无人航空系统（UAV）的迅速普及加剧了城市空域的隐私、安全与安保风险。然而，现有反无人航空系统（C-UAV）往往依赖重型基础设施、成本高昂，且主要面向大规模部署设计，这限制了其在资源受限及民用场景下的适用性。为填补此空白，本论文研究如何在资源受限条件下，为自主可逆反无人航空系统设计一套实时多模态融合与可解释决策流水线。遵循柔性设计科学研究方法（Soft Design Science Research），本研究设计并评估了一个基于ROS2的模块化构件，其包含轻量化视觉检测分支、轻量化声学检测分支、具备可解释状态逻辑的置信度加权晚期融合决策层，以及在仿真中实现的基于可逆GPS欺骗的执行机制。该构件通过基于场景的实验进行评估，涵盖模态级验证、多模态融合、决策状态逻辑、缓解措施触发及ROS2–Gazebo–PX4环境下的系统级运行时性能。实验结果表明，在受控的正负样本条件下，视觉与声学分支均能输出稳定结果；融合与决策层可生成分级且具备作战可解释性的威胁状态；执行层在仿真中能够实现激活、维持、中止及重新待命。系统级观测进一步显示，声学与决策分支在计算上保持轻量化，而主要运行时瓶颈在于基于YOLO的视觉检测器。独立的树莓派5测试进一步证实了其在边缘级硬件上的部署可行性，尽管帧率存在局限。上述发现表明，在资源受限条件下，构建一套连贯的多模态、可解释且可逆的反无人航空系统流水线是可行的。同时，当前构件应被理解为一种面向仿真的概念验证，而非经过实地充分验证的部署方案。

关键词： 反无人航空系统；多模态融合；ROS2；边缘人工智能；可解释决策；GPS欺骗；树莓派