А.В. Кваснов1, В.Б. Поляков2

1 Санкт-Петербургский федеральный исследовательский центр Российской академии наук
(Санкт-Петербург, Россия)

2 Санкт-Петербургский государственный университет аэрокосмического приборостроения
(Санкт-Петербург, Россия)

1 AntonKV@mail.ru, 2 vadim7702@yandex.ru

Постановка проблемы. Применение беспилотных летательных аппаратов (БПЛА) в настоящее время - одно из важных направлений в прикладных исследованиях. Однако обнаружение и сопровождение подобных объектов станциями активной радиолокации сантиметрового диапазона (3…30 ГГц) вызывает определенные сложности из-за потенциально низкой разрешающей способности станций. Именно по этой причине реализация процедуры наведения разведывательного БПЛА, обеспечивающей необходимое сближение с разведуемым БПЛА, крайне затруднительна. Поэтому исследование методов и критериев сближения двух БПЛА является актуальной задачей, позволяющей эффективно решать вопросы наведения БПЛА.

Цель. Выполнить оценку практических подходов, обеспечивающих сближения двух БПЛА радиолокационными средствами с применением теории меры.

Результаты. Рассмотрен метод оценки сближения двух БПЛА с помощью управляемого луча активной фазированной антенной решетки (АФАР), основанный на использовании теории меры (в частности, меры Лебега) на трехмерное пространство. Показано, что расстояние Махаланобиса является наиболее эффективным в качестве критерия сближения. Проведено имитационное моделирование предложенного подхода для АФАР РЛС с максимальной дальностью действия 8000 м и эффективной площадью рассеяния целей не более 1,6 м2.

Практическая значимость. Представленные результаты продемонстрировали преимущество использования расстояния Махаланобиса в качестве критерия сближения объектов по сравнению с критериями, основанными на выборе меры в трехмерном пространстве, такими как расстояние Чебышева или расстояние «городских кварталов».

Кваснов А.В., Поляков В.Б. Критерий сближения двух беспилотных летательных аппаратов средствами радиолокации на основе применения меры Лебега // Радиотехника. 2024. Т. 88. № 11. С. 145–155. DOI: https://doi.org/10.18127/j00338486-202411-18

