在城市、山地、工业区等区域存在密集通信信号、雷达杂波、人为电磁干扰，构成强动态复杂电磁频谱环境。电磁干扰会抬高SAR图像噪声基底，造成方位向散焦、距离向虚假目标、相位误差，严重降低微型SAR成像质量，甚至导致无人机导航、数据链路失效。本文围绕微型SAR无人机平台特性，分析复杂电磁环境下电磁干扰对微型SAR系统的作用机理，研究适配微型机载平台的智能频谱感知框架，讨论轻量化感知算法、软硬件协同实现方案与工程约束。

一、复杂电磁频谱环境及干扰对微型SAR的作用机理

1. 复杂电磁频谱环境特征

微型SAR无人机低空作业时接收信号由三部分组成：SAR目标回波信号、背景热噪声、外部电磁干扰信号。复杂电磁环境具备以下典型特征：
（1）频谱重叠性：外部干扰信号频段可能与微型SAR工作频段部分或完全重合，属于同频干扰，无法依靠简单带通滤波器滤除；异频干扰会通过接收机带外泄露进入接收链路。
（2）时变非平稳性：地面射频源开关机、无人机飞行位置变化，造成干扰信号功率、到达角度、多普勒频率持续变化，噪声基底随空间位置动态漂移，固定检测阈值失效。
（3）多源混叠特征：同一时刻接收通道内同时存在多个不同类型干扰信号，包含窄带连续波干扰、脉冲雷达干扰、宽带噪声干扰、通信调制信号，信号相互叠加，时域波形相互淹没。
（4）空域差异性：无人机飞行姿态、高度变化，天线方向图调制干扰信号，不同方向来波干扰衰减不一致，引入空域维度变化。

2. 电磁干扰对微型SAR系统的影响机理

微型SAR依靠相干积累，在距离域与方位域完成脉冲压缩，实现二维成像。电磁干扰进入SAR接收链路后，会在多个环节引入误差：
（1）对接收基带信号的污染：干扰信号叠加到目标回波上，提升接收噪声基底，降低回波信噪比。窄带干扰在频域表现为尖峰，脉冲干扰表现为时域强脉冲，直接污染原始采样数据。
（2）脉冲压缩畸变：SAR采用匹配滤波完成距离向脉冲压缩。同频窄带干扰会在距离压缩结果产生虚假距离旁瓣，形成图像伪点目标；宽带噪声干扰会抬高整个距离剖面噪声，降低图像对比度。
（3）方位向相干积累失真：SAR方位分辨率依靠长时间相干积累。干扰信号随平台运动产生额外相位调制，破坏回波相位一致性，造成方位向散焦，图像模糊，目标轮廓失真。
（4）平台附属链路影响：强电磁干扰同时会影响无人机遥控、数传链路与惯性导航模块，造成通信丢包、定位误差，进一步影响SAR运动补偿精度，间接恶化成像效果。

干扰效应强弱，取决于干扰信号功率、工作带宽、持续时间、与SAR载频的频偏，以及SAR接收机动态范围。低信噪比场景下，人工干扰与自然噪声边界模糊，进一步提升干扰识别难度。

二、微型SAR无人机智能频谱感知总体架构

1. 设计目标

面向微型SAR无人机平台，智能频谱感知系统设计目标：在有限功耗、算力约束下，实时采集射频宽带采样数据，完成电磁频谱态势感知，识别干扰类型、估计干扰中心频率、带宽、功率、持续时间，输出感知结果，闭环支撑SAR接收机参数调整、干扰抑制、频谱资源动态管理。系统需要兼顾SAR回波保护，感知处理不能破坏原始回波数据，不能引入额外信号失真。

2. 系统分层架构

整体架构分为射频前端层、数据预处理层、智能感知推理层、决策与闭环控制层四层。

（1）射频前端层
该层复用微型SAR接收机射频通道，增加宽带同步采样分支。接收天线接收空间射频信号，经过低噪放、滤波、下变频，由高速ADC完成基带信号采样。采用分流架构：

