Anti-drone-radarer er hovedsakelig designet for å nøyaktig overvåke luftrom i lav høyde under 1000 meter over bakkenivå (AGL). Ved å integrere dedikerte signalbehandlingsmoduler og antenner med høy forsterkning, kan de effektivt fange opp støysignaler generert av bakkeobjekter, luftmål og ulike miljøinterferenser (se figur 2), og gi grunnleggende datastøtte av høy kvalitet for påfølgende målidentifikasjon, sporing av bane og beslutningstaking mot mottiltak. I henhold til de generelle luftromsklassifiseringsstandardene på luftfartsfeltet er luftrom under 1000 meter klart definert som lav høyde, blant annet er rekkevidden under 100 meter ultralav høyde. Påvirket av faktorer som terrengokklusjon og bygningsrefleksjoner, har dette området mer komplekst miljørot. I mellomtiden matcher den utholdenheten og operasjonelle behovene til små droner, og blir dermed et primært aktivitetsscenario for droner for forbrukerflyfotografering, industrielle inspeksjonsdroner og til og med noen ondsinnet brukte droner. Ved å ta pulsdopplerradar, den mest brukte og mest teknologisk modne radaren i det nåværende antidronefeltet, som et eksempel, vil de typiske Low, Slow og Small (LSS)-karakteristikkene til droner betydelig begrense deteksjonsnøyaktigheten, kontinuerlig stabilitet og anti-interferensevnen til radarsystemer fra flere dimensjoner, inkludert signalstyrke, bevegelsesbane (SRC, bevegelses-s) Figur 3). Dette er også en kjerneteknisk utfordring som må prioriteres i design, forskning og utvikling, og ytelsesoptimalisering av antidrone-radarer.
For det første stiller kjernekarakteristikken til droner -'fly i lav høyde' - strenge krav til multiscenario-tilpasningsevnen og måldiskrimineringsevnen til antidrone-radarer. De må nøyaktig identifisere ulike bevegelige mål på bakken, i lav høyde og ultralav høyde i forskjellige komplekse terreng og miljøer som urbane bygninger, fjellrike åser og åpne områder, som dekker fotgjengere, bakkemotorkjøretøyer, migrerende fugleflokker, samt droner av forskjellige størrelser og flymoduser (f. For å redusere interferensen av bakkerot (som bygningsveggrefleksjoner, terrengbølgeforstyrrelser og bakkevegetasjonsspredning) på deteksjonsresultater, bruker noen antidrone-radarer en optimaliseringsstrategi for dynamisk justering av stigningsvinkelen. Ved å endre bestrålingsretningen, dekningsvinkelen og energifordelingen til radarstråler i sanntid, unngår de aktivt områder med konsentrert jordstøy og forbedrer signal-til-støyforholdet til målsignaler. Imidlertid har denne passive unngåelsesmetoden åpenbare tekniske begrensninger og er utsatt for en høy «falsk negativ rate» i dronedeteksjon. Siden det konvensjonelle operative luftrommet til de fleste forbruker- og industrielle smådroner er konsentrert under 100 meter (ultralav høyde), kan radarstråler neppe oppnå ikke-dødvinkeldekning av dette området etter justering av pitchvinkelen. Spesielt i komplekse terreng som bybebyggelse med høy tetthet og fjellsluk, utvides okklusjons blindsoner ytterligere, og risikoen for falske negativer øker betydelig. Derfor må et effektivt og pålitelig anti-drone radarsystem være utstyrt med moden Automatic Target Recognition (ATR) evne. Gjennom dype læringsalgoritmer trekker den ut, klassifiserer og verifiserer fangede signaler, og skiller dronemål nøyaktig fra rot, fugler og andre interferenskilder, og reduserer fundamentalt risikoen for falske negativer og falske positiver, og sikrer påliteligheten til deteksjonsresultatene.
