想象一下，一架隐形战机在漆黑的夜空中悄无声息地飞行，它精心设计的表面几乎不反射任何雷达波束，却被地面上的设备精准「捕捉」到踪迹，而这些设备没有发射一丝一毫的信号。这就是被动雷达的魅力所在。它不像传统雷达那样高调地发射电磁波，而是巧妙地借用环境中已有的无线电信号，如民用 FM 广播、电视信号甚至手机基站波，来「照明」目标。这种「借力打力」的策略，让被动雷达在隐蔽性、低成本和抗干扰能力上脱颖而出。

雷达技术起源于二战时期，那时主动雷达主导了战场，从英国的 Chain Home 系统到现代的相控阵雷达，它们依赖自身发射的高功率信号来探测目标。然而，随着隐身技术和电子对抗的进步，主动雷达的局限性日益凸显：发射信号容易暴露位置，还易受干扰。被动雷达应运而生，它不发射信号，仅靠接收机工作，成本可降低至主动雷达的几分之一。本文将深入剖析被动雷达的核心工作原理、关键技术和实际应用，帮助科技爱好者和工程学生从零基础理解这一革命性技术。我们将用简单比喻和公式逐步拆解复杂概念，先从基础入手，再到信号处理核心，最后探讨挑战与前景。

基础概念：什么是被动雷达？

被动雷达是一种利用环境中的现有无线电信号作为「照明源」（Illuminator of Opportunity，简称 IoO）的雷达系统。它不发射任何自身信号，而是被动接收这些机会信号的直接路径和从目标散射回来的回波。例如，城市上空的 FM 广播塔发出的信号可以充当照明源，被动雷达站捕捉信号直接抵达的部分作为参考，同时接收飞机反射的弱信号进行比较，从而推算目标位置。

与主动雷达相比，被动雷达在多个方面占据优势。主动雷达依赖自身发射器产生单频或调频信号，易被敌方被动探测系统发现位置，且高功率发射器造价昂贵，还容易受到有针对性的电子干扰。被动雷达则完全隐蔽，因为它只接收不发射，成本低廉，仅需阵列天线和数字处理器即可实现。更重要的是，它能利用多个散布的照明源，形成多路径信号，提高抗干扰能力，即使某个源被屏蔽，其他源仍可接替。

被动雷达的历史可以追溯到二战，当时英国工程师就尝试利用敌方广播信号探测飞机。现代系统如美国的 Silent Sentry 或中国的「海鹰」系统，已发展为成熟网络。这些系统充分利用了民用通信信号的覆盖广度和稳定性，比如 FM 频段（88-108 MHz）覆盖数百公里，DVB-T 电视信号则提供更高带宽。

工作原理详解

基本架构

被动雷达系统的基本架构由三个核心部分组成：参考信号接收机、监视信号接收机和数据处理单元。参考通道的天线直接指向照明源，捕获纯净的源信号$s_r(t)$，作为后续处理的基准。监视通道则使用多个天线阵列，指向天空，接收目标散射的信号$s_s(t)$。这些天线通常形成多静态配置，即照明源、接收站和目标不共线，形成三角几何关系，这不同于主动雷达的单静态「发射-反射-接收」模式。多静态设计提高了方位分辨率，并减少了目标遮挡。

数据处理单元是系统大脑，负责信号同步、滤波和相关运算。它首先对齐参考和监视信号的时间戳，利用高精度时钟或 GPS 同步，避免相位漂移。然后，通过数字信号处理器执行复杂算法，提取目标信息。这种架构的简洁性让被动雷达易于部署，甚至可以用商用软件定义无线电（SDR）设备搭建原型。

信号处理流程

被动雷达的信号处理流程从捕获开始。接收机记录参考信号$s_r(t)$和监视信号$s_s(t) = A \cdot s_r(t - \tau) e^{j\phi}$，其中$A$是幅度衰减，$\tau$是信号往返时延，$\phi$包含多普勒相移。这里的关键是，监视信号是参考信号的延迟和频移版本，类似于回声，但「叫声」来自外部广播电台，就像蝙蝠用路边喇叭的音乐进行回声定位。

接下来是核心步骤：交叉相关运算。通过计算$R(\tau, f_d) = \int_{-\infty}^{\infty} s_r(t) \cdot s_s^*(t - \tau) e^{-j 2\pi f_d t} \, dt$，系统提取时延$\tau$和多普勒频移$f_d$。这个积分本质上是模板匹配：将监视信号与参考信号的各种延迟和频移副本相关联，当匹配时产生尖锐峰值。$s_s^*(t - \tau)$是监视信号的复共轭延迟版本，$e^{-j 2\pi f_d t}$补偿多普勒效应。这个公式在时延-多普勒域生成二维图谱，峰值位置直接对应目标参数。

让我们详细解读这个交叉相关公式。首先，积分范围覆盖整个信号时长，确保统计充分。$s_r(t)$作为「探针」，与移位后的$s_s^*$点乘，产生相关函数；当$\tau$匹配实际延迟时，信号自相关特性使积分值最大化。对于多普勒，指数项引入频率解调，$f_d$扫描范围通常为$\pm$几 kHz，覆盖亚音速到超音速目标。实际实现中，这个积分用快速傅里叶变换（FFT）加速：先对两个信号 FFT，相乘后逆 FFT，复杂度从$O(N^2)$降至$O(N \log N)$，其中$N$是采样点数。这让实时处理成为可能，即使在低端 DSP 上。