1）原始采样数据送入SAR成像处理单元，用于脉冲压缩、运动补偿、成像；
2）复制采样数据流送入智能频谱感知模块，实现电磁环境并行感知，两路互不抢占原始回波数据。

前端增加可配置模拟滤波器，根据初步频谱粗测结果动态调整接收带宽，抑制大功率带外干扰。

（2）数据预处理层
接收ADC采样时域离散信号，完成信号预处理，为智能模型输入做准备。预处理操作包含：

1）信号去直流、异常野值剔除、分段加窗、短时傅里叶变换（STFT）生成时频图谱；
2）信号归一化，消除增益波动带来的幅值差异。

考虑机载算力限制，不使用高分辨率大尺寸时频图，采用窗口滑动分段处理，控制单帧数据量。该环节同时完成噪声基底实时估计，为后续检测提供参考。

（3）智能感知推理层
本层是核心，由轻量化人工智能模型构成，依次完成三个任务：干扰存在性检测、干扰类型识别、干扰关键参数估计。模型输入为预处理后的时频特征图或者一维时序特征向量。模型输出结果包含：当前频段是否存在干扰、干扰类别（连续波、脉冲干扰、宽带噪声、通信信号等）、各干扰中心频率、带宽、信号功率、时域起止时刻。

感知推理采用双模式机制：

1）稳态电磁环境下，使用轻量神经网络进行高精度识别；
2）算力紧张场景，降级为传统频谱感知算法（能量检测）保证基础感知能力，实现算法冗余备份。

（4）决策与闭环控制层
接收智能感知层输出的电磁频谱态势信息，根据预设策略生成控制指令，反馈至SAR接收机与射频前端。可执行策略包括：

1）调整接收机中心频率、改变采样带宽、启动对应的数字域干扰抑制算法、调整SAR脉冲重复频率；
2）当干扰强度超出抑制能力时，上报飞控系统，规划飞行航线规避强干扰区域。

同时将频谱态势日志打包，随SAR图像数据回传地面站，用于事后电磁环境复盘分析。

3. 平台协同时序设计

微型SAR脉冲发射、回波接收周期固定，频谱感知处理需要与SAR工作时序同步，避免感知计算占用成像处理资源。采用分时并行机制：
（1）SAR发射脉冲期间，感知模块采集环境电磁信号；
（2）回波接收窗口，并行分流采样数据，感知推理分段流水执行，保证推理延迟小于SAR相干积累时间，实现实时感知闭环。

三、复杂电磁环境下轻量化智能频谱感知算法

1. 信号预处理与时频特征提取

原始时域采样信号直接输入神经网络存在数据维度高、特征不明显问题。采用短时傅里叶变换将一维时域信号转换为二维时频图谱，时频图可以同时表征信号时域持续特性与频域分布特征，能够直观区分窄带持续干扰、离散脉冲干扰、宽带噪声。

考虑机载算力限制，选用汉宁窗，窗口长度与重叠率折中设计，降低STFT计算量。对生成时频矩阵做幅值归一化，压缩动态范围，将矩阵尺寸裁剪为小分辨率图像，减少模型参量与推理耗时。除时频图像特征外，同步提取一维统计特征：信号方差、谱平坦度、谱熵、过零率，与时频图构成多模态特征集，提升低信噪比条件下鲁棒性。

2. 干扰智能检测算法

干扰检测任务判断接收信号中是否存在SAR目标回波以外的外部电磁干扰。传统能量检测在噪声不确定度高时门限漂移，虚警率上升。本文采用轻量CNN模型完成检测，将预处理后的时频图作为输入，二分类输出：存在干扰/无干扰。

训练阶段数据集构建混合样本：纯净SAR回波样本、SAR回波叠加不同类型、不同信噪比干扰样本。引入小样本学习策略，降低对大规模实测数据依赖，提升模型在未见过干扰场景下泛化性能。模型推理输出检测置信度，设置自适应置信阈值，平衡虚警概率与漏警概率。当模型判定存在干扰，触发后续干扰分类与参数估计流程；无干扰时，感知模块降低运算频率，节省平台功耗。

