无源射频无人机侦测：从频谱能量到可用告警的工程链路

第一层：建立可解释的频谱基线

接收机首先看到的是环境噪声、合法业务、瞬态干扰和可能的无人机链路。固定门限在真实场景中通常不够可靠：白天与夜间、工作日与节假日、室内与屋顶的噪声底都可能不同。工程系统应按频段、时间和站点维护动态基线，并记录前端增益、天线状态和本机噪声。

第二层：从发现信号到识别目标

能量超过门限只说明“出现了射频活动”。要形成无人机告警，还需利用带宽、中心频率、占空比、时频纹理、突发结构和协议字段等特征进行分类。协议解析可提供更高语义的信息；当协议不可解析时，射频指纹或频谱图模型可给出类别概率。

算法输出应保留置信度和未知类别，避免把所有 2.4GHz 或 5.8GHz 活动都标成无人机。研究表明，基于 RF 数据的机器学习能够提升识别能力，但模型性能高度依赖训练样本、环境迁移与未知信号处理。

第三层：把离散发现组织成目标

同一条链路会在时间上连续出现，也可能因跳频、遮挡或机动造成特征变化。平台需要用时间邻近、频率行为、信号强度趋势、协议身份和测向结果，将离散观测关联为目标事件。

• 保留原始观测与算法版本，便于复核。
• 区分首次发现、持续跟踪、重新发现和消失。
• 设置告警抑制与合并窗口，减少重复弹窗。
• 将白名单作用于目标或身份，而不是简单屏蔽整个频段。

部署和测试的关键变量

天线高度、极化、馈线损耗、遮挡、多径和同频合法业务会直接影响结果。测试应覆盖多个方位、距离、高度与链路状态，同时加入 Wi-Fi、蓝牙和其他业务作为负样本。最终报告应同时给出发现率、误报率、首次告警时间、识别准确率和不可判定比例。