Распознавание воздушных целей в пассивном когерентном локаторе
Перечень сокращений и условных обозначений …………………………………….. 4
Введение …………………………………………………………………………………………………… 5
1 Основные принципы радиолокационного распознавания ………………… 13
1.1 Задача радиолокационного распознавания ………………………………………….. 13
1.2 Обзор информативных признаков распознавания воздушных целей ……. 15
1.3 Обзор методов радиолокационного распознавания воздушных целей ….. 31
1.4 Алгоритмы принятия решений ……………………………………………………………. 35
1.5 Выводы по первой главе и постановка задачи ……………………………………… 38
2 Радиолокационное распознавание воздушных целей в пассивном
когерентном локаторе ……………………………………………………………………………. 41
2.1 Основы пассивной когерентной радиолокации ……………………………………. 41
2.2 Классификация воздушных целей и анализ информативных признаков
распознавания ………………………………………………………………………………………….. 46
2.3 Разработка математической модели эхосигналов от винтомоторных
целей ……………………………………………………………………………………………………….. 62
2.4 Анализ влияния бистатического угла и параметров сигнала подсвета на
структуру отраженного сигнала от винтомоторных целей ………………………… 72
2.5 Разработка метода распознавания воздушных целей в пассивном
когерентном локаторе ………………………………………………………………………………. 76
2.6 Выводы по второй главе ……………………………………………………………………… 90
3 Экспериментальные исследования метода распознавания воздушных
целей в пассивном когерентном локаторе …………………………………………….. 92
3.1 Экспериментальное оборудование ………………………………………………………. 92
3.2 Результаты экспериментальных исследований по распознаванию
винтового самолета ………………………………………………………………………………….. 94
3.3 Результаты экспериментальных исследований по распознаванию
вертолетов ……………………………………………………………………………………………….. 97
3.4 Результаты экспериментальных исследований по распознаванию
БПЛА …………………………………………………………………………………………………….. 101
3.5 Выводы по третьей главе…………………………………………………………………… 109
Заключение …………………………………………………………………………………………… 110
Список литературы ……………………………………………………………………………… 112
ПЕРЕЧЕНЬ СОКРАЩЕНИЙ И УСЛОВНЫХ ОБОЗНАЧЕНИЙ
АКФ Автокорреляционная функция
БПЛА Беспилотный летательный аппарат
ВФН Взаимная функция неопределенности
ДРЛП Дальностный радиолокационный портрет
ЛА Летательный аппарат
МС Модуляционные составляющие
НВ Несущий винт
ОО Опытный образец
ОС Отраженный сигнал
ПАРЛС Полуактивная радиолокационная система
ПКЛ Пассивный когерентный локатор
ПП Приемная позиция
Прд Передающая позиция
РВ Рулевой винт
РЛС Радиолокационная система
ЦЭТВ Цифровое эфирное телевидение
ЭПР Эффективная площадь рассеяния
DVB-T2 Digital Video Broadcasting – Second Generation Terrestrial
Во введении обоснована актуальность темы диссертационной работы,
сформулированы цель и задачи исследования, научная новизна и практическая
значимость полученных результатов, изложены основные научные положения,
выносимые на защиту.
В первой главе рассмотрены основные принципы и этапы процесса
радиолокационного распознавания; сформулированы задачи, решаемые в ходе
распознавания. Рассмотрены различные информативные признаки, используемые
при радиолокационном распознавании. Особое внимание отводится признакам,
обусловленным явлением вторичной модуляции.
Проведен обзор существующих методов оценки информативных признаков и
подходов к принятию решений при распознавании воздушных целей. Сформулиро-
ваны требования к параметрам сигналов подсвета и характеристикам радиолокаци-
онных систем необходимых для использования того или иного метода распознава-
ния. Показано, что многообразие возможных методов и решений при разработке си-
стем радиолокационного распознавания определяется как характеристиками самих
целей (параметрами движения, размерами, конструкцией), так и тактико-техниче-
скими параметрами РЛС. Сформулированы задачи исследований в рамках диссерта-
ционной работы.
Вовторойглаверассмотрены
основные принципы работы и технические
характеристики пассивных когерентных
локационных систем. В общем случае ПКЛ
имеет бистатическую геометрию взаимного
расположенияприемнойпозиции,
наблюдаемой цели, и источника сигнала
подсвета (рисунок 1).
Обработка сигналов в ПКЛ основана на
вычислении и анализе взаимной функцииРисунок 1 – Геометрия ПКЛ
неопределенности (ВФН) прямого v t и
отраженного целью u t сигналов:
2
t exp j 2f Д t dt ,
( , f Д ) u t v
*
где τ – задержка; fД – доплеровский сдвиг частоты; t – время; символ «*» – комплекс-
ное сопряжение.
Проведен анализ характеристик и конструктивных особенностей воздушных
целей, обнаруживаемых с помощью ПКЛ. В результате были выделены следующие
классы наблюдаемых в ПКЛ целей: «самолет» (тяжелые и средние самолеты),
«винтовой самолет» (легкомоторные), «вертолет», «БПЛА» и «птицы». Проведен
анализ информативных признаков распознавания воздушных целей выделенных
классов, а также возможностей по их оценки в пассивном когерентном локаторе со
сторонним подсветом от передатчиков цифрового эфирного телевидения (ЦЭТВ)
стандарта DVB-T2. Частоты вещания сигналов ЦЭТВ лежат в диапазоне от 470 МГц
до 790 МГц. Эффективная полоса частот сигнала составляет 7,61 МГц.
Разработан метод распознавания воздушных целей по совокупности
траекторных и сигнальных признаков. Предложена обобщенная схема обработки
сигналов в ПКЛ, включающая в себя этап распознавания (рисунок 2). Распознавание
предлагается осуществлять после того, как цель обнаружена и взята на
сопровождение.
ВосстановлениеФормирование
Прямойпрямого сигналаДНАОтраженный
сигналсигнал
Адаптивная
фильтрация
Вычисление
ВФН
Обнаружение
и измерение
ТраекторнаяПотребителям
обработка
Потребителям
Раcпознавание
Рисунок 2 – Обобщенная схема обработки сигналов в ПКЛ
Входными данными блока распознавания является результат вычисления
взаимной функции неопределенности (ВФН), результат пороговой обработки от
обнаружителя и траекторные данные обнаруженной цели от блока траекторной
обработки (рисунок 3). Блок распознавания включает в себя два этапа:
распознавание по скорости и по сигнальным признакам.
В качестве траекторных признаков распознавания предложено использовать
абсолютные значения скоростей целей. Использование скорости как
информативного признака позволяет осуществить предварительное сужение
пространства радиолокационного распознавания и выбор группы классов (в
отдельных случаях – определения конкретного класса), к которым может
принадлежать цель. Было показано, что используя значение скорости в качестве
информативного признака можно однозначно принять решение о распознавании
класса «самолет» либо сузить пространство распознавания до двух групп классов
целей, диапазоны скоростей которых в крейсерском режиме полета пересекаются:
первая группа – «винтовой самолет» и «вертолет», вторая – «вертолет», «БПЛА» и
«птицы». При возникновении неоднозначности в принятии решения по траекторным
признакам, дальнейший процесс распознавания с использованием сигнальных
признаков осуществляется относительно групп классов, сформированных по
результатам работы по траекторным признакам.
