Analiza stadiului actual al probabilității de detectare a UAV-urilor [301842]

Analiza stadiului actual al probabilității de detectare a UAV-urilor

Abstract:

Domeniul UAV este în continuă expansiune în ceea ce privește modul de construire al acestora cât și misiunile ce pot fi îndeplinite cu ajutorul acestora. [anonimizat] a crescut datorită utilizării acestora cu succes în diferite misiuni.

[anonimizat], precum și măsurile pentru apărarea spațiului aerian devin din ce în ce mai importante pentru protecția zonelor publice și private.

[anonimizat] a acestora și posibilitatea unei încărcături utile considerabile le fac un instrument excelent pentru supraveghere sau atacuri nedorite. [anonimizat], cu dispozitive explozive. [anonimizat], detectarea acestora se realiyează foarte greu și nu se poate folosi orice senzor. [anonimizat] a localiza, a detecta, a urmări și a [anonimizat], [anonimizat] a lua măsurile sau contramăsurile necesare după caz.

[anonimizat], [anonimizat]. Uav-ul poate fi dirijat sau autocontrolat.

Domeniul UAV este în continuă expansiune datorită misiunilor ce pot fi îndeplinite cu acestea cât și din punct de vedere al modului de construire al acestora folosind diferite tehnologii. [anonimizat], cu vectori singulari sau cu ajutorul sistemelor terestre nepilotate (MLV) [1].

În urma unor studii de specialitate [2], Uniunea Europeană și S.U.A. [anonimizat].

Dezvoltarea rapidă în domeniul piețelor de specialitate din ultimii ani a [anonimizat], conform figurii 1.

Figura 1 – [anonimizat] [2]

Sistemele aeriene nepilotate operaționale au forme și moduri diferite de operare de la clasa miniUAV la UCAV [3], datorită dezvoltării optoelectronicii, a nanotehnologiilor și perspectiva utilizării materialelor inteligente.

[anonimizat].

La nivel global vectorii aerieni au șase misiuni: supravegherea, detectarea, clasificarea, identificarea, [anonimizat], [anonimizat]/[anonimizat]-tactice (viteză, autonomie, [anonimizat]) și de tipul senzorilor ambarcați.

[anonimizat]: ISR/RSTA (Intelligence, Surveillance, Reconnaissance/ Reconnaissance, Surveillance, Target Acquisition), [anonimizat] (UAS) [4].

[anonimizat]: capacitatea de evaluare a mediului, de a urmări harta, navigație exactă, viteza de deplasare a vectorilor aerieni, viteza de transfer, procesarea, centralizarea și diseminarea informației, amprenta radar, amprenta magnetic, amprenta acustică și amprenta termică minimal, abilitatea de a opera în zone de risc, sistem energetic capabil să suporte consumul instalațiilor de propulsie și de luptă (computer ambarcat, senzori, comunicații și neutralizare), fiabilitatea sistemelor în medii ostile, transport ți recuperare facilă. [5]

Vectorii aerieni au o serie de attribute care ii recomandă pentru utilizarea în domenii civile și militare datorită unui potențial ridicat la dimensiuni mici, design flexibil și eficiență față de aeronavele cu pilot uman la bord: persistență, penetrabilitate, proximitate, integrare, independență, versatilitate [6]

Clasificarea din punct de vedere a razei de acțiune și plafonului de zbor [7]:

Handled UAV – altitudine 600m și 5 km rază de acțiune, exemplu Carolo P50;

Close range UAV – 1500m altitudine și 10 km rază de acțiune, exemplu Tracker;

NATO – 3000m altitudine 50 km raza de acțiune, exemplu Phoenix;

Tactical (TUAV) – 5500 m altitudine 160 km raza de acțiune, exemplu Sperwer

MALE (Mediul Altitude, Long Endurance) – peste 9000 m altitudine și raza de acțiune nelimitată, exemplu Global HAWK

HYPERSONIC – viteză supersonic altitudine peste 15000 m, sau altitudine suborbital, cu o rază de acțiune peste 200 km

Detectarea mini UAV-urilor cu ajutorul radarelor

Supravegherea spațiului aerian, al cărei scop este urmărirea țintei și aflarea parametrilor acestora, sunt transmise sistemului C2 (comandă control), și se realizează în patru etape:

Detectarea este un proces, unde descoperim că există probabilitatea unui obiect în spațiul aerian. Acest obiect poate fi o țintă (presupus MAA – Military Aviation Authority), și necesită o prelucrare ulterioară. În practică, aceasta înseamnă o schimbare a țintei către sistemul de monitorizare.

Recunoașterea reprezintă potrivirea obiectului cu categoria determinată de către MAA, și conform acestei alocări se aleg procedurile ulterioare. De obicei, în această fază se ia decizia preliminară de prelucrare a detaliilor și de atribuire.

Identificarea este rezultatul care definește afilierea, tipul, nivelul de prioritate și caracteristicile adiționale. Cu toate acestea, chiar și obiectul care este identificat negativ drept țintă, este prelucrat și urmărit de autoritățile de control al spațiului aerian.

Localizarea este procedeul prin care se determină coordonatele țintei și derivatele acestora. După localizare, ținta poate fi angajată de către operatorul sistemului.

Procesul descris mai sus, în practică, pe o perioadă de câteva secunde unde etapele de recunoaștere și identificare se combină, datorită sistemului de identificare IFF (Identification Friend or Foe). În arhitectura C2 a sistemelor din forțelor aeriene, etapele menționate mai sus rulează aproape paralel în timp real. Acest lucru este posibil, deoarece sistemele C2 sunt concepute ca componente interconectate pentru recunoaștere, direcționare și lansare. Întregul sistem este numit C4ISR – Comand, Control, Communication, Computers, Intelligence, Surveillance and Reconnaissance.

Pentru recunoaștere în spațiul aerian putem folosi senzori care lucreză în spectrul de frecvență cu lungimea de undă λ.

Radar cu λЄ 0,1m – 1,67cm

Senzori optici – vizibili: λЄ 380-750 nm sau invizibili: λЄ 0,75 – 5 și 8 – 15μm

Senzori acustici

Radare laser (LIDAR)

Pentru supravegherea spațiului aerian, atât în general cât și pentru deterctarea în mod specific a UAV-urilor, mijloacele de supraveghere cu ajutorul radarelor rămân sursele principale de informații, în viitorul apropiat. Importanța senzorilor optici, acustici și laser va crește în funcție de dezvoltarea tehnologică.

Chiar dacă tehnologia privind senyorii care detectează raza va crește în mod lent și insuficient în viitor, nu este nevoie de alte soluții. O soluție posibilă este conectarea acestora la sistemul de supraveghere complex. Interconectarea reciprocă, interoperabilitatea și modularitatea acestora ar trebui să conducă la efecte sinergice minime, în ceea ce privește creșterea probabilității de detectare și reducerea alarmei false.

Analizând radarele ca mijloc de detectare a amenințărilor din spațiul aerian, este important să ținem cond de doi factori: ținta și însuși radarul.

Când se utilizează radarul pentru detectarea țintelor de tipul LSS (low slow small), factorul de limitare este secțiunea transversală a țintei. Limitarea radarului constă în frecvența purtatoare f sau lungimea de undă λ. Influențele suplimentare interne și externe sunt aspecte legate de soluția tehnică, angajarea tactică în teren și pregătirea de luptă, condițiile meteo, competența echipajului etc.

