Детектор обнаружения беспилотных авиационных систем

Когда слышишь про детекторы БАС, первое, что приходит в голову — это панацея от всех дронов. На деле же, большинство систем на рынке до сих пор путают ворон с самолётами, особенно в городской застройке. Помню, как на тестах в промзоне под Екатеринбургом наш прототип выдавал ложные срабатывания на сигналы Wi-Fi роутеров — пришлось переписывать алгоритмы распознавания модуляций с нуля.

Как мы пришли к радиотехническим методам обнаружения

Изначально экспериментировали с акустическими сенсорами — микрофоны расставляли по периметру. В теории всё гладко: шум моторов должен чётко идентифицироваться. Но на практике ветер, шум трамваев и даже птицы создавали такой фон, что система молчала при пролёте Mavic в ста метрах. Пришлось признать: для городских условий это тупик.

Перешли на радиочастотный анализ. Тут своя головная боль — современные дроны используют frequency hopping, да и шифрование канала управления усложняет задачу. Зато появилась возможность не только детектировать, но и классифицировать модели по сигнатурам. Кстати, китайские DJI флагманы распознаются проще всего — у них характерный паттерн в preamble пакетов.

Сейчас в ООО Чэнду Битэ Чжиань Технологии сделали ставку на гибридные системы. Комбинируем пассивное радиопеленгование с анализом телеметрии — это даёт меньше ложных срабатываний. Хотя в ветреную погоду всё равно бывают сбои: дрон дрейфует, его передатчик меняет диаграмму направленности... В общем, идеального детектора обнаружения беспилотных авиационных систем пока не существует.

Проблемы калибровки в полевых условиях

Летом 2023-го разворачивали систему на нефтеперерабатывающем заводе в Татарстане. Заказчик требовал обнаруживать дроны за 3 км — в спецификациях мы такие цифры и указывали. Но когда приехали на место, оказалось, что металлоконструкции цехов создают многолучевое распространение. Фактическая дальность упала до 1.2 км.

Пришлось экстренно дорабатывать антенную решётку — добавили адаптивную компенсацию помех. Это к вопросу о том, почему готовые решения с Aliexpress не работают: они не учитывают локальные радиоособенности. Кстати, на сайте https://www.cdbtzakj.ru мы теперь отдельным разделом вынесли требования к предварительному радиообследованию территории.

Самое сложное — научить систему отличать дрон от сотового ретранслятора. Оба работают в близких частотных диапазонах. Наш инженер Михаил предложил хитрость: анализировать не просто спектр, а динамику его изменения. У дрона есть характерные 'всплески' при коррекции курса. Мелочь, а снижает ложные срабатывания на 40%.

Кейс с защитой стадиона во время чемпионата

В прошлом году заключали контракт на обеспечение безопасности во время матча. Особенность — плотная городская застройка вокруг и десятки кафе с открытым Wi-Fi. Стандартные детекторы постоянно фонили. Пришлось создавать 'цифровой отпечаток' легитимных передатчиков в радиусе 2 км.

Интересный момент: самый проблемный дрон оказался не шпионский, а любительский — парень с Mavic Mini пытался снять панораму для блога. Наши сенсоры поймали его за 800 метров, хотя этот аппарат считается малозаметным. Сработала калибровка по боковым лепесткам диаграммы направленности.

После этого случая в ООО BISEC Технологии добавили в прошивку режим 'городской плотной застройки'. Алгоритм теперь учитывает не только RF-параметры, но и статистику полётов в данной локации. Если объект движется по траектории, типичной для съёмки достопримечательностей — приоритет тревоги выше.

Оборудование которое реально работает

Сейчас в линейке ООО Чэнду Битэ Чжиань Технологии три основных модификации детекторов. Базовая — DDS-110, её хватает для периметра промзон. Но для критических объектов рекомендуем DDS-300 с фазированной решёткой — она отслеживает до 5 целей одновременно.

Коллеги из службы безопасности одного аэропорта жаловались: система детектирует дрон, но не может определить оператора. Пришлось дорабатывать пеленгатор — теперь он строит не просто направление, а вероятную зону нахождения пилота с учётом рельефа. Это особенно актуально для детектора обнаружения беспилотных авиационных систем в hilly terrain.

Последняя разработка — интеграция с системами РЭБ. Когда детектор подтверждает классификацию дрона, автоматически выдаёт целеуказание подавителю. Важный нюанс: между детекцией и подавлением должна быть задержка 0.3-0.5 сек — иначе не успеешь записать доказательства.

Чего не хватает на рынке

Большинство вендоров зациклены на дальности обнаружения, хотя важнее точность классификации. Видел системы, которые детектируют за 5 км, но не могут отличить Phantom от птицы. На мой взгляд, пора смещать акцент на интеллектуальную обработку сигналов.

Ещё проблема — калибровка под конкретного оператора. Опытный пилот использует directional antennas, снижает мощность передатчика, применяет запрограммированные маршруты. Против таких нужно не просто детектировать сигнал, а анализировать аномалии в радиоэфире.

В ООО BISEC Технологии сейчас экспериментируют с нейросетями для предсказания траекторий. Не идеально, но уже на 15% сокращает время реакции. Кстати, на https://www.cdbtzakj.ru выложили датасеты с реальными сигналами для исследователей — может, сообщество поможет улучшить алгоритмы.

Перспективы и ограничения технологии

С появлением дронов с LPI-радиолиниями (low probability of intercept) классические методы детектирования будут работать всё хуже. Уже сейчас встречаются аппараты, передающие данные короткими импульсами в шумоподобных сигналах.

Мы тестируем дополнение — пассивную радиолокацию по отражённым сигналам сотовых вышек. Технология сырая, требует огромных вычислительных мощностей, зато не зависит от излучения самого дрона. В тестах поймали таким способом полностью 'немой' коптер на высоте 200 метров.

Главный вывод за последние годы: не существует универсального детектора обнаружения беспилотных авиационных систем. Каждый объект требует индивидуального подхода — где-то нужен акцент на дальность, где-то на помехозащищённость. И да, готовьтесь к регулярному обновлению БД сигнатур — дроны эволюционируют быстрее, чем антивирусные базы.