1. 为什么无人机需要一双“透视眼”光学传感器的天花板做无人机巡检和测绘这些年我越来越觉得光学镜头这套东西像是“白天戴墨镜晚上蒙黑布”工作。白天光线好、天气晴的时候可见光相机拍出来的画面确实漂亮RGB三个波段还原地面跟肉眼看到几乎一样。但真正的实战任务里哪有那么多好天气、好光线等着你。夜间执法巡查、暴雨后的灾情评估、高海拔地区的云海干扰、森林火场浓烟遮蔽——这些场景下光学传感器基本直接罢工无人机飞上去就是在“盲飞”。我第一次接触无人机SAR是2022年当时参加一个地质灾害应急演练。演练设定是暴雨过后山区发生滑坡云层很低、雾气很重固定翼无人机带着光学吊舱上去根本拍不到地面飞了两架次全是白茫茫一片。后来兄弟单位调来一套SAR载荷也是无人机挂载的在同样的天气条件下飞了一圈地面滑坡体、堰塞湖的水面边界、甚至被掩埋的公路轮廓全都看得清清楚楚。当时在场的人都说雷达那个屏幕上的灰白图像像是“透视眼”把云层和雨幕背后的真实地形给掀开了。所谓无人机SAR全称是合成孔径雷达Synthetic Aperture Radar的机载化应用。它不依赖阳光也不怕云雨雾主动向地面发射微波脉冲并接收回波通过处理多普勒信息获得高分辨率图像。SAR这项技术最早是军用侦察的看家本领卫星上用了大几十年这两年随着无人机载荷能力和处理器算力的提升开始大规模下沉到民用领域。对测绘、应急、农业、电力巡检这些行业来说多了一双随时随地能“看见”的眼睛那意义完全是另一个量级。这篇文章我想把自己摸过的无人机SAR系统、踩过的坑、还有那些“如果有人早点告诉我该多好”的经验一次性倒出来。适合下面这些人读打算给无人机选型雷达载荷的飞手和技术负责人正在做SAR数据处理但缺乏飞行经验的研究生以及那些想搞清楚“SAR到底能不能解决我手头项目问题”的行业用户。先说清楚一个前提。SAR不是要取代光学相机它和光学是互补关系。光学的优势是直观、符合人眼判读习惯、地物纹理细节丰富SAR的优势是全天时、全天候、对地物有独特的电磁散射响应。你手里有两种传感器就等于夜航时既带着照明弹又带着红外夜视仪哪个场景用哪个甚至两个都用再融合这才是正确的打开方式。2. SAR成像的核心机制从“大锅盖”到“小天线”的逆袭2.1 实孔径雷达的尺寸魔咒要把SAR讲明白得先从雷达的分辨率说起。普通雷达也就是实孔径雷达Real Aperture Radar想提高方位向分辨率唯一的办法就是把天线做大。道理跟手电筒一样——灯珠越小光束越发散口径越大照出去的光束越集中落到地面上的“光斑”就越小。雷达的方向分辨能力由波束宽度决定而波束宽度约等于波长除以天线尺寸。波长固定时天线越大波束越窄地面分辨单元越小。举个实际数字你就明白了。假设我们用X波段雷达做侦察波长大约3厘米要在一个几十公里的斜距上实现1米的方向分辨率需要多大的天线算下来大概是几十米长。几十米的天线装在无人机上这已经不是天线而是机翼了。这就是为什么早期机载雷达的分辨率都很难看因为飞机背上驮不了那么大的锅。2.2 合成孔径的核心思想飞行就是天线扫描SAR的聪明之处在于它不跟物理尺寸硬碰硬而是“骗”出了一个大天线。雷达装在飞机或无人机上往前飞每到一个位置就向侧面发射一次脉冲并记录回波。同一个地面目标不是只被照一次而是被飞行路径上一连串位置连续照射到。把这些不同位置接收到的回波信号按相位关系做相干叠加处理等效于把一个个小天线“拼”成了一面很长的虚拟天线。这面虚拟天线的长度就等于无人机在这段时间里飞过的距离。用生活里的例子来类比。你站在远处拍一栋楼拍一张照片看不出细节但如果你沿着一条路一边走一边连续拍几十张回来之后把这些照片按位置对齐、叠加细节是不是就比单张丰富很多SAR就是这个逻辑只不过它叠加的不是像素亮度而是包含相位信息的微波回波。