1. Yu Rong, Richard M. Gutierrez, Kumar Vijay Mishra, Daniel W. Bliss. Noncontact vital sign detection with UAV-borne radars. An Overview of Recent Advances // IEEE Vehicular technology magazine. September 2021. Р. 118-128.
2. Philipp Hügler , Timo Grebner, Christina Knill, Christian Waldschmidt. UAV-Borne 2-D and 3-D Radar-Based Grid Mapping // IEEE Geoscience and remote sensing letters. 2022. V. 19.
3. Ralf Burr, Markus Schartel, Alexander Grathwohl, Winfried Mayer, Thomas Walter, Christian Waldschmidt. UAV-Borne FMCW InSAR for FocusingBuried Objects // IEEE Geoscience and remote sensing letters. 2022. № 19.
4. Shuaijia Shao,Weigang Zhu,Yonggang Li. 2022 IEEE 10th Joint International Information Technology and Artificial Intelligence Conference (ITAIC) // Radar Detection of Low-Slow-Small UAVs in Complex Environments. 2022. Р. 1153-1157.
5. Кваснов А.В. Оценка построения трассы радиолокационной цели неподвижным лучом АФАР в дальней зоне наблюдения // Радиотехника. 2017. № 2. С. 4-12.
6. Кваснов А.В. Синтез оптимального регулятора для управления движением бортовой радиолокационной системы при отслеживании сверхзвуковых целей // Информационно-измерительные и управляющие системы. 2015. Т. 13. № 2. С. 55-62.
7. Torvik B., Olsen K.E., Griffiths H.D. Classification of birds and UAVs based on radar polarimetry // IEEE Geoscience and Remote Sensing Letters. September 2016. V. 13. № 9. Р. 1305-1309.
8. Ryzhkov A. I., Zrnic D. Observations of insects and birds with a polarimetric radar // IEEE Transaction on Geoscience and Remote Sensing. March 1998. V. 36. № 2. Р. 661-668.
9. Кваснов А. В. Исследование информационной полноты радиолокационных данных в задачах классификации точечных воздушных объектов // Журнал радиоэлектроники. 2021. № 11. С. 1-18.
10. Кваснов А. В. Повышение информационной полноты классификатора в задачах дистанционного зондирования воздушных точечных объектов // Датчики и системы. 2022. Т. 262. № 3. С. 9-14.
11. Ezuma M., Anjinappa C.K., V. Semkin and I. Guvenc. Comparative Analysis of Radar-Cross-Section- Based UAV Recognition Techniques // IEEE Sensors Journal. September 2022. V. 22. № 18. Р. 17932-17949.
12. Кваснов А.В. Оценка вектора состояния гиперзвукового летательного аппарата на продольном участке траектории // Авиакосмическое приборостроение. 2014. Т. 9. С. 10-18.
13. Wei Nie, Zhi-Chao Han, Yi Li, Wei He, Liang-Bo Xie, Xiao-Long Yang, Mu Zhou. UAV Detection and Localization Based on Multi-Dimensional Signal Features // IEEE Sensors Journal. March 2022. V. 22. № 6. Р. 5150-5162.
14. Tianyuan Yang, Antonio De Maio, Jibin Zheng, Tao Su, Vincenzo Carotenuto, Augusto Aubry. An Adaptive Radar Signal Processor for UAVs Detection With Super-Resolution Capabilities // IEEE Sensors Journal. September 2021. V. 21. № 18. Р. 20778-20787.
15. Tian J., Wang C., Cao J., Wang X. Fully Convolutional Network-Based Fast UAV Detection in Pulse Doppler Radar // IEEE Transactions on Geoscience and Remote Sensing. 2024. V. 62. Р. 1-12.
16. Xiaolong Chen, Jian Guan, Guoqing Wang, Hao Ding, Yong Huang. Fast and Refined Processing of Radar Maneuvering Target Based on Hierarchical Detection via Sparse Fractional Representation // IEEE Access. 2019. V. 7. Р. 149878-149889.
17. Jing Li, Dong Hye Ye, Mathias Kolsch, Juan P. Wachs, Charles A. Bouman. Fast and Robust UAV to UAV Detection and Tracking From Video // IEEE Transaction on Emerging Topics in computing. July-September 2021. V. 10. № 3. Р. 1519-1531.
18. Martins Ezuma, Chethan Kumar Anjinappa, Mark Funderburk, Ismail Guvenc. Radar Cross Section Based Statistical Recognition of UAVs at Microwave Frequencies // IEEE Transactions on aerospace and electronic systems. February 2022. V. 58. № 1. Р. 27-46.
19. Виноградов И.М. Математическая энциклопедия. В 5-ти томах. Изд. 3-е. М.: Советская энциклопедия. 1982. 592 с.
20. Кострикин А.И., Манин Ю.И. Линейная алгебра и геометрия. Изд. 2-е, перераб. М.: Наука. 1986. 304 с.
21. Mark A. Richards, James A. Scheer, Jim Scheer, William A. Holm. Principles of Modern Radar: Basic Principles. 1st ed. Atlanta. Institution of Engineering and Technology. 2010. 962 p.
22. Кваснов А.В., Поляков В.Б. Анализ алгоритмов сканирования воздушного пространства АФАР РЛС для сокращения времени поиска надводных и аэродинамических целей // Радиопромышленность. 2016. № 2. С. 40-46.
23. Visentin T., Hasch J., Zwick T. 2017 European Radar Conference (EURAD) // Polarimetric RCS Measurements of Selected Two-Wheeled Vehicles for Automotive Radar. Nuremberg. 2017. Р. 53-56.