Viziunea simplă asupra detectării unei ținte particulare este faptul că trebuie să selectăm o lungime e undă corespunzătoare, care corespunde unei suprafețe efective de reflexie adecvate. Posibilitatea de utilizare a radarului pentru o animită lungime de undă adecvată, în vederea detectării intervalului țintă este demonstrată în figura 2.

Figura de mai jos nu ne spune în ce bandă este posibilă sau imposibilă detectarea unui anumit obiect folosind suprafața efectivă de reflexie. Sunt luați în considerare parametrii standard necesari ai semnalului de ieșire (precizie), necesari pentru prelucrarea ulterioară și urmând a fi angajată prin mijloace active de apărare a suprafeței aeriene.

Figura 2. – Banda Radarului în comparație cu distanța țintei

În conformitate cu MAA, categoria mini UAV-urilor, radarele care lucrează în banda de frecvențe X (f Є 8 – 12 GHz, λЄ 3,8 – 2,5cm) par a fi mijloacele adecvate datorită dimensiunilor mini UAV-urilor, și prin urmare a suprafeței efective de reflexie. Astfel de radare oderă o precizi satisfăcătoare pentru determinarea coordonatelor și dimensiunile suficient de mici pentru antene. Din punct de vedere tehnic, există și posibilitatea de a utiliza banda de frecvențe C (f Є 4 – 8 GHz, λЄ 7,5 – 3,8cm). Este previzibil că exploatarea benzilor de lungime de undă mai scurte va fi posibilă atunci când tehnologia o va permite. Din punct de vedere al mobilității, radarul descris pentru detectarea UAV-urilor ar trebui să fie mobil sau cel puțin pe o platformă care poate fi relocabilă ușor.

Datorită condițiilor meteo nefavorabile, conform MAA, mini UAV-urile vor fi probabil angajate în conformitate cu anumite tactici, iar gama lor de recunoaștere ar trebui să fie la distanțe de la câteva unități până la câteva zeci de kilometri [8].

Detectarea și urmărirea UAV-urilor folosind transformata Hough

Analiza efectului micro-Doppler al UAV-urilor cu rotor

Diferența dintre UAV-urile cu rotor și alte ținte la nivelul solului este informația micro-Doppler cauzată de rotația rotorului, astfel încât informațiile ar putea fi utilizate pentru a susține detectarea și urmărirea țintei specifice.

Relațiile geometrice dintre radar și elice sunt arătate în figura 3. Conform analizei [9], intervalul de la punctul final al elicei (notat cu P) la radar este dat de:

Figura 3 – Relațiile geometrice dintre radar și elice în zona de descoperire a radarului [9]

(1)

unde este distanța de la centrul elicei la radar, este lungimea elicei, este faza inițială și este viteza unghiulară a rotației.

Presupunând că UAV-ul se deplasează la înalțimea , și unghiul de elevație al radarului este , atunci faza de ecou poate fi exprimată ca:

(2)

apoi frecvența Doppler poate fi calculată cu:

(3)

Se poate observa din ecuația nr. (3) că, datorită rotirii rotorului, spectrul de frecvență Doppler al UAV-ului este lărgit, iar banda Doppler poate fi exprimată ca:

(4)

Procedura de urmărire bazată pe transformata Hough

Pentru configurația experimentală din această lucrare [10], a fost utilizat un radar cu impuls Doppler pentru detectarea și urmărirea unui mini-UAV, cu patru elicit mici. Radarul funcționează în banda de frecvențe Ku (lungimea de undă tipică este de 2 cm) iar PRF (pulse repetition frequency) este setată la 10 KHz. Unghiul de înalțime este de aproximativ 4°, iar fiecare CPI (Coherent Processing Interval) include un număr de 1024 impulsuri. Lungimea elicei este de aproximativ 5 cm, iar viteza unghiulară este de aproximativ 3rad/s.

În conformitate cu relația (4) banda Doppler este de aproximativ 15Hz și se extinde la aproximativ 15 canale de-a lungul dimensiunii Doppler, în timp ce pe de altă parte, rezultatul compresiei pulsului se va extinde la mai multe obiecte de-a lungul dimensiunii domeniului datorită mărimii mici a țintei. Prin urmare, semnalul țintă este distribuit liniar în planul Doppler.

Transformata Hough este o metodă de detectare liniară a caracteristicilor, în procesarea imaginilor. Cu transformata Hough, datele de transformare (x, y), în coordinate carteziene, pot fi tansformate intr-o pereche de parametri () cu relația (5). Pentru coordonatele (x, y) într-o linie dreaptă, există doar o pereche de parametri ).

(5)

Apoi, o problemă privind detectarea în linie poate fi transformată într-o problemă privind detectarea vârfurilor. Punctele corespund pe aceeași linie în spațiul Euclidian, se vor suprapune în același punct din parametrul spațiului, prin urmare, poate fi introdus un câștig SNR (Signal Noise Ratio).

Având în vedere caracteristicile speciale descrise anterior, tehnologia transformatei Hough poate fi utilizată pentru a susține detectarea și urmărirea UAV. Diagrama este prezentată în figura 4.

Fluxul principal din grafic este un proces general de urmărire a unui radar de rezoluție înaltă. Rezoluția razei mari de urmărire este pentru a îmbunătății raportul semnal clutter (SCR – signal clutter ratio). Totodată o țintă poate fi dispersată din același motiv. Atfel procesul de grupare a dispersiilor este necesar înainte de urmărirea țintei.

Punctul cheie al unei metode de grupare este setarea pragului (threshold), și are un impact semnificativ asupra performanței de urmărire. Un prag mare poate cuprinde dispersoarele de la diferite ținte într-un singur punct, ceea ce va duce la bruiaj, asociere greșită și chiar întreruperea urmărirei. Cu toate acestea, un prag mic poate opri urmărirea țintei întrucât aceasta poate fi împărțită în mai multe date.

Mai mult decât atât, se vor începe mai multe căi cu această procedură. În exemplul prezentat, adică detectarea și urmărirea unui mini-UAV cu rotor, este nevoie de un proces de recunoaștere suplimentară pentru a selecta calea dorită.

Figura 4 – Procedura de urmărire a UAV-ului folosind transformata Hough

Datortiă faptului că nu s-a putut realiza o urmărire reală, a fost utilizată o a patra metodă pentru evaluarea preciziei de urmărire [11]. Metoda consistă în faptul că într-un set de măsurători, valoarea reală și erorile de sistem sunt funcții care variază lent și care pot fi reprezentate de un polinom, în timp ce eroarea aleatorie este un proces staționar. Secvența de măsurare poate fi exprimată astfel:

(6)

unde P este ordinea polinomială, este coeficientul polinomial și este o eroare aleatorie.

Având în vedere caracteristicile care variază lent ale valorii adevărate și a erorilor de sistem, eroarea aleatorie poate fi calculată cu o diferență de ordin P față de secvența de măsurare:

(7)

unde , iar precizia de urmărire, adică valoarea medie pătrată a rădăcinii (RMS – root mean sqare) a erorii aleatorii, poate fi exprimată astfel:

(8)

Rezultatele experimentului

Experimentele de detectare și urmărire ale mini-UAV-ului cu rotor au fost implementate cu ajutorul unui radar cu bandă Ku. Scena experimentului este prezentată în figura 5.