正因为处理的对象有相位维度合成出的虚拟口径才可能远远超过机身的物理尺寸限制。2.3 方位分辨率、PRF与天线尺寸的约束关系关于SAR的分辨率公式有两条最关键的一个给方位向一个给距离向搞懂它们后面所有参数设计都好商量了。方位向分辨率 δa 简化公式是天线物理孔径D的一半即 δa D / 2。注意这个值跟飞行高度、斜距、波长统统无关。天线越小合成孔径角越大因为小天线波束宽能持续照射同一目标的时间越长合成的等效孔径越长分辨率反而越高。这就是为什么无人机SAR的雷达天线普遍设计得扁扁小小、像一块平板而不是像锅盖那样大而圆。小型化不仅为了减重物理上就说得通。距离向分辨率 δr 取决于发射信号的带宽B公式是 δr c / (2B)c是光速。带宽越大距离向分辨能力越强。要获得0.3米的分辨率信号带宽需要做到500MHz左右。高带宽意味着高采样率、大数据量这对无人机载荷的数据链和存储提出了不低的门槛。但天线也不是能无限做小。天线小了波束角就大会带来两个副作用一是照射范围变大回波的信噪比下降二是同一距离门内的多目标回波出现模糊。要解决模糊问题脉冲重复频率PRF就得相应提高而PRF太高又会导致最大不模糊距离变短。所以SAR设计本质上是一个多参数互相牵制的平衡游戏天线尺寸、波长、飞行速度、PRF、测绘带宽度都要在一个合理区间里联动。2.4 无人机SAR与卫星SAR的本质差异你可能听说过哨兵一号、高分三号这些卫星SAR在概念上无人机SAR和它们是同一套物理原理但工程实现上的差别非常大。首要区别是飞行高度和速度。卫星轨道高度几百公里飞行速度每秒七公里以上成像条带宽、覆盖范围巨大无人机高度一般几百到几千米速度每秒二三十米测绘带窄但优势是可以贴近目标区域飞行重访时间可以做到分钟级需要拍哪块就飞哪块机动灵活得多。第二个区别是载荷重量和功耗约束。卫星SAR那种十几平方米的展开天线和数千瓦峰值功耗放到无人机上是想都不敢想的。无人机SAR必须在几公斤重量、几百瓦功耗的预算下实现尽量好的分辨率和覆盖。近年来随着射频前端芯片化、轻量化天线工艺和机载实时处理板卡的进步这个约束已经松动了不少。我自己用过的一套Ku波段SAR整个雷达载荷加天线不到4公斤挂在一架中等尺寸的垂直起降固定翼无人机上0.5米分辨率的成像效果已经能满足大比例尺应急测绘的判读需求。第三个差别是运动误差的来源和量级。卫星在太空中的运动轨迹非常平滑可以做精确的轨道预报无人机在大气层内飞行受气流颠簸影响明显航迹、姿态每时每刻都在抖动。这种不规则的抖动混进回波相位里如果不做校正图像就会散焦、发花。所以无人机SAR的机载系统里运动测量设备IMU/GPS组合导航的重要程度甚至比雷达本身还高。3. 搭建一套无人机SAR系统关键部件与选型逻辑3.1 雷达频段怎么选X/Ku/Ka/W段的取舍无人机SAR第一个关键选型是频段。不同频段的物理特性差异直接决定了你的雷达能穿多厚的树叶、看多细的目标、扛多大的天线。频段波长范围主要优势典型局限常见用途X8-12GHz2.5-3.75cm穿透植被能力好技术成熟器件便宜天线尺寸偏大分辨率提升受限地质测绘、林业调查Ku12-18GHz1.67-2.5cm平衡穿透力与分辨率可做到轻量化受降雨衰减影响比X波段明显应急测绘、水利监测、目标识别Ka26-40GHz0.75-1.15cm波长很短分辨率高天线体积小穿透性差雨衰大对器件工艺要求高高分辨率近距侦察、精细测绘W75-110GHz2.7-4mm极高分辨率可接近光学水平作用距离短穿透能力弱成本昂贵近距离验证、科研平台我在实际项目中接触最多的是Ku波段。原因很直接无人机SAR的最主要应用场景是应急测绘和灾害评估这些场景需要的是“可靠的全天候获取能力”而不是极致的穿透深度。