Среди сигнальных признаков распознавания воздушных целей выделенных
классов наиболее информативным является эффект вторичной модуляции
отраженного целью сигнала. Вторичная модуляция возникает в результате
отражений сигнала подсвета от вращающихся элементов двигательной установки
ЛА. У целей рассматриваемых классов такими элементами являются лопасти винтов
винтового самолета или несущих и рулевых винтов вертолета, лопасти пропеллеров
БПЛА (пропеллерная модуляция).
Данные от ТОВФНот обнаружителя
Группы
Работа по траекторнымклассовРабота по сигнальным
признакампризнакам
Решение
Рисунок 3 – Структура блока распознавания
Во временной области сигнал, отраженный от лопасти винта, вращающегося с
частотой fв, представляет собой последовательность периодических импульсов
(модуляционных составляющих) с периодом повторения, равным периоду вращения
лопасти Тв=1/fв (рисунок 4). Если цель содержит систему из нескольких
вращающихся лопастей, то структура отраженного сигнала представляет собой
последовательность модуляционных составляющих (МС), обусловленных
отражением от системы лопастей. Период повторения модуляционных
составляющих суммарного отраженного сигнала для системы из Nл лопастей
определяется выражением:
Tв ,
Tмс
mN л
где m = 1 для четного числа лопастей, m = 2 – для нечетного.
s(t)
Tв
Tмс
τмсt-fДmaxfД+fДmax f
аб
Рисунок 4 – Структура сигнала, отраженного от вращающейся лопасти, и его
спектра
Соответствующий доплеровский спектр вторичной модуляции имеет также
периодическую структуру в виде спектральных составляющих (рисунок 4, б),
следующих с частотой повторения Δfмс=1/Tмс. Структура отраженного сигнала и его
доплеровского спектра в этом случае определяется параметрами и конструкцией
двигательной установки, а именно количеством лопастей, их геометрическими
размерами и частотой вращения винтов.
В частотной и временной области проведен сравнительный анализ влияния
пропеллерной модуляции на структуру отраженного сигнала от различных целей.
Для этого предложена математическая модель описания сигналов, отраженных от
вращающихся лопастей винтомоторных летательных аппаратов, при бистатической
геометрии ПКЛ (рисунок 5).
Рисунок 5
Каждая лопасть винта в модели представляется в виде набора точечных
отражателей, расположенных вдоль отрезка с длиной, соответствующей длине
лопасти. Сигнал, отраженный от системы лопастей, описывается суперпозицией
сигналов, отраженных от отдельных отражателей на каждой лопасти:
NM
s t En ,i t exp i n ,i t ,
n 1 i 1
где En,i(t) и φ(t) – амплитуда и фаза сигнала, отраженного от i-го отражателя на n-й
лопасти.
Математическая модель позволяет получить достоверное описание структуры
сигналов, отраженных от винтомоторных ЛА различных классов. При
моделировании использовались реальные значения частоты вращения, длины и
числа лопастей винтов целей классов «вертолет» (Ми-8), «винтовой самолет»
(Cessna 172) и «БПЛА» (квадрокоптер DJI Phantom 3), которые представлены в
таблице 1. Также в таблице приведены расчетные значения периодов повторения
модуляционных составляющих. Поступательное движение целей не учитывалось,
т.е. при моделировании скорость движения цели была принята равной нулю.
Таблица 1
Цель
ПараметрМи-8DJI
Cessna 172
НВРВPhantom 3
fв, Гц3,218,72585…90
Nл5332×4
L, м10,351,250,80,115
Тмс, мс31,258,96,65,8
Полученные в результате моделирования спектры сигналов от вертолета,
винтового самолета и малого БПЛА типа квадрокоптер, показаны на рисунке 6.
Re sн(t)
t, мсt, мсt, мс
0.8
0.6
Sн(f)
0.4
0.2
-1000 -800 -600 -400 -20002004006008001000
f , Гцf , Гцf , Гц
ДДД
абв
Рисунок 6 – Временная реализация и спектры сигналов, отраженных от а)
винтового самолета, б) вертолета, в) квадрокоптера
У целей класса вертолет можно выделить две группы модуляционных
составляющих с разной частотой повторения, обусловленных отражением сигнала
подсвета от несущего (НВ) и рулевого винтов (РВ). Во временной области МС от НВ
и РВ следуют отдельно друг от друга и представляется возможным оценить их
периоды повторения. Модуляционные составляющие с меньшим периодом
повторения (8,9 мс) соответствуют отражениям от РВ вертолета, с большим
периодом повторения (31,25 мс) – отражениям от НВ вертолета. В частотной области
МС от винтов могут накладываться друг на друга, но также можно оценить частоты
повторения. В случае винтового самолета и в частотной, и во временной области
наблюдается только одна группа периодических модуляционных составляющих.
Сигнал, отраженный от БПЛА, имеет более сложную структуру из-за особенностей
конструкции двигательной установки. Квадрокоптер имеет четыре винта,
вращающихся попарно в противоположных направлениях. Частоты вращения всех
винтов лежат в одном диапазоне, что приводит к наложению и взаимному влиянию
модуляционных составляющих от разных лопастей.
Проведены исследования влияния бистатической геометрии взаимного
расположения приемной позиции ПКЛ, цели, и источника сигнала подсвета на
структуру спектра сигнала. Результаты моделирования и лабораторных
экспериментов в безэховой камере показали, что увеличение бистатического угла
приводит к уменьшению ширины спектра пропеллерной модуляции.
Лабораторные исследования в безэховой камере также показали, что на
структуру отраженного сигнала и его спектра существенно влияет материал
лопастей. Так, для изготовления лопастей малых БПЛА часто используют пластик
или углепластик (карбон), отражающая способность которых значительно
различается. Модуляционные составляющие, соответствующие отражению от
пластиковых лопастей, не видны в диапазоне частот вещания цифрового эфирного
телевидения, в то время как их можно наблюдать на более высоких частотах
дециметрового и сантиметрового диапазона длин волн.
В качестве информативного признака для распознавания по спектральному
портрету предложено использовать периоды повторения модуляционных
составляющих. Оценка периодов повторения может быть реализована с помощью
разработанного алгоритма обработки данных в ПКЛ, обобщенная функциональная
схема которого представлена на рисунке 7.
Алгоритм включает в себя следующие этапы:
– выделение спектрального портрета, на котором выполняется поиск элемента
задержки с пропеллерной модуляции;
– компенсация шумов, в результате которой выполняется подавление шума и
фюзеляжной составляющей;
– переход во временную область с помощью обратного быстрого
преобразования Фурье (ОБПФ);
– обнаружение модуляционных составляющих, обусловленных отражениями
от вращающихся лопастей;
– оценка периодов повторения модуляционных составляющих и обнаружение
групп с одинаковым периодом;
– передача полученных оценок решающему устройству и последующее их
сравнение со значениями из базы данных.
