Os radares anti-drones são projetados principalmente para monitorar com precisão o espaço aéreo de baixa altitude abaixo de 1.000 metros acima do nível do solo (AGL). Ao integrar módulos de processamento de sinal dedicados e antenas de alto ganho, eles podem capturar com eficiência sinais de interferência gerados por objetos terrestres, alvos aéreos e diversas interferências ambientais (ver Figura 2), fornecendo suporte de dados básicos de alta qualidade para posterior identificação de alvos, rastreamento de trajetória e tomada de decisões de contramedidas. De acordo com os padrões gerais de classificação do espaço aéreo no campo da aviação, o espaço aéreo abaixo de 1.000 metros é claramente definido como baixa altitude, entre os quais o alcance abaixo de 100 metros é altitude ultrabaixa. Afetada por fatores como oclusão do terreno e reflexões de edifícios, esta área apresenta uma desordem ambiental mais complexa. Enquanto isso, ele atende às necessidades operacionais e de resistência de pequenos drones, tornando-se assim um cenário de atividade principal para drones de fotografia aérea de consumo, drones de inspeção industrial e até mesmo alguns drones usados de forma maliciosa. Tomando o radar Doppler de pulso, o radar mais amplamente utilizado e tecnologicamente maduro no atual campo anti-drone, como exemplo, as características típicas de Baixo, Lento e Pequeno (LSS) dos drones restringirão significativamente a precisão de detecção, estabilidade contínua e capacidade anti-interferência de sistemas de radar de múltiplas dimensões, incluindo força do sinal, trajetória de movimento, seção transversal do radar (RCS) e estabilidade de atitude de vôo (conforme mostrado na Figura 3). Este é também um desafio técnico central que precisa ser priorizado no projeto, pesquisa e desenvolvimento e otimização do desempenho de radares anti-drones.
Em primeiro lugar, a principal característica dos drones – “voo em baixa altitude” – impõe requisitos rigorosos à adaptabilidade multicenário e à capacidade de discriminação de alvos dos radares anti-drones. Eles precisam identificar com precisão vários alvos móveis no solo, em baixa altitude e em altitudes ultrabaixas, em diferentes terrenos e ambientes complexos, como edifícios urbanos, colinas montanhosas e áreas abertas, abrangendo pedestres, veículos motorizados terrestres, bandos de aves migratórias, bem como drones de diferentes tamanhos e modos de voo (por exemplo, multi-rotor, asa fixa e decolagem e aterrissagem vertical). Para reduzir a interferência da interferência do solo (como reflexos nas paredes dos edifícios, interferência na ondulação do terreno e dispersão da vegetação terrestre) nos resultados de detecção, alguns radares anti-drones adotam uma estratégia de otimização de ajuste dinâmico do ângulo de inclinação. Ao alterar em tempo real a direção da irradiação, o ângulo de cobertura e a distribuição de energia dos feixes de radar, eles evitam ativamente áreas com interferência concentrada no solo e melhoram a relação sinal-ruído dos sinais alvo. No entanto, este método de evitação passiva tem limitações técnicas óbvias e é propenso a uma alta “taxa de falsos negativos” na detecção de drones. Como o espaço aéreo operacional convencional da maioria dos pequenos drones industriais e de consumo está concentrado abaixo de 100 metros (altitude ultrabaixa), os feixes de radar dificilmente conseguem alcançar uma cobertura sem ângulo morto desta área após ajustar o ângulo de inclinação. Especialmente em terrenos complexos, como edifícios urbanos de alta densidade e ravinas montanhosas, os pontos cegos de oclusão são ainda mais expandidos e o risco de falsos negativos aumenta significativamente. Portanto, um sistema de radar anti-drone eficiente e confiável deve ser equipado com capacidade madura de Reconhecimento Automático de Alvos (ATR). Por meio de algoritmos de aprendizagem profunda, ele extrai, classifica e verifica os sinais capturados, distinguindo com precisão os alvos dos drones de interferências, pássaros e outras fontes de interferência, reduzindo fundamentalmente os riscos de falsos negativos e falsos positivos e garantindo a confiabilidade dos resultados de detecção.
