空间谱测向作为现代测向技术的“高端选手”，凭借超分辨、多目标处理的优势打破传统技术瓶颈，而单通道接收机的引入，更是解决了空间谱测向“成本高、部署难”的痛点，让这项高端技术走向更为广泛的工程应用。一、单通道空间谱测向，以低成本实现高端测向单通道接收机与空间谱测向的结合，本质是“性能需求”与“工程落地”的双向适配——空间谱测向解决“测不准、辨不清”的问题，单通道则解决“成本高、难部署”的问题，二者互补形成最优解。传统空间谱测向系统，采用“多通道接收机+多天线阵元”的配置，每个天线阵元都需要一套完整的射

测向技术广泛应用于雷达、技术侦察、电子对抗、通信等多个关键场景。其中，和差测向技术作为基于单脉冲技术的高精度测向方案，凭借快速响应、抗干扰性强的优势，成为兼顾精度与实时性需求的优选技术，贯穿于军事、民用等多个领域的核心设备中。一、和差测向技术概述和差测向本质是比幅测向技术的优化升级，核心是通过天线阵列形成“和波束”与“差波束”，结合两者的幅度或相位关系，实现对信号来波方向的精准解算，是连接基础信号探测与实际应用的关键技术。二、和差测向技术发展历程（1）萌芽阶段（20世纪40-50年代）：理论奠基，源于军

经常有人问，为什么要创业？这个问题，大家听过太多或宏大、或崇高的答案。但作为普通大学出身、做了十几年研发的普通工程师，我很难拿出一套宏大叙事。最本质的那个原因，其实一直在我心里，却始终找不到足够形象、足够贴切的方式把它讲出来。直到有一次，我采集完一段固定时长的无线电信号IQ数据，盯着屏幕上星星点点的瀑布图发呆时，突然就通了——原来我想说的所有话，都藏在这段我每天都在打交道的信号里。图1 典型无线电信号瀑布图大家知道，一段IQ数据，当时长是固定时，采样点数也就固定了。当把这段数据回放、铺开成频谱瀑布图就

近年来，低空经济加速落地，无人机远程识别（RID）已从“可选功能”变成强制合规标配。不管是监管、安防、研发还是逆向分析，能看懂、会解析RID，是低空领域的核心技能。本文以中国、美国已经发布的无人机RID标准为参考，对无人机RID的技术、原理以及解析方法进行论述。中国无人机标准为GB 46750-2025 民用无人驾驶航空器系统运行识别规范以及GB42590—2023 民用无人驾驶航空器系统安全要求，美国已经发布的无人机标准为 2022年6月 – ASTM发布 F3586-22（美国联邦航空管理局（FAA）发布）。ASTM F3586-22引用了ASTM F3411-22。一、无人机

MUSIC算法是空间谱估计技术中最为经典的算法。这一算法的提出具有里程碑式的意义，促进了特征结构类算法的兴起和发展。它的提出为阵列测向打开了一片广阔的空间。其基本思想是利用信号子空间和噪声子空间之间的正交性来实现入射信号的来波方向估计。图1 典型的空间谱测向系统组成空间谱测向的主要步骤见《测向体制系列介绍：空间谱测向技术概述》。空间谱测向的阵列接收信号模型为：其中，天线阵元数为M，则可以测向的信号数为L，L≤M-1。阵列信号接收模型中的M维信号表示M个天线阵元，但是不一定是严格同时采集的信号，即不一定需要M个采

导读低空经济快速发展，无人机应用普及的同时黑飞隐患凸显，无人机图传定位成为低空安防核心刚需。TDOA（到达时间差）作为无线电无源定位核心技术，是无人机图传定位的主流方案之一，其核心是通过多基站协同接收信号、捕捉时间差，结合基站坐标解算无人机位置，适配无人机2.4G/5.8G频段、低空高速等特征。实际部署中，TDOA兼具无源隐蔽、定位精准等优势，也存在时钟同步严苛、干扰频发等瓶颈，其表现与信号特性、应用场景及系统配置相关。下文将剖析其优劣势、对比同类技术并给出优化方案，为低空安防技术选型和工程部署提供参考。01核心优

