13 мая в 23:18

Технология пассивного радиопеленгования БПЛА: Обнаружение, сопровождение и классификация

Средний

Matlab*Беспроводные технологии*Визуализация данных*Глобальные системы позиционирования*Инженерные системы*

Ожидает приглашения

Кваснов Антон Васильевич

Мурзабаев Рамиль Ринатович

В рамках проведенного исследования была разработана и экспериментально проверена технология пассивного радиопеленгования беспилотных летательных аппаратов (БПЛА). В её основе лежит многопозиционный подход, позволяющий точно определять координаты радиоизлучающего объекта (дрона) без применения активных радиолокационных средств.

Современные беспилотники чаще всего оснащены собственными радиоэлектронными каналами связи – пульты управления, каналы видеотрансляции, телеметрия и т.д. Пассивное радиопеленгование использует это свойство: приёмники на земле анализируют шумовые и служебные сигналы БПЛА, не излучая сами. Такая система работает в «режиме радиомолчания»: нападающий дрон не знает, что за ним следят, и не создаёт дополнительных радиопомех.

Это делает пассивные комплексы незаметными для целей. К примеру, зенитно-ракетный комплекс «Стрела-10МН» в режиме ожидания использует двухканальные оптико-электронные визиры и пассивные радиопеленгаторы для обнаружения дронов с активной электроникой на борту. В отличие от активных методов (радиолокаторов, тепловизоров, лидаров и т.п.), пассивные системы не посылают сигнала и потому практически не видимы для противника.

Зенитный ракетный комплекс 9К35 Стрела-10 был принят на вооружение ВС СССР в 1976 году и действует в настоящее время.

Активные датчики, такие как радиолокаторы или лидары, сами излучают энергичные импульсы и регистрируют отражения. Они хороши в любых погодных условиях, но могут быть заметны и подвержены многолучевому замиранию и гашению сигнала. Тепловизионные камеры ничего не излучают, но плохо работают в тумане и на рассвете. В отличие от них, пассивные радиопеленгаторы непрерывно «слушают» широкий радиодиапазон (например, 2.4 ГГц, как в популярном Wi-Fi и дронах) и определяют направление на источник сигнала по фазе или времени прихода. Они практически не чувствительны к погодным условиям и слабо влияют на окружающую среду, поскольку не генерируют мощного импульса. Это позволяет их использовать в городских и загородных условиях без лицензирования (пассивные приёмо-пеленгаторы не требуют разрешения на излучение)

Примеры пассивных и активных средств мониторинга

Многопозиционная система и методы локализации

Для определения координат БПЛА пассивные пеленгаторы размещают в нескольких точках. На каждой станции измеряется азимут до радиоисточника. Затем решение простой геометрической задачи позволяет определить местоположение передатчика. В простейшем случае двух координат (двумерной плоскости) достаточно двух станций: пересечение двух прямых на плоскости – это местоположение дрона. Такой метод называют триангуляцией. При трёх и более станциях возможно более точное вычисление, в том числе с помощью разностно-дальномерного (TDoA) метода.

Сопровождение БПЛА как источника радиоизлучения на основе решения триангуляционной задачи

TDoA

Разница во времени прибытия (TDoA) относится к методам локализации, основанным на применении принципа мультилатерации . Алгоритм TDoA основан на определении разницы во времени, затраченном на передачу сигнала между меткой слежения и базовой станцией.

Проведение экспериментальных исследований

Пример используемой в работе двухпозиционной системы (синхронизация по радиорелейной линии связи)

В ходе экспериментов мы использовали двухпозиционную конфигурацию с синхронизацией пеленгаторов по радиорелейной линии связи. Станции работали в дециметровом диапазоне частот, отслеживая сигналы БПЛА, который транслировал радиосигнал на частоте 2.4 ГГц — типичный диапазон, используемый большинством коммерческих дронов.

Ключевые параметры эксперимента:

Расстояние между пеленгаторами (база): 422 метра
Высота полёта БПЛА: от 130 до 300 метров
Максимальное расстояние от пеленгатора до БПЛА: ~2500 метров
Частота дискретизации измерений: 8 секунд

На каждой станции велся непрерывный пассивный пеленг сигнала от БПЛА. Далее данные обрабатывались нашим специализированным программным обеспечением, включающим:

Фильтрацию «сырых» пеленгов
Решение триангуляционной задачи в реальном времени
Визуализацию траектории движения дрона

На графиках ниже представлены результаты экспериментов:

Графики зависимости азимутального угла от времени наблюдения: верхний левый – не отфильтрованное значение пеленга для 2-ой станции, верхний правый – отфильтрованное значение пеленга для 2-ой станции, нижний левый – не отфильтрованное значение пеленга для 1-ой станции, нижний правый – отфильтрованное значение пеленга для 1-ой станции

Демонстрация данных по реальной траектории ИРИ (синий цвет) и расчетным координатам ИРИ (черный цвет), выполненных триангуляционным методом с частотой дискретизации 8 секунд (красная линия – расстояние между пеленгаторами; высота полета БПЛА – 236 м)

Рис. 1. Графики зависимости азимутального угла от времени наблюдения: верхний левый – не отфильтрованное значение пеленга для 1-ой станции, верхний правый – отфильтрованное значение пеленга для 1-ой станции, нижний левый – не отфильтрованное значение пеленга для 2-ой станции, нижний правый – отфильтрованное значение пеленга для 2-ой станции

Рис. 2. Демонстрация данных по реальной траектории ИРИ (синий цвет) и расчетным координатам ИРИ (черный цвет), выполненных триангуляционным методом с частотой дискретизации 8 секунд (красная линия – расстояние между пеленгаторами; высота полета БПЛА – 233 м)

