《面向反无人机作战的联邦式可解释射频–光电/红外情报融合：边缘人工智能优化、电子战韧性及分布式监视验证》

低成本无人机系统（UASs）及自主无人机蜂群的激增，对传统监视与反无人机架构构成了重大挑战，尤其是在充满对抗的电磁环境中——在此类环境中，传感、通信及决策支持系统可能因干扰、欺骗和频谱拥塞而降级。本文提出了一种面向韧性反无人机监视的联邦式可解释射频–光电/红外情报框架。该架构将分布式软件定义无线电（SDR）传感、光电（EO）与红外（IR）传感、基于Transformer的多模态融合、联邦学习、可解释人工智能（XAI）、蜂群意图分析及电子战韧性整合到一个统一的情报生成框架之中。无源射频传感提供通信情报、辐射源识别及蜂群网络分析，而光电/红外传感则提供视觉与热成像确认，以提高探测可靠性。基于Transformer的融合利用跨模态关系来增强分类精度、定位性能及威胁评估。联邦学习实现了通信开销降低的分布式情报生成，而可解释人工智能则提升了操作人员的信任度与决策透明度。通过包含10万次试验的综合蒙特卡罗仿真、SDR辅助实验、AirSim/Gazebo验证、电子战模拟及HATSABIBI-26A遥测回放，对作战性能进行了评估。所提框架实现了0.96的探测概率、0.04的虚警概率、0.95的分类精度、4.2米的定位均方根误差（RMSE）、0.92的蜂群意图分类精度，以及约66%的通信负载降低。鲁棒性分析进一步表明，在传感节点故障、通信受损、干扰、欺骗及频谱拥塞条件下，系统性能呈优雅退化。结果表明，联邦式可解释射频–光电/红外情报为机场安保、军事基地防护、边境监视、关键基础设施防御以及未来分布式防空系统提供了一种可扩展、有韧性且作战可行的解决方案。

关键词：反无人机；射频–光电/红外融合；无源射频传感；联邦学习；可解释人工智能；Transformer网络；蜂群意图分析；电子战；分布式传感；边缘人工智能。

低成本无人机系统（UASs）及自主无人机蜂群的快速激增，给传统监视与反无人机系统带来了重大挑战。现代无人机越来越多地被用于侦察、走私、电子监视以及针对关键基础设施和军事资产的协同蜂群行动。它们体积小、雷达截面积低、飞行行为自适应，且能在对抗环境中运作，这往往限制了传统雷达、光电、红外及声学探测系统的有效性[1]–[8]。无源射频（RF）传感已成为一种有前景的补充技术，因为它利用无人机通信、遥测和视频传输信号，无需主动发射[3]–[6]，[22]–[25]。无源射频传感可实现隐蔽监视，并提供有关辐射源身份、通信行为及蜂群协调的有价值情报。然而，纯射频系统在面对射频静默平台、通信间歇性、干扰、欺骗及频谱拥塞时仍然存在脆弱性。

Transformer架构、多模态传感器融合、联邦学习、可解释人工智能（XAI）及蜂群智能建模方面的最新进展，为改进反无人机情报生成创造了新的机遇[26]–[41]，[69]–[84]。基于Transformer的模型能够有效融合异质的射频、光电和红外观测数据，以增强探测与分类性能，而联邦学习则实现了通信高效且隐私保护的分布式情报生成。XAI进一步提升了操作人员在人工智能辅助监视系统中的信任度、透明度及决策问责性。与此同时，近期关于多模态无人机探测及无人机蜂群行为分析的研究，已证明了行为推断、轨迹分析及分布式传感器融合在协同威胁评估与反无人机作战中的价值[72]–[84]。受上述进展驱动，本文提出了一种面向对抗电磁环境中韧性反无人机监视的联邦式可解释射频–光电/红外情报框架。该架构将分布式SDR传感、光电/红外监视、基于Transformer的多模态融合、联邦学习、可解释人工智能、蜂群意图分析及电子战（EW）韧性整合到一个统一的情报生成框架之中。

从科学角度来看，本研究的主要新颖之处在于开发了一个统一的联邦式可解释射频–光电/红外情报架构，该架构将基于Transformer的多模态融合、联邦优化、XAI、蜂群意图推断及电子战韧性建模整合到单一的分布式监视框架之中。此外，引入了一个统一的多目标优化公式，以联合考虑探测有效性、虚警抑制、通信效率、延迟及可解释性信任度，从而为情报优化与作战性能评估提供了定量基础。如图1所示，所提框架结合了分布式传感、多模态情报融合、联邦学习、可解释决策支持及蜂群行为分析，以实现复杂作战环境中的稳健监视、威胁评估及韧性情报生成。本研究的主要贡献如下：

开发了一种面向反无人机监视的分布式射频–光电/红外传感架构。
集成了基于Transformer的多模态融合，以改善探测与分类性能。
应用联邦学习实现通信高效的分布式情报生成。
引入可解释人工智能以实现透明的威胁评估。
开发了蜂群意图分析以实现行为情报生成。
评估了在干扰、欺骗及通信降级条件下的电子战韧性。
通过蒙特卡罗仿真、SDR辅助实验、AirSim/Gazebo仿真及HATSABIBI-26A遥测回放进行了验证。

图1：面向韧性反无人机监视与分布式防空作战的统一联邦式可解释射频–光电/红外情报框架。

2. 系统架构

所提出的联邦式可解释射频–光电/红外情报框架，为在对抗电磁环境中运行的低空无人机系统及自主无人机蜂群提供了可扩展、有韧性且低延迟的监视能力。该架构将分布式射频传感、光电/红外监视、基于Transformer的多模态融合、联邦学习、可解释人工智能、蜂群意图分析及电子战韧性整合到一个统一的情报生成框架之中。如图2所示，所提架构按六个功能层级组织：分布式射频–光电/红外传感层、射频与图像预处理层、基于Transformer的射频–光电/红外融合层、联邦式可解释情报层、蜂群意图分析层，以及电子情报融合与决策支持层。