下一期我们将总结分析用TDOA技术对无人机进行定位的优劣势！关于祯仪祯仪科技，专业从事宽频段无线电信号接收，适用于无线电管理、信号侦查与分析、通用频谱分析、卫星导航监测、低空复杂电磁环境感知等。

前言阵列测向是依托天线阵列获取信号空域特征的测向技术总称，包含比幅法、相位干涉仪、空间谱测向等分支；空间谱测向是其中基于空间谱估计、子空间分解的现代高精度分支，凭借超分辨、多目标分辨的核心优势，成为阵列测向中技术最核心、应用最主流的高端方向。一.复杂的电磁环境催生新技术要理解空间谱测向的价值，得先回到它诞生的背景——上世纪中后期，随着雷达、通信技术的快速发展，电磁空间越来越“拥挤”：战场上的雷达信号、民用通信的无线电波、自然环境的电磁噪声交织在一起，传统测向方法渐渐“力不从心”。相比其他测向技术，

前言俄乌冲突的战场实践，已然成为新型军事技术的“试验场”与“催化剂”，其中无人机与反无人机技术的博弈尤为激烈。这场“矛与盾”的持续对抗，让一个核心命题愈发凸显：无人机的作战效能，根本上依赖于稳定、可靠的通信链路，这也是为什么光纤无人机能够横空出世。而“反反无人机”能力的核心，正是突破敌方电子干扰的无人机抗干扰通信技术。传统通信抗干扰主要有跳频、跳时、扩频等，其本质是在时间与频率维度上进行时频设计以达到“躲避”干扰信号的目的。然而，随着干扰技术的不断发展，各种大功率、智能型干扰手段层出不穷，仅仅依

01前言不少朋友在接收机、频谱仪的选型过程中，非常关心ADC的位宽。甚至一些技术需求中，把ADC位宽作为为数不多的最重要指标。这是为什么呢？因为我们下意识地套用一个“万能公式”——用ADC位宽直接乘以6.02+1.76，就敲定了设备的动态范围。比如看到12位ADC，就默认动态范围是74dB；看到16位ADC，就觉得能达到98.08dB的优异表现。但遗憾的是，这是一个典型的认知误区。真实设备的动态范围远非“位宽×6.02”这么简单，实际ADC存在热噪声、谐波失真、串扰等非理想因素，因此不能直接用标称位数衡量性能，而是用有效位数（ENOB）衡量其真实

在适当超出这三个接收机所定义范围的区域，双曲线趋于相互并行，这样TDOA系统只能测试类似于方位线的东西。04总结 TDOA无线电定位技术固然有很多优点，但其定位效果强依赖于未知的被测信号自身带宽，依赖于其与监测网络之间合理的地理位置关系，二者同时满足，缺一不可，这也是不争的事实。

本文将系统地剖析TDOA定位技术，深入讲解其系统组成、核心算法，并揭示影响其精度的关键因素，最后以热门的无人机定位为例，展示其实际应用。一.典型TDOA系统的组成一个完整的TDOA定位系统包含以下四个关键部分：1. 接收网络：由多个（以二维定位为例，至少3个）地理上分散的接收站点组成。它们负责实现对目标（如电台、手机、无人机）发射信号的接收。2. 时间同步系统：时间同步是TDOA技术的生命线。所有接收站的时钟必须保持高度同步（精度需达纳秒级），否则时间差测量毫无意义。通常通过GPS/北斗授时或精密时间协议实现。3. 通信传输网