3. 干扰类型轻量化识别模型

干扰识别任务对检出干扰进行分类，区分连续波干扰、脉冲雷达干扰、宽带噪声压制干扰、通信调制信号等类别。针对微型无人机算力限制，选用MobileNetV2轻量化卷积网络作为基础骨干网络，对网络进一步裁剪：减少卷积通道数量，移除冗余层，采用深度可分离卷积降低计算量，实现模型参数量压缩。

模型训练时加入多场景数据增强：对时频图做频移、时域拉伸、幅值缩放，模拟无人机机动带来的多普勒变化与距离衰减效应，提升模型对多普勒频移的鲁棒性。模型输出各类干扰概率分布，得到干扰类别。相比传统基于人工特征的识别方法，轻量化网络自动提取时频纹理特征，在多源干扰混叠场景识别性能优势明显。

4. 干扰参数智能估计

完成干扰分类后，进一步估计干扰物理参数：中心频率、带宽、持续时间、信号功率。将参数估计转化为回归任务，在分类网络后端增加并行回归头，共享骨干网络提取的特征，不需要重复进行特征计算。通过回归网络直接预测干扰频域区间与时域起止位置。

参数估计结果用于后续SAR数字域干扰抑制模块，例如针对窄带连续波干扰，可根据估计中心频点设计陷波滤波器；针对脉冲干扰，依据时域位置做脉冲剔除处理。

5. 算法性能评价指标

采用检测概率、虚警概率、干扰识别准确率、参数估计均方误差、推理延迟五个指标评价智能感知算法性能。在低信噪比（SNR=-10dB~0dB）、多干扰叠加场景下，算法需要保持稳定性能；同时单帧推理延迟控制在百毫秒级别以内，满足机载实时处理需求。

四、机载平台工程约束与系统实现要点

1. 微型SAR无人机平台约束

微型SAR平台对感知系统存在多重硬性约束：
（1）算力约束：机载嵌入式处理器算力有限，多采用低功耗FPGA、ARM处理器，不支持大型GPU，模型必须轻量化；
（2）功耗约束：载荷总功耗受限，感知模块持续运算会消耗无人机电池，模型需要支持动态休眠，低干扰环境降低算力开销；
（3）体积重量约束：新增感知硬件不能显著增加载荷重量，优先复用SAR现有射频与ADC硬件，采用软件定义方案，减少额外器件；
（4）存储约束：机载存储容量有限，无法长时间缓存海量原始采样数据，必须边采集边推理，实时输出感知结果，原始数据按需下传。

2. 软硬件协同实现方案

（1）硬件层面，基于FPGA+ARM异构架构实现。FPGA负责高速ADC采样、STFT变换、预处理并行计算，充分发挥FPGA流水线并行计算优势；ARM端部署轻量化神经网络推理框架，完成干扰分类、参数估计与决策控制。FPGA和ARM之间通过高速总线传输预处理后的特征数据，而不是原始采样数据，减少数据传输带宽压力。
（2）软件层面，对神经网络模型做模型量化，将32位浮点参数量化为8位整型，大幅降低模型存储占用与推理计算量，量化操作会带来少量精度损失，训练阶段采用量化感知训练，补偿精度下降。同时对推理代码做嵌入式指令优化，适配ARM架构。

3. 电磁自干扰隔离

需要重视SAR自身发射脉冲对频谱感知模块的自干扰。SAR发射机大功率脉冲会泄漏到接收通道，形成强自干扰，容易被感知模块误判为外部干扰。设计时序屏蔽机制：
（1）在SAR发射脉冲时间段，频谱感知模块暂停采样感知，屏蔽发射泄露信号；
（2）在回波接收间隙开展环境频谱采样，区分SAR自身发射信号与外部电磁干扰，降低虚警。

本文针对微型SAR无人机在复杂电磁频谱环境作业场景，分析电磁干扰对微型SAR成像的影响机理，构建一套射频前端、预处理、智能推理、闭环控制四层智能频谱感知架构，研究适配机载嵌入式平台的轻量化智能频谱感知算法，讨论异构软硬件实现方案与平台工程约束。

---

MiniSAR聚焦于微型合成孔径雷达（SAR）制造研发，为用户提供定制化机载SAR、轻型MiniSAR、无人机载MiniSAR、SAR数据采集服务、SAR飞行服务等。如您有相关业务需求，欢迎联系！

---