Особенности нашей разработки:

Высокая точность угловых измерений за счёт тщательно откалиброванной антенны и алгоритмов сглаживания
Возможность масштабирования системы до трёх и более пеленгаторов с переходом к разностно-дальномерным методам
Устойчивость к погодным и городским условиям
Возможность дальнейшего расширения для распознавания классов БПЛА

Однако несмотря на эффективность и широкий потенциал, разработка многопозиционных пассивных систем радиопеленгования сталкивается с рядом фундаментальных задач, от которых напрямую зависит точность и надёжность всей системы. В ходе наших исследований мы выделили три ключевые проблемы:

1. Точность измерения угловых координат

В системе пассивного радиомониторинга вся геометрия построения координат БПЛА основана на углах прихода сигнала. Малейшие ошибки в измерении этих углов (на доли градуса) могут давать сотни метров ошибки по дальности. Особенно это критично при удалённости объекта: чем дальше БПЛА от станции, тем сильнее влияет даже минимальная погрешность.
Повышение точности угловых измерений — приоритетная задача, которая требует:

высокой чувствительности антенн,
точной калибровки оборудования,
использования цифровой фильтрации и предсказательных алгоритмов (в том числе на базе нейросетей).

2. Наличие «мёртвых» секторов (геометрическая неоднозначность)

Если пеленгаторы и БПЛА расположены на одной прямой, возникает ситуация, при которой расчёт дальности становится крайне неточным — это связано с геометрической вырожденностью: направление известно, но расстояние оценить почти невозможно. В таких конфигурациях резко растёт среднеквадратическое отклонение (СКО) по координатам.
Чтобы избежать этой проблемы, необходимо:

использовать не менее трёх пеленгаторов,
располагать их в вершинах треугольника, желательно приближённого к равностороннему — это создаёт устойчивую систему координат и позволяет уверенно локализовать БПЛА.

3. Выбор расстояния (базы) между пеленгаторами

Слишком близкое расположение станций приводит к низкой точности оценки координат из-за малого параллакса. С другой стороны, чрезмерное увеличение расстояния между станциями усложняет синхронизацию, ухудшает приём слабых сигналов и снижает надёжность в условиях городской застройки.
Идеально, если база между станциями соизмерима с дальностью до объекта наблюдения. Например, при предполагаемой зоне контроля в 2–3 км, оптимальная база — порядка 400–600 метров.

Предлагаемые направления исследования:

Создание многопозиционных систем сопровождения БПЛА
Увеличение точности измерения угловых координат
Распознавание воздушных целей

Зоны бланкирования и база между пеленгаторами

База между пунктами наблюдения должна быть соизмерима с величиной дистанции наблюдения за ИРИ;
Трехпозиционная система с разнесенными станциями – это минимальные требования к построению многопозиционной системы;
Проблема зоны бланкирования, когда линия для двухпозиционной системы совпадает с местоположением ИРИ, из-за чего измерение координат ИРИ становиться крайне сложной задачей.

Основные ухудшающие факторы при оценка угловых координат: многолучевое распространение и атмосферные явления

Основные ухудшающие факторы при оценке угловых координат

Многолучевое распространение зависит от взаимного расположения передатчика (БПЛА) и приемника (пеленгатор) и влияет на замирание сигнала, что приводит к не корректной оценке угловых координат.

Рефракция – искривление излучения вследствие неоднородности атмосферы влияет на аддитивное смещение оценки угловых координат.

Применение рекуррентных AI для увеличения точности измерения угловых координат

С точки зрения математики рекуррентная нейронная сеть - это класс динамических нелинейных систем для сопоставления последовательностей данных с другой последовательностью, использующих концепцию виртуального времени, что может быть эффективно применено для запоминания условий распространения сигнала ИРИ, если существуют большая обучающая выборка.

$net_j(t)=\sum_iv_{ji} x_i(t)+\theta_j$

– вектор входных значений,
$v_{ij}$ – матрица весовых коэффициентов;
– вектор смещения;
– выходная функция любого дифференцируемого типа

В качестве опорных признаков для формирования обучающей выборки целесообразно выбирать:

Признаки источника радиоизлучения БПЛА: частота излучения, мощность принимаемого сигнала;
Признаки атмосферных факторов, влияющих на дифракцию, рефракцию и интерференцию: температура, влажность и т.д.;
Признаки многолучевого распространения: высота БПЛА, высота пеленгатора, радиоконтрастные объекты местности.

Распознавание источников радиоизлучений различных классов

Проблемы распознавания классов:

Определение класса объекта по совокупности радиотехнических признаков, полученных в виде информационного пакета (формуляра цели)
Формирование базы данных (классификатора), в котором фиксируются всех отличительные свойства радиоизлучающего объекта.
Создание метода (алгоритма), позволяющего распознавать объекта, сравнивая полученные радиотехнические признаки с признаками, существующими в базе данных

Распознавание на основе байесовского подхода

$X= X\{x_1 \ \ \ x_2 \ \ ... \ \ x_K \}$
Множество классов объектов (т.е. радиотехнических признаков)
$Y=Y\{y_1 \ \ \ y_2 \ \ \ ... \ \ \ y_s\}$
Множество классов имен (т.е. класс источника радиоизлучений)

Алгоритм формируется на основе принципа максимума апостериорной вероятности:
$a(x)=argmax_{y\in Y}\ p(y|x)=argmax_{y\in Y}P_yp_y(x)$

В процессе аналитического расчета получено выражения для вероятности распознавания класса имен

Программный продукт по классификации радиоизлучающих объектов и патенты по данной тематике

Классификация станций по радиоизлучающим признакам

Стратегии дальнейших исследований и реализации

Теги:

Хабы: