AOA on 反无人机雷达 — 低空监视雷达系统

什么是测向（AOA）？

Mon, 18 Aug 2025 09:00:00 +0800

什么是测向？AOA 又是什么意思？简单来说，测向就是估算无线电信号来自哪个方向的过程。AOA 是 angle of arrival 的缩写，意为“到达角”，它是实现测向最常见的方法之一。AOA 系统关注的不只是“有没有信号”，而是更具体的问题：信号波前是从哪个方向到达传感器的？

正因如此，测向在很多工作流中都很实用。频谱监测团队会用它来排查干扰源；安防团队会用它缩小射频发射源或无人机遥控器的搜索范围；在多传感器反无人机工作流中，方向信息还可以用于告诉其他传感器重点朝哪个方向搜索。无论哪种场景，系统给出的都不是“发射源就在这里”，而是“发射源大致在这个方向上”。

这一区别，是初学者理解整个主题的关键。很多人听到测向，容易以为系统立刻就知道发射机的完整位置。通常并非如此。一个方位结果不是完整的地图坐标，它只给出一条可能的来向线。要把它转化为位置，系统通常还需要多个方位、多个站点、随时间移动形成的多次测量，或者使用 TDOA 等其他定位方法。

Rohde & Schwarz 对 AOA 测向的解释是：它测量的是入射波前的角度；而其定位资料也从系统层面说明了同样的观点——AOA 与 TDOA 是不同的定位方法，各有优势，通常会结合使用，因为彼此互补。因此，初学者最稳妥的理解是：测向首先解决的是“方向”，而不是“一步到位的精确位置”。

测向实际输出的是什么

最容易理解的方式，是把它看成一条 bearing，也就是“方位线”或“方位角”。

测向设备会接收来波，并估计它相对于天线系统的方位角或到达方向。输出通常会表现为以下几种形式：

指南针方位角，
方位角（azimuth）数值，
或者在地图上从传感器站点向外画出的一条方向线。

这种结果很有价值，因为它能立刻缩小不确定性。原本需要在 360 度范围内搜索，现在操作人员只需要关注一个扇区或一条方向线。在实际系统中，这条方向线还可以与以下信息融合：

另一个站点上的测向结果，
来自不同时间或位置的另一条方位，
雷达或光电提示，
或者 TDOA 结果。

因此，初学者需要把三个概念区分开来：

探测：发现有信号存在，
测向：判断信号来自哪个方向，
定位：估算发射源的实际位置。

这三者彼此相关，但不能互相替代。一个成熟的射频工作流往往会同时用到它们，但并不是每次测量都能一次得到全部结果。

AOA 是如何工作的

AOA 方法依赖天线几何结构和信号比较。不同系统的实现方式各不相同，但基本原理相通：来波到达不同天线单元时，会产生轻微的相位、幅度或时间差异。系统通过比较这些差异来估算信号方向。

从入门角度，可以把这个过程理解为四步：

信号从空中到达；
波前进入天线或天线阵列；
系统比较信号在各接收单元上的表现差异；
处理器据此估算方位。

具体算法会因天线设计和实现方式而不同。有些系统更强调相位比较；有些采用干涉测向；还有些使用超分辨率技术。有的系统更适合广域频谱监测，有的则更偏向快速战术测向。但总体逻辑不变：系统通过专门设计的传感器几何结构，利用同一信号在不同接收单元上的细微差别来判断方向。

Rohde & Schwarz 将 R&S DDF260 描述为把监测接收机与高精度 AOA 测向结合在一起，这对初学者很有帮助。测向设备并不只是立在杆塔上的一副天线。在现代系统中，它通常是一整条测量链，包括天线硬件、接收机性能、信号处理和校准。

图：用于说明 AOA 测向入门逻辑的示意图，展示来波、天线阵列、信号比较以及输出方位线。

这也解释了为什么一个表述不完整的入门问题往往会引起误解。只问“AOA 精度有多高”，却不说明天线、频段、站点和信号环境，意义并不大。答案取决于整个链路，而不只是算法标签。

