雷达的价值正从探测距离转向判断的及时性和准确性。这种转变背后有五个阶段：意图预测、威胁评估、碰撞风险评估、机动辅助以及将它们联系起来的预测层。
---
![yuq3nqXGMobgbdl.jpg]()
2018年12月，盖特威克机场因接到无人机出没的报告，关闭跑道近两天。约一千架航班被取消或改道，超过十万名乘客受到影响。至今无人被起诉。究竟有多少架飞机卷入其中，目前仍未完全确定。
令人不安的问题不在于雷达是否探测到了它们，而在于：如果探测到了，雷达会怎么做？在民用机场，你无法干扰或击落无人机。唯一可行的办法是关闭空域——而一次误报的代价远高于一百次正确探测带来的收益。真正缺失的并非探测本身，而是在无人机越界之前，就应该预知它们很可能会越界。
瓶颈不在于眼睛，而在于判断。
一个世纪以来，雷达的发展历程始终如一：探测距离更远、精度更高、清晰度更清晰。更高的功率、更大的孔径、更智能的波形。然而，如今这条路走来代价高昂。测距公式中，距离被四次方根所掩盖——探测距离翻倍，所需的发射功率就需要增加十六倍。
与此同时，问题的形式发生了变化。一架消费级四旋翼飞行器的雷达反射截面积可能只有0.01平方米；一只大型鸟类的雷达反射截面积约为0.05平方米。它们的飞行高度相同，速度也略有重叠，而且都会悬停和急转弯。对于雷达而言，它们之间的区别远比直觉所认为的要小。
[图 1 — 探测距离与截面的四次方根成正比。横轴跨越五个数量级；纵轴几乎不超过四个数量级。这就是为什么“提高雷达灵敏度”对小型目标的收益递减的原因。]
因此，业界逐渐承认：更精准的检测并不能解决判断问题。你看到的更多，能解释的却更少。屏幕上的轨迹数量从几十条增加到几百条，再到几千条，而操作员的注意力却转移到了其他地方。
预测性态势感知正是为了解决这个问题而进行的尝试。它并非另一种信号处理技巧，而是一个包含五个阶段的链条——从回声到跟踪，从跟踪到意图，从意图到威胁，从威胁到风险，从风险到可执行的机动——如果任何一个环节出现问题，后续的结论都将毫无价值。
[图 2 — 五个阶段，以及使其与传统检测显示流程不同的反馈回路。]
2. 意图：预测计划，而非立场
最简单的预测方法是：将当前速度外推十秒。这种方法在目标进行机动之前有效，但一旦目标发生机动，预测就完全失效了——因为外推法假设一切保持不变，而机动恰恰是改变行为。
现代方法提出了不同的问题。不是“它会在哪里”，而是“它可能的意图是什么，以及每种意图的可能性有多大”。这些是意图假设——越过边界、向北偏转、折返、徘徊观察。每个假设都对应着一系列轨迹，而每条轨迹都承载着一定的权重。到达操作者的不是一条直线，而是一束不断分叉和扩展的信息。
【图 3 — 一个瞬间，三种假设，三条主干路径，以及它们背后的样本云。只有假设 B 进入了保护区。】
在这种框架下，决定性问题就变得可以计算了：所有可能的路径中有多少比例会进入保护区？这个比例就是穿越概率——它不是一个非此即彼的判断，而是一个会随着每次新的观测结果而更新的数值。继盖特威克机场事件之后，剑桥大学的一个团队利用真实的无人机雷达数据，构建了这样一个模型，他们使用贝叶斯模型来预测目标是否会进入限制空域，并且能够在目标到达下一个航点之前就做出预测。[1]
“提前一个航点”听起来似乎很保守，但实际上并非如此。它将决策从“它已在里面”转移到了“它尚未在里面”——而且只有第二个窗口还包含选项。
意图究竟在哪里才能被解读？
意图并非写在目标物上，而必须根据三个来源，按可靠性递增的顺序推断得出。
运动学信息。航向、速度、加速度、转弯半径、爬升率。直线飞向边界，无减速，保持稳定高度——这三点结合起来比任何单一特征都更有价值。盘旋、绕圈、速度忽快忽慢通常意味着探测。运动学信息是雷达免费提供的，也是最容易被故意欺骗的层面。
微动。旋翼叶片、螺旋桨或翅膀拍动会将主多普勒回波调制成边带，这些边带可以是对称的，也可以是不对称的。这就是目标自身的运动特征。多旋翼飞行器的边带是连续且对称的；鸟类翅膀拍动的调制频率较低，且不规则，两者在频谱图上呈现出明显的差异。[2] 这一层回答了先前的一个问题：这究竟是不是一台机器？
