Детектор обнаружения беспилотных авиационных систем производитель

Когда слышишь про детекторы беспилотников, сразу представляются футуристичные экраны с тревожащимися операторами. На деле же большая часть рынка до сих пор использует допотопные радары, не отличающие ворону от дрона. Вот именно этот пробел и закрывают современные детекторы обнаружения беспилотных авиационных систем, где наш опыт показал: ключ не в мощности, а в аналитике сигналов.

Эволюция методов обнаружения

Помню, в 2018-м пробовали ставить импортные пеленгаторы за полмиллиона рублей — ловили всё подряд, от Wi-Fi до микроволновок. Пришлось разрабатывать свой алгоритм сегментации RF-спектра, который вычленял именно характерные для БПЛА модуляции. Кстати, тогда же поняли, что одного детектора мало — нужен комплекс, где радиомониторинг дополняется акустическими сенсорами.

Сейчас в ООО Чэнду Битэ Чжиань Технологии пошли дальше: добавили в системы анализ телеметрических каналов. Это оказалось сложнее, чем кажется — многие дроны шифруют данные, но паттерны управления всё равно остаются ?читаемыми?. На стендах тестировали на DJI Mavic и самодельных коптерах — последние, кстати, часто выдают себя хаотичным хоппингом частот.

Самое неочевидное: иногда эффективнее мониторить не сам дрон, а канал видеострима. Но здесь упёрлись в законодательные ограничения по работе с видеоданными. Пришлось разрабатывать гибридную систему, где видеоаналитика активируется только после радиолокационного триггера.

Практические сложности калибровки

В полевых испытаниях под Новосибирском столкнулись с курьёзом: наш флагманский детектор стабильно давал ложные срабатывания возле ЛЭП. Оказалось, проблема в гармониках промышленной частоты, которые накладывались на спектр 2.4 ГГц. Пришлось вносить поправки в FPGA-код, жертвуя скоростью обработки.

Ещё один нюанс — работа в городской застройке. Многоэтажки создают такие многолучевые искажения, что триангуляция становится похожей на гадание. Решили комбинировать TDOA с инерциальными датчиками — получилось грубее, но стабильнее. Кстати, именно эти наработки легли в основу системы на https://www.cdbtzakj.ru в разделе ?Защита периметра?.

Самое сложное — калибровка под разные климатические условия. В дождь дальность падает на 15-20%, а при сильном ветре акустические сенсоры вообще слепнут. Пришлось делать поправочные коэффициенты для каждого региона — для Крайнего Севера и Краснодарского края настройки radically отличаются.

Кейсы внедрения

На объекте в Татарстане пришлось интегрировать наши детекторы с существующей системой видеонаблюдения. Выяснилось, что их камеры создают помехи в 5.8 ГГц — пришлось экранировать разъёмы и перенастраивать фильтры. Зато теперь это кейс для объектов со сложной электромагнитной обстановкой.

А вот на аэродроме малой авиации под Иркутском столкнулись с обратной проблемой — слишком ?чистый? эфир. Детектор начал ловить спутниковые сигналы, приняв их за коптеры. Пришлось учить систему отличать геостационарные источники от подвижных. Зато теперь можем хвастаться detection range до 3.5 км в идеальных условиях.

Самый показательный случай — защита частной усадьбы, где заказчик требовал обнаруживать дроны ещё до пересечения границы участка. Применили пассивную радиолокацию по переотражённым сигналам — получилось определить приближение БПЛА за 200 метров. Правда, пришлось ставить дополнительные датчики по периметру.

Технологические компромиссы

Сейчас многие требуют ?100% обнаружения?, но физику не обманешь. Наш внутренний стандарт — 94% при вероятности ложных срабатываний не более 0.01%. Достигается это не увеличением мощности, а каскадом фильтров — сначала частотные, затем пространственные, наконец поведенческие.

Интересный парадокс: самые дорогие системы не всегда эффективнее. Например, для защиты склада достаточно детектора за 300 тыс. рублей, а не полумиллионного монстра. В ООО BISEC Технологии даже разработали специальную методику подбора конфигурации под бюджет — иногда выгоднее поставить несколько простых модулей, чем один ?всевидящий?.

Сейчас экспериментируем с нейросетями для классификации типов БПЛА — пока точность около 80%, но уже можем отличать квадрокоптер от самолётной схемы. Главная проблема — недостаток данных для обучения, особенно по редким моделям.

Перспективы развития

Вижу будущее в распределённых сенсорных сетях — когда детекторы обмениваются данными в реальном времени. Провели испытания на полигоне: три модуля, связанные по защищённому каналу, дали на 40% лучше точность позиционирования. Но появилась новая головная боль — синхронизация времени.

Кстати, именно поэтому в нашем портфеле есть магистральные и оконечные устройства синхронизации — изначально разрабатывали их именно для комплексов обнаружения БПЛА. Оказалось, что для триангуляции нужна синхронизация лучше 100 наносекунд, иначе погрешность позиционирования зашкаливает.

Следующий шаг — предсказание маршрутов. Уже тестируем алгоритм, который по первым секундам полёта вычисляет вероятную цель атаки. Пока работает только для запрограммированных маршрутов, но даже это уже серьёзное подспорье для служб безопасности.