К решающему
устройству
Tмс1
ВходныеВыделение
КомпенсацияОбнаружениеОценка…
спектральногоОБПФ
данныешумовМСпериодичности
портретаTмсi
Рисунок 7 – Функциональная схема алгоритма оценки информативных
признаков
На вход алгоритма поступают отсчеты двумерной взаимной функции
неопределенности ( , f д ) и матрица с отметками целей, обнаруженными на этапе
пороговой обработки данных в ПКЛ. На первом этапе алгоритма на всех элементах
по задержке в матрице обнаруженных целей осуществляется поиск элемента
задержки τпм в котором присутствует пропеллерная модуляция, обусловленная
вращающимися частями ЛА, и выделяется сечение ВФН Wпм( fд ) пм , fд по
соответствующему элементу задержки. Для каждого элемента задержки сечение
ВФН вычисляется с помощью быстрого преобразования Фурье (БПФ) свертки
принятого и опорного сигналов, поэтому сечение ВФН представляет собой вектор
значений их взаимного спектра (далее – доплеровского спектра).
После выделения спектрального портрета осуществляется компенсация
шумов, а также фюзеляжной составляющей цели. Компенсация шумов производится
путем обнуления элементов вектора спектрального портрета, в которых отсутствуют
обнаружения модуляционных составляющих. Компенсация фюзеляжной
составляющей включает в себя компенсацию доплеровского сдвига, обусловленного
движением цели, и подавление амплитуды спектральной компоненты от фюзеляжа.
Оценка доплеровской частоты фюзеляжа осуществляется путем поиска
составляющей спектрального портрета с максимальной амплитудой.
На следующем этапе выделенный спектр пропеллерной модуляции
преобразуется во временную область с помощью ОБПФ z(t) F1(Wпм( fд)) .
Полученный в результате вектор взаимной корреляции принятого и опорного
сигналов служит оценкой эхосигнала от винтомоторного ЛА и используется далее
для обнаружения модуляционных составляющих и оценки их периодичности.
Обнаружение модуляционных составляющих, обусловленных вращением
лопастей, осуществляется с помощью одномерного алгоритма адаптивного
обнаружения. В результате формируется вектор моментов времени появления
модуляционных составляющих tмс.
На следующем этапе производится разделение обнаруженных МС на группы
с одинаковым периодом повторения по критерию кратности в пределах заданной
доверительной погрешности. Далее период повторения МС в сформированных
группах периодичных МС вычисляется как среднее значение разностей временных
положений соседних МС:
1 n
Tмс (ti – ti -1 ) .
n i 1
Полученные в результате обработки данных значения периодов повторения
Tмс передаются решающему устройству. Путем сравнения полученных параметров
со значениями из базы данных решающее устройство принимает решение о
принадлежности наблюдаемой цели к конкретному классу и, если возможно,
идентифицирует тип цели внутри класса.
На программную реализацию разработанного алгоритма были получены
свидетельства о регистрации программы для ЭВМ
В третьей главе представлены результаты экспериментальных исследований
спектральных портретов сигналов, отраженных от целей различных классов, а также
результаты апробации предложенного метода распознавания и алгоритма оценки
информативных признаков. Экспериментальные исследования проводились с
помощью двух опытных образцов ПКЛ, работающих в разной помеховой
обстановке: в пересеченной местности и в городских условиях. В первом случае в
качестве радиолокационного подсвета использовались сигналы второго
мультиплекса Ленинградского радиотелевизионного передающего центра на 45
канале стандарта DVB-T2 (центральная частота 666 МГц), во втором – сигналы
первого мультиплекса на 35 канале (586 МГц). В ходе экспериментов
осуществлялась запись сигналов канала наблюдения и прямого сигнала во время
нахождения интересующей цели в секторе наблюдения ПКЛ. Далее выполнялась
постобработка полученных записей с помощью разработанного алгоритма.
Исследования проводились для воздушных целей четырех классов: «винтовой
самолет», «вертолет», «БПЛА» и «птица». На рисунке 8 показаны ВФН и результат
пороговой обработки данных при наблюдении винтового самолета Cessna 172,
приближающегося к ПКЛ. На рисунке 9 показаны извлеченные с помощью
разработанного алгоритма доплеровский спектр и временная реализация
отраженного сигнала в момент полета цели на высоте 300 м на расстоянии около 3,5
км от приемной позиции ПКЛ. Полученное в результате обработки значение периода
повторения составляет 6,5 мс, что строго соответствует расчетному значению
периода повторения МС от трехлопастного винта самолета Cessna 172,
находящегося в крейсерском режиме полета (fв = 1500 об/м).
Рисунок 8
| n ( D ) ||zн(t)|
фюзеляж
0,8
0,6
0,4
0,2винт
-600-400-2000200400 f D, Гц
t, мс
Рисунок 9
Результаты обработки сигналов, записанных при наблюдении туристического
вертолета Ми-8, совершающего полет на расстоянии 3 км от ПКЛ, показаны на
рисунках 10-11. Были обнаружены две группы периодических МС: составляющие с
большим периодом повторения 31,23 мс обусловлены отражениями от лопастей
несущего винта (треугольные маркеры на рисунке 11), с меньшим периодом 8,92 мс
– отражениями от лопастей рулевого винта вертолета (квадратные маркеры).
Полученные значения соответствуют расчетным периодам повторения МС для
вертолета Ми-8.
f Д , Гц
,мкс
Рисунок 10
1| n ( D ) |
фюзеляж|zн(t)|
0,8
0,6
0,4
рулевой винт
0,2
несущий винт
0f Д , Гц
-1000 -800 -600 -400 -2000200400600800 1000
t, мс
Рисунок 11
В ходе исследований был проведен анализ влияния сигналов, отраженных от
БПЛА и птиц, на характер отклика ВФН. На рисунке 12 показаны ВФН (а),
доплеровский спектр эхосигнала от птицы (б) и квадрокоптера DJI Phantom 3 (в), а
также реализация эхосигнала от БПЛА во времени (г). Отражениям от птиц
соответствуют одиночные отклики на ВФН. В свою очередь, отклик на эхосигнал от
квадрокоптера представляет собой пропеллерную модуляцию от всех вращающихся
лопастей.
В результате обработки этих данных с помощью разработанного алгоритма во
временной области была обнаружена одна последовательность периодических
пиков. Период повторения обнаруженных модуляционных составляющих равен
6,5 мс, что соответствует удвоенному периоду вращения пропеллера.
Следовательно, пропеллеры квадрокоптера вращаются со скоростью 5100 об/м.
