Antidrone-radarer er hovedsageligt designet til nøjagtigt at overvåge luftrum i lav højde under 1.000 meter over jorden (AGL). Ved at integrere dedikerede signalbehandlingsmoduler og højforstærkningsantenner kan de effektivt fange rodsignaler genereret af jordobjekter, luftmål og forskellige miljøinterferenser (se figur 2), hvilket giver højkvalitets grundlæggende dataunderstøttelse til efterfølgende målidentifikation, banesporing og beslutningstagning mod modforanstaltninger. Ifølge de generelle luftrumsklassifikationsstandarder på luftfartsområdet er luftrum under 1.000 meter klart defineret som lav højde, blandt hvilke rækkevidden under 100 meter er ultralav højde. Påvirket af faktorer som terrænokklusion og bygningsrefleksioner har dette område mere komplekst miljømæssigt rod. I mellemtiden matcher den små droners udholdenhed og operationelle behov, og bliver dermed et primært aktivitetsscenarie for forbrugerluftfotograferingsdroner, industrielle inspektionsdroner og endda nogle ondsindet brugte droner. Ved at tage puls-Doppler-radar, den mest udbredte og teknologisk modne radar i det nuværende anti-dronefelt, som et eksempel, vil de typiske Low, Slow og Small (LSS) egenskaber for droner betydeligt begrænse detektionsnøjagtigheden, kontinuerlige stabilitet og anti-interferensevne af radarsystemer fra flere dimensioner, inklusive signalstyrke, bevægelsesstrækning (SRC) vist i signalstyrke, krydsflyvning og S. Figur 3). Dette er også en kerneteknisk udfordring, der skal prioriteres i design, forskning og udvikling og ydeevneoptimering af anti-drone-radarer.
For det første stiller dronernes kerneegenskaber -'lavhøjdeflyvning' - strenge krav til multi-scenarie-tilpasningsevnen og måldiskrimineringsevnen af anti-drone-radarer. De skal nøjagtigt identificere forskellige bevægelige mål på jorden, i lav højde og ultralav højde i forskellige komplekse terræner og miljøer, såsom bybygninger, bjergrige bakker og åbne områder, der dækker fodgængere, motorkøretøjer på jorden, trækfugleflokke, såvel som droner af forskellige størrelser og flyvemåder (f. For at reducere interferensen af jordrod (såsom bygningsvægrefleksioner, terrænbølgeinterferens og jordvegetationsspredning) på detekteringsresultater, anvender nogle antidrone-radarer en optimeringsstrategi med dynamisk justering af pitch-vinklen. Ved at ændre strålingsretningen, dækningsvinklen og energifordelingen af radarstråler i realtid undgår de aktivt områder med koncentreret jordrod og forbedrer signal-til-støj-forholdet for målsignaler. Denne passive undvigelsesmetode har dog åbenlyse tekniske begrænsninger og er tilbøjelig til en høj 'falsk negativ rate' i dronedetektion. Da det konventionelle operationelle luftrum for de fleste små droner til forbrugere og industrier er koncentreret under 100 meter (ultralav højde), kan radarstråler næppe opnå ikke-dødvinkeldækning af dette område efter justering af pitch-vinklen. Især i komplekse terræner som bybygninger med høj tæthed og bjergkløfter udvides okklusions blinde vinkler yderligere, og risikoen for falske negativer stiger markant. Derfor skal et effektivt og pålideligt anti-drone radarsystem være udstyret med moden Automatic Target Recognition (ATR) kapacitet. Gennem deep learning-algoritmer udtrækker, klassificerer og verificerer den opfangede signaler, og skelner nøjagtigt dronemål fra rod, fugle og andre interferenskilder, hvilket fundamentalt reducerer risikoen for falske negativer og falske positive og sikrer pålideligheden af detektionsresultater.