Ku波段在中等重量约束下可以做到0.3到0.5米分辨率天线面积做得很小整套载荷的重量可以把控在4公斤上下对中小型无人机非常友好。X波段更适合需要穿透植被看地表情况的林业项目如果你要探测的是被树冠遮挡的地形、或者需要获得较长波段的干涉数据那X会更有优势。3.2 天线形式平板阵列、波导缝隙阵与相控阵SAR天线的形态直接决定了载荷的体积、功耗和造价。目前无人机SAR圈子里主流的三种天线形式是微带平板阵列、波导缝隙阵和相控阵。微带平板阵列是把大量微带贴片天线单元做在一块介质基板上用微带线进行馈电。优点是剖面低、重量轻、工艺成熟、批量生产成本低非常适合载荷预算严格的小型无人机。缺点是损耗较大天线效率偏低不适合追求极端性能的高端应用。我见过的大部分轻量化SAR包括我自己用过的那套Ku波段设备前端用的都是这种平板阵列。波导缝隙阵是在金属波导壁上开一系列缝隙作为辐射单元损耗小、功率容量大发射效率比微带高不少。代价是机械结构复杂、重量大、加工成本高。对于需要作用距离远、等效辐射功率大的中大型固定翼无人机波导缝隙阵是常见选择。相控阵天线则通过移相器控制每个单元的相位实现波束的电子扫描不需要转动天线就能改变指向。这让SAR可以在一次飞行中同时实现条带、聚束、扫描等多种成像模式也能做星载那样的多通道动目标检测。但相控阵的成本和复杂度摆在那里一套天线动辄几十万起步现阶段更多出现在高端验证平台或军用技术上普通行业项目上确实用得少。3.3 运动补偿精度IMU比雷达还贵不夸张前面说到无人机SAR跟卫星SAR比最大的工程难点在大气湍流引起的航迹误差。SAR成像处理假设雷达天线相位中心沿着一条理想的直线匀速运动可实际飞行中无人机始终在颠簸偏航、俯仰、滚转、升沉各种方向都有抖动。这些偏差对于光学相机可能只是画面晃动后期做一下稳像就完事但在SAR里相位误差直接转化成图像散焦和几何畸变必须逐脉冲测量、逐脉冲补偿。解决这个问题的核心器件是组合导航系统也就是高精度IMU加差分GPS的组合。IMU测量角速度和加速度GPS提供绝对位置和速度基准两者通过卡尔曼滤波融合得到每个脉冲发射时刻的天线相位中心精确位置和速度。对0.3米分辨率级别的SAR来说位置误差要控制在厘米级姿态误差要控制在0.01度量级。买一套这样性能的战术级组合导航系统价格常常比雷达前端还要贵这是很多第一次做无人机SAR集成的团队容易低估的预算项。3.4 机载实时成像还是地面后处理数据算完去哪处理也是系统集成时要提前想清楚的。两类路线各有拥趸一是机载实时成像在无人机上搭载高性能计算板卡飞行过程中就把原始回波数据加工成图像落地即可交付。另一类是原始数据落地后在地面工作站上做聚焦处理。我的经验是如果你的应用是应急响应、巡逻侦察这类对时效要求极高的场景很有必要预留实时成像能力。想象一下灾情现场哪里有垮塌、哪里有积水现场指挥员如果能在无人机还在天上飞的时候就看到雷达图像决策效率完全不一样。但实时成像要付出重量和功耗代价比如一块带GPU的机载板卡可能就要一两公斤的重量预算。如果你的任务场景是常规测绘做完数据处理还要叠加到原始影像台账里那地面后处理就足够了飞行时只需要保证原始数据完好记录落地后花几十分钟慢慢算就行。4. 完整作业流程从航线设计到图像产品4.1 航线设计四个参数的连锁反应SAR不是随便飞个航线就能出好图的航线设计质量对成图效果的影响怎么强调都不过分。在规划一条SAR任务航线时要同时考虑四个彼此牵制的参数飞行高度、地速、测绘带宽和分辨率需求。飞行高度决定斜距和测绘幅度高度越高单条航带覆盖越宽但距离向分辨率对应的地距分辨率会被投影拉粗信号也衰减得更厉害。地速决定多普勒带宽地速越快同一目标经历的多普勒频率变化范围越大这本身有利于方位向分辨率但要求PRF也相应提高否则会出现多普勒模糊。测绘带宽又反过来限制PRF的最大值因为PRF的值不能超过不模糊距离对应的上限。