雷达技术的发展应用

雷达技术的发展及应用

电子科技大学格拉斯哥学院2017刘子超
本人学生一枚，对雷达技术的发展应用提出一点总结和看法，如有认识错误欢迎指出。
前言
现代的雷达技术是在二战时期出于巨大的战争压力而研发成功的，至于支撑其的理论基础——多普勒效应和麦克斯韦的电磁场理论等——则可追溯到19世纪。它的研究最早是为了防止船舶相撞，后来被广泛应用于航空领域，尤其被军方所青睐。正因为雷达高效的预警功能，盟军在二战后期得以对纳粹德国的空袭进行早期预判，甚至实施干扰，这对于二战的胜利起到了至关重要的作用。除了军事领域，雷达技术在民用方面也有很广泛的应用前景。
结构与军事应用
雷达的种类和功能不尽相同，但其基本形式是一致的，包括:发射机、发射天线、接收机、接收天线，处理部分以及显示器。还有电源设备、数据录取设备、抗干扰设备等辅助设备。其原理是雷达设备的发射机通过天线把电磁波能量射向空间某一方向，处在此方向上的物体反射碰到的电磁波；雷达天线接收此反射波，送至接收设备进行处理。通过测量发射脉冲与回波脉冲之间的时间差可以得到目标的位置信息，根据多普勒效应进一步分析可得到目标的速度等信息。由于这种原理和蝙蝠的回声定位极其相似，一段时间以来雷达也成为仿生学的热门课题。
与雷达技术相对应的是隐身技术，即通过吸波材料和隐身结构使雷达反射截面积大大减小。海湾战争中，由于美国F-117“夜鹰”隐身战机的大量使用，敌军的地面目标被迅速摧毁。当然，随着隐形飞机对国家安全构成日益严重的威胁，各国都已经开始了对于反隐身雷达技术的研究，如将发射机和接收机分离的双基雷达、发射吸波材料无法吸收的无载波的雷达及被动探测辐射的无源雷达等。1999年，一架F-117战机被南联盟的地对空导弹击毁，可能就是因为无源雷达的应用。
民用领域（道路交通）
除了军事领域，雷达技术在民用方面也有很广泛的应用前景。这里以交通为例。
进行道路交通方面的统计工作时，经常需要收集关于行人及机动车信息，例如汽车的特征以及单位时间内的流量等。要进行这样的统计，依靠传统方法工作量将会极其繁重，结合公路网进行统筹分析更将带来巨大的运算量。近年来有专家设想将雷达技术和机器学习相结合，可以高效地解决这一问题。2018年3月ADI收购的Symeo公司就是研发用于这类工作的雷达的团队之一。该公司的主要研发产品是激光雷达，可以精确地探测并识别行人和车辆，据估计这一市场还将继续扩大。
应用雷达的信息系统包括了前端子系统、传输子系统和后端子系统。前端子系统完成的是信息采集工作，与雷达的结构性能密切相关：应用在交通领域，就是采集机动车的车高、速度及车牌号码等信息（可能需要雷达以外的其他硬件设施）。传输子系统则往往基于网络，实现前端子系统和后端子系统的互联，其重点是保持稳定性，准确完成数据和图片的传输和交换。后端子系统由中心管理平台和存储系统组成，其功能是将收集的数据进行储存、归纳和分析计算。总之，应用雷达有响应速度快、可靠性好、错误率低、调试较为方便等特点。与此相比，传统的基于摄像的交通管理系统由于需要的存储量大往往不得不降低分辨率，进行数据分析时往往也要通过人工处理，虽然可以通过统计学方法降低工作量却无法同时提高效率和准确度，数据的保存和传输也会面临很大压力。
理论上来讲，依靠机器学习的方法，通过雷达收集的数据对城市交通进行的系统化分析可以较为准确地预测其在特定条件下的运行状况，从而可以为城市规划提供十分有意义的参考。目前的局限在于相关领域的训练集太少，因为相应的技术尚未完善，算法有待进一步改进，无法达到可普及的水准。随着雷达技术的进一步细化发展，相信其会克服一系列难题，在民用领域发挥更大的作用。
以基于时间段预测机动车流量的设计为例。如以上所说，这涉及到大量信息的采集。除了交通部历年来收集的数据以外，还可以在我们迫切需要研究的区域布设雷达，最终达成覆盖整个交通网络的雷达系统。高精确性的雷达系统可以高效的抽象化路况为需要采集的信息，相当于提前做好了大半的特征工程。这样一来每一时刻的流量信息便可以迅速汇总，可以节省大量人力资源。获得的数据进行进一步处理（如综合天气、时令信息等），选择代表性强的数据导入机器学习算法进行训练，可以拟合出城市交通的大致模型。在机器学习算法的选择上，选用神经网络可能会更快得出模型，然而由于交通问题对于社会学来说也有极大的研究价值，有时会需要用可解释性更强的算法以结合实际分析权重误差。使用雷达的另一大优点则是数据的复用性好，因基于雷达的探测可以同时收集目标的各种信息归类保存，在日后的其他研究中也可以方便地调用。
目前，在交通领域研发比较成熟的雷达主要是毫米波雷达和激光雷达，它们都具有短距分辨率高的特点，适合检测车辆的位置和速度。目前它们被广泛应用在自动驾驶方案上，其中激光雷达因为分辨率更好、分辨距离长被更多方案采用。但毫米波雷达也有其独特优点：由于是短波雷达，穿透雨雪雾气的能力比激光好得多，可以在恶劣天气使用。此外由于较低的分辨率，存储信息的成本也相对低廉。目前，车载毫米波雷达的均价为数千元，而激光雷达往往达到上万。但毫米波雷达也有另一不容忽视的短处：无法感知行人，也无法精确的分辨障碍物，因此在建模分析上难免降低了准确性。因此有专家指出，未来的发展方向应当是二者的互补。
总结
雷达技术在军用领域上发挥着举足轻重的作用，同样在和平发展上也有极大的利用价值。目前，除自动驾驶外，雷达已经在道路交通领域实现了车辆抓拍等工作。但由于可供大规模机器学习的雷达需要更高分辨率和更高效的算法，目前尚无法普及。雷达技术经过一个世纪余的发展已成为相对成熟的一门技术，也衍生出了许多分支学科。但由于其在民用领域尚未得到普及（与网络技术等相比），还有相当大的发展空间。