背景和身份。远程识别、AIS、飞行计划、历史行为、地形、边界几何形状。这是最容易被忽视，但往往也是最关键的因素——因为一架按照预设路线飞行的无人机和一架悄无声息地绕过边界的无人机，在运动学上可能完全相同。
意图预测意味着将这三者整合到一个概率框架中。仅基于运动学的系统在面对模仿正常轨迹的目标时会失效。仅基于身份信息的架构一旦停止广播就会失效。三层架构的价值不在于它有三个层，而在于它们失效的方式各不相同。
[引述] 有一点经常被模糊化。意图预测询问目标意图做什么，而威胁评估询问这会对你造成多大的伤害。前者是对目标的推断，后者是对自身的判断。将两者压缩成一个单一的数字，正是许多系统在实际应用中表现不稳定的原因。
3. 威胁：过滤链，而非数字
“威胁等级：高”这样的表述显得过于专业，几乎没有提供任何有效信息。这里的“高”指的是什么——它能攻击到我们，还是即将攻击到我们？它真的危险，还是仅仅位置不佳？
稳健的工程解决方案是采用分阶段过滤链。每一层都回答一个问题；只有通过验证的层才能进入下一阶段。其实际优势在于可诊断性：当结论错误时，您可以指出是哪一层出了问题。
【图 4——存在、能力、几何形状、意图。底层基于测量，高层基于推理。】
存在本身就质疑这一切是否真实存在。鸟儿、拍岸的浪花、涡轮叶片、风中的防水布以及电离层回波都曾扮演过“入侵者”的角色。衡量这一切的关键指标是误报率，而其代价却长期被低估：每一次误报都会消耗操作员的信任，而信任是无法挽回的。
能力指的是它能做什么。速度、敏捷性、续航时间、有效载荷、航程。一架飞行时间二十分钟、径直朝你飞来的四旋翼飞行器，其最坏情况是有限的。而一个拥有长续航能力、有效载荷和自主导航功能的平台，即使远距离也值得追踪。能力提高了最坏情况的上限。
几何信息会询问目标相对于你的位置——距离、方位角、高度差、闭合速度、剩余时间和可用余量。这一层信息几乎完全取决于测量精度，而这正是精度真正发挥作用的地方：一百米的余量误差就可能将“轻松避免”变成“必须立即行动”。
意图询问它打算做什么，以何种概率——并且直接继承自上一节。
只有经过四层监控，每一层才有意义。而正确运用每一层的目的是分配资源，而不是决定是否需要警惕：哪些目标轨迹需要交给遥感部门确认，哪些需要发出警报，哪些需要启动响应，哪些只需要监视。已公布的低空监视雷达数据清晰地显示了这一限制——搜索数百条目标轨迹，同时跟踪十几条，重访间隔三秒，目标面积仅为0.01平方米，搜索距离约为8公里。[3] 跟踪能力是有限的，因此必须对某些因素进行排序；而排序工具就是威胁评估。
4. 碰撞风险：从“是否会碰撞”到“碰撞的可能性有多大，后果有多严重”
传统方法计算最近接近点 (CPA) 和到达 CPA 的时间。如果距离和时间均低于阈值，则发出警报。这种方法简单易懂、成本低廉，但却是造成警报疲劳的罪魁祸首。
因为CPA描述的是几何形状，而忽略了不确定性。两条相距800米的轨道，CPA为150米，看起来很合理，但实际上位置误差为±200米。真实的相对位置是一个概率云；CPA只是其中的一个样本，并非真实位置。
[图 5 — 冲突锥和最近接近点。两条轨迹实际上并未碰撞，但其中一条突破了保护区域。]
因此，判断标准被替换了。不再问“它是否会击中目标”，而是问“它是否会突破保护区域”——这个区域围绕目标，并包含时间维度，因此预测的穿透行为构成冲突。NASA 的 DAIDALUS 系统对此进行了清晰的阐述：该区域由水平距离阈值、垂直阈值和预判时间定义，形状像一个带帽圆柱体，沿闭合方向延伸的长度等于该时间内所覆盖的距离。[4] 探测并非基于固定阈值触发；它会持续计算剩余的违规时间，并将严重程度从“保持安全距离”到“紧急”进行分级。
DAIDALUS 还做出了一个值得注意的刻意简化：它将入侵者假定为非机动目标。这看起来粗糙，但实际上是一种设计理念——系统只回答“如果它继续这样下去”，其余的则留给操作员和机动引导程序。这是一种克制的工程理念。