Измеренное значение попадает в диапазон реальных значений скорости вращения
пропеллеров БПЛА этого типа (от 4250 до 5750 об/м).
| n ( D ) |
f Д , Гц
аб
| n ( D ) |
|zн(t)|
f Д , Гц
t, с
вг
Рисунок 12
ЗАКЛЮЧЕНИЕ
В процессе проведенных исследований получены следующие основные
результаты:
1.Проведён теоретический и экспериментальный анализ информативных
признаков распознавания воздушных целей различных классов. Показано, что для
достоверного распознавания воздушных целей целесообразно использовать в
совокупности траекторные и сигнальные признаки. В пассивном когерентном
локаторе, работающем по сигналам ЦЭТВ, предложено использовать оценки
скорости целей для предварительного сужения пространства классов
распознаваемых целей. При пересечении диапазонов возможных скоростей
движения и неоднозначности в принятии решения о классе распознаваемой цели
необходимо использовать параметры вторичной модуляции, извлекаемые из
спектрального портрета отраженных от цели сигналов.
2.Разработана математическая модель описания сигналов, отраженных от
вращающихся лопастей винтомоторных летательных аппаратов при бистатической
геометрии взаимного расположения приемной позиции ПКЛ, наблюдаемой цели и
источника подсвета. Проведено моделирование сигналов, отраженных от
вращающихся лопастей винтомоторных ЛА классов «винтовой самолет»,
«вертолет», «БПЛА» в диапазоне частот работы ЦЭТВ. Результаты моделирования
показали, что по временной реализации отраженного сигнала можно получить
достоверные оценки периодов повторения модуляционных составляющих,
обусловленных отражениями от вращающихся лопастей винтомоторных ЛА.
3.Разработан оригинальный метод распознавания воздушных целей в ПКЛ
со сторонним подсветом от передатчиков ЦЭТВ по совокупности траекторных и
сигнальных признаков, который в натурных условиях показал возможность
достоверного распознавания воздушных целей классов «винтовой самолет»,
«вертолет» и «БПЛА».
4.Разработан, реализован и экспериментально апробирован алгоритм
оценки информативных признаков распознавания воздушных целей по
спектральному портрету в ПКЛ со сторонним подсветом от передатчиков ЦЭТВ.
Получены спектральные портреты легкомоторного самолета Cessna 172, вертолета
Ми-8, различных БПЛА типа квадрокоптер. Получены оценки параметров
пропеллерной модуляции, а именно периоды повторения модуляционных
составляющих, обусловленных отражениями от вращающихся лопастей ЛА,
которые соответствуют расчетным значениям. Показаны отличия в структуре
спектра отраженного сигнала для БПЛА с винтами, изготовленными из пластика и
карбона.
5.Созданы специализированные программные модули для реализации
разработанных в рамках исследований моделей и алгоритмов, которые получили
правовую защиту в виде свидетельств о госрегистрации программы для ЭВМ.
Результаты проведенных в рамках диссертационной работы исследований
показали возможности и ограничения пассивных когерентных локационных систем
со сторонним подсветом от передатчиков цифрового эфирного телевидения при
решении задачи распознавания воздушных целей.
Разработанные методологические и алгоритмические решения прошли
успешную апробацию на значительном наборе экспериментальных данных и могут
быть использованы для практической реализации систем автоматического
распознавания винтомоторных летательных аппаратов в пассивном когерентном
локаторе.
Актуальность исследования
Первый управляемый полет на летательном аппарате (ЛА) был
совершен в начале 20 века. С тех пор началось активное развитие гражданской
авиации, которая сегодня занимает лидирующие позиции во всем мире по
пассажиропотоку и объему грузоперевозок на большие расстояния среди
других видов транспорта. С ростом числа авиаперевозок увеличивается и
число происшествий, которые часто заканчиваются гибелью экипажа и
пассажиров. Поэтому обеспечение безопасности полетов воздушных судов
гражданской авиации является важной задачей для любого государства. В
рамках этой задачи необходимо осуществлять непрерывный мониторинг и
контроль использования воздушного пространства летательными аппаратами
различных классов.
В последнее время увеличивается активность коммерческой и частной
легкомоторной авиации – растет количество малых воздушных судов, таких
как вертолеты и легкомоторные самолеты и, как следствие, число связанных с
ними авиационных происшествий. Согласно отчету Межгосударственного
авиационного комитета о состоянии безопасности полетов наиболее часто
происшествия происходят именно с участием легкомоторной авиации [1].
Угрозу для воздушного движения также представляют беспилотные
летательные аппараты (БПЛА). Общедоступность и относительная простота
управления БПЛА приводит, как и в случае с легкомоторными летательными
аппаратами, к проблеме контроля несанкционированных полетов и
обеспечения безопасности воздушного движения в приземном пространстве.
Кроме того, ряд свойств БПЛА представляет угрозу их использования в
террористических целях. Способность БПЛА к интенсивно маневрирующему
полету с полезной нагрузкой на малых высотах позволяет обеспечить скрытую
доставку оружия к густонаселенным центрам, местам проведения массовых
мероприятий, стратегически и политически важным объектам
государственного управления или обеспечения жизнедеятельности (объекты
инфраструктуры, энергетики и др.). Один из показательных случаев
произошёл в Венесуэле в 2018 году, когда злоумышленники с помощью БПЛА
оснащенного взрывчаткой совершили попытку покушения на президента
страны [2]. Тогда служба безопасности смогла предотвратить атаку. Однако
известны случаи, когда террористам удалось достичь своей цели. Так, в
сентябре 2019 года произошла атака нескольких БПЛА на крупные
месторождения нефти в Саудовской Аравии, что привело к пожарам и
остановке работы важных объектов энергетики. Снижение нефтедобычи в
Саудовской Аравии оказало значительное влияние на мировой рынок
нефтепродуктов [3]. Важной задачей для предотвращения потенциальных
угроз от БПЛА является их своевременное обнаружение.
Особое внимание необходимо уделять и орнитологическому
обеспечению полетов. Столкновения воздушных судов с птицами зачастую
приводят не только к повреждениям и, как следствие, дорогостоящему
ремонту самолетов, но и авиакатастрофам, влекущими за собой гибель людей.
Более половины от числа всех столкновений воздушных судов с птицами
происходит на высотах до 200-300 м в районе аэродромов на взлете, посадке и
полетах по кругу [4]. В августе 2019 года в Подмосковье жесткую посадку
совершил самолет Airbus A321 на борту которого находилось более 230
человек [5]. Причиной аварии стало столкновение при взлете со стаей чаек,
что привело к отказу обоих двигателей и возгоранию одного из них. Трагедии
удалось избежать благодаря действиям экипажа, который смог посадить
неисправное судно на кукурузное поле. Этот случай еще раз показал, что
мероприятия по обеспечению орнитологической безопасности и
предотвращению подобных столкновений должны включать круглосуточный
контроль за орнитологической обстановкой вблизи аэропортов и на
маршрутах следования воздушных судов.
