Радари против дронова су углавном дизајнирани за прецизно праћење ваздушног простора на малим висинама испод 1.000 метара изнад нивоа земље (АГЛ). Интеграцијом наменских модула за обраду сигнала и антена са високим појачањем, они могу ефикасно да ухвате сигнале сметњи које генеришу земаљски објекти, ваздушни циљеви и различите сметње у животној средини (погледајте слику 2), обезбеђујући висококвалитетну подршку основних података за накнадну идентификацију циља, праћење путање и доношење одлука о противмерама. Према општим стандардима класификације ваздушног простора у области ваздухопловства, ваздушни простор испод 1.000 метара је јасно дефинисан као мала висина, међу којима је домет испод 100 метара ултра-ниска висина. Под утицајем фактора као што су оклузија терена и рефлексије зграда, ова област има сложенији неред у животној средини. У међувремену, одговара издржљивости и оперативним потребама малих дронова, постајући тако примарни сценарио активности за потрошачке беспилотне летелице за фотографисање из ваздуха, дронове за индустријске инспекције, па чак и за неке злонамерно коришћене дронове. Узимајући пулсни доплер радар, најраспрострањенији и технолошки најразвијенији радар у тренутном пољу борбе против дронова, као пример, типичне ниске, споре и мале (ЛСС) карактеристике дронова значајно ће ограничити тачност детекције, континуирану стабилност и способност против сметњи радарских система из више димензија, укључујући јачину сигнала, стационарни положај, кретање унакрсне путање лета (Слика приказана путања лета). 3). Ово је такође кључни технички изазов којем треба дати приоритет у дизајну, истраживању и развоју и оптимизацији перформанси радара против дронова.
Прво, основна карактеристика дронова — „лет на малој висини“ — поставља строге захтеве за прилагодљивост у више сценарија и способност дискриминације циљева радара против дрона. Они треба да прецизно идентификују различите покретне мете на земљи, на малој и ултра малој надморској висини у различитим сложеним теренима и окружењима као што су урбане зграде, планинска брда и отворена подручја, покривајући пешаке, копнена моторна возила, јата птица селица, као и дронове различитих величина и начина лета (нпр. вертикално узлетање са више крила и копно). Да би се смањила интерференција нереда на земљи (као што су рефлексије зидова зграде, сметње валовитости терена и расипање вегетације на земљи) на резултате детекције, неки радари против дронова усвајају стратегију оптимизације динамичког прилагођавања угла нагиба. Променом у реалном времену смера зрачења, угла покривања и дистрибуције енергије радарских снопова, они активно избегавају области са концентрисаним нередом на земљи и побољшавају однос сигнал-шум циљних сигнала. Међутим, овај метод пасивног избегавања има очигледна техничка ограничења и подложан је високој 'лажно негативној стопи' у детекцији дронова. Пошто је конвенционални оперативни ваздушни простор већине потрошачких и индустријских малих беспилотних летелица концентрисан испод 100 метара (ултра-ниска висина), радарски снопови тешко могу постићи покривеност ове области без мртвог угла након подешавања угла нагиба. Нарочито на сложеним теренима као што су градске зграде високе густине и планинске јаруге, оклузијске слепе тачке су додатно проширене, а ризик од лажних негатива се значајно повећава. Због тога, ефикасан и поуздан радарски систем против дрона мора бити опремљен зрелом способношћу аутоматског препознавања циљева (АТР). Путем алгоритама дубоког учења издваја, класификује и верификује ухваћене сигнале, прецизно разликују мете дронова од нереда, птица и других извора сметњи, суштински смањујући ризик од лажних негатива и лажних позитивних резултата и обезбеђујући поузданост резултата детекције.
Друго, инхерентна карактеристика дронова—„мала величина“—резултира изузетно ниским радарским попречним пресеком (РЦС). Вредност РЦС већине малих дронова, посебно дронова са више ротора за широку употребу, је само 0,01-0,1 квадратних метара, много нижа од вредности традиционалних авиона као што су борбени авиони и хеликоптери. Радарски сигнали које они рефлектују су слаби и лако се маскирају нередом околине и електромагнетним сметњама, што представља велике изазове за хватање сигнала. Ова карактеристика поставља изузетно високе захтеве за осетљивост детекције радар детектора, који треба да имају јаке способности у екстракцији слабог сигнала, појачавању и филтрирању. Док ефикасно филтрирају електромагнетне сметње и неред у животној средини, они такође морају да покрију широк опсег детекције да би постигли двоструке циљеве перформанси „детекција на великим удаљеностима и прецизно позиционирање на кратким растојањима“. Реализација овог основног циља перформанси мора бити заснована на високом кредибилитету детекције и препознавања, што захтева изградњу колаборативног система 'хардвер + алгоритам' кроз вишедимензионалну техничку оптимизацију. На нивоу хардвера, надоградите основне компоненте као што су антене високе осетљивости и пријемници са ниским нивоом шума да бисте побољшали ефикасност пријема сигнала и конверзије. На нивоу алгоритма, уведите напредне технологије као што су адаптивно филтрирање, компресија импулса и детекција константне стопе лажних аларма (ЦФАР) да бисте побољшали способност препознавања слабих циљних сигнала. Ово осигурава тачно хватање, препознавање карактеристика и стабилно закључавање слабих циљних сигнала, избегавајући утицај погрешне процене сигнала и промашене процене на ефикасност одлагања и тачност накнадних веза за противмере, и задовољавајући потребе практичних сценарија примене.
Коначно, карактеристика дронова — „спора брзина лета“ — такође представља значајне изазове за стабилну функцију праћења радарских система. Брзина лета већине малих дронова креће се од 10 до 50 километара на сат, а неки дронови који раде у лебдењу на малим висинама имају брзину близу нуле. У овом стању лета мале брзине, њихове карактеристике кретања се једва разликују од оних ометајућих циљева као што су плутајући неред, споро летеће птице и објекти који падају. Традиционални алгоритми за праћење тешко могу постићи ефикасну дискриминацију кроз разлике у брзини, што не само да не успева да континуирано и стабилно закључа мете беспилотне летелице, већ такође може да доведе у заблуду у процени помоћних сензора као што су оптички и инфрацрвени сензори, што доводи до одступања података и грешака у доношењу одлука у фузионим системима са више сензора. Таква одступања ће се даље пренети на јединице за противмере у решењима система против беспилотних летелица (Ц-УАС), као што су опрема за усмерено ометање, уређаји за физичко пресретање и системи за ласерске противмере, што ће резултирати одложеним акцијама противмера и недовољном прецизношћу, неуспехом да пресретне дронове на мети у благовременом и ефикасном дистибирању људи који их окружују. невине мете. Да би решили овај проблем, радарски системи морају да имају високе стопе ажурирања скенирања и могућности брзог препознавања циљева. Повећањем фреквенције скенирања зрака, оптимизацијом динамичких алгоритама праћења и модела предвиђања путање циља, они могу у реалном времену да ажурирају параметре кретања циља (брзина, путања, став, тренд лета), брзо разликују беспилотне летелице мале брзине од различитих циљева који ометају и пружају подршку у реалном времену, тачне и континуиране податке о циљевима за наредне јединице за противмере. Ово обезбеђује тачност и правовременост веза за праћење и противмера, у потпуности задовољавајући потребе брзог одлагања практичних сценарија као што су безбедност, војска и заштита од догађаја.
