Los radares anti-drones están diseñados principalmente para monitorear con precisión el espacio aéreo a baja altitud por debajo de los 1.000 metros sobre el nivel del suelo (AGL). Al integrar módulos de procesamiento de señales dedicados y antenas de alta ganancia, pueden capturar de manera eficiente señales de interferencia generadas por objetos terrestres, objetivos aéreos y diversas interferencias ambientales (consulte la Figura 2), proporcionando soporte de datos básicos de alta calidad para la posterior identificación de objetivos, seguimiento de trayectorias y toma de decisiones de contramedidas. Según los estándares generales de clasificación del espacio aéreo en el campo de la aviación, el espacio aéreo por debajo de 1.000 metros se define claramente como de baja altitud, entre los cuales el rango por debajo de 100 metros es de altitud ultrabaja. Afectada por factores como la oclusión del terreno y los reflejos de los edificios, esta área tiene un desorden ambiental más complejo. Mientras tanto, satisface las necesidades operativas y de resistencia de los drones pequeños, convirtiéndose así en un escenario de actividad principal para los drones de fotografía aérea de consumo, los drones de inspección industrial e incluso algunos drones utilizados con fines malintencionados. Tomando como ejemplo el radar Doppler de pulso, el radar más utilizado y tecnológicamente maduro en el campo anti-drones actual, las características típicas de Bajo, Lento y Pequeño (LSS) de los drones restringirán significativamente la precisión de la detección, la estabilidad continua y la capacidad antiinterferencia de los sistemas de radar desde múltiples dimensiones, incluida la intensidad de la señal, la trayectoria del movimiento, la sección transversal del radar (RCS) y la estabilidad de la actitud de vuelo (como se muestra en la Figura 3). Este es también un desafío técnico central al que se debe dar prioridad en el diseño, la investigación y el desarrollo, y la optimización del rendimiento de los radares antidrones.
En primer lugar, la característica principal de los drones, el 'vuelo a baja altitud', impone requisitos estrictos a la adaptabilidad a múltiples escenarios y la capacidad de discriminación de objetivos de los radares anti-drones. Necesitan identificar con precisión varios objetivos en movimiento en el terreno, a baja y ultrabaja altitud en diferentes terrenos y entornos complejos, como edificios urbanos, colinas montañosas y áreas abiertas, que abarquen peatones, vehículos motorizados terrestres, bandadas de aves migratorias, así como drones de diferentes tamaños y modos de vuelo (por ejemplo, multirrotor, de ala fija y despegue y aterrizaje vertical). Para reducir la interferencia del ruido del suelo (como los reflejos de las paredes de los edificios, la interferencia de la ondulación del terreno y la dispersión de la vegetación del suelo) en los resultados de la detección, algunos radares anti-drones adoptan una estrategia de optimización para ajustar dinámicamente el ángulo de inclinación. Al cambiar en tiempo real la dirección de irradiación, el ángulo de cobertura y la distribución de energía de los haces de radar, evitan activamente áreas con interferencias concentradas en el suelo y mejoran la relación señal-ruido de las señales objetivo. Sin embargo, este método de evitación pasiva tiene limitaciones técnicas obvias y es propenso a una alta 'tasa de falsos negativos' en la detección de drones. Dado que el espacio aéreo operativo convencional de la mayoría de los pequeños drones industriales y de consumo se concentra por debajo de los 100 metros (altitud ultrabaja), los haces de radar difícilmente pueden alcanzar una cobertura sin ángulo muerto de esta área después de ajustar el ángulo de inclinación. Especialmente en terrenos complejos como edificios urbanos de alta densidad y barrancos de montaña, los puntos ciegos de oclusión se amplían aún más y el riesgo de falsos negativos aumenta significativamente. Por lo tanto, un sistema de radar anti-drones eficiente y confiable debe estar equipado con una capacidad madura de reconocimiento automático de objetivos (ATR). A través de algoritmos de aprendizaje profundo, extrae, clasifica y verifica las señales capturadas, distinguiendo con precisión los objetivos de los drones del desorden, las aves y otras fuentes de interferencia, reduciendo fundamentalmente los riesgos de falsos negativos y falsos positivos, y garantizando la confiabilidad de los resultados de la detección.