For det andet resulterer den iboende egenskab ved droner -'lille størrelse' - i et ekstremt lavt radartværsnit (RCS). RCS-værdien for de fleste små droner, især forbruger-multrotordroner, er kun 0,01-0,1 kvadratmeter, meget lavere end for traditionelle fly som kampfly og helikoptere. Radarsignalerne, der reflekteres af dem, er svage og maskeres let af miljømæssig rod og elektromagnetisk interferens, hvilket udgør store udfordringer for signaloptagelse. Denne egenskab stiller ekstremt høje krav til detektionsfølsomheden af radardetektorer, som skal have stærke egenskaber inden for svag signaludvinding, forstærkning og filtrering. Mens de effektivt filtrerer elektromagnetisk interferens og miljømæssig rod, skal de også dække et bredt detektionsområde for at nå de dobbelte præstationsmål 'detektion på lang afstand og præcis positionering på kort afstand'. Realiseringen af dette kerneydelsesmål skal være baseret på høj detektions- og genkendelses-troværdighed, hvilket kræver konstruktion af et 'hardware + algoritme'-samarbejdssystem gennem multidimensionel teknisk optimering. På hardwareniveau skal du opgradere kernekomponenter såsom højfølsomme antenner og støjsvage modtagere for at forbedre signalmodtagelse og konverteringseffektivitet. På algoritmeniveau skal du introducere avancerede teknologier såsom adaptiv filtrering, pulskompression og CFAR-detektion (Constant False Alarm Rate) for at forbedre genkendelsesevnen af svage målsignaler. Dette sikrer nøjagtig indfangning, funktionsgenkendelse og stabil låsning af svage målsignaler, undgår virkningen af signalfejlvurderinger og manglende bedømmelse på bortskaffelseseffektiviteten og nøjagtigheden af efterfølgende modforanstaltningersforbindelser og opfylder behovene i praktiske anvendelsesscenarier.
Endelig udgør karakteristikken ved droner -'langsom flyvehastighed' - også betydelige udfordringer for radarsystemernes stabile sporingsfunktion. Flyvehastigheden for de fleste små droner varierer fra 10 til 50 kilometer i timen, og nogle droner, der opererer i lav højdesvævning, har en hastighed tæt på nul. I denne lavhastighedsflyvningstilstand er deres bevægelseskarakteristika næppe skelnelige fra dem for forstyrrende mål såsom flydende rod, langsomt flyvende fugle og faldende genstande. Traditionelle sporingsalgoritmer kan næppe opnå effektiv diskrimination gennem hastighedsforskelle, som ikke kun undlader at kontinuerligt og stabilt låse dronemål, men også kan vildlede bedømmelsen af hjælpesensorer såsom optiske og infrarøde sensorer, hvilket fører til dataafvigelser og beslutningsfejl i multi-sensor fusionssystemer. Sådanne afvigelser vil yderligere overføres til modforanstaltningersenhederne i Counter-Unmanned Aircraft System (C-UAS)-løsninger, såsom retningsbestemt jamming-udstyr, fysiske aflytningsenheder og lasermodforanstaltninger, hvilket resulterer i forsinkede modforanstaltninger og utilstrækkelig nøjagtighed, der ikke kan opsnappe måldroner rettidigt og effektivt uden at kunne opfange måldroner på en rettidig og effektiv måde, selv om det ikke kan forstyrres. For at løse dette problem skal radarsystemer have høje scanningsopdateringshastigheder og hurtige målgenkendelsesegenskaber. Ved at øge strålescanningsfrekvensen, optimere dynamiske sporingsalgoritmer og målbaneforudsigelsesmodeller, kan de i realtid opdatere målbevægelsesparametre (hastighed, bane, attitude, flyvetrend), hurtigt skelne lavhastighedsdroner fra forskellige interfererende mål og give realtids, nøjagtig og kontinuerlig måldataunderstøttelse til efterfølgende målenheder. Dette sikrer nøjagtigheden og aktualiteten af sporings- og modforanstaltningersforbindelser, hvilket fuldt ud opfylder de hurtige bortskaffelsesbehov i praktiske scenarier såsom sikkerhed, militær og hændelsesbeskyttelse.
