C.А. Ненашев1, А.Р. Бестугин2, М.В. Гамов3, И.А. Киршина4, В.А. Ненашев5

1,2,4,5 Санкт-Петербургский государственный университет аэрокосмического приборостроения (Санкт-Петербург, Россия)

3 Военная академия воздушно-космической обороны имени Маршала Советского Союза Г.К. Жукова (г. Тверь, Россия)

1 nenashev_sergey178@mail.ru; 2 fresguap@mail.ru; 3 gamov.m.v@bk.ru; 4 ikirshina@mail.ru; 5 nenashev.va@yandex.ru

Постановка проблемы. На сегодняшний день оперативное получение достоверных и высокоинформативных данных от авиационных систем играет важную роль при картографировании подстилающей поверхности. При этом радиолокационные кадры высокого разрешения на борту малого летательного аппарата требуется не только сформировать, но и осуществить их интеллектуальный анализ с применением нейросетевых подходов для обеспечения автоматизированности процесса бортового контроля. Процесс автоматического контроля объектов включает несколько этапов обработки: обнаружение, селекцию, определение координат и их распознавание. На реализацию каждого из перечисленных этапов требуется определенное время, как на формирование радиолокационных кадров, так и на их интеллектуальный анализ. Из-за последовательного выполнения этапов формирования и обработки кадров, время общей реализации автоматизированной системы бортового контроля увеличивается, что нежелательно, так как для подобных систем требуется обеспечить оперативность их функционирования.  

Цель. Представить оперативную методику обнаружения, распознавания, определения координат физических наземных объектов и параметров их движения в процессе формирования радиолокационных кадров передних зон с обеспечением высокой точности и полноты формируемых данных об объектах интереса на базе двухпозиционной системы бортового контроля.

Результаты. Разработана методика формирования и обработки радиолокационных кадров высокого разрешения в передней зоне обзора каждой малогабаритной бортовой РЛС, входящей в двухпозиционную систему с параллельной реализацией процессов обнаружения, селекции и распознавания наземных объектов интереса, позволяющая определять их координаты и параметры движения к концу формирования кадра в целях повышения быстродействия системы в целом и минимизации времени выполнения этапов формирования обработки кадров.

Практическая значимость. Предложенная методика применима при поиске наземных объектов в зонах с чрезвычайными ситуациями, когда требуется повышенная оперативность полетного задания, для контроля природных и техногенных объектов (состояния ледяных полей, дешифрирования пожаров, структурных и сезонных изменений).

Ненашев C.А., Бестугин А.Р., Гамов М.В., Киршина И.А., Ненашев В.А. Методика обнаружения, определения координат и селекции объектов в процессе формирования кадров передних зон в двухпозиционной системе бортового контроля // Радиотехника. 2025. Т. 89. № 8. С. 5-14. DOI: https://doi.org/10.18127/j00338486-202508-01