En segundo lugar, la característica inherente de los drones ('tamaño pequeño') da como resultado una sección transversal de radar (RCS) extremadamente baja. El valor RCS de la mayoría de los drones pequeños, especialmente los drones multirrotor de consumo, es de sólo 0,01-0,1 metros cuadrados, mucho más bajo que el de los aviones tradicionales como los aviones de combate y los helicópteros. Las señales de radar que reflejan son débiles y fácilmente enmascaradas por el desorden ambiental y la interferencia electromagnética, lo que plantea grandes desafíos para la captura de señales. Esta característica impone requisitos extremadamente altos a la sensibilidad de detección de los detectores de radar, que deben tener fuertes capacidades en la extracción, amplificación y filtrado de señales débiles. Si bien filtran eficazmente la interferencia electromagnética y el desorden ambiental, también deben cubrir un amplio rango de detección para lograr el doble objetivo de rendimiento de 'detección a larga distancia y posicionamiento preciso a corta distancia'. La realización de este objetivo central de rendimiento debe basarse en una alta credibilidad de detección y reconocimiento, lo que requiere la construcción de un sistema colaborativo 'hardware + algoritmo' a través de una optimización técnica multidimensional. A nivel de hardware, actualice los componentes centrales, como antenas de alta sensibilidad y receptores de bajo ruido, para mejorar la recepción de la señal y la eficiencia de conversión. A nivel de algoritmo, introduzca tecnologías avanzadas como filtrado adaptativo, compresión de pulsos y detección de tasa constante de falsas alarmas (CFAR) para mejorar la capacidad de reconocimiento de señales de objetivos débiles. Esto garantiza la captura precisa, el reconocimiento de características y el bloqueo estable de señales de objetivos débiles, evitando el impacto de los errores de evaluación de señales y de juicios erróneos en la eficiencia de eliminación y la precisión de enlaces de contramedidas posteriores, y satisfaciendo las necesidades de escenarios de aplicaciones prácticas.
Finalmente, la característica de los drones ('velocidad de vuelo lenta') también plantea desafíos considerables a la función de seguimiento estable de los sistemas de radar. La velocidad de vuelo de la mayoría de los drones pequeños oscila entre 10 y 50 kilómetros por hora, y algunos drones que operan en vuelo estacionario a baja altitud tienen una velocidad cercana a cero. En este estado de vuelo a baja velocidad, sus características de movimiento apenas se distinguen de las de los objetivos que interfieren, como objetos flotantes, pájaros que vuelan lentamente y objetos que caen. Los algoritmos de seguimiento tradicionales difícilmente pueden lograr una discriminación efectiva a través de las diferencias de velocidad, lo que no solo no logra bloquear de manera continua y estable los objetivos de los drones, sino que también puede engañar el juicio de los sensores auxiliares, como los sensores ópticos e infrarrojos, lo que genera desviaciones de datos y errores en la toma de decisiones en los sistemas de fusión de múltiples sensores. Dichas desviaciones se transmitirán aún más a las unidades de contramedidas en las soluciones del Sistema de Aeronaves No Tripuladas (C-UAS), como equipos de interferencia direccional, dispositivos de interceptación física y sistemas de contramedidas láser, lo que resultará en acciones de contramedidas retrasadas y precisión insuficiente, al no poder interceptar los drones objetivo de manera oportuna y efectiva, e incluso posiblemente causando perturbaciones a objetivos inocentes circundantes. Para abordar este problema, los sistemas de radar deben tener altas tasas de actualización de escaneo y capacidades rápidas de reconocimiento de objetivos. Al aumentar la frecuencia de escaneo del haz, optimizar los algoritmos de seguimiento dinámico y los modelos de predicción de la trayectoria del objetivo, pueden actualizar en tiempo real los parámetros de movimiento del objetivo (velocidad, trayectoria, actitud, tendencia de vuelo), distinguir rápidamente los drones de baja velocidad de varios objetivos que interfieren y proporcionar soporte de datos de objetivos en tiempo real, precisos y continuos para unidades de contramedidas posteriores. Esto garantiza la precisión y puntualidad de los enlaces de seguimiento y contramedidas, satisfaciendo plenamente las necesidades de eliminación rápida de escenarios prácticos como seguridad, militares y protección de eventos.
