🤔 Противник сообщает о первых результатах пилотного проекта по включению частных компаний в систему ПВО: в Харьковской области зафиксированы успешные перехваты наших БпЛА: Гераньки и "Zala" силами гражданских подразделений. На данный момент 13 дополнительных компаний формируют собственные расчеты, часть из которых уже несет боевое дежурство.

Модель предполагает создание гибридной системы, где бизнес обеспечивает техническое оснащение и личный состав, интегрированные в общую военную сеть управления и обмена данными.

⭐️Полезная Нагрузка

Сейчас будут озвучены довольно тривиальные моменты, но мы их озвучим, так как не редко возникали вопросы

📡 Фпвишки на оптоволокне обладают нулевой радиоэлектронной заметностью, что делает их невидимыми для классической РЭР. Однако беспилотник остается физическим объектом. Его обнаружение возможно методами пассивной радиолокаци на базе SDR-приемников, использующих эфирное "подсвечивание" от вышек DVB-T, GSM или LTE, а также с помощью специализированных радаров ближнего радиуса.

Ключевым инструментом идентификации в таких условиях выступает анализ микро-Доплеровских сигнатур(ранее писали кратко здесь). Традиционные РЛС не способны эффективно отличать малые БЛА от птиц из-за схожей ЭПР. Микро-Доплер решает эту проблему, анализируя кинематику микродвижений.

Как это работает и что дает:
🤔 Точная селекция: отраженный радиосигнал модулируется подвижными частями цели. Высокочастотное вращение лопастей квадрокоптера формирует уникальный паттерн псевдо-доплеровского сдвига, который на спектрограмме кардинально отличается от низкочастотных взмахов птичьих крыльев или колебаний листвы.
🤔 Детекция зависания: технология позволяет обнаруживать парящие или автономно работающие аппараты. Даже если радиальная скорость самого планера равна нулю, вращающиеся роторы продолжают генерировать отчетливую радиосигнатуру.
🤔 Анализ угрозы: система извлекает данные о частоте вращения и габаритах роторов, что помогает оценивать тип БЛА, отслеживать роевые формации и выдавать точные целеуказания для средств поражения.

Интеграция AI/ML для автоматизации:
Эффективность метода кратно возрастает при внедрении машинного обучения (предыдущие публикации про TorchSig: тут, тут, тут и особенно рекомендуем ознакомиться с данной). Оконное преобразование Фурье (STFT) переводит радиосигналы в частотно-временные спектрограммы, которые обрабатываются сверточными нейросетями аналогично задачам компьютерного зрения. ИИ в реальном времени сравнивает полученные паттерны с обширной базой сигнатур, обеспечивая автоматическую классификацию объектов. Это критически снижает процент ложных срабатываний и снимает когнитивную нагрузку с операторов ПВО.

Абсолютно защищенный от РЭБ дрон на оптоволокне неизбежно демаскирует себя в радиоэфире самой физикой своего полета, хотя дистанция такого обнаружения по-прежнему ограничена энергетикой излучателя и вычислительными мощностями на стороне приемника.

з.ы.: прикладываемые изображения из данной работы

⭐️Полезная Нагрузка