微型无人机在业余爱好者、摄影师以及像亚马逊这样计划在英国测试无人机配送系统的公司中引起了日益浓厚的兴趣。然而，这些平台也被用于犯罪活动，构成诸如走私和空域干扰等危险。雷达传感器在主动识别和跟踪这些平台方面展现出潜力，即使在恶劣条件下也是如此。需要进行大量研究以理解其独特的信号变异性，从而促进成功的探测和分类算法实现。研究表明，雷达传感器能够主动探测和评估此类平台。此外，这些传感器还具有在远距离、恶劣天气条件和低光照环境下有效运行的优势。为了促进这些新型飞行器安全融入低空空域，需要进一步研究以理解它们发出的独特信号特征，而雷达系统是满足此需求的理想候选者。

本工作讨论了一种定制化双波段自适应调频连续波（FMCW）雷达系统的开发，其独特之处在于能够实时调整众多雷达参数，这种能力在学术界鲜有探索。该项目已达到较高的技术成熟度等级（TRL），该系统能够无需人工干预即可部署在野外，同时提供实时信号处理和即时用户反馈。首先进行了文献研究以识别挑战，随后对雷达进行了概念设计并推进到制造阶段，对其进行了测试以确保满足既定标准，最后将其封装进便携式外壳中。为了利用低功耗设备，同时满足问题定义的要求，必须从头开发一种新颖的信号处理实现方案。通过此功能，在2023年秋季进行的两次活动中广泛收集了一个大型雷达微多普勒特征数据库，并设计了一个分类器，在18K幅图像上实现了99.2%的分类准确率。

本论文的撰写旨在引导未来的雷达工程师应对FMCW设计中呈现的挑战，以及真实系统的生产生命周期和部署，同时兼顾数据处理限制和对原始研究目标的解决。

在我的研究过程中，我协助为多家科学期刊和会议论文集进行了超过75篇稿件的同行评审。我也是FPGA和编程社区的积极贡献者。本项目的新颖研究贡献陈述如下：
• 一款定制化的FMCW自适应雷达系统经过精心设计、组装，能够部署在野外，适用于户外测量。这已通过2023年秋季进行的多次成功试验得到验证。该系统的主要目标是扩展雷达系统在无人机探测领域的研究范围。
• 一个定制的FPGA加速信号处理系统已从头设计和实现，允许实时处理和显示来自S波段和C波段的FMCW数据。这包括可以精确控制的距离时间信息和多普勒时间信息。
• 无人机在飞行中的动力学特性已通过数学模型进行建模，并利用所设计的FMCW雷达系统验证了其部分特性。基于此分析，开发了一系列分类算法对收集到的整套数据进行分类。
• 该系统使得能够收集市场上各种商用无人机的新颖雷达数据，并因此生成了多个数据库。最值得注意的是探索了不同雷达参数和波形效果的数据集，这些参数和波形在操作过程中可进行自适应调整。

论文将按如下结构呈现：
• 第2章将涵盖本工作背后的核心理论概念，探讨核心电磁（EM）和雷达基础原理，以及该博士项目涉及的其他相关主题。将从雷达散射截面（RCS）理论开始，并将其扩展到雷达距离方程。接着将介绍FMCW雷达，讨论其波形以及对雷达距离方程所需的修改。然后介绍多基地雷达，包括一些伴随的数据融合和决策级理论。随后是FMCW信号处理部分，最后是关于无人机飞行动力学的一些基础数学章节。
• 第3章，文献综述将包含本项目初期一篇期刊出版物[25]的摘录，其内容截至2018年3月是准确的，本章将稍作扩展以纳入一些近期工作。
• 第4章，将涵盖雷达系统设计与开发，记录FMCW雷达系统的设计过程。包括框图和高频（RF）功率电平预算，省略电路原理图。它还将包括雷达系统的校准过程以及相关的性能指标，如接收机噪声系数和波形相位噪声。
• 第5章，是现场可编程门阵列（FPGA）加速信号处理部分，将探讨在硬件中实现的FMCW信号处理阶段，涵盖最终加速处理系统的优势、劣势和性能。它还将详细说明图形用户界面（GUI）的使用方式、数据流以及自适应雷达参数。
• 第6章，将涵盖实验测试与测量，包含在2023年秋季使用所开发的雷达系统进行的真实实验活动的结果。这些实验活动侧重于解决无人机探测与识别的关键问题，并展示使用预训练和调整的深度神经网络（DNNs）训练得到的分类结果。
• 第7章，将最终总结论文，概述所进行的工作、研究发现，指出需要改进的领域以及未来的研究潜力。