1 引言
“低慢小”是“低空慢速小型”无人机的简称，通常飞行高度低于1 km，速度不超200 km/h，雷达散射截面小于2 m2，按结构可分为多旋翼、固定翼无人机及小型无人直升机[1]，商用、民用小型无人机多在此范畴。随着消费级无人机市场的几何式增长，各类“黑飞”、越界、袭击等危安事件发生频率不断攀高，国外先后发生了“低慢小”无人机“擅闯白宫”“飞越巴黎地标建筑”“携带放射性物质坠入日本首相官邸”“携炸弹袭击委内瑞拉总统”等事件[2]，国内近期也发生了西安马拉松赛遭遇无人机“黑飞”事件。对无人机的监控和反制已刻不容缓，“无人机拒止”这一概念也逐渐引起重视，其主要指综合运用各种装备技术手段，阻止敌(对)方“低慢小”无人机非法侵入我方警戒或管辖区域的行为。由于相关拒止技术较无人机技术发展相对缓慢，对“低慢小”无人机拒止技术热点、前沿和发展趋势的研究分析更具指导价值。
科学知识图谱[3]是科学计量学的一种特殊表现形式，是对科学知识的结构关系和发展历程进行可视化显示的图形语言，其以知识域(knowledge domain)为对象，将科学知识及其活动规律从数学表达转向图形表达并最终生成图形产品[4]。作为一款可用于研究科学分析中蕴藏的潜在知识、在数据可视化和科学计量学背景下发展起来的文献可视化分析软件，CiteSpace能够将文献之间的关系以科学知识图谱的形式可视化呈现，既能梳理过去的发展轨迹，也能对未来的研究前景进行预测[5]。其开发者为美国Drexel信息科学与技术学院的陈超美博士，文献[6]阐释了软件的基本原理，迄今(截至2021年6月6日)在谷歌学术搜索(google scholar，GS)上已被引3219次。张敬利用CiteSpace对我国图书情报档案领域智能技术研究的发展历程、研究热点和未来发展趋势进行了可视化分析[7]。杨琴以“生态产品”为主题，运用CiteSpace软件分析将该领域研究轨迹划分为“起步、缓慢增长和快速发展”3个阶段，为后续研究提供了参考[8]。叶中华着眼近年来公共危机频发趋势，以新冠疫情为例，采用CiteSpace对公共危机管理研究的演化趋势进行了可视化分析，发现了危机治理、协同治理和网络舆情等研究热点[9]。
本文利用CiteSpace软件，以WOS(web of science/SCI)和CNKI数据库中收录的“低慢小”无人机拒止技术相关文献数据为分析样本，旨在研究分析该领域的研究热点、前沿及发展趋势。
2 数据来源及研究方法
2.1 数据来源
采取高级检索方式，时间范围涵盖所有年份，检索时间为2021年6月6日。在WOS数据库中搜索主题为“Low-slow-small”or“Anti UAV”or“Anti Drone”or“Counter UAV”or“Counter Drone”，获得691条英文数据，根据主题、学科和期刊相关性进行人工筛选，剔除会议、报纸类等关联度低、学术性弱的文献，得到有效英文数据110条，信息包含了标题、作者、关键词、期刊、领域、摘要、引文等要素，再将数据导入软件处理后得到“低慢小”无人机拒止技术英文数据集；在CNKI数据库中搜索主题为“低慢小”or“反无人机”or“无人机反制”or“无人机拒止”，获得310条中文数据，按同样方法筛选后获得有效中文数据258条(学术期刊204条、硕博论文54条)，将其进行处理后得到中文数据集。
2.2 研究方法
运用计量学的方法，通过绘制科学图谱来展示“低慢小”无人机拒止技术领域的研究热点和前沿趋势。采用的CiteSpace知识可视化软件是目前最为流行的知识图谱工具之一，研究形式主要为数据共现、聚类、时区、突变等可视化分析。该软件应用流程如图1所示。
图1 CiteSpace的应用流程框图
Fig.1 CiteSpace application process
3 “低慢小”无人机拒止技术领域学术关注度、专家及机构分析
3.1 学术关注度分析
研究文献数量是衡量科学知识量和国内外学术关注度的重要标度之一，通过对国家/地区发文量进行分析，可以得到某领域研究在各国的学术关注度情况，如图2所示。借助CiteSpace软件对WOS英文数据集中的国家/地区发文情况进行可视化分析，通常某国节点圆圈越大，则该国发文量越多，学术关注度也越高，节点位置越靠近中央，则学术地位越重要，节点间的连线代表了各国研究的合作情况。