Круглосуточный, всепогодный оперативный контроль воздушного
пространства позволяют обеспечить современные средства
радиолокационного мониторинга. Сформулированные вызовы и угрозы
обеспечению безопасности полетов гражданской авиации требуют
применения средств маловысотной радиолокации. Причем находиться они
должны на густонаселенных территориях и в местах расположения
стратегически важных объектов.
Традиционные методы радиолокационного мониторинга воздушного
пространства с помощью активных радиолокационных систем (РЛС)
обеспечивают обнаружение воздушных объектов на средних и больших
высотах. Организация сплошного маловысотного поля с помощью активных
РЛС требует больших экономических затрат, а в местах с большой плотностью
населения, кроме того, вызывает проблемы электромагнитной совместимости
из-за воздействия излучения РЛС на радиоэлектронные системы
жизнеобеспечения, а также может нарушать санитарные нормативы, принятые
для гражданского населения.
Ряд научно-исследовательских и опытно-конструкторских работ,
выполненных в СПбГЭТУ «ЛЭТИ», показал, что эффективным и
экономически выгодным решением для обеспечения мониторинга воздушного
пространства является использование средств пассивной когерентной
радиолокации. Ключевая идея состоит в отсутствии в составе пассивного
когерентного локатора (ПКЛ) собственного передатчика [6]. Принцип
действия заключается в том, что на приемной позиции ПКЛ регистрируются
сигналы, отраженные от цели, однако излученные не собственным, а неким
внешним по отношению к системе, сторонним передатчиком [7]. Приемная
позиция ПКЛ имеет два канала приема: один для прямого сигнала (сигнала
стороннего передатчика), другой – для сигнала наблюдения (сигнала,
отраженного целью). Это дает возможность измерения положения цели и
доплеровского смещения частоты на одной приемной позиции. В качестве
источника подсвета при мониторинге воздушного пространства
целесообразно использовать сигналы передатчиков цифрового эфирного
телевидения (ЦЭТВ). Сегодня ПКЛ главным образом используется для
обнаружения, определения координат и сопровождения движущихся целей, в
том числе воздушных, что делает их перспективным средством для
использования в современных системах обеспечения безопасности и контроля
воздушного движения. Однако, во многих случаях для оценки степени
потенциальной угрозы необходимо не только обнаружить воздушную цель, но
и распознать, т.е. принять решение о принадлежности обнаруженной цели к
определенному классу.
Цель работы
Целью диссертационной работы является разработка и исследование
В процессе проведенных исследований получены следующие основные
результаты:
1. Проведён теоретический и экспериментальный анализ
информативных признаков распознавания воздушных целей различных
классов. Показано, что для достоверного распознавания воздушных целей
целесообразно использовать в совокупности траекторные и сигнальные
признаки. В пассивном когерентном локаторе, работающем по сигналам
ЦЭТВ, предложено использовать оценки скорости целей для
предварительного сужения пространства классов распознаваемых целей. При
пересечении диапазонов возможных скоростей движения и неоднозначности
в принятии решения о классе распознаваемой цели необходимо использовать
параметры вторичной модуляции, извлекаемые из спектрального портрета
отраженных от цели сигналов.
2. Разработана математическая модель описания сигналов,
отраженных от вращающихся лопастей винтомоторных летательных
аппаратов при бистатической геометрии взаимного расположения приемной
позиции ПКЛ, наблюдаемой цели и источника подсвета. Проведено
моделирование сигналов, отраженных от вращающихся лопастей
винтомоторных ЛА классов «винтовой самолет», «вертолет», «БПЛА» в
диапазоне частот работы ЦЭТВ. Результаты моделирования показали, что по
временной реализации отраженного сигнала можно получить достоверные
оценки периодов повторения модуляционных составляющих, обусловленных
отражениями от вращающихся лопастей винтомоторных ЛА.
3. Разработан оригинальный метод распознавания воздушных целей
в ПКЛ со сторонним подсветом от передатчиков ЦЭТВ по совокупности
траекторных и сигнальных признаков, который в натурных условиях показал
возможность достоверного распознавания воздушных целей классов
«винтовой самолет», «вертолет» и «БПЛА».
4. Разработан, реализован и экспериментально апробирован
алгоритм оценки информативных признаков распознавания воздушных целей
по спектральному портрету в ПКЛ со сторонним подсветом от передатчиков
ЦЭТВ. Получены спектральные портреты легкомоторного самолета
Cessna 172, вертолета Ми-8, различных БПЛА типа квадрокоптер. Получены
оценки параметров пропеллерной модуляции, а именно периоды повторения
модуляционных составляющих, обусловленных отражениями от
вращающихся лопастей ЛА, которые соответствуют расчетным значениям.
Показаны отличия в структуре спектра отраженного сигнала для БПЛА с
винтами, изготовленными из пластика и карбона.
5. Созданы специализированные программные модули для
реализации разработанных в рамках исследований моделей и алгоритмов,
которые получили правовую защиту в виде свидетельств о госрегистрации
программы для ЭВМ.
Результаты проведенных в рамках диссертационной работы
исследований показали возможности и ограничения пассивных когерентных
локационных систем со сторонним подсветом от передатчиков цифрового
эфирного телевидения при решении задачи распознавания воздушных целей.
Разработанные методологические и алгоритмические решения прошли
успешную апробацию на значительном наборе экспериментальных данных и
могут быть использованы для практической реализации систем
автоматического распознавания винтомоторных летательных аппаратов в
пассивном когерентном локаторе.
1.Состояниебезопасностиполетоввгражданскойавиации
государств-участниковСоглашенияогражданскойавиациииоб
использовании воздушного пространства в 2018 г. [Электронный ресурс] //
Межгосударственный авиационный комитет. URL: https://mak-iac.org/upload/
iblock/03e/bp-18-2.pdf (дата обращения 15.03.2022).
2.Алексей Куприянов. Атака дронов: на президента Венесуэлы
совершено покушение в прямом эфире [Электронный ресурс] // Известия.
2018. 05 августа. URL: https://iz.ru/774591/aleksei-kupriianov/ataka-dronov-na-
prezidenta-venesuely-soversheno-pokushenie-v-priamom-efire (дата обращения
20.03.2022).
3.Арина Раксина. Дроны ударили по котировкам. Чем атаки в
Саудовской Аравии обернулись для рынка [Электронный ресурс] // ТАСС.
2019. 16 сентября. URL: https://tass.ru/ekonomika/6890212 (дата обращения
20.03.2022).
4.Анализ состояния безопасности полетов в весенне-летнем периоде
2011-2013 годов [Электронный ресурс] // Федеральное агентство воздушного
транспорта. URL: http://www.sibfana.ru/files/Analiz_VLP_2011-2013.pdf (дата
обращения 19.03.2022).
5.Чудо на кукурузном поле: 93 секунды после столкновения
самолета со стаей чаек [Электронный ресурс] // Вести.ru. 2019. 15 августа.
URL: https://www.vesti.ru/article/1334877 (дата обращения 19.03.2022).
6.Бархатов, А. В. Радиолокация по сигналам сторонних источников.
