В.Б. Сучков1, А.Ю. Перов2, Н.А. Зельницкий3

1-3 МГТУим. Н.Э. Баумана (Москва, Россия)

1 vbs-2014@bmstu.ru; 2 perovau@bmstu.ru; 3 zelnitsky@student.bmstu.ru

Постановка проблемы. Для повышения эффективности решения задачи распознавания радиолокационных целей требуется формирование репрезентативной и обширной выборки радиолокационных изображений объектов локации. Вместе с тем получение высокодетализированных радиолокационных изображений на основе полигональных моделей объектов из большого числа фацетов в радиолокаторе с обратным синтезом апертуры сопровождается высокой вычислительной сложностью и существенными временными зат рат ами. Всвязис этим актуал ьной с тан овитс я задача о птимизации формирования радиолокационных изображений для широких угловых секторов обзора на базе многоточечных моделей целей, в которых диаграммы обратного рассеяния заранее рассчитаны на основе асимптотических методов. Возникает необходимость в разработке алгоритмов комплексной количественной оценки точности и эффективности методики синтеза высококонтрастных радиолокационных изображений.

Цель. Разработать алгоритм формирования радиолокационных изображений геометрически сложных объектов в радиолокационных системах с обратным синтезированием апертуры на основе их полигональных и многоточечных моделей.

Результаты. Разработаны полигональная и многоточечная модели беспилотных л етательных аппаратов (БПЛА) Bayraktar TB2 и MQ-9 Reaper для формирования их радиолокационных изображе ний в радиолокаторе с обратным синтезированием апертуры в X-диапазоне радиоволн. Предложена методика формирования высококонтрастных радиолокационных изображений в рамках имитационного моделирования радиолокационных систе м с обратным синтезированием апертуры. Проведен сравнительный анализ методик моделирования радиолокационных изо бражений для двух реальных целей – БПЛА Bayraktar TB2 и MQ-9 Reaper на основе двух принципиально различных подходов к представлению объекта: детализированной полигональной модели и упрощенной многоточечной (точечнорассеивающей) модели. В среде MatLab реализован алгоритмический комплекс для обработки отраженных сигналов, построения радиолок ационных изображений с заданных ракурсов на основе полигональных и многоточечных моделей. На основе полученных данных дано обоснование возможности примен ения предложенного алгоритма, основанного на многоточечном представлении цели, для формирования репрезентативных обучающих выборок при существенном снижении вычислительных затрат.

Практическая значимость. Разработанный алгоритм синтеза радиолокационных изображений на основе многоточечного представления цели позволяет сформировать репрезентативную обуч ающую выборку радиолокационных изображений целей и существенно снижает вычислительные затраты по сравнению с дет ализированными полигональными моделями. Представленные результаты развивают существующие методики и могут быть использованы для создания эффективных инструментов генерации высокодетализированных радиолокационных изображений для задач распознавания сложных целей.

Сучков В.Б., Перов А.Ю., Зельницкий Н.А. Анализ радиолокационных изображений беспилотных летательных ап паратов на основе их полигональных и многоточечных моделей с использование м метода обратной проекции // Радиотехника. 2026. Т. 90. № 3. С. 168–180. DOI: https://doi.org/10.18127/j00338486-202603-15