În cadrul experimentului, UAV-ul a zburat la înălțimea de 100 m, cu interferențe datorate oamenilor și mașinilor care se mișcau pe teren. Pentru fiecare CPI, primul puls a fost extras pentru a constitui panorama gama ca în figura 6. Piesele de UAV și mașină pot fi văzute în figură.

Figura 5 – Scena experimentului și ținta

Figura 6 – Panorama zonei

CA-CFAR (Cell Averaging Constant False Alarm Rate) este folosit pentru a detecta ținta. În rezultatul tipic de detectare prezentat în figura 7, ambele ținte și detectări false au existat în figură. În mod obișnuit, o alarmă falsă apare ca punct de izolare, în timp ce țintele pot fi distribuite în diverse celule Doppler. Pe măsură ce ar inițiată o singură urmărire pentru fiecare țintă, dispersiile care provin de la aceeași țintă ar trebui grupate.

Figura 7 – Rezultatele detectării CA-CFAR

Cel mai apropiat algoritm și un filtru α-β sunt folosite pentru a realiza urărirea și filtrarea pieselor. Rezultatul urmăririi este arătat ca în figura 8. În procesul de grupare a dispersiilor, pragul intervalului este setat la 10m și pragul Doppler este setat la 100Hz.

Figura 8 – Rezultatul urmăririi folosinf metoda convențională

Se poate observa în figură faprul că, în ciuda faptului că apar alarme flase, apar și asocieri greșite și probleme privind urmărirea țintei. Pe lângă bruiajul evident la urmărire al UAV-ului și eroarea RMS, urmărirea este 1,53 m.

Noul sistem proiectează fiecare dispersie detectată în spațiul parametrilor, prezentată ca în figura 9. Dispersiile din aceeași linie se vor intersecta la un punct. Prin urmare, dispersiile care aparțin UAV-ului pot fi selectate de un prag de putere.

Figura 9 – Rezultatul fiecărei dispersii cu transformata Hough

Rezultatul de urmărire cu această metodă este prezentat în figura 10. Se poate observa că numai ținta UAV este urmărită în mod specific și eroarea RMS este de 0,53 m. [9]

Figura 10 – Rezultatul urmăririi folosind transformata Hough

Detectarea UAV-urlor cu radare care folosesc banda de frecvențe W

Informații privind radar-ul care folosește banda de frecvențe W

Radarul multi-canal pentru supravegherea spațiului aerian (MuRPS) este un radar FMCW (Frequency Modulated Continuous Wave) cu o putere de transmisie de 100 mW la o frecvență centrală de 94 GHz ([12], [13]). Banda radarului este de 1 GHz, rezultând o rezoluție de aproximativ 15 cm. Un zgomot de fază foarte scăzut este obținut prin utilizarea unui cip DDS în combinație cu un oscilator local de înaltă performanță pentru generarea de semnal (frecvență liniară – chirp, care crește). Folosind această tehnică radarul este pe deplin coerent, ceea ce este important, pentru a se asigura că nu numai un semnal de tip chirp este coerent, ci și o secvență de semnale chirp se comportă în același mod. Aceasta este o condiție prealabilă pentru integrarea semnalelor slabe pe mai multe semnale de tipul chirps. Ieșirea modulului de generare a frecvenței este între 15,6 GHz și 15,8 GHz. Ulterior, acest semnal este aplicat blocului de înaltă frecvență (HF), care cuprinde multiplicatorul de frecvență (sixtupler) [14], amplificatorul de putere mare (HPA) cu putere de ieșire de +21 dBm și cele patru mixere cu un amplificator integrat cu zgomot redus (LNA).

Radarul FMCW necesită în mod obișnuit doar o putere moderată de transmisie în comparație cu un sistem cu impulsuri. Cu toate acestea, puterea de transmisie permite o serie de câteva sute de metri (în banda W), în timp ce puterea emisă este mult sub cea a unui telefon mobil obișnuit și, prin urmare, este periculoasă pentru persoanele din împrejurimile directe.

MuRPS vine cu patru canale de recepție și un design sofisticat de antenă, care permite localizarea obiectelor cu o rezoluție spațială bună prin procesarea mono-puls. Azimutul și acoperirea înălțimii depind de configurația antenei angajate și de scenariul respectiv; o valoare tipică este de 30 ° în ambele direcții pentru senzorul unic. Sistemul este conceput pentru a acoperi distanțe de la aproximativ 5 m până la câteva sute de metri (în funcție de suprafața efectivă de reflexie a țintei) folosind diferite tipuri de semnale chirps, pe o bază alternativă. Receptorul sofisticat al interfeței radarului cu o cifră de zgomot redus facilitează și detectarea obiectelor foarte mici cu suprafața efectivă de reflexie scăzută ( 0,01 m²). Profitând de efectul Doppler (coborârea FMCW în sus și în jos), determinarea vitezei țintă și a direcției de zbor este posibilă.

O fotografie a interfeței radarului, care arată configurația antenei receptoare, este prezentată în figura 11.

Figura 11 – Stânga: Radar multi-canal pentru supravegherea perimetrului (MuRPS). Sistem radar cu patru canale (receptor) care funcționează la o frecvență centrală de 94 GHz.

Dreapta: Vedere laterală a MuRPS cu quadcopter în fundal.

Măsurători și rezultate

Prezentăm măsurătorile cu radarul multi-canal pentru supravegherea perimetrului, care demonstrează abilitățile de detectare utilizând exemplul unui quadrocopter (a se vedea figura 11). Figura 12 afișează detectarea unei drone DJI Phantom înregistrată cu cele patru canale ale receptorului MuRPS.

Figura 12 – Detectarea quadrocopter-ului prin aplicarea MuRPS. Diagrama de cascadă pentru toate canalele de receptor care arată distanța țintă în timp (semnal chirps).

Antenele canalelor de recepție unu și doi sunt înclinate cu 15 ° în sus și respectiv în jos, comparativ cu planul orizontal. Antenele trei și patru sunt înclinate spre dreapta și respectiv spre stânga, la același unghi. Antena de transmisie nu este înclinată în raport cu planul orizontal și vertical și are o lățime mai mare a fasciculului pentru a lumina scena completă.

Diagramele din figura 12 ilustrează distanța dintre quadrocopter în timp: lungimea FMCW-chirp aplicată a fost de 85 μs și a acoperit o lățime de bandă de 1 GHz, rezultând o rezoluție de 15 cm. Codul de culoare reprezintă suprafața efectivă de reflexie a UAV-ului detectat. Se poate presupune că suprafața efectivă de reflexie a quadrocopterului depinde puternic de unghiul orizontal de rotație, care este influențat de direcția zborului și efectele asupra mediului (de exemplu, vântul). Prin urmare, analiza suprafeței efective de reflexie furnizează doar informații dificil de interpretat asupra țintei (de exemplu dimensiunea, greutatea, sarcina utilă etc.).