Часть 1: современное состояние / А. В. Бархатов, В. И. Веремьев, Д. А.
Ковалев, А. А. Коновалов и др. // Инновации. – 2013. – № 9. – С. 114–119.
7.Бархатов,А.В.Пассивнаякогерентнаярадиолокация/
А. В. Бархатов, В. И. Веремьев, Е. Н. Воробьев, А. А. Коновалов и др. – СПб.:
Изд-во СПбГЭТУ «ЛЭТИ», 2016. – 163 с.
8.Ширман, Я.Д. Методы радиолокационного распознавания и их
моделирование / Я.Д. Ширман, С.А. Горшков, С.П. Лещенко, Г.Д. Братченко
и др. // Радиолокация и радиометрия, №3, Радиолокационное распознавание и
методы математического моделирования. – 2000. – С.5–64.
9.Горелик, А.Л. Селекция и распознавание на основе локационной
информации / А.Л. Горелик, Ю.Л. Барабаш, О.В. Кривошеев, С.С. Эпштейн;
под ред. А.Л. Горелика. – М.: Радио и связь, 1990. – 282 c.
10.Кузьмин С.З. Цифровая радиолокация. Киев: КВИЦ, 2000. – 428 с.
11.Farlik, J. Radar cross section and detection of small unmanned aerial
vehicles / J. Farlik, M. Kratky; J. Casar, V. Stary // Proc. of 17th International
Conference on Mechatronics-Mechatronika (ME), Prague, 7-9 Dec 2016. Pp. 1–7.
12.Радиотехнические системы: учебник для студ. высш. учеб.
заведений / Под ред. Ю. М. Казаринова. – М.: Academia, 2008. – 592 с.
13.Небабин,В.Г.Методыитехникарадиолокационного
распознавания / В. Г. Небабин, В. В. Сергеев. – М.: Радио и связь, 1984. – 152 с.
14.Гейстер, С. Р. Адаптивное обнаружение-распознавание с селекцией
помех по спектральным портретам / С. Р. Гейстер. – Мн: Военная академия РБ,
2000. – 172 с.
15.Radar automatic target recognition (ATR) and non-cooperative target
recognition (NCTR) / Eds. by D. Blacknell, H. Griffiths. – London: IET, 2013. –
296 p.
16.Tait, P. Introduction to Radar Target Recognition / P. Tait. London:
IET, 2005. – 428 p.
17.Свинарский, М.В. Влияние ракурса наблюдения цели на
эффективностьклассификациирадиолокационныхобъектов/М.В.
Свинарский, С.Н. Ярмолик, А.С. Храменков // Докл. БГУИР. – 2017. – № 2. –
С. 31–38.
18.ФилимоновА.Б.Методыфоpмиpованияинфоpмативных
пpизнаков радиолокационных дальностных поpтpетов воздушных целей / А.Б.
Филимонов, Ф.К. Фам // Мехатpоника, автоматизация, управление. –2016. –
№ 4. – С. 273–281. Doi: 10.17587/mau.17.273-281.
19.Журавлёв,Ю.И.Распознавание.Математическиеметоды.
Программная система. Практические применения / Ю.И. Журавлёв,
В.В. Рязанов, О.В. Сенько. – М.: Фазис, 2005. – 159 с.
20.Татузов, А.Л. Нейронные сети в задачах радиолокации /
А.Л. Татузов. – М.: Радиотехника, 2009. – 432 с.
21.Malanowski, M. PaRaDe – PAssive RAdar DEmonstrator family
development at Warsaw University of Technology / M. Malanowski, K. Kulpa,
J. Misiurewicz // 2008 Microwaves, Radar and Remote Sensing Symposium, Kiev,
22-24 Sept. 2008. – Pp. 75–78. Doi: 10.1109/MRRS.2008.4669549.
22.Kuschel, H. Passive radar components of ARGUS 3D / H. Kuschel, M.
Ummenhofer, P. Lombardo, F. Colone et al. // IEEE Aerospace and Electronic
Systems Magazine. – 2014. – № 3. – Pp. 15–25. Doi: 10.1109/MAES.2014.
6805362.
23.Vorobev, E. DVB-T2 passive radar developed at Saint Petersburg
Electrotechnical University / E. Vorobev, A. Barkhatov, V. Veremyev, V. Kutuzov
// Proc. of 2018 22nd International Microwave and Radar Conference (MIKON),
Poznan, Poland, 14-17 May 2018. – Pp. 204-207. Doi: 10.23919/MIKON.
2018.8405178.
24.Colone, F. WiFi-based PCL for monitoring private airfields / F. Colone,
T. Martelli, C. Bongioanni, D. Pastina et al // IEEE Aerospace and Electronic
Systems Magazine. – 2017. – № 2 – Pp. 22–29. Doi: 10.1109/MAES. 2017.160022.
25.Martelli, T. Eco-friendly dual-band AULOS® passive radar for air and
maritime surveillance applications / T. Martelli, F. Colone, R. Cardinali // 2018
IEEE International Conference on Environmental Engineering, Milan, Italy, 12-14
March 2018. – Pp. 1–6. Doi: 10.1109/EE1.2018.8385267.
26.Barkhatov, A. Toward 3D passive radar exploiting DVB-T2
transmitters of opportunity / A. Barkhatov, E. Vorobev, V. Veremyev, V. Kutuzov
// International Journal of Microwave and Wireless Technologies. – 2019. – № 7. –
Pp. 577–583.
27.Barkhatov, A. Experimental results of DVB-T2 passive coherent
location radar / A. Barkhatov, E. Vorobev, A. Konovalov // Proc. 2017 IEEE
Conference of Russian Young Researchers in Electrical and Electronic Engineering
(EIConRus), St. Petersburg, Russia, 1-3 Feb. 2017. – Pp. 1229–1232. Doi:
10.1109/EIConRus.2017.7910784.
28.Ehrma, L. M. A robust algorithm for automated target recognition using
precomputed radar cross sections / L. M. Ehrman, A. D. Lanterman // Proc. of
Thirty-Sixth Southeastern Symposium on System Theory, Atalanta, USA, 16. Feb.
2004. – Pp. 197–209. Doi: 10.1109/SSST.2004.1295628.
29.Pisane, J. Automatic target recognition for passive radar / J. Pisane,
S. Azarian, M. Lesturgie, J. Verly // IEEE Trans. on Aerospace and Electronic
Systems. – 2014. – №. 1. – Pp. 371–392. Doi: 10.1109/TAES.2013.120486.
30.Беляев, В.В. Пассажирские самолеты мира / В.В. Беляев. – М.:
АСПОЛ, Аргус, 1997. – 329 с.
31.Ружицкий, Е.И. Вертолеты / Е.И. Ружицкий. – М.: Виктория, АСТ,
1997. – 192 с.