图2 各国学术关注度情况示意图(WOS)
Fig.2 the degree of academic attention in different countries(WOS)
从图2可以看到，中、美两国节点圆圈最大，位置也最居中。图3显示了文献量排名前15的国家/地区。由此可认为，中美两国对该领域的学术关注度最高，学术地位也最重要。
图3 各国英文文献量统计直方图(WOS)
Fig.3 Statistics of English literature in different countries(WOS)
在同一时序不同阶段，文献数量与科学知识量成正比，发文量的变化直接反映了“低慢小”无人机拒止技术研究的变化情况。分别对WOS英文文献集和CNKI中文文献集的发文趋势进行分析，得到图4和图5。
图4 各国英文文献量趋势直方图(WOS)
Fig.4 Trend of English literature in various countries(WOS)
从图4可知，国外英文文献量自2014年开始显著上升，至2018年达到巅峰，2020年疑受新冠疫情影响，发文量稍有回落，而2021年数据统计还未完成；从图5可知，国内中文文献量在2014年之前较少，年均仅1篇文献发表，其后发文量显著增涨，尤其在2018年后急剧增加。两图走势均说明“低慢小”无人机拒止技术研究在2014年前还未引起国内外专家重视，而2014年后学术关注度的上升曲线，与消费级无人机市场的增长曲线基本对应。
图5 国内中文文献量趋势曲线(CNKI)
Fig.5 Trend of domestic Chinese Literature(CNKI)
3.2 专家及机构分析
图6为各国专家的英文文献发表情况，发文量越多，则该专家学术活跃度越高；图7为各国机构的英文文献发表情况。排名靠前的机构中，北京理工学院、北京航空航天大学、华东师范大学、浙江大学的发文量分别位列第1、7、8、10位，这些重点高校均为我国“低慢小”无人机拒止技术的核心研究机构，再度证明我国对该领域学术关注度较高。
图6 各国专家英文文献发表量柱状图(WOS)
Fig.6 Histogram of English literature published by experts in different countries(WOS)
图7 各国机构英文文献发表量柱状图(WOS)
Fig.7 Column chart of English literature published by national institutions(WOS)
图8给出了国内中文文献产出最多的30名专家，其中，周洲、王鹏、李为民最为活跃；从图9可知，相关专家多集中于空军工程大学、国防科技大学、海军航空大学等军队重点科研院校，表明该领域研究已引起我军高度重视，侧面反映出“低慢小”无人机威胁形势的严峻性和相关拒止技术研发的迫切性。
图8 国内专家发文量柱状图(CNKI)
Fig.8 Histogram of domestic experts’ papers(CNKI)
图9 国内机构文献量柱状图(CNKI)
Fig.9 Column chart of literature quantity of domestic institutions(CNKI)
4 “低慢小”无人机拒止技术热点、前沿识别及趋势分析
4.1 关键词共现分析
一篇论文的核心概括是关键词，对其分析可以更深刻地把握论文主题。文献中不同的关键词必然存在某种关联，共现频次就是这种关联的典型表现形式。通常，同一关键词在多个文献中出现的频次越高，即说明这些文献的主题关联越紧密。关键词共现分析就是利用文献集内关键词共同出现的情况，来确定该领域的研究热点[10-11]。使用CiteSpace软件对文献集进行可视化显示，图10、图11中节点数就是关键词个数，只要2个不同关键词在同一篇文献中出现过，两者间就会生成一条连线，表示两者间有紧密联系；图10、图11中节点圆圈大小表现出关键词的频次高低情况，频次越高，圆圈就越大，该关键词所代表研究主题热度也越高；节点的位置越靠近中央，则该关键词的连接枢纽性越强，即中介中心度越高，意味着其内容为研究的核心或主流方向。