Figura 13 demonstrează că și un vehicul aerian mic, ca un quadrocopter, format în cea mai mare parte din părți din material plastic, este detectabil cu un SNR bun în regimul de 94 GHz. Cu toate acestea, este clar că, folosind puterea de ieșire de 100 mW, intervalul de detecție este destul de limitat pentru aceste obiecte mici, cu o suprafață efectivă de reflexie mai mică de 0,1 m². Considerațiile teoretice pentru MuRPS, confirmate de rezultatele experimentale, indică faptul că o distanță de aproximativ 100 m este realistă pentru a detecta un UAV mic, cu un SNR suficient, pe baza unui singur semnal chirp FMCW (mono-puls). Cu o integrare coerentă a mai multor semnale chirp, gama poate fi mărită până la 300 m și mai mult; pentru a face acest lucru, trebuie să se țină seama de migrația de celule-rază și radarul trebuie să determine viteza țintă prin spectrul Doppler.

Figura 13 – Detectarea quadrocopter-ului prin aplicarea MuRPS. Spectrul IF pentru o singură cifră este afișat pentru cele patru canale ale receptorului; SNR este mai bună decât 9 dB în toate canalele. În această măsurătoare, ținta era la o distanță de 18 m, în principal în direcția antenei trei.

Azimutul și unghiul de înălțime pot fi determinate prin aplicarea datelor brute din cele patru canale de recepție la o prelucrare mono-puls. În combinație cu raza radarului, este activată o localizare 3D cu o singură măsurătoare (un impuls chirp). Astfel, informația este actualizată cu rata chirpului, de obicei mai mare de câțiva kHz, care este mai mult decât suficientă pentru acest tip de aplicație. Precizia principiului mono-pulsului depinde de configurația antenei (unghiul de înclinare și lățimea fasciculului) și se află în configurația curentă a MuRPS în intervalul de câteva grade. [14]

Detectarea UAV-urilor cu radare care folosesc banda de frecvențe Ku

Analiza detectării unui mini UAV

Ipoteze teoretice privind detectarea normală a țintei de către radar

Raza de acțiune a radarului pentru o anumită țintă detectată de un sistem radar special, din punct de vedere al parametrilor energetici, este descrisă prin ecuația radiolocației [15], [16]:

(9)

unde este puterea de ieșire a transmițătorului radar, G este câștigul antenei, este lungimea de undă, F este zgomotul receptorului, k este constanta Boltzmann în valoare de 1,38 * 10-23 , este temperatura, B este banda receptorului radar, L reprezintă pierderile de transmisie, RCS este secțiunea transversală a țintei radar și SNR reprezintă raportul semnal zgomot al receptorului radar la ieșire. Ecuația (9) arată că intervalul de detecție a radarului pentru o anumită țintă depinde de rădăcina a patra a raportului dintre suprafața efectivă de reflexie a țintei și SNR la ieșirea receptorului.

Atâta timp cât suprafața efectivă de reflexie pentru țintă dată fluctuează încet, faza semnalului reflectat are o distribuție uniformă, iar amplitudinea are o distribuție Rayleigh. În acest sens, se poate descrie SNR ca relație între probabilitatea de detectare a țintei radar PD și probabilitatea de alarmă falsă PFa prin formula [15], [17]:

(10)

Interpretarea grafică a relației dintre SNR și probabilitatea de detecție a țintei radar pentru probabilitatea de alarmă falsă aleasă derivată din (10) în cazul unui impuls unic este prezentată în figura 14 și rezultatele corespund cu [18], [19].

Figura 14 – Relația dintre SNR și PD pentru PFa ales

Pentru a selecta un radar adecvat pentru o anumită aplicație, un client necesită, de obicei, toate informațiile incluse în ecuația (9) pentru PD și PFa alese, care nu este frecvent disponibil.

Din ambele formule (9) și (10) putem obține ecuația care reflectă relația reciprocă dintre parametrii energetici radar și parametrii probabilistici ai radarului

(11)

Putem obține raportul dintre două ținte radar diferite cu RCS1 și RCS2, diferite folosind ecuația (11)

(12)

și ulterior, pentru ținta de radar așteptată cu RCS PFa2 și PD2 cunoscute, raza radarului RMAX2 necesar este dat de:

(13)

În cazul în care vrem să analizăm influența pentru RCS2, parametru pentru o anumită țintă radar, pe domeniul radar RMAX2 cu PFA2 definit, putem deduce PD:

(14)

cu substituția .

Ecuația (14) descrie relațiile dintre parametri (RMAX, PD, PFa, RCS) pentru un anumit tip de radar. Aceste relații sunt suficiente pentru o comparație indirectă a diferitelor ținte radar.

Estimarea teoretică a radarului specific și a parametrilor țintă

Parametrii conform producătorului pentru un anumit tip de radar cu raza scurtă de acțiune sunt următorii:

RCST = 20 m2 pentru tanc;

Raza de detectare RMAXT = 10km;

Probabilitatea de detecție PDT = 0,8;

Probabilitatea alarmei false PFaT = 10-6;

Puterea de ieșire PV = 250W;

Banda de frecvențe Ku;

Impulsul PW = 0,4μs;

Perioada de repetiție a impulsurilor PRI = 250μs;

Lobul principal ala antenei în plan orizontal Θ0,5 = 3,5°.

Zona de detectarea a radarului folosind parametrii de mai sus este reprezentată în figura 15.

Pentru un al doilea radar, cu aceleași proprietăți ca și primul și trei drone care au RCSDr cu valorile: 1,5m2, 1m2 respectiv 0,5m2.

Din ecuația (14) și parametrii dați, putem obține valorile funcției PDDr, cu drona menționată, respectând PFaDr. Aceste funcții sunt prezentate în figura 16.

Figura 15 – zona de detectare a radarului

Figura 16 – Probabilitatea de descoperire a radarului cu PFa = 10-6

Din ecuația (14), raza de detectare maximă a radarului pentru drone RMAXDr poate fi estimată în funcție de probabilitatea de detecție a dronei PDDr și probabilitatea de alarmă falsă PFaDr conform tabelului 1. Rezultatele teoretice obținute și analiza arată că radarul de luptă cu impuls, folosit cu parametri tehnici declarați poate fi utilizat pentru detectarea dronelor cu probabilitate de detectare suficientă la o distanță mai mare de 3 km.

Tabel 1 – estimarea RMAXDr pentru sistemul radar

Măsurători și rezultate experimentale

Măsurătorile experimentale ale RCSDr ale dronelor alese au fost făcute pentru compararea cu valorile RCSDr estimate teoretic. Măsurătorile semnalului radar cu ținte stabile și în mișcare lentă, în conformitate cu prezumțiile teoretice, au fost făcute pentru trei drone diferite. În cazul nostru, dronele au fost Iris +, X8 și High One prezentate în figura 17.

Măsurătorile suprafețelor efective de reflexie ale dronelor

Suprafața efectivă de reflexie a dronelor selectate au fost măsurate într-o cameră anecoică în raza de frecvențe 3GHz – 24,5GHz. Rezultatele obținute se regăsesc în tabelul 2.

