本文聚焦小型无人机的雷达散射截面（RCS）特征及其对低空慢速小目标（LSS）探测带来的挑战，分析了复杂城市环境中强地物杂波、多径效应与非平稳干扰对雷达检测的影响。在此基础上，系统综述了空时自适应处理、微多普勒特征提取、多帧检测前跟踪以及深度学习等杂波抑制与目标识别算法，并给出多域联合处理框架。最后结合工程实践，探讨了雷达电子设备的防潮保护等关键保障措施，为城市低空安防系统的设计与部署提供参考。
一、引言
近年来，小型无人机凭借体积小、机动灵活、使用便捷等优势，在航拍、物流、巡检等领域获得广泛应用。与此同时，无人机的“黑飞”、误飞以及恶意使用也对城市低空空域安全构成了日益严峻的威胁。低空慢速小目标（Low-altitude Slow-speed Small, LSS）雷达作为防范此类目标的主要手段，需要在复杂城市环境中实现对微弱目标的有效检测与稳定跟踪。然而，城市环境地物密集、杂波背景强、多径效应显著，而小型无人机自身雷达散射截面（Radar Cross Section, RCS）极小，这为雷达探测与识别带来了极大挑战。
二、小型无人机RCS特征分析
雷达散射截面是描述目标对入射电磁波散射能力的等效面积，其数值大小直接影响雷达对目标的探测能力。小型无人机通常采用塑料、碳纤维等复合材料，整体尺寸在几十厘米到一两米之间，其RCS典型值一般在0.01~1平方米范围内，属于典型的电小尺寸目标。
小型无人机的RCS具有以下显著特征：第一，RCS绝对值极小，明显低于常规飞机、车辆等目标；第二，RCS随姿态角变化剧烈，因机体结构由机身、机翼、起落架、旋翼等多个散射中心构成，在飞行过程中姿态变化会导致回波幅度快速起伏；第三，旋翼和螺旋桨周期性旋转会产生多普勒调制，形成具有周期性的微多普勒特征，这一特征可用于目标分类识别；第四，RCS与雷达工作频率密切相关，在X波段、Ku波段等较高频段，目标散射特性更为复杂，对算法处理能力要求更高。
三、复杂城市环境的杂波特性
城市环境中，建筑物墙面、地面、道路设施、植被、桥梁和金属结构等构成大量强散射体，形成强烈的反射杂波，其功率往往远高于无人机目标的回波。此外，城市环境中的