Методика оценки количества винтов в мультикоптере на основе анализа сигнала вторичной модуляции

Введение. В области радиолокационного мониторинга воздушного пространства высокую актуальность имеет задача различения мультикоптеров, что предполагает определение класса мультикоптера (малый, средний, тяжелый). Задача распознавания напрямую связана с анализом радиолокационных портретов (РЛП) и определением количества винтов в мультикоптере. Применительно к построению РЛП винтов летательных аппаратов особый интерес представляют РЛП, полученные на основе метода обращенного синтеза апертуры антенны (ОСАА). Для построения таких портретов необходима информация о частотах вращения винтов, которая определяется при реализации предлагаемого метода. Цель работы. Разработка методики оценки количества винтов в мультикоптере на основе анализа радиолокационного сигнала вторичной модуляции, обусловленной вращением лопастей. Материалы и методы. Задача оценки количества винтов связана с задачей оценки частоты вращения винтов, которая, в свою очередь, рассматривается как задача аккумуляции откликов вторичной модуляции, создаваемой вращением, в структуре сигнала с параллельной компенсацией фазовых набегов. При моделировании рассматривается монохроматический сигнал с частотой 10 ГГц. Для реализации и оценки используемых в методике алгоритмов применены методы корреляционной обработки и статистического анализа. Результаты. Разработана методика оценки количества винтов в мультикоптере на основе анализа сигнала вторичной модуляции. Проведена проверка работоспособности методики на данных математического моделирования при разных сценариях движения цели. Заключение. Разработанная методика оценки количества винтов в мультикоптере на основе анализа сигнала вторичной модуляции является основой для разработки алгоритма формирования изображений винтов квадрокоптера с помощью обратного синтеза апертуры антенны. Информация о количестве винтов и частотах их вращения может быть использована для построения РЛП винтов мультикоптеров на основе метода ОСАА и последующей оценки особенности конструкции и различения одиночной и групповой целей.

1. Automatic Target Recognition in Synthetic Aperture Radar Imagery: A State-of-the-Art Review / K. El Darymli, E. Gill, P. McGuire, D. Poewr, C. Moloney // IEEE Access. 2016. Vol. 4. P. 6014–6058. doi: 10.1109/ACCESS.2016.2611492

2. Jacobs S. P., O'Sullivan J. A. Automatic target recognition using sequences of high resolution radar range-profiles // IEEE Transactions on Aerospace and Electronic Systems. 2000. Vol. 36, № 2. P. 364–381. doi: 10.1109/7.845214

3. Chen V. C., Martorella M. Inverse Synthetic Aper ture Radar Imaging: Principles, Algorithms and Applications. Raleigh, USA: SciTech Publishing, 2014. 304 p.

4. Rong J. J., Wang Y., Han T. Iterative Optimization-based ISAR Imaging with Sparse Aperture and Its Application in Interferometric ISAR Imaging // IEEE Sensors J. 2019. Vol. 19, iss. 19. P. 8681–8693. doi: 10.1109/JSEN.2019.2923447

5. Sayed A. N., Ramahi O. M., Shaker G. In the Realm of Aerial Deception: UAV Classification via ISAR Images and Radar Digital Twins for Enhanced Security // IEEE Sensors Let. 2024. Vol. 8, № 7. P. 1–4. Art. № 6007704. doi: 10.1109/LSENS.2024.3416381

6. Ozdemir C. Inverse Synthetic Aperture Radar Imaging with MATLAB Algorithms. 2 nd ed. Hoboken: John Wiley and Sons, 2021. 672 p.

7. Removal of Micro-Doppler Effect in ISAR Imaging Based on Data-Driven Deep Network / H. Wang, K. Li, Y. Luo, Y. Liu, Q. Zhang, Q. Zhang // IEEE Sensors J. 2023. Vol. 23, № 12. P. 13198–13209. doi: 10.1109/JSEN.2023.3270226

8. Misiurewicz, J., Kulpa, K., Czekala Z. Multichannel detection of the helicopter echo // Proc. of the Intern. Radar Symp. 1998. Vol. 2. P. 829–838.

9. Radar Detection of Helicopters with Application of CLEAN Method / J. Misiurewicz, K. S. Kulpa, Z. Czekala, T. A. Filipek // IEEE Transactions on Aero space and Electronic Systems. 2012. Vol. 48, № 4. P. 3525–3537. doi: 10.1109/TAES.2012.6324734

10. Tikkinen J., Helander E., Visa A. Joint Utilization of Incoherently and Coherently Integrated Radar Signal in Helicopter Categorization // IEEE Intern. Radar Conf., Arlington, USA, 9–12 May 2005. IEEE, 2005. P. 540–545. doi: 10.1109/RADAR.2005.1435885

11. Plotnitskaya E., Vorobev E., Veremyev V. Analysis of Spectrum Signatures from Rotating Blades of Small Drone // Signal Processing Symp. (SPSympo), LODZ, Poland, 20–23 Sept. 2021. IEEE, 2021. P. 212–215. doi: 10.1109/SPSympo51155.2020.9593405

12. Method of Micro-motion Feature Extraction of Rotor Target in Time Domain / M. Long, J. Yang,S. Xia, X. Wei, M. Lv, W. Chen // IEEE 2 nd Intern. Conf. on Information Technology, Big Data and Artificial Intelligence (ICIBA), Chongqing, China, 17–19 Dec. 2021. IEEE, 2021. P. 356–360. doi: 10.1109/ICIBA52610.2021.9688160

13. Chen V. The Micro-Doppler Effect in Radar. 2 nd ed. Norwood: Artech House, 2019. 341 p.

14. Гейстер С. Р., Нгуен Т. Т. Способ измерения частот следования лопастей винтов летательного аппарата на основе свертки спектра "вторичной" модуляции // Докл. БГУИР. Минск, 2019. № 1 (119). С. 68–74.

15. Гейстер С. Р., Кириченко В. В. Способ двух этапного радиолокационного измерения частоты следования лопастей винтовых летательных аппаратов // Изв. вузов России. Радиоэлектроника. 2024. Т. 27, № 3. С. 68–80. doi: 10.32603/1993-8985-2024-27-3-68-80

16. Плотницкая Е. С., Гейстер С. Р., Веремьев В. И. Уточнение математической модели сигнала, отраженного от лопасти винта квадрокоптера, на основе экспериментальных исследований // Изв. вузов России. Радиоэлектроника. 2025. Т. 28, № 4. С. 73–85. doi: 10.32603/1993-8985-2025-28-4-73-85