Valorile rezultate sunt valorile medii obținute de la secțiunea orizontală de 360 ° a RCS (Figura 18). Se poate observa că RCSDr din cazul particular are variații foarte mari. Distribuția valorilor măsurate este de tipul χ2 și din acest motiv variația poate fi mai mare decât valoarea medie. Aceasta conduce la o situație, că rezultatul statistic poate să difere destul de mult de o singură detectare. Variația relativ ridicată a RCSDr vine în primul rând din materialul brațului dronei, structura și unghiul relativ al brațelor.

Figura 17 – a) Iris+, b)X8 și c) High One

Tabelul 2 – Suprafața efectivă de reflexie a dronelor, măsurate intr-o cameră anecoică

Figura 18 – Secțiunea orizontală de 360 ° a RCSDr a dronei High One la 9,7 GHz

În ciuda faptului că erau variații mari ale RCSDr la valorile experimentale, rezultatele arată faptul că prezumțiile pentru RCSDr al dronelor menționate mai sus nu diferă cu mult față de cele măsurate.

SNR-ul estimat pentru semnalul radar al dronei

Pentru estimarea SNR, am măsurat dronele zburând pe loc și în mișcare lentă, la înălțimea de 20 m deasupra suprafeței solului, în zonă cu arbuști și copaci mici. Distanța de la radar a fost stabilită la 1 km ± 200m. Pentru prelucrarea suplimentară a semnalelor au fost luate 512 impulsuri cu radarul PRI. Datorită zgomotului de fundal am folosit în cele din urmă canalul radar coerent cu rezoluția Doppler 8Hz pentru calculele SNR. Toate semnalele au fost prelucrate digital în ceea ce privește parametrii semnalului radar și evaluați statistic.

Figura 19 prezintă spectrul de putere aparținând dronei High One în mișcare la o distanță de 1020m. Viteza Doppler la 200 Hz reprezintă viteza de deplasare a țintă, iar alte câteva vârfuri sunt caracteristice pentru elicele dronei.

Figura 19 – Spectru de putere

Din statisticile canalului radar pentru fiecare mișcare a dronei, am estimat SNR special cu privire la distanța măsurată [15]

(15)

unde și reprezintă puterea medie a semnalului și puterea medie a zgomotului la ieșirea receptorului respectiv. Rezultatele estimării SNR obținute prin măsurarea canalului coerent sunt rezumate în tabelul 3.

Tabelul 3 – Rezultatele estimării SNR

Raza radarului si probabilitatea estimării caracteristicilor

Pentru probabilitate estimării caracteristicilor pentru amplitudinea semnalului reflectat am folosit distribuția Gaussiană în locul Rayleigh, iar pentru anvergura , SNR[dB] poate crește cu δ [16]. Atunci rezultatul pentru SNR[dB] crescut va fi:

(16)

Probabilitățile de detecție a dronei PDDr calculate din valorile estimate ale SNR legate de probabilitatea de alarmă falsă aleasă PFaDr sunt prezentate în tabelul 4.

Tabelul 3 – Probabilitatea de detectare a dronei

De la măsurătorile finale ale dronelor și rezultatele statistice obținute în tabelele 3 și 4 putem realiza graficul PDDr, ilustrat în figura 20, calculat cu ajutorul formulelor (10) și (14) în ciuda dependenței PFaDr în scopul practic. [20]

Figura 20 – PDDr a dronelor dependentă de PFaDr

Detectarea UAV-urilor cu radare de tip MIMO (multipule input multiple output)

Sistemele radar MIMO au mai multe avantaje în comparație cu sistemele mecanice de scanare sau cu sistemele cu rețele de antene fazate [21]. O caracteristică esențială este capacitatea de a observa o suprafață mare, simultan, cu costuri moderate, comparativ cu sistemele radar cu rețele de antene. În comparație cu sistemele mecanice de scanare, radarele MIMO reduc costurile de întreținere, deoarece nu au componente mobile.

Sistemul radar MIMO care a fost folosit pentru experimentele prezentate în această lucrare a fost "radarul MIMO configurabil în banda Ka" (MIRA-CLE Ka) (figura 21) [22] [23]. MIRA-CLE Ka este un sistem radar multifuncțional de imagistică dezvoltat de Fraunhofer FHR pentru aplicații de detectare a schimbărilor. De exemplu, mișcări foarte lente la zonă de deal sau mișcări lente ale pereților pot fi detectate cu precizie sub mm [24]. Într-un alt scenariu, mișcările foarte mici ale unui piept datorate respirației unei persoane pot fi măsurate la o distanță de aproximativ 20 m [25]. Sistemul utilizează 16 antene de transmisie și 16 receptoare pentru a forma 256 elemente antene virtuale în timpul procesării semnalelor. O schemă de multiplexare de timp este utilizată pentru a separa toate cele 256 de măsurători bistatice. Pentru aceasta, întotdeauna una dintre cele 16 antene de transmisie este activată pentru transmitere, în timp ce 4 din cele 16 receptoare înregistrează în același timp. Se aplică o schemă de comutare pentru a activa simultan patru antene de recepție diferite pentru fiecare antenă de transmisie. Un ciclu complet MIMO abordează toate combinațiile posibile de transmitere / dezvăluire.

Figura 22 prezintă hexacopterul, care a fost UAV-ul pentru testări. Au fost efectuate mai multe experimente utilizând diferite traiectorii, viteze și scenarii pentru a investiga performanța de detectare a MIRA-CLE Ka.

MIRA-CLE Ka a fost dezvoltat pentru a măsura mișcările minuscule (sub-mm în cm) pe o perioadă lungă de timp, în loc de mișcări rapide într-un interval scurt de timp. Cu toate acestea, acesta din urmă este necesar pentru detectarea UAV-urilor. Prin urmare, MIRA-CLE Ka a fost modificat pentru îndeplini această sarcină. De fapt, doar 8 din cele 16 antene de transmisie disponibile au fost utilizate și lățimea totală de bandă a fost redusă la jumătate. Cu aceste modificări, PRF ar putea fi mărită, iar lungimea de înregistrare ar putea fi extinsă. Parametrii radarului rezultat sunt prezentați în Tabelul 5. Rata de alarmă falsă folosită în această lucrare a fost de 10-6. Cu toate acestea, trebuie remarcat faptul că sistemul radar MIMO folosit nu este încă optim pentru detectarea țintei. O reproiectare completă a sistemului ar fi necesară pentru a obține o performanță maximă de detectare a țintei dintr-un sistem radar MIMO de imagini. Aceasta ar cuprinde o înregistrare paralelă a tuturor canalelor de recepție și activarea simultană a tuturor emițătoarelor utilizând forme de undă ortogonale sau metode OFDM (Orthogonal Frequency Division Multiplex). De asemenea, puterea de transmisie a fiecărei căi de transmisie ar trebui mărită pentru un sistem radar optimizat MIMO pentru a detecta UAV-uri mici la distanțe mari.

Figura 21 – Interfața radarului MIMO MIRA-CLE Ka

Figura 22 – Hexacopterul folosit la testările radarului MIMO MIRA-CLE Ka

Tabelul 5 – Parametrii radar pentru detectarea UAV-urilor cu MIRA-CLE Ka

Se consideră următorul experiment UAV-ul se deplasează peste și între mai mulți arbori către radar cu o viteză de 5 m / s. Gama a fost de aproximativ 150 m. Parametrii experimentali sunt prezentați în tabelul 6.

