隨著近年來無人機產業快速發展，各種各樣的遙控飛機、直升機、多旋翼飛行器越來越容易獲得。然而，無人機的日益增多引發了一些安全擔憂，如對空中交通管理的潛在威脅，以及濫用于犯罪行為甚至恐怖襲擊等，其潛在的危險日益引起各國政府的關注，并推動了反無人機技術和系統的迅速開發。

由于雷達具有全天候全天時工作的能力，基于雷達微多普勒效應的無人機檢測與識別是一個重要的研究方向。所謂“微多普勒效應”，指的是雷達目標在進行平動的同時，其整體或部件伴隨有振動、旋轉、搖擺或其他形式的微運動，使得雷達回波在平動多普勒頻率之外還包含附加的時變頻率調制的物理現象。

微多普勒特征是目標內部部件精細運動在雷達回波中的反映，通過提取無人機的微多普勒信號特征可以實現對無人機的分類識別。為了進一步提高無人機的識別魯棒性，可以采用多角度或者多站點的雷達傳感器對無人機進行觀測，從而進行多雷達傳感器的融合特征與識別。

為提高無人機識別的準確率，清華大學李剛教授和北京環境特性研究所殷紅成研究員的團隊研究了基于多角度雷達傳感器觀測和微動特征的無人機分類方法。基于實測數據的實驗結果表明，該方法對三種典型無人機（四翼機，直升機，六翼機）的分類效果良好，多角度雷達傳感器觀測融合得到的分類精度優于單角度雷達傳感器。

首先利用多部雷達同時從不同角度觀測目標；然后對采集的雷達數據分別進行短時傅里葉變換（STFT），得到時頻譜圖；接著利用主成分分析（PCA）從時頻譜圖中提取特征，將兩個不同角度雷達傳感器得到的特征融合在一起；最后利用支持向量機（SVM）進行訓練與分類識別?；趯嶋H雷達數據的實驗結果表明：兩個雷達傳感器觀測融合得到的分類精度優于單個雷達傳感器的分類精度，最終識別準確率較僅利用X波段雷達傳感器方法提升了5%以上。

隨著無人機技術和性能的進一步提升，集群智能蜂群化將是未來無人機的一個發展方向。利用傳感器對同時對集群多類無人機進行檢測分類識別，而這將會比“獨狼”更難對付。通過結合雷達、光學和電子監視傳感器進行融合檢測識別以及反制無人機，盡管在目前有足夠成熟的技術，但是如何將這些技術無縫整合并且創新性地應用到無人機防御領域，值得深入思考與研究。