点击蓝色的“Journal of Radar”，将鸟类和无人机作为可观测性低的典型“低、慢、小”目标。对两者进行有效监测和识别，成为保障航线安全和城市安全的要求。一个亟待解决的问题（图1、图2）。鸟类和无人机种类多，飞行高度低，机动性强，雷达散射截面积小，探测环境复杂。造成了很大的麻烦，已成为世界性难题雷达能探测到小型无人机吗，因此亟需发展“可见（检测能力强）、可辨别（识别率高）”的无人机、鸟类等“低、慢、小”目标监视方法。概率）”和技术来实现目标的精细化描述和识别。
图1鸟类和无人机对民航的威胁
图2 无人机危害公共安全 无人机和鸟类目标种类繁多。无人机的不同尺寸、形状和运动特性导致目标具有不同的雷达散射特性和多普勒特性。主要特点是：(1)目标尺寸小，散射截面积小，速度慢，目标回波隐藏在强杂波或噪声背景中，信号对-噪声比低；（2)目标机动造成多普勒扩散，目标回波难以积累；（3)雷达回波微弱，目标特征提取和估计困难；（< @4)雷达细化过程面临挑战，目标分类识别难度大，场景下旋翼无人机和飞鸟目标检测识别技术研究进展及成果，陈小龙，黄勇，科元，董云龙，海军航空大学陈伟时，中国民航科学技术研究院机场研究所，饶云华，武汉大学电子信息学院等结合自身的研究积累和对相关工作的深入理解，他在国内外系统总结了雷达探测识别飞鸟和无人机的成果。 《飞机目标雷达探测识别技术进展与展望》（陈小龙、陈伟士、饶云华、黄勇、科元、董云龙）。本文首先介绍了鸟类和无人机探测的主要手段（图3），包括国内外鸟类探测雷达的研发、无线电监测、音频探测、光电探测、有源和无源雷达探测以及非合作无人机目标识别方法（图5）雷达能探测到小型无人机吗，以及相关系统应用介绍。然后主要介绍飞鸟和无人机目标检测与分类识别的技术方法。一方面，它从目标特征的识别和特征提取开始（图4），介绍了回波建模和微动特征识别）方法，泛探索模式下的目标机动特征增强和提取技术，分布式多view微动特征提取技术，目的是提高检测能力，实现对目标的精细化特征描述；另一方面，结合机器学习或深度学习的方法，提出了一种有效的智能目标识别技术途径，达到根据运动轨迹的差异区分无人机和鸟类的目的。 2017年至2018年，受民航局机场司委托，笔者团队对目前国内成熟的轻小型无人机目标监控技术进行了研究。基于“机场雷达鸟类检测实验系统”的研发，变换域运动目标检测技术、长期积累技术和运动模式差异分类技术得到初步验证，并获得国家重点研发项目和国家自然科学基金。民航联合研究基金、山东省重点研发计划、民航科技项目等由中国民航局资助。两项行业标准《技术标准》的制定，将在标准层面规范飞鸟和非合作无人机目标的检测、识别和技术验证。
图 3. 无人机和鸟类目标现场检测测试
图4无人机检测结果
图5基于数字电视信号外辐射源雷达的无人机目标监视应用场景示例
未来该领域的研究将集中在以下几个方面：雷达回波信号的精细化处理是提高检测识别性能的前提；信号与数据特征融合是提高分类准确率的有效途径；深度学习网络为无人机和鸟类的智能目标识别提供了新的手段；新雷达系统为目标细化处理与检测识别一体化奠定了硬件基础。由于鸟类和无人机目标都是“低、慢、小”目标，因此回波可观测性低，隐藏在复杂的背景中。因此，两者的有效监测和识别也极大地考验和推动了新的雷达技术。相关技术的发展和应用也可以为其他复杂背景下弱小目标的检测提供思路。期待更多的学者在该领域进行深入研究，找到更好的方法和手段来提高鸟类和无人机的检测识别能力。
