RF 测向只有在运维人员可以把它当作证据，而不是仅仅当作提示时，才算真正可信。它之所以可信，不是因为宣传册承诺了很小的角度误差，而是因为这个测向结果具备可重复性、物理上说得通、考虑到了校准状态，并且已经在实际使用的现场环境中验证过。
这一区分在低空安全场景中尤其重要，因为很多团队仍然把测向采购理解成“传感器本身有一个固定精度”。但在实际应用里，同一套 DF 硬件在不同站点、甚至同一站点的不同扇区，表现都可能明显不同，原因仅仅是传播环境、校准状态或信号几何关系发生了变化。
因此，真正有价值的工程问题不是“标称测向精度是多少”，而是“在这里、在运维人员真正依赖它的条件下，这个测向为什么可信”。
可信的测向，不只是一个小误差数字
在真实运行中，一个测向结果通常只有在以下条件同时满足时，才会被认为可信：
- 多次命中结果保持一致；
- 与现场几何条件相符，在物理上说得通；
- 带有质量上下文，而不是孤零零一个角度值；
- 来源于已知的校准状态；
- 在不同扇区之间表现一致，而不是只在一个理想方向上好看。
这也是为什么单次角度估计通常不够。单个站点的测向仍然只是一条方向线，而不是完整的定位结果。只有当历史结果稳定、与其他测向或其他传感器一致，并且在引入反射和杂波等站点特有影响后仍能保持良好表现时，这个测向才更有说服力。
先看现场几何条件
ITU 的测向资料把核心问题说得很明确：当传播路径受到障碍物干扰时，DF 精度会受到影响；实用的测向系统必须具备对多径传播和极化误差的抑制能力。
这句话基本解释了大量真实现场的测向失效原因。
建筑物、塔架、光伏结构、围栏、车辆、水面以及金属屋顶，都可能扭曲直达路径。有时阵列仍然会输出一个看起来很清晰的角度，但这个角度指向的是反射路径，而不是辐射源本身。站在运维人员的角度，这个数字看起来很“准”；但站在现场传播条件的角度，它其实是错的。
因此，现场可信度首先要从部署问题开始判断：
- DF 天线对目标扇区是否有足够干净的视野？
- 安装位置是否离反射金属面或屋顶杂物太近？
- 现场是否会形成可重复的反射通道？
- 目标在起飞、降落或近距离接近时，是否可能进入近场？
如果这些问题没有答案，即便算法本身很强，安装环境也可能在物理上并不适合可靠测向。
信号质量和测量上下文同样重要
测向结果的好坏，首先取决于产生它的那一次信号事件。
弱信号、短突发、低占空比发射、同频干扰、邻道活动以及极化不匹配，都会在阵列和处理器本身工作正常的情况下拉低结果质量。
ITU 资料之所以把高灵敏度和大信号抗扰能力都列为 DF 的核心要求，是有道理的。在拥挤的射频环境中，测向器必须先把有用信号和竞争能量分离开来，后续得到的测向结果才有可能可信。
这也是为什么“测向精度”绝不能脱离测量上下文单独理解：
- 发射源是否明显高于噪声底？
- 传输时间是否足够长，能够形成稳定估计？
- 信号源是否仍处在近场范围内？
- 该信道是干净还是拥挤？
如果这些信息缺失，测向结果也许仍然可以作为方向提示，但还不能算强证据。
校准和阵列完整性至关重要
校准，是可信测向与脆弱测向之间最清晰的分界线之一。
现有文献对此结论非常一致。关于 GNSS 天线阵列校准的 PMC 论文指出，要想做好基于 DOA 的处理，阵列必须经过准确校准，并列出了多种现实中的误差来源：电缆长度不一致、阵列几何形变、相位中心变化、互耦、平台姿态影响、前端串扰，以及附近结构的散射效应。
一篇关于 5G 定位现场校准的 arXiv 论文也从工程实操角度得出了相同结论：DOA 性能会被阵列误差显著削弱，而现场校准能够实质性提升方向估计质量。
这在真实部署中尤其重要，因为系统在长期运行中往往会偏离理想状态：
- 杆塔重新施工；
- 电缆被更换；
- 平台倾角发生变化；
- 附近新增结构物；
- 或者热环境、机械环境随着时间改变。
如果系统无法说明何时校准、如何校准，以及安装之后是否又发生过变化，那么运维人员就不应轻易把这个角度当作高置信度测量。
多径效应是“好设备看起来不对”的主要原因
多径，往往是测向在现场看起来很准、实际却表现不稳定的根源。