对WOS英文文献集进行共现分析，如图10所示，带着紫色醒目轮廓的6个节点圆圈，由大至小依次为“drone、uav、deep learning、radar、classification、computer vision”，依据CiteSpace可视化软件对节点颜色、位置、大小的定义，这6个关键节点中介中心度和词频最高。由于研究主题主要围绕技术层面展开，因此仅筛选与技术相关性较高的关键词，详见表1。
图10 中文关键词共现分析示意图(WOS)
Fig.10 Co occurrence analysis of Chinese keywords(WOS)
图11 中文关键词共现分析示意图(CNKI)
Fig.11 Co occurrence analysis of Chinese keywords(CNKI)
表1 英文关键词共现分析表(WOS)
Table 1 Co occurrence analysis of English keywords(WOS)
序号关键词频次中心度1deep learning220.372tracking180.333drone detection160.224radar150.195computer vision120.146machine learning90.137data fusion70.108passive radar60.089jamming50.0710surveillance radar50.07
表1显示了关键词的共现频次和中介中心度。排名前10的关键词，其共现频次和中介中心度都比较高，排名第1位的“deep learning”，共现频次22，中介中心度0.37。通常认为，中介中心度只要大于0.35，就属于占主导地位的关键词。经分析发现，排名前十的关键词，除“jamming”属干扰技术范畴外，其余均属于探测技术范畴，表明国外目前研究热点主要集中于无人机探测领域。
对CNKI中文文献集进行共现分析，如图11所示，较醒目的7个节点圆圈，由大至小依次为“雷达探测、光电探测、声学探测、光学探测、激光毁伤、无线电探测和红外探测”，这些关键词节点中介中心性和词频最高，表明它们是目前国内该领域的研究热点。
表2为中文文献集中排名前10的关键词，排名第1位的是“雷达探测”，共现频次47，中介中心度0.78。排名第2、3、5、6、8、10位的关键词均属“光电探测”范畴，可进行同类项合并，其共现频次共为48，中介中心度为0.93。另外可注意到，排名前10的关键词中，有8项为“探测技术”，仅“激光毁伤、网捕技术”2项为拒止毁伤技术。由于不同文献对某些概念相同的关键词表述不一致，导致同义关键词重复率较高，因此还需进一步进行聚类分析。
表2 中文关键词共现分析表(CNKI)
Table 2 Co occurrence analysis of Chinese keywords(CNKI)
序号关键词频次中心度1雷达探测470.782光电探测200.503声学探测150.184光学探测110.125激光毁伤80.176无线电探测80.027红外探测60.058激光探测60.059网捕技术50.1910激光测距50.21
4.2 关键词聚类分析
为对研究现状有更宏观整体的认识，有必要进行关键词聚类分析。聚类分析能够反映该研究领域的主题分类，不同的聚类，代表不同的研究方向和侧重点。由CiteSpace软件通过TF*IDF加权算法、对数似然率算法及交互信息算法，将关系较为紧密的关键词进行聚类，并为所有关键词赋值，同一聚类中值最大者当选为该类别代表，打上标签，而后软件对聚类平面区域进行普染，明确研究区域和边界范围。区域越大，所含的节点越多，该领域的研究内容就越丰富，重叠区域是2个研究领域的交叉部分。
如图12所示，软件将英文关键词划分成“0”至“8”9个聚类，所给出的聚类序号数字越小，聚类中包含的关键词就越多，参见表3，表3中年份为该聚类中关键词最早出现的年份。
图12 英文关键词聚类分析示意图(WOS)
Fig.12 Clustering analysis of English keywords(WOS)
表3 英文关键词聚类表(WOS)
Table 3 Clustering
Table of English keywords(WOS)