For det andre resulterer den iboende egenskapen til droner -'liten størrelse' - i et ekstremt lavt radartverrsnitt (RCS). RCS-verdien til de fleste små droner, spesielt forbruker-flerrotordroner, er bare 0,01-0,1 kvadratmeter, mye lavere enn for tradisjonelle fly som jagerfly og helikoptre. Radarsignalene som reflekteres av dem er svake og kan lett maskeres av miljørot og elektromagnetisk interferens, noe som utgjør store utfordringer for signalfangst. Denne karakteristikken stiller ekstremt høye krav til deteksjonsfølsomheten til radardetektorer, som må ha sterke muligheter for svak signalutvinning, forsterkning og filtrering. Mens de effektivt filtrerer elektromagnetisk interferens og miljørot, må de også dekke et bredt deteksjonsområde for å oppnå de doble ytelsesmålene «deteksjon over lang avstand og nøyaktig posisjonering på kort avstand». Realiseringen av dette kjerneytelsesmålet må være basert på høy deteksjons- og gjenkjenningstroverdighet, noe som krever konstruksjon av et 'maskinvare + algoritme'-samarbeidssystem gjennom flerdimensjonal teknisk optimalisering. På maskinvarenivå, oppgrader kjernekomponenter som høyfølsomme antenner og lavstøymottakere for å forbedre signalmottak og konverteringseffektivitet. På algoritmenivå, introduser avanserte teknologier som adaptiv filtrering, pulskompresjon og deteksjon av konstant falsk alarmfrekvens (CFAR) for å forbedre gjenkjenningsevnen til svake målsignaler. Dette sikrer nøyaktig fangst, funksjonsgjenkjenning og stabil låsing av svake målsignaler, og unngår virkningen av signalfeilvurdering og tapt bedømmelse på avhendingseffektiviteten og nøyaktigheten til påfølgende mottiltakskoblinger, og oppfyller behovene til praktiske bruksscenarier.
Til slutt utgjør karakteristikken til droner -'slow flight speed' - også betydelige utfordringer for den stabile sporingsfunksjonen til radarsystemer. Flyhastigheten til de fleste små droner varierer fra 10 til 50 kilometer i timen, og noen droner som opererer i sveve i lav høyde har en hastighet nær null. I denne lavhastighetsflytilstanden er bevegelsesegenskapene deres knapt å skille fra de til forstyrrende mål som flytende rot, sakteflygende fugler og fallende gjenstander. Tradisjonelle sporingsalgoritmer kan neppe oppnå effektiv diskriminering gjennom hastighetsforskjeller, som ikke bare unnlater å kontinuerlig og stabilt låse dronemål, men som også kan villede vurderingen av hjelpesensorer som optiske og infrarøde sensorer, noe som fører til dataavvik og beslutningsfeil i fusjonssystemer med flere sensorer. Slike avvik vil videre overføres til mottiltaksenhetene i Counter-Unmanned Aircraft System (C-UAS)-løsninger, slik som retningsbestemte jamming-utstyr, fysiske avskjæringsanordninger og lasermottiltakssystemer, noe som resulterer i forsinkede mottiltakshandlinger og utilstrekkelig nøyaktighet, og mislykkes i å avskjære måldroner på en rettidig og effektiv måte i uoversiktlige og effektive mål. For å løse dette problemet, må radarsystemer ha høye skanneoppdateringshastigheter og raske målgjenkjenningsevner. Ved å øke stråleskanningsfrekvensen, optimalisere dynamiske sporingsalgoritmer og målbaneprediksjonsmodeller, kan de i sanntid oppdatere målbevegelsesparametere (hastighet, bane, holdning, flytrend), raskt skille lavhastighetsdroner fra forskjellige forstyrrende mål, og gi sanntids, nøyaktig og kontinuerlig måldatastøtte for påfølgende enhetsmottak. Dette sikrer nøyaktigheten og aktualiteten til sporings- og mottiltakskoblinger, og oppfyller fullt ut de raske deponeringsbehovene til praktiske scenarier som sikkerhet, militær og hendelsesbeskyttelse.
