Радары против дронов в основном предназначены для точного наблюдения за воздушным пространством на малых высотах ниже 1000 метров над уровнем земли (AGL). Благодаря интеграции специальных модулей обработки сигналов и антенн с высоким коэффициентом усиления они могут эффективно улавливать сигналы помех, создаваемые наземными объектами, воздушными целями и различными помехами окружающей среды (см. Рисунок 2), обеспечивая высококачественную поддержку базовых данных для последующей идентификации целей, отслеживания траектории и принятия решений о противодействии. Согласно общим стандартам классификации воздушного пространства в области авиации, воздушное пространство ниже 1000 метров четко определяется как малая высота, а дальность ниже 100 метров является сверхмалой высотой. Под влиянием таких факторов, как перекрытие местности и отражения зданий, эта область имеет более сложный экологический беспорядок. Между тем, он соответствует выносливости и эксплуатационным потребностям небольших дронов, становясь, таким образом, основным сценарием деятельности для потребительских дронов для аэрофотосъемки, дронов для промышленных инспекций и даже некоторых дронов, используемых злонамеренно. Если взять в качестве примера импульсный доплеровский радар, наиболее широко используемый и технологически зрелый радар в современной области борьбы с дронами, то типичные характеристики дронов «Низкий», «Медленный» и «Малый» (LSS) значительно ограничивают точность обнаружения, постоянную стабильность и способность защиты от помех радиолокационных систем во многих измерениях, включая мощность сигнала, траекторию движения, поперечное сечение радара (RCS) и стабильность ориентации в полете (как показано на рисунке 3). Это также основная техническая задача, которой необходимо уделять первоочередное внимание при проектировании, исследованиях и разработках, а также оптимизации характеристик радаров против дронов.
Во-первых, основная характеристика дронов — «полет на малой высоте» — предъявляет строгие требования к многосценарной адаптивности и способности распознавать цели радаров против дронов. Им необходимо точно идентифицировать различные движущиеся цели на земле, на малой и сверхмалой высоте в различных сложных ландшафтах и средах, таких как городские здания, горные холмы и открытые территории, охватывая пешеходов, наземные транспортные средства, мигрирующие стаи птиц, а также дроны разных размеров и режимов полета (например, многороторные, неподвижные, с вертикальным взлетом и посадкой). Чтобы уменьшить влияние помех от земли (таких как отражения от стен зданий, помехи от неровностей местности и рассеяние наземной растительности) на результаты обнаружения, некоторые радары против дронов применяют стратегию оптимизации динамической регулировки угла тангажа. Изменяя в реальном времени направление излучения, угол охвата и распределение энергии радиолокационных лучей, они активно избегают зон с концентрированными помехами от земли и улучшают соотношение сигнал/шум сигналов цели. Однако этот метод пассивного уклонения имеет очевидные технические ограничения и склонен к высокому уровню «ложноотрицательных результатов» при обнаружении дронов. Поскольку обычное рабочее воздушное пространство большинства потребительских и промышленных небольших дронов сосредоточено на высоте ниже 100 метров (сверхмалая высота), лучи радара вряд ли могут обеспечить покрытие этой области без мертвых углов после регулировки угла тангажа. Особенно на сложных участках, таких как плотная городская застройка и горные овраги, слепые зоны окклюзии еще больше расширяются, и риск ложноотрицательных результатов значительно возрастает. Поэтому эффективная и надежная радиолокационная система против дронов должна быть оснащена развитой функцией автоматического распознавания целей (ATR). С помощью алгоритмов глубокого обучения он извлекает, классифицирует и проверяет захваченные сигналы, точно отличая цели дронов от помех, птиц и других источников помех, существенно снижая риски ложноотрицательных и ложноположительных результатов и обеспечивая надежность результатов обнаружения.
Во-вторых, присущая дронам характеристика — «маленький размер» — приводит к чрезвычайно низкой ЭПР. Значение RCS большинства небольших дронов, особенно потребительских многороторных дронов, составляет всего 0,01-0,1 квадратных метра, что намного ниже, чем у традиционных самолетов, таких как истребители и вертолеты. Отраженные ими радиолокационные сигналы слабы и легко маскируются помехами окружающей среды и электромагнитными помехами, что создает серьезные проблемы для захвата сигналов. Эта характеристика предъявляет чрезвычайно высокие требования к чувствительности обнаружения радар-детекторов, которые должны иметь хорошие возможности по выделению, усилению и фильтрации слабых сигналов. Эффективно фильтруя электромагнитные помехи и помехи окружающей среды, они также должны охватывать широкий диапазон обнаружения, чтобы достичь двойной цели: «обнаружение на большом расстоянии и точное позиционирование на коротком расстоянии». Реализация этой основной цели в области производительности должна быть основана на высокой надежности обнаружения и распознавания, что требует создания совместной системы «аппаратное обеспечение + алгоритм» посредством многомерной технической оптимизации. На аппаратном уровне обновите основные компоненты, такие как высокочувствительные антенны и малошумящие приемники, чтобы улучшить прием сигнала и эффективность преобразования. На уровне алгоритма внедрите передовые технологии, такие как адаптивная фильтрация, сжатие импульсов и обнаружение постоянной частоты ложных тревог (CFAR), чтобы повысить способность распознавания слабых сигналов цели. Это обеспечивает точный захват, распознавание функций и стабильную блокировку слабых сигналов цели, избегая влияния ошибочной оценки сигнала и ошибочного суждения на эффективность уничтожения и точность последующих звеньев противодействия, а также удовлетворяя потребности сценариев практического применения.
Наконец, особенность дронов — «малая скорость полета» — также создает значительные проблемы для стабильной функции слежения радиолокационных систем. Скорость полета большинства небольших дронов колеблется от 10 до 50 километров в час, а некоторые дроны, работающие в маловысотном висении, имеют скорость, близкую к нулю. В этом состоянии полета на низкой скорости их характеристики движения едва отличимы от характеристик мешающих целей, таких как плавающие помехи, медленно летящие птицы и падающие объекты. Традиционные алгоритмы слежения вряд ли могут обеспечить эффективную дискриминацию за счет разницы в скорости, что не только не позволяет непрерывно и стабильно захватывать цели дрона, но также может ввести в заблуждение вспомогательные датчики, такие как оптические и инфракрасные датчики, что приводит к отклонениям данных и ошибкам принятия решений в многосенсорных системах слияния. Такие отклонения в дальнейшем передаются подразделениям противодействия в решениях системы противодействия беспилотным самолетам (C-UAS), таким как оборудование направленного подавления, устройства физического перехвата и системы лазерного противодействия, что приводит к задержке действий по противодействию и недостаточной точности, неспособности своевременно и эффективно перехватить целевые дроны и даже, возможно, вызвать беспокойство среди окружающих невинных целей. Чтобы решить эту проблему, радиолокационные системы должны иметь высокую скорость обновления сканирования и возможность быстрого распознавания целей. За счет увеличения частоты сканирования луча, оптимизации алгоритмов динамического сопровождения и моделей прогнозирования траектории цели они могут в режиме реального времени обновлять параметры движения цели (скорость, траектория, положение, тенденция полета), быстро отличать низкоскоростные дроны от различных мешающих целей, а также обеспечивать в режиме реального времени точную и непрерывную поддержку данных о целях для последующих подразделений противодействия. Это обеспечивает точность и своевременность отслеживания и противодействия, полностью удовлетворяя потребности в быстром уничтожении практических сценариев, таких как безопасность, военные действия и защита от событий.