从时延-多普勒图进一步双基地变换，得到距离和速度。距离$R = \frac{c \tau}{2}$，这里的因子 2 源于双基地路径（源到目标到接收机，总时延对应单程$c\tau/2$，$c=3\times10^8$ m/s 为光速）。径向速度$v = \frac{c f_d}{2 f_0}$，$f_0$是照明源载频，多普勒$f_d = \frac{2 v f_0}{c}$（双基地近似）。例如，FM 信号$f_0=100$ MHz，$f_d=100$ Hz 对应$v\approx 150$ m/s。

目标检测则涉及杂波抑制和恒虚警率（CFAR）处理。先用自适应滤波去除地杂波（clutter）和直接路径干扰，然后在距离-速度图上设置动态阈值：统计背景噪声功率$\sigma^2$，阈值为$k\sigma^2$（$k$由虚警概率$P_{fa}$决定，如$P_{fa}=10^{-6}$时$k\approx 15$）。检测到峰值后，多帧融合用 Kalman 滤波跟踪轨迹，状态向量包括位置、速度，预测步用运动学模型，更新步融合新测量。这个滤波器方程为$\hat{x}_{k|k} = \hat{x}_{k|k-1} + K_k (z_k - H \hat{x}_{k|k-1})$，其中$K_k$是增益矩阵，$z_k$是测量，显著降低误报并平滑轨迹。

多静态配置的优势

多静态配置是被动雷达的杀手锏，利用多个照明源或接收站，形成不规则基线$b$。单静态时仅得距离和速度，多静态通过三角测量估算方位$\theta = \arcsin\left(\frac{b f_d}{2 v f_0}\right)$，其中$b$是源-接收基线。这个公式源于多普勒差分：不同路径的$f_d$差异揭示角度，提高分辨率至度级，并抗遮挡（如目标在源后方时单静态失效）。然而，照明源信号不稳定（如调制变化）和低 SNR 是挑战，自适应滤波如 LMS 算法可动态取消干扰：权重$w_{n+1} = w_n + \mu e_n x_n$，$\mu$为步长，$e_n$为滤波误差，迭代收敛跟踪变化。

关键技术与挑战

被动雷达依赖宽带数字接收机，如 USRP 软件定义无线电，支持 MHz 级采样，捕获复杂调制信号。高级算法包括空间时自适应处理（STAP），在阵列天线上联合空时滤波，公式为$\mathbf{w} = \mathbf{R}^{-1} \mathbf{s}$，$\mathbf{R}$是杂波协方差，$\mathbf{s}$是导向矢量，抑制方向性干扰。深度学习则用于目标分类，CNN 从距离-多普勒图提取特征，训练数据集来自模拟回波。

照明源选择至关重要：FM 覆盖广但带宽窄（<100 kHz），DVB-T 高带宽（8 MHz）提升距离分辨率至数十米，新兴 GSM/5G 提供密集网络。挑战方面，直接路径干扰最棘手，解决方案是自适应空时滤波，建模干扰为$\mathbf{d}(t) = \sum \alpha_i \mathbf{a}(\theta_i) s_r(t)$，用 LCMV 波束形成器最小化其功率。多径效应通过高阶统计（如四阶累积量）或 MIMO 处理分离路径，低功率信号靠相干积累：对慢变目标相干积分$T$秒，SNR 增益$10\log(T B)$（$B$带宽）。实时性用 GPU 并行 FFT 加速，云处理则支持大规模阵列。

实际应用与案例

在军事领域，被动雷达擅长探测隐身飞机和无人机，美国 DARPA 项目已验证用 DVB-T 信号跟踪 F-22，探测距超 200 km。民用则包括空中交通监控，利用机场周边 FM 信号管理航班；气象探测捕捉雨云散射；边境安防监测低空入侵。中国被动雷达网覆盖南海，利用多源融合实现全向监视，欧洲 CELLED 系统则集成 GSM 基站，形成城市级网络。

未来趋势指向 5G 和 LEO 卫星信号集成，提供全球覆盖，AI 增强将自动化目标识别，车载版甚至可用于智能驾驶避障。性能数据表明，FM 系统探测距离达 200 km，速度分辨率 <1 m/s。

结尾

被动雷达的核心在于「借力打力」：用交叉相关从机会信号中提炼时延和多普勒，转化为精确轨迹。这标志着雷达从「主动出击」到「静观其变」的范式转变，隐蔽高效，注定普及。

它代表技术智慧的巅峰，未来与 AI、5G 融合将重塑探测格局。建议读者动手尝试：用 RTL-SDR 接收 FM 信号，结合 GNU Radio 实现简单交叉相关。资源包括 GitHub 开源被动雷达代码和《Passive Radar Handbook》。常见问题如「能探测隐形飞机吗？」答案是肯定的，低频照明源穿透隐身涂层，但需优化算法。

欢迎评论区讨论你的实验心得，或提出疑问——被动雷达的世界，正等待探索！