ITU 资料明确提醒，小孔径 DF 系统在多径条件下可能出现很大的误差。Drones 上发表的一项最新现场研究也在无人机定位场景中验证了同样的现实：某个测试点由于信号路径穿过障碍物密集区域，导致严重多径并出现明显离群值；而附近没有这种几何条件的点，表现则好得多。
这种模式在安防部署中非常常见。一个扇区可能很干净，另一个扇区会被金属外立面反射，再另一个扇区只有在目标以较低仰角接近时才明显退化。因此，可信度应当按扇区逐一评估，而不是只用一个站点平均值就下结论。
多径问题的典型迹象包括：
- 某一个方向持续出现偏差，而其他方向看起来正常；
- 只有在某一条走廊里才出现大幅跳变；
- 同一发射源位置得到的测向分布很宽；
- 目标一旦进入更干净的传播路径，结果就突然改善。
并不是所有坏测向都意味着硬件不好。有时候，真正的主要误差来源就是现场本身。
运维人员应该看到什么
可信的 DF 系统不应该只给出一个角度，然后让用户自己去推断其余信息。
理想情况下，运维人员还应看到：
- 质量分数或置信度；
- 最近一段时间的测向离散程度；
- 数据时效；
- 离群值剔除或平滑状态提示；
- 校准状态或健康状态；
- 以及该结果是单站测向，还是跨站定位估计的一部分。
这些信息很重要，因为实际决策通常不是非黑即白。系统并不是只在“完全正确”和“完全错误”之间做选择，而是在判断：这个测向是否足以触发 EO 复核、是否足以支持地理定位估计，还是只能作为一个低置信度的 RF 提示。
如何在现场验证测向可信度
认真做方向测量验收，不能只围绕数据手册，而要围绕真实环境来设计。
至少应使用已知发射源进行测试：
- 覆盖多个扇区；
- 覆盖不同高度和距离；
- 同时测试静止和移动场景；
- 靠近可能产生反射的结构物；
- 在相关场景下覆盖近场到远场的过渡区域。
随后，团队不应只记录平均角度误差，还应记录：
- 扇区级偏差；
- 离群值比例；
- 置信度分布；
- 随时间的重复性；
- 以及与真值或其他定位层的符合程度。
Drones 的现场研究很有参考价值，因为作者使用中位偏差准则剔除了离群值，并在排除受多径主导的条件后得到了更具代表性的结果。这一点在运维上非常有意义。可信的 DF 系统不是只输出角度值，而是要能暴露、管理并解释离群值。
不要把暗室精度当成全部答案
暗室校准当然有价值，但它并不能代表完整的部署真相。
PMC 的校准论文指出，传统阵列校准通常是在已知入射角的无响室里完成的。这对于刻画阵列本身非常有帮助。但真实部署还会额外叠加桅杆几何、局部反射、屋顶杂波、扇区遮挡，以及附近结构带来的散射，而这些因素在暗室里并不存在。
因此，严谨的采购或开站验收流程应当同时要求：
- 受控的校准证据；
- 以及在实际运行环境中的现场验证。
如果没有第二步，站点实际上就是在拿实验室特性去替代一个从未测量过的传播环境。
什么时候可以信任测向，什么时候应该升级处置
在实际应用中，以下情况的测向通常更可信：
- 连续多次命中结果一致；
- 质量指标保持稳定；
- 该扇区在验证期间已经表现出较低偏差；
- 其他传感器或其他 DF 站点也支持同一方向。
以下情况则应更谨慎对待：
- 事件只是一次弱突发；
- 目标离阵列非常近；
- 角度落在已知的反射走廊中；
- 校准状态不明确；
- 或者只有某一个扇区的测向突然大幅变化，而其他证据并不支持。
这并不意味着这个测向没用，而是说明它的使用方式应该改变。在弱条件下，这个角度仍然可能足以触发 EO 复核，或者作为多次命中融合引擎的有效输入。只是它还不足以单独承担全部决策。
结论
在真实现场，决定 RF 测向是否可信的，不是某个算法名称，也不是一个标称角度数字，而是清晰的现场几何、足够的信号质量、严格的校准、多径意识，以及诚实的现场验证共同作用的结果。
实用的结论其实很简单：要信任那些可重复、可解释、并且有现场验证支撑的测向结果；要警惕那些看起来很精确、却缺少校准上下文、置信历史或扇区验证的结果。在测向系统里，可信度来自测量能否经受住现场环境的检验，而不是来自它在孤立条件下看起来有多漂亮。