Tabelul 6 – Parametri experimentali

Figurile 23 și 24(a) prezintă imaginea radarului MIMO realizată după operația de formare a fasciculului de pe scenă de fundal și a unui zoom în regiunea în care țintă se mișcă. Figura 24(b) prezintă datele din figura 24(a) după FFT în timp lent și însumare pe unghi. Se remarcă faptul că semnalul puternic de zgomot al arborilor este grupat pe câteva celule Doppler. În plus, spectrul inerent al clutterului se poate schimba destul de repede și puternic din cauza rafalelor de vânt. Prin urmare, acest tip de zgomot face foarte dificilă detectarea UAV-urilor care se deplasează încet sau UAV-urile a căror semnale suferă modificări în banda de aglomerare.

Figura 23 – Imagine radar MIMO după formarea fasciculului [dB] a scenei staționare, incluzând mai mulți copaci de la marginea pădurii.

Detectarea UAV în timp este prezentată în figura 25. Această figură prezintă viteza / direcția / viteza radială a UAV-ului în timp. Poziția sa poate fi urmărită cu ușurință, deoarece UAV-ul este monitorizat continuu de radarul MIMO cu fascicul larg. Această calitate de urmărire la nivel înalt nu ar putea fi realizată prin intermediul radarelor cu rețele de antene, care funcționează cu o gestionare diferită a resurselor radar. Radarele cu rețele de antene ar monitoriza această zonă largă prin direcționarea fasciculului antenei în direcții diferite, determinând succesiv faptul că UAV-urile nu ar fi iluminate continuu de către radar. Din poziția UAV-ului în timp, vectorul vitezei temporale corespunzătoare poate fi estimat. Se remarcă faptul că semnalul zgomotului de fundal este situat în jurul valorii de 0 m/s așa cum era de așteptat. Comparația dintre datele GPS și rezultatele estimate din datele radarului este prezentată în figura 26. Ambele măsurători sunt în acord. Diferența de distanță a UAV-ului între datele GPS și gama măsurată cu radarul rezultă din eroarea GPS mare a altitudinii. Semnalul inversat al UAV-ului apare cu o viteză radială absolută mai mică de 1 m/s. Acest obiect aparent încețoșat ar putea fi detectat cu succes de sistemul radar MIMO imagistic.[25]

Figura 24a – Imaginea formată în zgomot a radarului MIMO

Figura 24b – Spectru inerent de zgomot

Figura 25 – UAV-ul detectat

Figura 26 – Compararea datelor GPS cu parametrii UAV estimați din datele radar.

Detectarea UAV-urilor folosind un sistem FMCW (Frequency-Modulated Continuous Wave)

Autorii au decis să analizeze două moduri de operare pentru detectarea dronelor – detectarea cu fascicul larg și detectarea cu fascicul îngust. []

Detectarea cu fascicul larg

Detectarea, urmărirea și imagistica UAV-urilor prin fascicul larg se poate realiza în anumite zone. Un exemplu al acestui mod este prezentat în figura 27.

Figura 27 – detectarea cu fascicul larg

Detectarea cu fascicul îngust

Detectarea cu fascicul îngust, este mai adecvată în situația în care obiectele în mișcare care pot provoca alarme false sau obiecte foarte reflexive care pot satura receptorul radar se află în zona restricționată. Acest mod este prezentat în figura 28.

Figura 28 – Detectarea cu fascicul îngust

Folosind relațiile (17) – (19) s-au calculat puterea de rezervă (power budget) și potențialul scop de utilizare:

(17)

(18)

S = (19)

Pentru calcul au fost alese două nivele de putere: 20 mW reprezentând un radar cu putere redusă și 2 W, corespunzând puterii maxime a radarului utilizat. Viteza UAV-ului pentru calcul a fost estimată a fi de 10 m/s sau de 30 m/s (tipic pentru o dronă de clasă militară). Timpul de integrare a fost ales pentru a se potrivi cu aceste viteze. Lățimea fasciculului de antenă se presupune a fi 30°.Pentru fascicul îngust elevația este de 3° sau 30° pentru fascicul larg în azimut. Raportul semnal la zgomot ca prag de detectare este de 10dB pentru acest sistem. Parametrii calculați sunt rezumați în tabelul 7.

Tabelul 7 – parametrii calculați

Pentru experiment, a fost utilizat un radar FMCW de înaltă rezoluție de 35 GHz. Sistemul este un radar coerent de 35 GHz cu lățime de bandă de 1 GHz, proiectat în primul rând pentru imagini SAR de înaltă rezoluție [27]. Proiecția analogică are 16 moduri de funcționare, iar pentru aplicația descrisă în aceste modurile din tabelul 8 au fost selectate.

Radarul FMCW folosit în experiment este echipat cu două antene de recepție. Antenele fascicul îngust (3°) în direcția azimutului deoarece au fost special proiectate pentru aplicația SAR, astfel că a fost testat numai pentru detectarea cu fascicul îngust. În altitudine, lățimea fasciculului antenei este de 30◦. În timpul încercărilor, poziția antenei a fost fixată, ceea ce ar putea fi considerată o limitare în ceea ce privește zona de acoperire a radarului. Pentru a obține o mai bună scanare a zonei, sistemul trebuie modificat folosind antene rotative.

Tabelul 8 – Modurile folosite în experiment

Testele au fost efectuate într-o facilitate de la Institutul de Tehnologie al Forțelor Aeriene, Polonia. Imaginea aeriană a zonei este prezentată în figura 29. Radarul a fost plasat pe un balcon pe primul balcon, la 5 metri deasupra solului. Distanța UAV-ului la radar era de 30-90 m. UAV-urile folosite au fost DJI PHANTOM 2 de dimensiuni mici (figura 30) și un DJI S1000 PREMIUM de dimensiuni medii (figura 31). Viteza tipică de zbor a UAV-urilor a fost sub 10 m/s.

Figura 29 – Institutul de Tehnologie al Forțelor Aeriene, Polonia

Figura 30 – DJI PHANTOM 2

Figura 31 – DJI S1000 PREMIUM

UAV-urile navigau înapoi și înainte în jurul zonei experimentului, trecând fasciculul de antene radar la diferite intervale, altitudini și cu viteze radiale diferite. Detectările obținute sunt ilustrate în următoarea secțiune.

Următoarele figuri prezintă exemple de rezultate ale detectării dronelor. Imaginile afișează planurile de viteză (Doppler). Este clar că sunt observate ecouri puternice ale UAV-urilor. Figura 32 prezintă ecoul de la PHANTOM 2 și figura 33 ilustrează detecția octocopterului DJI. Figurările prezintă instantanee de la aplicația de prelucrare scalată în metri pe orizontală și metri pe secundă pe verticală. Unitățile de bare de culoare ar fi arbitrare.

Figura 32 – Ecou Phantom 2 pentru Range Doppler Map

Figura 33 – Ecou DJI pentru Range Doppler Map

Datorită frecvenței mari de transport, apar lobi laterali Doppler. În figura 32 (stânga) au fost marcate ecoul, drona și lobii laterali. Împrăștierea largă de Doppler provine de la elicele UAV-urilor care variază adesea pentru diferite unități. Prin urmare, caracteristicile ecoului pot fi folosite pentru recunoaștere și clasificare. De asemenea, este posibilă efectuarea imaginilor țintă în modul ISAR.