Em segundo lugar, a característica inerente dos drones – “tamanho pequeno” – resulta em uma seção transversal de radar (RCS) extremamente baixa. O valor RCS da maioria dos drones pequenos, especialmente dos drones multirotores de consumo, é de apenas 0,01-0,1 metros quadrados, muito inferior ao de aeronaves tradicionais, como caças e helicópteros. Os sinais de radar refletidos por eles são fracos e facilmente mascarados por interferências ambientais e interferências eletromagnéticas, representando grandes desafios para a captura de sinais. Esta característica impõe requisitos extremamente elevados à sensibilidade de detecção dos detectores de radar, que precisam ter fortes capacidades de extração, amplificação e filtragem de sinais fracos. Ao mesmo tempo que filtram eficazmente a interferência eletromagnética e a interferência ambiental, eles também devem cobrir uma ampla faixa de detecção para atingir os objetivos duplos de desempenho de 'detecção de longa distância e posicionamento preciso de curta distância'. A realização deste objetivo central de desempenho deve ser baseada em alta credibilidade de detecção e reconhecimento, exigindo a construção de um sistema colaborativo “hardware + algoritmo” por meio de otimização técnica multidimensional. No nível do hardware, atualize os componentes principais, como antenas de alta sensibilidade e receptores de baixo ruído, para melhorar a recepção do sinal e a eficiência de conversão. No nível do algoritmo, introduza tecnologias avançadas, como filtragem adaptativa, compressão de pulso e detecção de taxa constante de alarme falso (CFAR) para aprimorar a capacidade de reconhecimento de sinais de alvo fracos. Isso garante a captura precisa, o reconhecimento de recursos e o bloqueio estável de sinais de alvo fracos, evitando o impacto do erro de julgamento do sinal e do julgamento errado na eficiência e precisão do descarte de links de contramedidas subsequentes e atendendo às necessidades de cenários de aplicação prática.
Finalmente, a característica dos drones – “velocidade de voo lenta” – também impõe desafios consideráveis à função de rastreamento estável dos sistemas de radar. A velocidade de vôo da maioria dos drones pequenos varia de 10 a 50 quilômetros por hora, e alguns drones operando em voo pairado em baixa altitude têm uma velocidade próxima de zero. Neste estado de voo de baixa velocidade, suas características de movimento são pouco distinguíveis daquelas de alvos interferentes, como desorganização flutuante, pássaros voando lentamente e objetos em queda. Os algoritmos de rastreamento tradicionais dificilmente conseguem uma discriminação eficaz através de diferenças de velocidade, o que não só falha em bloquear alvos de drones de forma contínua e estável, mas também pode induzir em erro o julgamento de sensores auxiliares, como sensores ópticos e infravermelhos, levando a desvios de dados e erros de tomada de decisão em sistemas de fusão multissensores. Tais desvios serão ainda transmitidos às unidades de contramedidas em soluções de sistemas de contra-aeronaves não tripuladas (C-UAS), tais como equipamentos de interferência direcional, dispositivos de interceptação física e sistemas de contramedidas a laser, resultando em ações de contramedidas atrasadas e precisão insuficiente, falhando na interceptação de drones alvo de maneira oportuna e eficaz, e até possivelmente causando perturbação a alvos inocentes próximos. Para resolver esse problema, os sistemas de radar precisam ter altas taxas de atualização de varredura e capacidades rápidas de reconhecimento de alvos. Ao aumentar a frequência de varredura do feixe, otimizar algoritmos de rastreamento dinâmico e modelos de previsão de trajetória do alvo, eles podem atualizar em tempo real os parâmetros de movimento do alvo (velocidade, trajetória, atitude, tendência de voo), distinguir rapidamente drones de baixa velocidade de vários alvos interferentes e fornecer suporte de dados de alvo em tempo real, preciso e contínuo para unidades de contramedidas subsequentes. Isso garante a precisão e a oportunidade dos links de rastreamento e contramedidas, atendendo plenamente às necessidades de descarte rápido de cenários práticos, como segurança, militar e proteção de eventos.