实际操作层面我一般按这个顺序来先定分辨率指标由距离向分辨率查表或按公式推算需要的信号带宽接着根据作业面积算测绘带宽需求定下飞行高度然后根据雷达参数约束退算出允许的飞行地速范围交给飞控程序设置巡航速度最后再核对一遍PRF与方位向采样是否匹配。看起来步骤多但流程理顺之后像我们常用的那套系统航线设计十分钟内就能做出来一版到现场微调即可。4.2 原始数据记录高速存储与数据量估算SAR原始回波数据量非常大这点很多人第一次接触时会吓一跳。拿我们那套Ku波段系统举例发射信号带宽500MHz满足奈奎斯特采样定理至少要1GHz采样率如果ADC是12位量化单通道数据率就是每秒1.5GB。再加上I/Q两路通道峰值数据率能到每秒3GB。当然实际系统不会持续全速记录因为雷达是脉冲式发射的占空比一般只有10%左右折合下来连续工作时数据写入速率大约每秒300MB到500MB。这个量级对机载存储设备是有要求的。消费级SD卡根本扛不住持续高速写入我们用的是工业级NVMe固态硬盘阵列容量至少1TB才能保证一次架次30到40分钟的全流程记录。数据备份也是老生常谈的问题野外作业时我每次落地后第一时间把原始数据拷到两块移动硬盘一块现场留存一块随身带回防止设备在返程路上出意外导致数据全丢。4.3 成像处理距离压缩、方位聚焦、自聚焦与几何校正SAR原始数据就是一堆乱七八糟的复数回波不经处理看上去完全是噪声。从噪声到图像要经过一道标准的处理流程。第一步是距离压缩。发射的线性调频信号回波经过匹配滤波把能量在距离向上压缩成一个窄脉冲这一步决定了距离向分辨率。第二步是距离徙动校正。由于卫星或无人机在脉冲发射间隙也在移动同一点目标的回波在不同脉冲里出现在不同的距离门上必须把这条弯曲的轨迹拉直才能为下一步方位聚焦创造条件。第三步是方位向匹配滤波也就是把合成孔径方向上接收到的所有回波做相干叠加得到方位向高分辨率。这三步合起来就是经典的Range-Doppler算法距离-多普勒算法的主体。成像完成之后图像还有两个需要处理的方面。一是自聚焦实际飞行中即便有IMU补偿残余的相位误差还是会让图像出现轻微散焦这时候用相位梯度自聚焦算法PGA或更简单的子孔径相关法利用数据本身估计并修正残余相位误差图像清晰度能有肉眼可辨的提升。二是几何校正SAR图像是斜距投影近距端的比例尺和远距端不一样需要通过距离多普勒定位模型结合数字高程模型DEM把图像重采样到标准的平面坐标系下才能跟地图或光学影像叠加使用。4.4 如何判断一幅SAR图像“能用”处理完的SAR图像怎么评判能不能交付我自己形成了一套快速检查办法。第一用图像上明显的强点目标看聚焦质量比如地面的角反射器、路灯杆、金属围栏这些目标在理想聚焦时应该呈现为一个有规则的十字叉丝状响应如果强点散射在周围一个大圆斑里说明相位误差没补干净。第二用已知长度的地物验证几何精度机场跑道、标准足球场这些固定尺寸的目标在图像上量出的长度和实际长度的偏差应该在几个像素以内。第三看阴影和叠掩的关系是否合理SAR是侧视成像高大建筑的背后应该有清晰的雷达阴影朝向雷达的一面应该有叠掩效应。如果阴影方向不一致大概率是成像参数设置或者飞行方向搞错了。5. 无人机SAR的实战边界哪些场景真的香哪些场景是坑5.1 经典适用场景从洪水到夜间侦查把无人机SAR拿去实战哪些场景是公认的“高光时刻”我梳理了几个自己见过甚至参与过的典型。第一个是洪水灾害评估。水面对雷达波是镜面反射回波极弱SAR图像上水体呈现为非常均匀的暗色区域跟周边的农田、道路、建筑形成强烈反差。而且SAR不受云雨影响暴雨刚停后的第一时间就能起飞获取灾情范围这对应急决策来说极其关键。我记得某次洪涝应急中无人机在雨停后两小时内就交付了完整受灾范围图而同一地区的光学影像因为云层遮挡晚了两天才拿到。