序号聚类名称容量年份0data fusion2919911computer vision2720042jamming2520113counter uav1820054doolppler radar physiological sensing1820105passive radar1120156aulos passive sensor1019807tracking91996
根据英文关键词聚类分析结果，再参考相关英文文献，可将以上聚类划分为光电探测技术研究(#0#1)、频谱干扰技术研究(#2#7)、雷达探测技术研究(#4#5#6)等3个重点研究领域。
如图13所示，软件将中文关键词划分成“0”至“5”等6个聚类，参见表4。
图13 中文关键词聚类分析示意图(CNKI)
Fig.13 Clustering analysis of Chinese keyword(CNKI)
表4 中文关键词聚类表(CNKI)
Table 4 Clustering
Table of Chinese keywords(CNKI)
序号聚类名称容量年份0光电探测3419801雷达探测3219802声学探测2720083杂波抑制2620094跟踪加搜索2219805定向能毁伤132012
根据中文关键词聚类分析结果，参考相关中文文献，可将中文关键词聚类划分为光电探测技术研究(#0)、雷达探测技术研究(#1#3#4)、声学探测技术研究(#2)、频谱干扰技术研究(#4)和定向能毁伤技术研究(#5)等5个重点研究领域。
4.3 关键词聚类时区分析
关键词聚类时区变化能够直观地体现不同时序的研究内容变化，某聚类中的关键词会在最早出现的时间点进行叠加，后续研究中，无论该关键词出现在哪一时区，均会在最初时间点积累，而后续研究会在该聚类时间轴上继续延续，在某段时区内该聚类所含关键词出现频次越高，则最初节点越大，说明该聚类研究成果越多；延续时间越长，则时间轴相应越长，代表该聚类研究越趋向成熟。如图14、图15所示。
图14 英文关键词聚类时区分析示意图(WOS)
Fig.14 Clustering time zone analysis of English keywords(WOS)
图15 中文关键词聚类时区分析示意图(CNKI)
Fig.15 Analysis of Chinese keyword clustering time zone(CNKI)
参考中英文文献量变化及相关专家意见，可将国外和国内研究情况进行综合聚类分析。将国内外研究发展状态按成熟度由低至高区分为研究探索阶段、快速发展阶段和研究深化阶段。综合中英文关键词共现频次、关键词聚类、聚类时区分析结果，并梳理相关文献，对图14、图15进行综合聚类分析如下。
4.3.1 光电探测技术研究
光电探测技术研究自1980年开始至今，经长期持续发展，总体较为成熟，目前处于研究深化阶段。结合关键词频次分析结果，该领域热点包括激光探测、红外探测、光学探测及无线电频谱探测技术。梳理文献[12]可知，激光、红外、可见光探测技术优势在于可实现近距离精准探测，但这3项技术探测范围有限，易受雨雪、雾霾、沙尘等天气干扰。无线电频谱探测技术效费比较高，但定位精度低，对未知频段或无线电静默状态下的无人机无能为力，且易受城市复杂电磁环境干扰。研究前沿集中在基于深度学习的探测与识别技术研究，旨在能够从飞行特征识别上智能区分飞鸟、无人机等近似目标。
4.3.2 雷达探测技术研究
作为目前使用最广泛和成熟的探测手段，雷达探测技术当前正处于研究深化阶段。梳理文献[13]可知，由于“低慢小”无人机具有雷达散射面小、回波信噪比低、低空区杂波干扰大的特点，使用雷达探测的难度越来越大，因此，该领域研究前沿主要集中在杂波抑制技术和基于深度学习的识别、跟踪加搜索技术。
4.3.3 声学探测技术研究
声学探测技术研究自2008年开始兴起，目前处于快速发展阶段。该技术成本低廉，可实现全天候无间断探测，不易受城市建筑物等复杂地物遮挡，缺点是易受背景噪声影响且探测距离有限，且对静音、微声无人机无能为力[14]。研究前沿为如何解决在复杂环境音背景下音频识别难的问题，提高探测抗干扰能力。
4.3.4 频谱干扰技术研究
无线电频谱干扰技术是通过对无人机定位系统或操控无线电信号进行干扰，使其失控迫降、悬停或者返航，是当前无人机反制的主要手段，主要分为卫星定位信号干扰和操控信号干扰等2种形式[15]。目前该技术处于研究深化阶段，研究前沿为操控信号跟踪式干扰技术，该技术通过对无人机操控信号跳变频段进行针对性搜索，缩小干扰范围，在提高干扰成功率的同时减小电磁环境影响。