1. Klemm R. (Ed.). Novel Radar Techniques and Applications. V. 2. Waveform Diversity and Cognitive Radar, and Target Tracking and Data Fusion. London. Scitech Publishing. 2017. 553 p.
2. Ненашев В.А., Сенцов А.А. Пространственно-распределенные системы радиолокационного и оптического мониторинга. Монография. СПб: ГУАП. 2022. 191 с.
3. Nenashev V.A., Sentsov A.A., Shepeta A.P. Formation of Radar Image the Earth's Surface in the Front Zone Review Two-Position Systems Airborne Radar // 2019 Wave Electronics and its Application in Information and Telecommunication Systems (WECONF). Saint-Petersburg. Russia. 2019. Р. 1-5. http://doi.org/10.1109/weconf.2019.8840641.
4. Nenashev V.A., Khanykov I.G. Formation of Fused Images of the Land Surface from Radar and Optical Images in Spatially Distributed On-Board Operational Monitoring Systems // Journal of Imaging. V. 7. № 12: 251. Р. 1-20. https://doi.org/10.3390/jimaging7120251.
5. Патент № 2560082 (РФ), МПК G01S 13/90. Способ фронтального синтезирования апертуры антенны земной поверхности с исключением слепых зон в передней зоне с помощью многопозиционной радиолокационной системы. / Подоплекин Ю.Ф., Шепета А.П., Ненашев В.А.; заявитель и патентообладатель ГУАП. № 2014100672/07; заявл. 09.01.2014; опубл. 20.08.2015. Бюл. №23. 8 с.
6. Патент № 2703996 (РФ), МПК G01S 13/90. Способ локации целей в передних зонах обзора бортовых радиолокационных станций двухпозиционной радиолокационной системы. / Коржавин Г.А., Ненашев В.А., Шепета А.П., Подоплекин Ю.Ф., Давинчук А.Г.; заявитель и патентообладатель АО «Концерн «Гранит-Электрон». № 2019108828; заявл. 26.03.2019; опубл. 06.05.2019, Бюл. №13. 8 с.
7. Патент № 2760873 (РФ), МПК G01S 13/52. Устройство для определения параметров движения наземных объектов в двухпозиционной системе бортовых малогабаритных РЛС. / Ненашев В.А., Григорьев Е.К., Шепета А.П., Подоплекин Ю.Ф.; заявитель и патентообладатель ГУАП. заявл. № 2021106017; заявл. 09.03.2021; опубл. 01.12.2021. Бюл. №34. 15 с.
8. Патент № 2756904 (РФ), МПК G01S 13/90. Устройство разноракурсного многопозиционного синтезирования комплексного изображения земной поверхности. / Ненашев В.А., Ханыков И.Г., Шепета А.П.; заявитель и патентообладатель ГУАП.
   № 2021107671; заявл. 24.08.2020; опубл. 06.10.2021. Бюл. №23. 15 с.
9. Nenashev V.A., Shepeta A.P. Optimization the size of the search area for moving physical objects based on preliminary target designation data // Proceedings of XXIV International Conference Wave electronics and infocommunication systems. 2021. Р. 1-4. https://doi.org/10.1109/WECONF51603.2021.9470590.
10. Yang T., Zhang X., Xu Q., Zhang S., Wang T. An Embedded-GPU-Based Scheme for Real-Time Imaging Processing of Unmanned Aerial Vehicle Borne Video Synthetic Aperture Radar // Remote Sens. 2024. № 16. Р. 191. https://doi.org/10.3390/rs16010191.
11. Zhang Y., Zhou J., Song Z., Zhou K. High-Precision GPU-Accelerated Simulation Algorithm for Targets under Non-Uniform Cluttered Backgrounds // Remote Sens. 2023. № 15. Р. 4664. https://doi.org/10.3390/rs15194664.
12. He Z., Li Z., Chen X., Yu A., Yi T., Dong Z. Detecting Moving Target on Ground Based on Its Shadow by Using VideoSAR // Remote Sens. 2021. № 13. Р. 3291. https://doi.org/10.3390/rs13163291.
13. Kim S., Yu J., Jeon S.-Y., Dewantari A., Ka M.-H. Signal Processing for a Multiple-Input, Multiple-Output (MIMO) Video Synthetic Aperture Radar (SAR) with Beat Frequency Division Frequency-Modulated Continuous Wave (FMCW) // Remote Sens. 2017. № 9. Р. 491. https://doi.org/10.3390/rs9050491.
14. Zhang Y., Zhu D., Mao X., Yu X., Zhang J., Li Y. Multirotors Video Synthetic Aperture Radar: System Development and Signal Processing // IEEE Aerospace and Electronic Systems Magazine. Dec. 2020. V. 35. № 12. Р. 32-43. DOI: 10.1109/MAES.2020.3000318.
15. He Z., Chen X., Yi T., He F., Dong Z., Zhang Y. Moving Target Shadow Analysis and Detection for ViSAR Imagery // Remote Sens. 2021. № 13. Р. 3012. https://doi.org/10.3390/rs13153012.
16. Ненашев В.А., Ненашев С.А. Классификация и распознавание наземных объектов в потоке радиолокационных кадров на основе нейросетевого подхода // Автоматизация в промышленности. 2024. № 1. С. 29-33. https://doi.org/10.25728/avtprom.2024.01.07.