人机的毫米波微多普勒特征

3.3.1 FMCW 微多普勒特征

3.3.2 CW 微多普勒特征

3.3.2 替代时频分析方法

3.4 携带有效载荷的无人机的毫米波特征

3.4.1 配备液体喷雾有效载荷的无人机

3.4.2 配备模拟后坐力的无人机

3.4.3 配备重型有效载荷的无人机

3.5 利用毫米波数据的无人机分类方法

3.6 结论

参考文献

第 4 章 利用干涉雷达探测和跟踪无人机

4.1 背景介绍

4.2 干涉测量理论

4.3 无人机探测

4.3.1 距离 - 多普勒处理

4.3.2 恒虚警率（CFAR）检测

4.3.3 聚类

4.4 无人机跟踪

4.4.1 距离和角度

4.4.2 二维速度

4.4.3 卡尔曼滤波

4.5 模拟结果

4.6 实验结果

4.7 结论与未来研究

参考文献

第 5 章 使用固定的机会照射源进行无人机的无源雷达探测

5.1 引言

5.2 无源双基地雷达概述

5.2.1 利用模拟信号的 PBR

5.2.2 利用数字信号的 PBR

5.2.3 利用雷达信号的 PBR

5.2.4 PBR 中的无人机探测

5.2.5 单通道探测的 PBR

5.3 凝视雷达信号

5.4 实验设置

5.5 参考通道的探测结果

5.6 无参考通道的 PBR

5.7 比较

5.8 结论

参考文献

第 6 章 基于 DVB-T 的无源雷达在无人机静默监视中的应用

6.1 引言

6.2 基于 DVB-T 的无源雷达覆盖研究

6.2.1 覆盖估计方法

6.2.2 覆盖分析

6.3 基于 DVB-T 的 PR 处理方案及干扰消除阶段

6.3.1 基于 DVB-T 的无源雷达处理方案

6.3.2 实验结果及干扰消除阶段对无人机探测性能的影响

6.4 奈曼 - 皮尔逊检测器近似及杂波建模

6.4.1 雷达杂波特征描述

6.4.2 似然比（LR）检测器的制定

6.5 多通道信号处理策略

6.5.1 利用阵列天线实现目标定位

6.5.2 利用频率和空间多样性提升检测和定位性能

6.6 结论

参考文献

第 7 章 用于无人机探测与定位的多波段无源雷达

7.1 引言

7.2 利用不同的机会波形

7.3 基于 DVB-S 的无源雷达

7.3.1 基于 DVB-S 的无源雷达处理方案

7.3.2 基于 DVB-S 无源雷达的无人机探测与定位实验

7.3.3 锁相与非锁相接收器架构

7.3.4 利用极化信号进行无人机探测

7.4 基于 DVB-T 的无源雷达

7.4.1 基于 DVB-T 的无源雷达系统用于短距离和远距离的同步监控

7.4.2 应对不同目标动态问题

7.5 基于 Wi-Fi 的无源雷达

7.5.1 基于 Wi-Fi 的无源雷达接收器架构和处理方案

7.5.2 基于 Wi-Fi 无源雷达的无人机探测与 3D 定位实验

7.5.3 联合利用基于 Wi-Fi 的无源雷达与无源源定位

7.6 结论

参考文献

第 8 章 基于 GNSS 的无人机探测

8.1 引言

8.2 基于 GNSS 的无源雷达覆盖范围

8.2.1 无人机的后向散射和前向散射 RCS

8.2.2 无源双基地雷达方程

8.2.3 案例研究

8.3 源信号重构

8.3.1 信号模型

8.3.2 GNSS 信号特征

8.3.3 信号重构算法

8.4 目标参数估计

8.4.1 目标定位

8.4.2 速度估计

8.5 实验分析

8.5.1 场景 1：横穿接收器前方

8.5.2 场景 2：远离接收器下降

8.6 结论

参考文献