4.3.5 定向能毁伤技术研究
定向能毁伤技术研究兴起于2012年，目前仍处于研究探索阶段。从关键词共现频次分析，该领域主要包括激光、微波毁伤等2项技术。梳理文献可知，激光毁伤作用距离远、成功率高，但面对无人机“蜂群”时单次毁伤效率低，且需要连续不间断照射才能完全摧毁目标。微波毁伤具有打击范围大，跟踪瞄准精度要求低的特点，对无人机“蜂群”毁伤效率较高，但也存在发射功率要求高、设备体积庞大、维护费用昂贵等缺点。研究前沿在向装备小型化、车载化方向发展。
研究还发现，网捕技术和硬毁伤技术这2个关键词共现频次较低，在软件聚类时被算法忽略，并未出现在聚类图谱中，说明这2项技术关注度、成熟度不高，这也与当前研究现状较为吻合。结合相关文献分析，网捕技术受目标景深等因素影响，存在精确瞄准难度大、捕获成功率较低的缺点。硬毁伤技术主要是使用导弹击落、鹰隼扑抓、枪械打击等技术手段摧毁无人机，这些技术限制条件较多、成本较高，且在人员密集场所易造成次生伤害。
4.4 关键词突变分析
突变分析功能是CiteSpace提供的用来探测在某一时间阶段出现量有突然变化的情况，以便研究者更直观的发现某一个主题或关键词涌现或兴起的现象。如图16、图17所示。
图16 英文关键词突变分析图(WOS)
Fig.16 Analysis of English keywords mutation(WOS)
从图16可知，tracking自1999年开始爆发，至2009年衰退，deep learning自2005年开始涌现，一直持续到2021年，说明这项技术大概率是未来研究的主攻方向之一。
图17 中文关键词突变分析图(CNKI)
Fig.17 Analysis of Chinese keyword mutation(CNKI)
从图17可知，频谱干扰技术自2013年爆发，至2019年衰退，激光毁伤的涌现期为2016—2018年，微波照射技术自2017年开始兴起并持续至今，说明微波照射技术也是未来研究的主要方向之一。另外，以上3项技术均属拒止类技术，表明近年来，研究趋势已由探测技术领域逐渐转向拒止毁伤技术领域。
5 结论
本文运用CiteSpace软件对国内外“低慢小”无人机拒止技术研究的相关文献进行了可视化分析，得出以下结论：
1) 该领域研究目前正处于快速发展阶段，未来相关技术和装备产品的研发将保持高速增长；
2) 从概念内涵到理论成型，再到具体产品型号的研发，“低慢小”无人机拒止技术研究已取得阶段性进展，随着探测及拒止技术研究的不断深化，在理论研究与实践探索上仍具有较大的发展空间；
3) 现阶段，国内外研究主要集中于目标探测技术领域，拒止技术研究仍处于探索起步阶段，较成熟的装备型号还比较稀缺；
4) 当前研究热点为雷达探测、光电探测和频谱干扰技术，研究前沿为声学探测和定向能毁伤技术，未来的研究趋势有较大概率集中于机器深度学习和微波毁伤技术。
基于对“低慢小”无人机拒止技术发展可视化分析，可以从以下几个方向继续深化：
1) 加强融合式探测技术发展。针对各类探测技术的优缺点，将擅长远距探测的雷达技术和擅长近距探测的光电技术、声学技术相结合，构建远近高低兼顾、全天候抗干扰、多频段全覆盖、全时段不间断工作的融合式探测技术平台。
2) 加大定向能毁伤技术研发。突破激光、微波毁伤关键技术瓶颈，发展小型化、低功率、战术型激光武器，加大对高功率微波源技术和微波压缩技术研究，开发针对无人机的小型车载高功率微波武器。
3) 健全无人机拒止技术评估方式和体系。由于无人机拒止技术效能评估方式还不成熟，导致相关装备性能良莠不齐，且存在重复建设、资源浪费等问题，应从技术成熟度、满足度等指标出发，着眼满足军事需求、适应未来装备发展需求进行技术评估，并根据评估结果进行优化，使“低慢小”无人机拒止技术的效费比和体系结构更加科学合理。
[1] 蒋镕圻，白若楷，彭月平.低慢小无人机目标探测技术综述[J].飞航导弹，2020(09)：100-105.
Jiang R Q，Bai R K，Peng Y P.Overview of target detection technology of low-slow-small UAV[J].Cruise Missile，2020(09):100-105.