Detectarea unică transmite informații despre distanța UAV-ului față de radar, viteza radială, dimensiunea, tipul și forma uniformă. De asemenea, este posibil să se determine altitudinea țintă utilizând măsurători de la două antene.

Detectarea UAV-urilor folosind radar pasiv bistatic bazat pe televiziune digitală

Procesarea semnalului radarului pasiv bistatic

O schemă tipică de procesare a semnalului radar pasiv este ilustrată în Figura 34. După reconstrucția semnalului de referință, respingerea clutterului, corelarea 2D-cruce și formarea fasciculului, spectrul Range-Doppler (RD) poate fi derivat. Apoi se aplică metoda de detectare CFAR. Pentru urmărirea pasivă a radarului bistatic, estimarea DOA bazată pe algoritmul MUSIC este una dintre tehnologiile-cheie. În cele din urmă, algoritmul de urmărire bazat pe filtrul Kalman extins (EKF) este utilizat pentru a obține traiectoria țintă [28]. Este de remarcat faptul că este preferat un timp de integrare mai lung, bazat pe caracteristica LSS a dronelor și un algoritm MUSIC al ferestrei glisante bidimensionale în spațiu-timp, pentru a obține precizia estimării azimutului.

Figura 34 – Procesarea semnalului radarului bistatic pasiv

Sistemul experimental și scenariul

Sistemul PBR dezvoltat de Universitatea Wuhan este ilustrat în figura 35, se bazează pe conceptul de radar definit de software. Sistemul constă din rețele de antene, front analogic, subsistem de achiziție și înregistrare a datelor și platforma de procesare a semnalelor. Semnalul TV recepționat de la receptor este încărcat de linia de fibră optică pe serverul computerului pentru stocarea datelor. Sistemul este capabil să recepționeze în mod selectiv semnal TV de bandă UHF cu banda de 8MHz, cum ar fi China Mobile Multimedia Broadcasting (CMMB) sau Digital Television Broadcasting Terestru Multimedia (DTMB) în China [29].

Figura 35 – sitemul PBR

O serie de experimente privind detectarea dronelor au fost efectuate de către Universitatea Wuhan din provincia Hubei, China în 2016. Sistemul este poziționat pe partea superioară a unei clădiri la o înălțime de aproximativ 20m. Ca iluminator al oportunității în orașul Wuhan, GuiShan Tower transmite semnal CMMB de 685MHz și semnal DTMB de 738MHz simultan. Scenariul experimentului de detecție a dronei este prezentat în figura 36. Antena de referință servește ca sursă a semnalului original transmis spre transmițător, adică GuiShan Tower. Matricea de supraveghere servește ca sursă a semnalului ecou țintă spre zona țintă de interes. Distanța de bază între emițător și receptor este de aproximativ 7,5 km. Ca țintă cooperativă, figura 37 prezintă un quadcopter (DJI Phantom 4), utilizat pentru încercarea experimentală. Distanța diagonală (fără elici) a acestui quadcopter este de aproximativ 35 cm, iar viteza orizontală maximă este de aproximativ 20 m/s în modul Sport. Alți parametri pot fi obținute de pe site-ul oficial al DJI. Înregistrările de zbor ale acestui quadcopter pot oferi adevărul de bază pentru evaluarea experimentelor [30].

Figura 36 – scenariul experimentului

Figura 37 – DJI Phantom 4

Rezultate experimentale

Au fost proiectate două traiectorii ale unui quadcopter cooperativ cu mișcări tipice, respectiv mișcare liniară și neliniară

Prima traiectorie

Figura 38 prezintă o traiectorie țintă a DJI Phantom 4, colectată din înregistrarea de zbor. În acest studiu, drona zboară înainte și înapoi de patru ori în raza de acoperire, adică aproape de o mișcare liniară uniformă.

Ca o comparație, ambele ținte potențiale după detectarea CFAR și informațiile de la sol din înregistrarea de zbor sunt suprapuse pe o hartă de tip Doppler, ca în figura 39. Chiar și cu un număr mare de ținte false, acordul dintre rezultatele experimentale gri și rezultatul informațiilor de sol, roșu este clar vizibil. Aceasta indică detectarea cu succes a dronei folosind sistemul PBR. Aceste valori identificate, adică intervalul bistatic Doppler și azimut, reprezentate în timp, permit o impresie vizuală mai largă a unui interval țintă posibil – cursul Doppler și schimbarea azimutului [31]. Rezultatele alternative corespunzătoare sunt comparate în figura 40. Măsurătorile și informațiile de la sol sunt în principiu potrivite, cu excepția primelor 50 de secunde (datorită reglării atitudinii de zbor a dronului înainte de mișcare). Din 40 (a) și 40 (b) putem vedea o mișcare liniară uniformă aproximativă a dronei. Nepotrivirea ușoară a azimutului din secțiunea 40 (c) poate proveni din calibrarea rețelei suboptimale, din diagrama prea mică a rețelei sau din poziția azimutului de rețea inexactă.

Figura 38 – Prima traiectorie a dronei

Figura 39 – Rezultatele detectării

De asemenea, în această încercare se aplică tehnica pasivă de urmărire radar bistatică cu algoritmul EKF și Global Nearest Neighbor (GNN) utilizând datele de detectare originale. Figura 41 prezintă rezultatele procesării. Deși se detectează un număr mare de ținte false, pot fi urmărite numai obiectele în mișcare. În figura 41 există două piste evidente în zona de acoperire. Cea care se potrivește cu informațiile de la sol este tinta noastră de cooperare care indică urmărirea cu succes a dronei. Un altul poate fi o altă dronă necooperativă sau unele păsări mari [31]. Deci, clasificarea și recunoașterea sunt o lucrare majoră pentru acest sistem PBR în cercetarea ulterioară. În figura 41, pentru urmărirea țintei PBR, fluctuația și nepotrivirea urmei provin în principal din estimarea inexactă a azimutului. Sistemul multistatic de radar pasiv (MSPSR) poate îmbunătăți această problemă [32] [33].

A doua traiectorie

În acest studiu, figura 42 prezintă o traiectorie de țintă de manevră, incluzând o întoarcere bruscă, o mișcare lentă, o mișcare liniară și chiar un hover, care este o mișcare tipică neliniară. Pentru a fi specific, locul de susținere este marcat cu un cerc alb.

La fel ca în prima traiectorie, figurile 43 si 44 indică detectarea cu succes a dronei cooperative. În comparație cu figura 41, schimbarea Dopplerului bistatic și a azimutului în figura 44 este mai complexă. În mod special, măsurătorile din interiorul cutiei neagre din figura 44 reprezintă starea de flotare a țintei. Schimbarea rapidă a acestei stări de mișcare face ca țintă să intre în regiunea de confuzie și să fi pierdut detectarea. Se poate observa din figura 41 și figura 44 că, atunci când direcția de mișcare se schimbă (cum ar fi întoarcerea sau umflarea), țintă intră în regiunea de zgomot, ceea ce poate duce la imposibilitatea detectării.