第 9 章 雷达无人机和鸟类特征的微多普勒比较

9.1 引言

9.2 无人机与鸟类雷达特征研究回顾

9.3 目标运动模型

9.4 无人机目标的全极化、多观测角实验室测量

9.5 双基地与多基地雷达用于收集鸟类与无人机数据

9.5.1 NetRAD

9.5.2 NeXtRAD

9.6 NetRAD 在 S 波段对鸟类与无人机的测量

9.7 NetRAD 无人机有效载荷实验

9.8 NeXtRAD 在 L 波段与 X 波段的无人机与鸟类测量

9.9 结论

致谢

参考文献

第 10 章 多无人机的雷达识别

10.1 引言

10.2 基于 CFS 的多无人机识别

10.2.1 信号模型

10.2.2 分类方法与实验结果

10.3 基于字典学习的多无人机识别

10.3.1 识别方法

10.3.2 实验结果

10.4 结论

参考文献

第 11 章 无人机载荷的高级分类技术

11.1 引言

11.2 雷达系统与实验设置

11.3 无人机及其载荷的分类方法

11.3.1 SVD 和微多普勒质心特征

11.3.2 预训练卷积神经网络

11.3.3 谱峭度分析与特征提取

11.4 结论与展望

致谢

参考文献

第 12 章 反无人机系统开发的良好实践与方法 —— 工业视角

12.1 引言

12.2 使用凝视雷达实现稳健的无人机分类

12.3 地面真实数据标定的方法

12.3.1 控制目标

12.3.2 机会目标

12.4 无人机与鸟类的地面真实数据标定结果

12.5 机器学习分类

12.6 结论

致谢

参考文献

译者序

在数字化与智能化浪潮席卷全球的今天，无人机已从单纯的航空飞行器演变为重塑现代战争形态与科技竞争格局的关键力量。而雷达对抗技术，作为无人机攻防体系中的 “神经中枢”，正以前所未有的速度迭代升级，深刻影响着未来战场的制胜法则。当我们初次接触这本系统阐述无人机雷达对抗技术的专著时，便被其前沿的技术视角与深邃的理论洞见所吸引 —— 这不仅是一本技术手册，更是一扇通向未来科技博弈的窗口。

本书作者以深厚的学术功底与丰富的工程实践经验，将无人机雷达对抗领域复杂的技术脉络梳理得清晰透彻。从雷达探测原理与无人机隐身设计的 “矛与盾” 之争，到电子干扰技术与反干扰策略的 “攻防交响曲”，书中对每项核心技术的剖析都兼具理论高度与实践价值。作者巧妙地将低小慢探测雷达、无线电侦察，无人机微运动特性等先进探测技术，与自适应干扰、认知对抗等前沿防御手段相结合，为读者构建起完整的无人机雷达对抗知识体系。特别值得一提的是，书中对人工智能与机器学习在雷达对抗中的应用探索，精准捕捉到了行业发展的未来趋势，为该领域的研究与实践开辟了新的思路。

翻译团队在翻译过程中始终秉持严谨的态度，力求在保留原著专业性的同时，让技术内容更符合中文读者的阅读习惯。我们深知，无人机雷达对抗技术的复杂性不仅体现在专业术语的密集使用上，更在于其背后交叉学科知识的深度融合。为此，团队成员反复研读原文，查阅大量国内外文献，请教行业专家，对关键概念与技术细节进行逐字推敲，确保译文的准确性与流畅性。尽管翻译工作充满挑战，但每当攻克一个技术难点、理顺一段复杂论述时，我们都能感受到探索前沿科技的乐趣与成就感。

希望本译著能为从事无人机研发、雷达工程、电子对抗等领域的科研人员提供实用的技术参考，也期待它能激发更多青年学子对该领域的研究热情。由于译者水平有限，书中难免存在疏漏之处，恳请各位读者不吝指正。让我们共同期待无人机雷达对抗技术在未来绽放出更加璀璨的科技之光，为推动国防现代化与科技进步贡献力量。

译者团队2025 年 8 月

Ⅲ