第二个是地质灾害监测。滑坡、泥石流发生区域往往伴随恶劣天气和复杂地形光学手段经常“拍不到、看不清”。SAR对地表的微形变有惊人的敏感性通过干涉SARInSAR技术可以检测到毫米级的地表位移。无人机SAR在这个方向上的独特价值是重访周期短、机动灵活可以对重点隐患点做高频次的形变监测虽然精度比星载InSAR略低但胜在随时可飞、针对性强。第三个是夜间侦察与执法。边境巡逻、非法采砂监管、偷捕巡查这类任务往往需要在夜间行动。热红外相机能发现热源但对目标“长什么样”无能为力SAR则能直接给出目标的轮廓和结构特征一条船、一台挖掘机、一片违建厂房在SAR图像上都有清晰的几何形态。第四个是农业估产与土壤水分监测。SAR回波对目标的介电常数变化极其敏感土壤湿度高了回波强度就会明显变化。这几年用无人机SAR做田间土壤水分反演、作物生物量估算的研究越来越多虽然目前还偏科研向但落地潜力很大。5.2 容易被低估的难点叠掩、阴影与强反射体判读SAR图像表面上看起来像灰度照片实际上成像机理跟光学完全不同没有经验的人第一次拿到SAR图经常被“误导”。这里有几个非常经典的现象必须提前心里有数。叠掩Layover山地或城市里的高大目标顶部反射回波比底部先到达雷达导致目标顶部在图像上“倒向”雷达方向看起来像建筑物倒在地上。阴影Shadow则由雷达波束被遮挡造成目标背后出现一条长长的无信号区域。这两个现象在侧视雷达成像中天然存在关键在于判读时要有意识地识别否则很容易把阴影区域当成水面或把叠掩现象当成目标真实形态。强反射体是另一个常见的坑。金属围栏、高压线铁塔、大型厂房这类面朝雷达方向的金属目标回波强度极大在图像上形成一个特别亮的十字叉或扇形亮带把周边一片区域的回波都掩盖掉。做建筑物普查时我遇到过好几次一排铁塔的强散射直接抹掉了几百平方米内的细节。应对办法一是选择合适成像角度让强反射体尽量处于阴影区二是在解译时自动检测强散射模式对其覆盖区域做标识提示避免误判。5.3 多源融合让SAR与光学影像互相补台单独看SAR图像灰度视觉效果远不如光学影像直观行业用户接受度偏低。解决这个问题的办法是多源融合把SAR的“全天候获取能力”和光学的“直观纹理细节”结合起来。最简单的融合方式是图像层面的替换与修补。常见的一种应用是光学影像去云在测区有云覆盖时用同时相或相近时相SAR图像把云遮挡区域的灰度信息填进去。更高级的做法是像素级融合对SAR和光学影像做小波变换或主成分分析把两者的高频细节和低频结构按权重叠加得到一张兼具SAR纹理特性和光学视觉效果的融合影像。我在一个农业监测项目里用过这种方案融合后的影像既保持了光学影像的自然色彩又在多云地区补全了关键信息客户反馈判读效率提升非常明显。当然融合也有代价。SAR和光学影像之间存在系统性几何偏差直接叠加会出现重影需要先用地面控制点做精确配准。姿态角差异也会导致地物形态不一致所以在采集两种数据时尽量让航向一致或接近能显著降低后处理配准难度。5.4 新趋势干涉SAR测高、动目标检测与AI解译无人机SAR这个领域技术迭代速度相当快。我最近关注的几个方向都是实践层面能直接带来价值的。干涉SARInSAR测高是利用同一区域两次成像的相位差反演地表三维信息精度可以达到米级甚至亚米级。把InSAR载荷装到无人机上等于给无人机装了一副“三维透视眼”低成本获取高精度地形数据在工程测绘和矿山监测里前景很大。动目标检测GMTI则通过SAR的相位历史提取运动目标的速度和方向信息在交通监测、边境巡逻这些场景里价值极高目前已经有部分商用无人机SAR开始集成这个功能。另一个不可忽视的趋势是AI解译。SAR图像的传统判读非常依赖专家经验一个熟练的判读员培养周期以年为单位。