32.Kulpa, K. Parametric detection of the helicopter hub echo / K. Kulpa,
Z. Czekala, J. Misiurewicz, J. Falkiewicz // Proc. of 1999 IEEE Radar Conf.,
Waltham, USA, 22 March 1999. – Pp. 262–266. Doi: 10.1109/NRC.1999.767336.
33.Misiurewicz, J. Radar Detection of Helicopters with Application of
CLEAN Method / J. Misiurewicz, K. S. Kulpa, Z. Czekala, T. A. Filipek // IEEE
Trans. on Aerospace and Electronic Systems. – 2012. – №4. – Pp. 3525–3537. Doi:
10.1109/TAES.2012.6324734.
34.Garry, J. L. Experimental Observations of Micro-Doppler Signatures
With Passive Radar / J. L. Garry, G. E. Smith // IEEE Trans. on Aerospace and
Electronic Systems. – 2019. – № 2. – Pp. 1045–1052. Doi: 10.1109/TAES.2019.
2895584.
35.Сохань, О. Н. Конструкции и характеристики вертолетов:
конспект лекций: учебное пособие / О. Н. Сохань. М: Изд-во МАИ, 1974. – 89
с.
36.Johnsen, T. Hovering helicopter measured by bi-/multistatic CW radar
/ T. Johnsen, K. E. Olsen, R. Gundersen // Proc. of the 2003 IEEE Radar Conf.,
Huntsville,USA,8May,2003.–Pp.165–170.Doi:DOI:
10.1109/NRC.2003.1203397.
37.Pouliguen, P. Radar signatures of helicopter rotors in great bistatism /
P. Pouliguen, J. F. Damiens, R. Moulinet // IEEE Antennas and Propagation Society
International Symp., Columbus, USA, 22-27 June 2003. – Pp. 536–539. Doi:
10.1109/APS.2003.1219904.
38.Беспилотная авиация: терминология, классификация, современное
состояние / В.С. Фетисов, Л.М. Неугодникова, В.В. Адамовский, Р.А.
Красноперов; под ред. В.С. Фетисова // Уфа: Фотон, 2014. – 217 c.
39.Dalamagkidis, K. Classification of UAVs / K. Dalamagkidis //
Handbook of unmanned aerial vehicles; ed. by K.P. Valavanis, G.J. Vachtsevanos.
– Dordrecht: Springer, 2015. – Pp. 83–91.
40.Singhal, G. Unmanned aerial vehicle classification, applications and
challenges: A review / G. Singhal, B. Bansod, L. Mathew. Preprints 2018,
2018110601. Doi: 10.20944/preprints201811.0601.v1.
41.Klaer, P. An investigation of rotary drone HERM line spectrum under
manoeuvering conditions / P. Klaer, A. Huang, P. Sevigny, S. Rajan et al. // Sensors.
– 2020. – №. 20. – Pp. 5940–5948. Doi: 10.3390/s20205940.
42.Peto, T. The Radar Cross Section of small propellers on Unmanned
Aerial Vehicles / T. Peto, S. Bilicz, L. Szucs, S. Gyimothy et al. // 10th European
Conf. on Antennas and Propagation, Davos, Switzerland, 10-15 April 2016. – Pp. 1–
4. Doi: 10.1109/EuCAP.2016.7481645.
43.Peto, T. Experimental and numerical studies on scattering from multiple
propellers of small UAVs / T. Peto, K. Marak, S. Bilicz, J. Pavo // 12th European
Conf. on Antennas and Propagation, London, UK, 9-13 April 2018, Pp. 1–4. Doi:
10.1049/cp.2018.1081.
44.Ritchie, M. Monostatic and Bistatic Radar Measurements of Birds and
Micro-Drone / M. Ritchie, F. Fioranelli, H. Griffiths, B. Torvik // 2016 IEEE Radar
Conf.,Philadelphia,USA,2-6May,2016.Pp.1–10.Doi:
10.1109/RADAR.2016.7485181.
45.Torvik, B. Signatures of small drones and birds as emerging targets / B.
Torvik, D. Gusland, K.E. Olsen // Micro-Doppler Radar and Its Applications. – IET,
2020. – Pp. 257–290. Doi: 10.1049/SBRA531E_ch8.
46.Li, T. Numerical Simulation and Experimental Analysis of Small Drone
Rotor Blade Polarimetry Based on RCS and Micro-Doppler Signature / T. Li, B.
Wen, Y. Tian, Z. Li et al. // IEEE Antennas and Wireless Propagation Letters. 2019
– № 1. – Pp. 187–191. Doi: 10.1109/LAWP.2018.2885373.
47.Ritchie, M. Multistatic micro-Doppler radar feature extraction for
classification of unloaded/loaded micro-drones / M. Ritchie, F. Fioranelli,
H. Borrion, H. Griffiths // IET Radar Sonar & Navig. – 2017. – № 1. – Pp. 116–124.
Doi: 10.1049/iet-rsn.2016.0063.
48.Wall, M. E. Singular value decomposition and principal component
analysis / M. E. Wall, A. Rechtsteiner, L. M. Rocha // A practical approach to
microarray data analysis. – Springer, Boston, 2003. – Pp. 91–109.
49.Лилиенталь О. Полет птиц как основа искусства летать / О.
Лилиенталь // М.: Ижевск: Ин-т компьютерных исследований, 2002. – 232 с.
50.Williams, T. C. A Peterson’s guide to radar ornithology / T.C. Williams,
J. M. Williams // American Birds. – 1980. – №. 5. – Pp. 738-741. Doi:
10.2307/4090179.
51.Nebuloni, R. Doppler radar signatures of migrating birds / R. Nebuloni,
C. Capsoni // 30th Int. Conf. on Radar Meteorology, Milano, Italy, 20 July 2001. –
Pp 1–6.
52.Martin, J. Analysis of the theoretical radar return signal form aircraft
propeller blades / J. Martin, B. Mulgrew // IEEE Int. Conf. on Radar, Arlington,
USA, 7-10 May 1990. – Pp. 569–572. Doi: 10.1109/RADAR.1990.201091.
53.Wang, B. Modeling of micro-Doppler signatures from rotor blades / B.
Wang, W. Li, L. Du, H. Shi // IET Int. Radar Conf., Hangzhou, 14-16 Oct. 2015. –
Pp. 1–7. Doi: 10.1049/cp.2015.1133.
54.Point, G. Simple modelling of the radar signature of helicopters /
G. Point, L. Savy // Int. Conf. on Radar Systems (Radar 2017), Belfast, 23-26 Oct.
2017. Pp. 1–6. Doi: 10.1049/cp.2017.0425.
55.Гейстер,С.Р.Математическиемоделирадиолокационного
сигнала, отраженного от несущего винта вертолета, в приложении к
обращенному синтезу апертуры / С.Р. Гейстер, Т.Т. Нгуен // Известия высших
учебных заведений России. Радиоэлектроника. – 2019. – Т. 22. – №. 3. Doi:
10.32603/1993-8985-2019-22-3-74-87.
56.Point, G. Modelling the radar signature of rotorcraft / Point G., J.‐F.