下一步引入概率因素。一个可用的风险量如下所示：
R = Σᵢ P(意图ᵢ) × P(冲突 | 意图ᵢ) × C(意图ᵢ)
第一个因素来自意图预测，第二个因素来自整合跨越流量边界的轨迹不确定性，第三个因素来自严重程度——同样的入侵行为，无论是侵入空旷的农田还是侵入管道，都不是同一事件。只有最终结果才能用数字来衡量，设定阈值，并向管理层解释。
从原理上讲，这些都不是什么新概念。TCAS 几十年来一直使用警报量、时间阈值和分级警报，而 ACAS X 更进一步，将决策过程建模为马尔可夫决策过程，离线求解后生成策略表，飞行中只需查找即可。[5] 这样做的好处在于，警报不再由手工编写的规则拼凑而成；漏报和误报之间的平衡是根据成本函数进行优化的，而不是凭直觉调整。
5. 机动协助：展示禁忌乐队，而不仅仅是恐慌
收到“冲突”警报后，人们会立即产生一个疑问：我该怎么办？如果系统无法回答，那么一半的价值就丧失了——另一半只会带来焦虑。
这种高效的公式将建议转化为可行域的边界。DAIDALUS 会扫描航向、速度和垂直速度，将所有可能导致冲突的值标记为禁区，剩下的就是可行域。[4] 操作员得到的是一张地图，而不是一道指令：这些航向不可行，这些飞行高度不可行。
这比单一指令向量更好，原因在于：它将决策权交还给了解情况的人。系统并不知道燃料状态、任务优先级，也不知道操作员对该航道的熟悉程度。它只知道几何形状。禁区是约束条件。单一指令是代表他人做出的决定。
[图 6 — 单次响应的时间预算。从检测到执行的每个阶段都会消耗总时间；决策越晚，剩余时间就越少。]
这就是为什么前面几节提到的工作必须尽早完成。在距离终点三公里零两分钟时，你还有将近一百秒的时间来确认、判断、决定并进行沟通。而在三百米零二十秒时，剩下的唯一选择就是最极端的方案——通常也是代价最高、破坏性最大的方案。尽早做出判断并非意味着更快地听到坏消息，而是为了仍然有机会选择一种温和的应对方式。
一条值得明确阐述的界限
这并非自动驾驶系统。它输出概率、约束条件和建议；最终的行动仍由人来执行。这一点必须得到严格保证，原因有三。首先，基于历史数据训练的模型会在行为偏离训练分布时悄无声息地失效。其次，传感器融合会提高置信度，同时也会使误差趋于一致，从而更难被发现。最后，在对抗环境中，欺骗信号、注入数据和故意模仿的飞行剖面都是实实在在的攻击目标。
国际讨论相当明确地指出了剩余风险：数据质量、可解释性和对操作员的过度依赖。[6] 因此，负责任的设计应体现出信心和证据链的结合。并非“威胁：高”，而是：航向保持在边界内 47 秒；未广播远程识别信息；微多普勒数据与多旋翼飞行器一致；距离边界 2.1 公里；预计 96 秒后进入。可追溯的判断才能被质疑；只有可质疑的判断才值得信赖。
6. 它已经落地的地方——以及仍未解决的问题
低空飞行。机场周边、能源设施、大型活动、城市走廊。需求已从“是否存在此类目标”转变为“哪些目标需要采取行动”。中国于2025年底发布的两项强制性国家标准——一项关于实名注册和激活，一项关于运行识别——回答了“谁可以飞行以及谁正在飞行”的问题，从而弥补了意图推断所缺失的身份识别层。[7] 一项针对低空无人机探测雷达的配套测试方法标准，现已确立了测距、误报率、重访次数和跟踪能力的通用术语。[8] 目前的共识是，没有单一传感器能够完成判断回路：雷达提供全天候连续跟踪和直接多普勒信息，射频探测提供控制链路和身份线索，光电提供视觉确认，声学则覆盖近场。融合技术通过让不同的传感器相互检查彼此的故障模式来发挥作用。
内河航道。一个被低估的案例。船舶惯性巨大，几乎没有制动距离，桥墩也给不了第二次机会。一个大学团队将毫米波雷达、AIS和视觉技术相结合，用于主动桥梁保护：雷达用于厘米级航迹探测，AIS用于识别船舶身份和吨位，视觉技术用于验证船舶操纵，平台则持续计算船舶与桥梁轴线的航向偏差和实时空气阻力。[9] 据报道，一个案例中，一艘货船在疲惫的舵手驾驶下偏离航线，但提前五分钟收到了警告。正是这五分钟，使得甚高频无线电呼叫、警报器和桥梁扬声器能够发挥作用——第五条规定的温和应对措施，是通过早期判断而非更响亮的警报来实现的。