Figura 40 – Măsurători în timp

Figura 41 – Rezultatele măsurătorii comparate cu informațiile de la sol

Figura 42 – A doua traiectorie

Figura 43 – Rezultatele detectării

Figura 45 oferă rezultatul urmăririi, precum și informațiile de la sol în acest proces. Din figură se poate observa că traiectoria de urmărire se potrivește, în principiu, cu informațiile de la sol. Punctele decuplate A și B corespund traseului de formă. La punctul C, ținta se mișcă de la mișcare până la mișcare. Deși statul se schimbă rapid, starea de hover rămâne doar o vreme, astfel încât EKF este capabil să o prezică.[30]

Figura 45 – Rezultatul urmăririi

Figura 44 – Măsurătorile in timp ale dronei

Bibliografie

Paraschiv, C.V. (2013) Platformă aeriană cu modul de luptă strategic – PAMLUS (Autonomus Air Platform with Strategic Combat Module);

*** Study Analyzing the Current Activities in the Field of UAV. European Comission, Enterprise and Industry Directorate – General, ENTR/2007/65

UAS Yearbook (2011) Unmanned aircraft systems – The Global Perspective 2011/2012. Blyenburg & Co, ISSN 1967-1709, Paris.

Știr, M. (2010) Angajarea sistemelor aeriene fără pilot în acțiunile militare (Engaging Unmanned Air Systems in Military Operations). Gândirea militară Românească, ISSN 1454 – 0460, no 6/2010, p. 24-41, București, România.

Prisacariu, V. (2013) UAV în teatrele de operații în condițiile spațiului aerian modern, Universitatea Transilvania din Brașov;

Gundlach. J. (2012) Designing unmanned aircraft systems. AIAA Education, ISBN 978-1-60086-843-6, Virginia, USA

Nehme, C.E., Cummings, M.I., Crandall, J.W. (2006) A UAV Mission Hierarchy. Massachusetts Institute of Technology, HAL2006-09

Miroslav K., Lubos F. – Mini UAVs detection by radars – University of Defence, Kounicova 65, Czech Republic.

Victor C. Chen. The micro-Doppler effect in Radar. Arthech House, USA, 2011

Chao Zhou, Yang Liu, Yuanyuan Song. Detection and Tracking of a UAV via Hough Transform, Key Laboratory of Embedded Real – time Information Processing Technology, School of Information and Electronics, Beijing Institute of Technology, Beijing, China

Lou Y. X. Radar Accuracy Analysis. National Defence Industry Press, China 1979.

M. Caris, S. Stanko, S. Palm, R. Sommer, N. Pohl Synthetic Aperture radar at milimeter wavelength for UAV surveillance Applications PROC RTSI 2015, Torino, Septeber 2015, pg. 349 – 352

S. Stanko, W. Johannes, R. Sommer, A. Wahlen, J. Wilcke, I. Kallfass, A.Tessmann, H. Essen, SAR with MIRANDA – Millimetrewave radar using analog and new digital approach, Proc. EURAD 2011, Manchester (UK), October 2011, pg 214-217

M. Caris, W. Johannes, S. Sieger, V. Port, S. Stanko – Detection of small UAS with W-band Radar Fraunhofer Institute for High Frequency Physics and Radar Techniques FHR Fraunhoferstr. 20, 53343 Wachtberg, GERMANY

M. I. Skolnik, Introduction to Radar Systems, 3rd ed., McGraw-Hill Inc., New York, 2001.

J. Ochodnicky, Z. Matousek, Radar System Analysis, Armed Forces Academy, Liptovsky Mikulas, 2013

S. Spirko, Z. Matousek, Radar Interception Area Analysis, Cybernetic Letters, Vol. 1, 2008, pp. 1-10.

D. Barton, S. Leonov, Radar Technology Encyclopedia, Artech House, Inc. Boston, 1997.

H. W. Cole, Understanding Radar, Second Edition, Blackwell Scientific Publications, Oxford, 1992.

Jan O., Zdenek M., Marian B, Jan K. Drone detection by Ku Band Battlefield Radar, Armed Forces Academy of General M. R. Štefánik, Liptovský Mikuláš

J. H. G. Ender and J. Klare, System Architectures and Algorithms for Radar Imaging by MIMOSAR, in IEEE RadarCon, Pasadena, USA, May 2009, pp. 1–6.

H. Wilden, J. Klare, A. Froehlich, and M. Krist, MIRA-CLE, an Experimental MIMO Radar in Ka Band, in Proc. 8th European Conference on Synthetic Aperture Radar (EUSAR), Aachen, Gerany, June 2010, pp. 382–385.

O. Biallawons, J. Klare, and O. Saalmann, Realization and calibration of the MIMO radar MIRACLE Ka, International Journal of Microwave and Wireless Technologies, vol. 6(3/4), pp. 405–413, 2014

J. Klare and O. Biallawons, Disaster management with the MIMO radar MIRA-CLE Ka: Measurements of a slowly moving wall, in Proc. 10th European Conference on Synthetic Aperture Radar (EUSAR), Berlin, Germany, June 2014, pp. 880–883.

Jens K., Oliver B., Delphine C-M., UAV detection with MIMO radar Fraunhofer Institute for High Frequency Physics and Radar Techniques FHR Fraunhoferstr. 20, 53343 Wachtberg, Germany

Jedrzej Drozdowicz, Maciej Wielgo, Piotr Samczynski, Krzysztof Kulpa Jaroslaw Krzonkalla, Maj Mordzonek, Marcin Bryl, Zbigniew Jakielaszek 35 GHz FMCW Drone Detection System Warsaw University of Technology Warsaw, Poland Air Force Institute of Technology Warsaw, Poland

Samczynski, P. Gromek, D.; Drozdowicz, J.; Wielgo, M.; Klincewicz, K.; Malanowski, M.; Kulpa, K.; Nowakowski, M.; Krzonkala, J.; Mordzonek, M.; Bryl, M. Experimental results of DANIEL–35 SAR system tests, Radar Symposium (IRS), 2015 16th International, 24–26 June 2015

P. E. Howland, Target tracking using television-based bistatic radar, IEE Proceedings-Radar, Sonar and Navigation, 1999, 146(3): 166-174.

X. R. Wan, J. X. Yi, Z. X. Zhao and H. Y. Ke, “Experimental research for CMMB-based passive radar under a multipath environment,” IEEE Transactions on Aerospace and Electronic Systems 50.1 (2014): 70-85.

Yuqi Liu, Xianrong Wan, Hui Tang, Jianxin Yi, Yiyao Cheng and Xun Zhang Digital Television Based Passive Bistatic Radar System for Drone Detection Wuhan University Wuhan 430072, China

M. Ritchie, F. Fioranelli, and H. Griffiths, “Monostatic and bistatic radar measurements of birds and micro-drone,” 2016 IEEE Radar Conference (RadarConf). IEEE, 2016

J. X. Yi, X. R Wan, L. Henry, and F. Cheng, “MIMO Passive Radar Tracking Under a Single Frequency Network,” IEEE Journal of Selected Topics in Signal Processing 9.8 (2015): 1661-1671.

J. X. Yi, X. R Wan, L. Henry, and M. Lü, “Joint Placement of Transmitters and Receivers for Distributed MIMO Radars,” IEEE Transactions on Aerospace and Electronic Systems, 2017.