现在深度学习技术在SAR目标检测与地物分类上已经能做到相当高的准确率尤其在舰船检测、车辆识别这些任务上效果已经接近甚至超过人工判读。我强烈建议做SAR应用的朋友无论你是做处理还是做应用都在自己的流程里从早期就规划好“AI人工复核”的解译链路这是效率提升最明显的一条路。6. 踩坑锦囊无人机SAR实测中的高频问题与对策6.1 IMU标定与GPS天线相位中心偏移导致的定位漂移我最初做无人机SAR系统集成时遇到的第一个大问题就是精密定位参数对不齐。IMU有一个安装角误差虽然出厂时会标定但经过运输振动和多次拆装后这个误差值会慢慢发生变化。如果安装角误差不修正SAR图像明明处理流程全对最终成果的位置就是会整体偏移几米甚至几十米。这个问题的排查思路是先做静态检查再飞动态标定。每次装机时先用水平仪确认雷达天线面和IMU基准面之间的机械平行度再用专用标定场做飞行标定在地面布设角反射器作为已知坐标控制点跟成像得到的目标位置进行对照反算安装角误差并回填到系统配置里。GPS天线相位中心和雷达天线相位中心之间的空间偏移矢量也要精确量测后录入处理软件否则定位精度同样会受影响。6.2 图像发花与散焦运动补偿误差的典型表现一次在山区飞行处理出来的SAR图像出现了明显的规律性模糊像是整张图被轻微涂抹了一样。排查下来原因其实很简单山区气流导致无人机横滚角出现了周期性摆动幅度大约一度左右。之前我们在平原地区飞行时同样幅度的姿态扰动对成像影响可以忽略但山区近距成像时姿态摆动导致的波束指向抖动直接对应到地面就是不小的位移误差刚好超出了运动补偿算法的容忍范围。后来跟雷达厂家沟通解决办法分两步走。第一步是改进飞控策略在有预计颠簸的航线中把飞行高度适当抬高留出更大的斜距冗余摊薄姿态误差的地面投影。第二步是升级处理参数在运动补偿模块里针对高频姿态抖动加入一个低通滤波代价是图像边缘的方位分辨率略降但整体清晰度稳定多了。如果你也遇到类似问题先检查IMU带宽和运动补偿滤波参数不要一上来就怀疑雷达坏了。6.3 回波饱和与强反射干扰SAR处理出的图像上偶尔会出现大面积亮带或“拉丝”现象处理软件怎么调都去不干净。这个问题在飞越城市或工业区域时特别常见。高压电线、金属厂房、桥梁钢架这些强反射体返回的信号功率超过接收机线性动态范围的上限形成饱和截断饱和导致的非线性畸变会在方位向产生长长的条带噪声盖掉周边大片信息。对付这个问题最实用的一招是调整成像几何关系让航线规划尽量避开强反射体的“垂直反射”区域——回波饱和更甚。这听起来像废话但实际航线规划时多数人只关注测区覆盖很少主动检查强反射体与航线之间的角度关系。有一个技巧是当你无法完全规避时尝试让雷达视线与强反射体主反射面呈较大夹角比如从斜上方斜扫过去而不是正对扫过去饱和程度会明显下降。6.4 载荷重量对续航的连锁反应重量是无人机SAR项目里那个“沉默的杀手”。很多团队选型时只盯着雷达重量觉得“4公斤无人机能挂”却忘了这个额外重量对整机续航、平衡、抗风性的连锁影响。无人机增加的每一公斤载荷都会带来续航下降、电机负荷增大、抗风能力变弱等一系列后果。我个人的经验是选型时不要把载荷重量刚好卡在无人机的标称最大载重上至少留出15%到20%的余量。另外雷达载荷的挂载位置直接影响整机重心和气动焦点挂载架的设计最好能对重心做微调。第一次试飞前一定要做一轮完整的重心校核和电机推力余量测试否则真到了作业现场才发现飞机飞不到目标高度那才是真的被动。还有一个小细节雷达工作时对供电质量很敏感。我曾经遇到过无人机电池电压在任务后期下降导致雷达发射功率波动图像一致性变差的情况。后来在任务规划里加上了一条硬规矩雷达工作时间所占用的电池容量要与执行任务的时间匹配确保雷达发射期间电压始终保持在高位区间。说白了SAR无人机作业不光是考验雷达和算法更是一场从电量管理、飞控稳定性到数据链带宽的系统工程统筹战。