空中交通和无人系统。民用航空在这方面进展最快，因为ACAS X的过渡本质上是从确定性阈值告警向概率性状态估计的转变。而无人系统由于更加拥挤且对成本更加敏感，因此更适合作为未来发展方向的试验平台。
有四个问题仍然悬而未决。数据比算法稀缺——被标记为异常行为的概率很低，而且通过模拟训练的模型会继承模拟器的偏差。可解释性与性能之间存在冲突——贝叶斯网络虽然能够解释行为，但扩展性差；深度网络虽然可以扩展，但却隐藏了其推理过程；保留可解释的核心并在边缘使用已学习模型的混合模型才是合理的折衷方案。对抗鲁棒性——欺骗、幽灵轨迹和模仿的个人资料攻击的是行为可学习的前提，而不是学习行为的模型本身。还有人为因素——系统越精确，操作员就越放松，而一旦出错，后果就越严重。
7. 结束语
雷达的探测路线一直很稳定：“那里有什么东西吗？”然后是“在哪里？”最后是“那是什么？”现在的情况是，它将第三步延伸到了第四步：“它可能会发生什么，以及我们应该如何应对。”
这并非某个单一的巧妙算法。关键在于这五个阶段能否真正衔接起来——意图概率决定威胁层，威胁层决定量化风险，风险决定行动范围，而最终的结论都能追溯到证据。任何一个环节出错，系统就会沦为昂贵的摆设。
对于雷达行业而言，竞争的焦点正在转移。过去，竞争的焦点在于功率、孔径、带宽和灵敏度。而未来，竞争的焦点将越来越集中在判断结果的出炉速度、结果的可靠性，以及如何坦诚地向决策者展示结果的不确定性。
那年十二月在盖特威克机场，如果当时有一个系统能在起飞前九十秒发出警报：“这架飞机有0.78的概率进入禁飞区，原因有四点，建议先联系操作员”，那么当晚的局势将会截然不同。这九十秒正是整个流程的关键所在。
使用的术语
CPA/TCPA——最近接近点及其发生时间。碰撞预警的经典基础。
安全区域——入侵者周围的三维安全边界，通常具有时间维度；突破该边界是一种冲突，远在身体接触之前。
波段——指航向、速度和垂直速度的波动范围，通过扫描每个变量来计算，从而产生冲突。
微多普勒效应——局部运动（如旋翼、螺旋桨、翅膀拍动）对主多普勒回波的调制。这是区分机器和鸟类的主要物理特征。
远程识别（RID）——无人机的广播身份、位置和操作员信息；实际上相当于电子车牌。
参考
[1] Liang, Ahmad, Godsill 等人，《使用真实雷达数据对无人机进行贝叶斯意图预测》，剑桥大学，2021 年（在国防传感器信号处理会议上发表）。
[2] 关于微多普勒在无人机/鸟类识别中的应用和局限性，请参阅 Everything RF 技术评论及其引用的信号处理文献。
[3] 引自公开列出的低空监视雷达（X波段，二维AESA，脉冲多普勒），仅用于说明容量限制。
[4] Muñoz 等人，《DAIDALUS：无人系统的检测和规避警报逻辑》，NASA 兰利研究中心；以及关于传感器不确定性缓解和动态井净体积的相关技术报告。
[5] 关于 TCAS II 到 ACAS X 从确定性阈值到概率状态估计的转变，请参阅 RTCA DO-385 / EUROCAE ED-256 材料和 Skybrary ACAS X 条目。
[6] 联合空军能力中心，比威胁更快——关于人工智能/机器学习在威胁检测、轨迹预测和意图建模中的应用，以及相关的风险。
[7] GB 46761–2025，民用无人机实名登记和激活要求；GB 46750–2025，民用无人机系统运行识别规范。2025年12月发布，2026年5月1日起生效。
[8] T/CIE 321–2025，低空无人机探测雷达测试方法，中国电子学会，2025年6月生效。
[9] 武汉理工大学航海学院关于桥梁碰撞主动监测的公开报告，《长江日报》，2025年4月。
本文引用的产品数据均来自公开渠道，仅用于说明技术原理和工程限制，并非用于评价任何特定产品。所有图表均为示意图，并非实测数据。