前言近年来AI新技术开始在各个领域进行推广和应用，在信号分析识别领域也不例外。本文首先分析AI在信号分析识别领域的典型应用场景，结合GPU/NPU的历史演进，分析比较几个国内外主流厂商的产品，并指出其当前面临的问题和缺陷，最终给出一套适用于信号分析识别系统的中心端/边缘端的参考方案。GPU/NPU在信号分析识别中能干啥？

前言到达时间差(Time Difference Of Arrival 简称TDOA）是一种强大且应用广泛的无源定位技术，其核心优势在于能够对非合作目标进行高精度定位。在实际应用中，也常将TDOA与AOA（到达角度）、FDOA（到达频率差）等技术融合，以形成更鲁棒的混合定位系统。TDOA既具备二维定位又支持三维定位，可根据应用场景的维度需求决定的。●如果目标基本在二维平面上运动（如地面车辆、人员），二维TDOA是更经济、高效的选择。●如果目标在三维空间中自由运动（如飞机、无人机），或需要区分不同楼层的信号源，则必须使用三维TDOA，并需要为此付出更高的

前言奈奎斯特采样定理（奈奎斯特-香农定理）明确：若连续信号x(t)的最高频率（带宽）为Fc，且采样率Fs2Fc，则信号可通过采样值无失真地重建原信号。对此，不管是真明白还是假明白，我们都深信不已。但看着ADC采集的那一串数字信号，你有没有觉得它们不是原信号“亲生的”？比如，模拟世界中的原信号是漂亮又平滑的波形，采集出来的为什么是“张牙舞爪”的锯齿波，有没有种魔童转世的感觉？图1 原始信号VS离散采样信号若“温太医”拍着胸脯告诉您，这个数字信号就是原信号“亲生的”，那我们应该怎样来“脑补”这个数字信号？怎样科学地在我

博通公司的商标相对英伟达，英特尔，AMD等公司，博通在大众中似乎显得没那么知名，其实博通是一家芯片产品众多的公司，年产值都是排到全球半导体企业前十的。今天我们不描述这个公司的品种繁多的芯片产品，说一说这个公司的商标图形，就是下图这个商标。图1 独具特色的商标跟其他公司的商标一个明显的差异是，这个商标采用了一个信号波形，这种商标是很引人注目的，也很独具特色，可以让人一下子记住这个公司。同时，这个信号波形图形，也表征着这家公司主要聚焦通信类产品，以及与通信相关的应用场景。第一眼可能让人认为这是一个正弦波波

最近，小米汽车的相关话题在网络上持续发酵，从“绿化带战神”、到“比茅台还多一度的白开水”、比“汤臣一品还多1%绿化率的小区”的花式玩梗，我们看到了网友造梗的才华，也让人感受到小米被流量反噬的那份无奈，任雷总大声疾呼，小米是一台好车，也挡不住网友去找小字。

当裘千仞用“水上漂”武功，以相同步频连续踩踏水面时，水面激起了多圈波浪。干涉仪是干涉原理的巧妙应用。通过监测这些条纹，我们就能以极高的精度反推出引起变化的物理量。它用一种叫“分振幅法”的巧妙方式，把一束光拆成两束，让它们在不同“光程” 下再次相遇产生干涉。

本文介绍下利用神经网络进行雷达信号脉内调制类型的识别。一.雷达脉内调制类型简介尽管AI神经网络具备自主提取信号特征的能力，大幅减少了人工特征分析、选择与提取的工作量，但要实现精准分类识别，仍需对信号类型有足够了解，才能更高效地设计模型与方案。

从周杰伦到电磁指纹识别，浅析电磁指纹接收机关键性能要求前言：神奇的倒弹识曲做接收机的小编不是周杰伦的粉丝，却被他的“信号接收与分析能力”所折服。图1 周杰伦参加《最强大脑》第二季节目录制我们不是明星，但对于做信号分析的小伙伴来说，我们也有自己的绝技，可以分辨几乎一模一样的电子设备，它就是电磁指纹。