什么是 RF 地理定位 / 飞手定位？

Mon, 25 Aug 2025 09:00:00 +0800

什么是 RF 地理定位，飞手定位又是什么意思？简单来说，RF 地理定位是通过测量无线电信号来估算发射源位置的过程。在反无人机或安防场景中，飞手定位通常是指尝试估算无人机操作者、遥控器或相关射频发射源在地面上的位置。

这让它和简单的无人机探测有了明显区别。探测关注的是“是否存在信号”；地理定位关注的是“信号源在哪里”。在很多安防场景里，这个区别非常关键。如果问题只是“附近有一架无人机”，那么告警就够了。但如果需要进一步知道控制器在哪里、链路源头在哪里，或者响应力量该往哪个方向展开，RF 地理定位就变得重要得多。

初学者也常常会在这里产生误解。有人会以为系统一旦探测到无人机控制信号，就能自动知道飞手的精确位置。通常并不是这样。地理定位比探测更难，系统往往需要多个接收器、更多测量、更长时间，或者采用混合定位方法。即便如此，输出结果也常常只是一个大致区域、一个置信范围，或者一个最佳估算，而不是完美的单点。

Rohde & Schwarz 将混合地理定位描述为把基于角度和基于时间的定位方法组合起来，因为它们各有强项。FAA 的 Remote ID 资料也提供了另一个重要区分：合规无人机可以广播控制站或起飞点信息，但这和通过 RF 测量独立估算发射源位置并不是一回事。所以对初学者来说，最重要的理解是：飞手定位本质上是一个 RF 定位问题，而不只是一个“是否有信号”的问题。

RF 地理定位到底是什么意思

RF 地理定位是更广义的技术任务，目标是估算发射器在物理空间中的位置。这个发射器可能是：

手持遥控器，
遥测电台，
视频下行链路，
Remote ID 发射源，
或其他需要关注的射频设备。

在无人机安防场景中，人们常说 飞手定位，因为业务目标不仅是找到任何发射源，而是找到最有可能控制飞行器的人员或设备位置。但这两个说法并不完全等同。系统可以地理定位一个与飞行任务相关的 RF 源，但并不能据此证明它就是飞手的精确身体位置。它可能是控制器、起飞位置、中继点，或者其他相关的发射节点。

这个区别很重要，因为 飞手位置 这类说法听起来可能比数据本身更确定。实际上，在某些情况下，系统能给出的最好结果只是：

可能的来向扇区，
最可能的发射源区域，
或与无人机链路相关的发射源估算位置。

对初学者而言，这才是更稳妥的理解方式。RF 地理定位的核心是通过测量来估算发射源位置。它可以支持飞手响应，但测量结果本质上仍然是 RF 估算，而不是自动给出法律意义上的身份结论。

飞手定位通常如何工作

在实际系统中，飞手定位通常不是一次计算就完成的，而是一个流程。

第一步，系统必须先探测并分类相关信号。这个信号可能是控制链路、遥测信号、视频链路，或者 Remote ID 传输。没有可用信号，就无从定位。

第二步，一个或多个传感器会以适合定位的方式测量该信号。根据系统不同，这些测量可能包括：

到达角，或 AOA，
到达时间差，或 TDOA，
混合组合，
或频率、时序、信号指纹上下文等辅助信息。

第三步，系统将这些测量结果融合为位置估算。单个传感器可能只能给出一个方向或扇区；多个传感器可以收敛解算范围。混合引擎则可以把不同类型的测量融合起来，从而在更复杂的环境中提升结果。

第四步，系统把结果输出成可操作的信息：方位线、估算点、置信椭圆、可能搜索区域，或者供其他团队和传感器使用的地图提示。

图：从 RF 信号捕获、融合定位到操作员地图输出的常见流程示意。

这也是为什么 RF 地理定位通常更像一个系统能力，而不是单一设备能力。它取决于传感器布设、接收性能、时序、测量质量、数据融合以及界面呈现。真正有价值的产品或系统，不只是算法看起来强，而是测量能否被及时采集、融合并转化为行动。

AOA、TDOA 与混合方法

要理解飞手定位，最好先把几种定位方法区分开。

什么样的 RF 测向在真实现场才算可信？

Wed, 15 Apr 2026 00:00:00 +0000

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。