[2] 何昌见,凌建寿,石凌飞.无人机探测与反制技术发展[J].警察技术,2019(03)：4-7.
He C J，Ling J S，Shi L F.Development of UAV detection and countermeasures technology[J].Police Technology，2019(03):4-7.
[3] 陈悦,刘则渊.悄然兴起的科学知识图谱[J].科学研究,2005,23(02)：149-154.
Chen Y,Liu Z Y.The quietly rising Atlas of scientificknowledge[J].Scientific Research,2005,23(02):149-154.
[4] 陈悦,陈超美,刘则渊.CiteSpace知识图谱的方法论功能[J].科学研究，2015,33(02)：243-253.
Chen Y，Chen C，Liu Z Y.Methodological function of CiteSpace knowledge map[J].Scientific Research，2015,33(02):243-253.
[5] 黄鲁成,王凯,王亢抗.基于 CiteSpace 的家用空调技术热点、前沿识别及趋势分析[J].情报杂志,2014,33(02):40-43.
Huang L C，Wang K，Wang K K.Hot spots，frontier identifica[J]tion and trend analysis of household air conditioning technology based on CiteSpace[J].Information Journal，2014,33(02):40-43.
[6] Chen C．CiteSpace Ⅱ:Detecting and visualizing emerging trends and transient patterns in scientific literature[J]．Journal of the American Society for Information Science and Technology,2006,57(03):359-377.
[7] 张敬，朱相丽．中国图书情报档案领域智能技术研究演化分析——基于CiteSpace[J]．科学观察，2021，16(03):63-77.
Zhang J，Zhu X L.Evolution analysis of intelligent technology research in the field of library，information and archives in China — Based on CiteSpace[J].Scientific Observation,2021,16(03):63-77.
[8] 杨琴.基于CiteSpace的生态产品研究进展可视化分析[J].农业与技术,2021,41(08):120-122.
Yang Q.Visualization analysis of research progress of ecological products based on CiteSpace[J].Agriculture and Technology，2021,41(08):120-122.
[9] 叶中华，赵宏利．我国公共危机管理研究的热点、演化趋势及前沿——基于CiteSpace的文献计量[EB/OL].[2021-04-27].https://kns.cnki.net/kcms/detail/11.5286.g3.20210427.1454.002.html.
Ye Z H，Zhao H L.Hotspots，evolution trends and frontiers of public crisis management research in China — Bibliometrics based on CiteSpace[EB/OL].[2021-04-27].https://kns.cnki.net/kcms/detail/11.5286.g3.20210427.1454.002.html.
[10] Bailónmoreno R，Juradoalameda E，Ruizba
os R，et al.Analysis of the field of physical chemistry of surfactants with the unified scientometric mode.Fit of relational and activity indicators[J].Scientometrics,2005,63(02):259-276.
[11] 赵蓉英,许丽敏.文献计量学发展演进与研究前沿的知识图谱探析[J].中国图书馆学报,2010,36(05):60-68.
Zhao R Y，Xu L M.The evolution of bibliometrics and the analysis of knowledge mapping of research frontiers[J].Journal of Library Science of China，2010,36(05):60-68.
[12] 李震.低小慢目标光电探测技术研究[D].西安:西安电子科技大学,2018.
Li Z.Research on photoelectric detection technology for low-small-slow targets[D].Xi’an:Xi’an University of Electronic Science and Technology，2018.
[13] 李琴，黄卡玛．低空小型无人机雷达探测距离仿真分析[J]．无线电工程，2018，48(04):303-307.
Li Q，Huang K．Simulation Analysis of Radar Detection Range for Small Low altitude UAV[J].Radio Engineering，2018，48(04):303-307.
[14] 孟蕊，康振宇．声学在非致命武器中的应用探究[J]．电声技术，2020，44(04)：70-72.
Meng R，Kang Z Y．Application of acoustics in non lethal weapons[J]．Audio Engineering，2020,44(04);70-72.
[15] 梁博.小型无人机电磁反制技术的研究与实现[D].西安:西安电子科技大学,2019.
Liang B.Research and implementation of electromagnetic reaction technology for small UAV[D].Xi’an:Xi’an University of Electronic Science and Technology,2019.