1. Борзов А.Б., Быстров Р.П., Засовин Э.А. и др. Миллиметровая радиолокация: методы обнаружения и наведения в условиях естественных и организованных помех. М.: Радиотехника. 2010. 376 с. (Сер.: Радиолокация).
2. Астапов Ю.М., Борзов А.Б., Ефремов А.К. и др. Автономные информационные и управляющие системы. В 4-х томах. Т. 2. М.: ООО НИЦ «Инженер». ООО «Онико-М». 2011. 440 с.
3. Сучков В.Б. Методика создания многоточечной модели аэродинамической цели для определения входных сигналов бортовых радиолокационных датчиков // Электромагнитные волны и электронные системы. 2013. Т. 18. № 6. С. 45-53.
4. Borzov A.B., Suchkov V.B., Shakhtarin B.I., Sidorkina Yu.A. Mathematical modeling and simulation of the input signals of short-range radar systems // Journal of Communications Technology and Electronics. 2014. V. 59. № 12. P. 1356-1368. DOI: 10.1134/S106422691412002X.
5. Лихоеденко К.П., Серегин Г.М., Сучков В.Б., Перов А.Ю. Математическое моделирование поляризационных радиолокацион-ных портретов объектов сложной формы на основе их многоточечных моделей в радиолокаторах с инверсным синтезиро-ванием апертуры // Успехи современной радиоэлектроники. 2024. Т. 78. № 2. С. 13-24. DOI: 10.18127/j20700784-202402-02.
6. Gerry M.J., Potter L.C., Gupta I.J., van der Merwe A. A parametric model for synthetic aperture radar measurements // IEEE Transactions on Antennas and Propagation. 1999. V. 47. № 7. P. 1179–1188.
7. Bhalla R., Ling H. 3D scattering center extraction from range-dependent templates for target recognition // IEEE Transactions on Antennas and Propagation. 1996. V. 44. № 4. P. 564–572. DOI: 10.1109/8.492254.
8. Luo Y., Zhao F., Wang Y., Zhang Y. A method for generating SAR images of vehicles based on 3D models and deep learning // IEEE Geoscience and Remote Sensing Letters. 2020. V. 17. № 12. P. 2035–2039. DOI: 10.1109/LGRS.2019.2962407.
9. Gong J., Xiang Y., Zhang Q. Synthetic aperture radar target recognition with limited training data based on 3D scattering center model // Remote Sensing. 2021. V. 13. № 15. P. 2939. DOI: 10.3390/rs13152939.
10. Anger S. et al. High-resolution inverse synthetic aperture radar imaging of satellites in space // IET Radar Sonar Navig. 2024. V. 18, № 4. Р. 544–563. https://doi.org/10.1049/rsn2.12505.
11. Борзов А.Б., Лабунец Л.В., Лихоеденко К.П. и др. Поляризационная селекция радиолокационных целей с использованием метода главных компонент // СВЧ-техника и телекоммуникационные технологии. 2020. № 1-1. С. 416-417.
12. KANER ÖZDEMIR Inverse Synthetic Aperture Radar Imaging with MATLAB Algorithms. John Wiley: Hoboken. New Jersey. 2012. Р. 133-140.
13. Павлов Г.Л., Сучков В.Б., Перов А.Ю. Алгоритм поляризационной селекции объектов в радиолокаторе с инверсным синтезированием апертуры на основе метода главных компонент // Труды XXVI Междунар. науч.-технич. конф. «Радиолокация, навигация, связь» (г. Воронеж, 16-18 апреля 2024 г.). Воронеж: Воронежский гос. ун-т. 2024. Т. 2. С. 29–38.
14. Сучков В.Б. Объектно-ориентированный метод определения комплексных коэффициентов отражения элементов полигональной модели объекта локации // Системы и средства связи, телевидения и радиовещания. 2013. № 1-2. С. 159-165.
15. Сучков В.Б. Метод определения входных сигналов бортовых систем ближней радиолокации от объектов сложной формы на основе использования их полигональных и многоточечных моделей // Спецтехника и связь. 2013. № 3. С. 25-31.
16. Chen R., Jiang Y. Hybrid SAR-ISAR imaging for space target via 2-D spectrum and SIHR with spaceborne radar // IEEE Transactions on Aerospace and Electronic Systems. 2024.
17. Бахолдин В.С., Леконцев Д.А., Галайчук К.В. Программная модель исследования алгоритма инверсного синтезирования радиолокационных изображений // Сб. материалов конф. НТОРЭС-2024. СПб: СПбГЭТУ «ЛЭТИ». 2024. С. 65–68.