Degurse, L. Savy, M, Montecot et al // IET Radar, Sonar & Navigation. – 2021. –
№. 8. – Pp. 867–883. Doi: 10/1049/rsn2.12062.
57.Plotnitskaya, E. Theoretical Model of the Signal Reflected from
Rotating Blades of Aerial Targets / E. Plotnitskaya, V. Veremyev, E. Vorobev //
Proc. 22th Int. Conf. on Digital Signal Processing and its Applications (DSPA),
Moscow, Russia, 25-27 March 2020. – P. 1–4. Doi: 10.1109/DSPA48919.2020.
9213304.
58.Plotnitskaya, E. Analysis of Spectrum Signatures from Rotating Blades
of Small Drone / E. Plotnitskaya, E. Vorobev, V. Veremyev // Proc. 2021 Signal
Processing Symposium, Lodz, Poland, 20-23 Sept. 2021. – Pp. 212–215. Doi:
10.1109/SPSympo51155.2020.9593405.
59.Bistatic radar: emerging technology / Cherniakov M. (ed.). – John
Wiley & Sons, 2008. – 406 p.
60.Rotander, C. E. Classification of helicopters by the L/N-quotient / C.E.
Rotander, H. Von Sydow // Radar 97, Edinburgh, UK, 14-16 Oct. 1997 – Pp. 629–
633. Doi: 10.1049/cp:19971751.
61.Гейстер, С.Р. Способ измерения частот следования лопастей
винтов летательного аппарата на основе свертки спектра «вторичной»
модуляции / С.Р. Гейстер, Т.Т. Нгуен // Докл. БГУИР. – 2019. – № 1. – C. 68–
74.
62.Shi, N. K. Radar detection and classification of helicopters / N. K. Shi,
H. F. Williams // US Patent, Patent Number 5,689,268; Date of Patent Nov. 18, 1997.
63.Tikkinen, J. M. Joint utilization of incoherently and coherently
integrated radar signal in helicopter categorization / J.M. Tikkinen, E.E. Helander,
A.J.E. Visa // IEEE Int. Radar Conf., Arlington, USA, 9-12 May 2005. – Pp. 540–
545. Doi: 10.1109/RADAR.2005.1435885.
64.Воробьев, Е.Н. Распознавание винтомоторных летательных
аппаратов в пассивной бистатической РЛС / Е.Н. Воробьев, В.И. Веремьев,
Д.В.Холодняк//ИзвестиявысшихучебныхзаведенийРоссии.
Радиоэлектроника. – № 6. – 2018. – С. 75–82. Doi: 10.32603/1993-8985-2018-21-
6-75-82.
65.Vorobev, E. N. Helicopter recognition in DVB-T2 passive bistatic radar
/ E. N. Vorobev // Proc. 2018 IEEE Conf. of Russian Young Researchers in
Electrical and Electronic Engineering (EIConRus), Moscow, St. Petersburg, Russia,
29 Jan.-1 Feb, 2018. – Pp. 1171-1173. Doi: DOI: 10.1109/EIConRus.2018.
8317299.
66.Vorobev, E. Recognition of Propeller-Driven Aerial Targets in DVB-
T2 Passive Bistatic Radar / E. Vorobev, V. Veremyev, V. Kutuzov // Proc. 2018
19th Int. Radar Symp. (IRS), Bonn, Germany, 20-22 June 2018. – Pp. 1–8. Doi:
10.23919/IRS.2018.8448050.
67.Бархатов А. В., Козлов А. С. Быстрое вычисление частотно-
временнойфункцииврадиолокационнойстанциинаграфических
процессорах // Радиолокация и радионавигация. – 2015. – № 5 – С. 42–46.
68.Сергиенко А.Б. Цифровая обработка сигналов: Учеб. пособие. –
СПб.: БХВ-Петербург, 2011. – 768 с.
69.Свидетельство о госрегистрации программы для ЭВМ №
2018664949. Российская Федерация. Оценка параметров двигательной
установки винтомоторных летательных аппаратов в пассивной бистатической
РЛС / Е. Н. Воробьев; правообладатель ФГАОУ ВО “Санкт-Петербургский
государственныйэлектротехническийуниверситет«ЛЭТИ»им.В.И.
Ульянова (Ленина)” (RU). – № 2018661879 заявл. 29.10.2018; опубл.
26.11.2018. – 1 с.
70.Свидетельство о госрегистрации программы для ЭВМ №
2021680190. Российская Федерация. Программа для радиолокационного
распознавания винтомоторных летательных аппаратов по спектральному
портрету / Е. Н. Воробьев, Е. С. Плотницкая; правообладатель ФГАОУ ВО
“Санкт-Петербургский государственный электротехнический университет
«ЛЭТИ» им. В.И. Ульянова (Ленина)” (RU). – № 2021669483 заявл.
01.12.20201; опубл. 07.12.2021. – 1 с.
71.Вышки цифрового вещания на территории Ленинградской области
[Электронный ресурс] // ЭЦТВ. 2015, 5 мая. URL: https://эцтв.рф/ vyshki-
cifrovogo-veshhaniya-na-territori/ (дата обращения 20.03.2022).
72.Vorobev, E. Experimental DVB-T2 Passive Radar Signatures of Small
UAVs / E. Vorobev, V. Veremyev, N. Tulenkov // Proc. 2019 Signal Processing
Symposium (SPSympo), Krakow, Poland, 17-19 Sept. 2019. – P. 67–70. Doi:
10.1109/SPS.2019.8881955.
73.Vorobev, E. Passive Radar Signatures of Micro-Drone and Birds /
E. Vorobev, V. Veremyev, V. Kutuzov // Proc. 2019 Int. Radar Symp. (RADAR),
Toulon, France. 23-27 Sept. 2019. – P. 1–4. Doi: 10.1109/RADAR41533.2019.
171377.
74.Воробьев,Е.Н.Исследованиесигнальныхпризнаков
распознавания малых БПЛА в полуактивной РЛС / Е.Н. Воробьев // Вестник
Новгородского государственного университета. Сер.: Технические науки. –
2019. – № 4. – С.72–77. Doi: 0.34680/2076-8052.2019.4(116).72-77.
75.Brooks, D. A. Temporal Deep Learning for Drone Micro-Doppler
Classification / D.A. Brooks, O. Schwander, F. Barbaresco, J. Schneider et al. // 19th
Int. Radar Symp. (IRS), Bonn, Germany, 20-22 June 2018. – Pp. 1–10. Doi:
10.23919/IRS.2018.8447963.
Публикации автора в научных журналах
Помогаем с подготовкой сопроводительных документов
Хочешь уникальную работу?
Больше 3 000 экспертов уже готовы начать работу над твоим проектом!
0 (13 отзывов)
5 (18 отзывов)
4.5 (9 отзывов)
5 (49 отзывов)
4.6 (30 отзывов)
4.7 (18 отзывов)
4.9 (66 отзывов)
4.6 (92 отзыва)
4.9 (20 отзывов)
