Radar w Counter-UAS — od echa do wiarygodnego tracku

Radar w systemie Counter-UAS jest aktywnym sensorem, który mierzy echo własnej emisji radiowej. Jego najważniejszą przewagą jest możliwość niezależnej detekcji obiektu bez oczekiwania na transmisję drona i bez światła dziennego. Największym problemem nie jest samo „zobaczenie echa”, lecz odróżnienie małego UAV od ptaka, pojazdu, ruchu roślinności i wielodrogowych odbić, a następnie utrzymanie spójnego tracku.

FAA zalicza radar i RF do typowych sensorów pierwotnych, ale podkreśla zależność od operatora, problemy z zawisem i ruchem pionowym, potrzebę dostrojenia do zakresu oraz możliwość użycia EO jako slew-to-cue [1]. Radar nie ustala zamiaru operatora ani poziomu zagrożenia. Dostarcza pomiar o określonej niepewności.

Spis treści#

Rola radaru w C-UAS
Od echa do tracku
Równanie radarowe
RCS małego UAV
Zasięg, rozdzielczość i częstotliwość
Radar impulsowy, CW i FMCW
Doppler i zawis
Mikro-Doppler
Clutter i multipath
Detekcja i CFAR
Inicjacja i podtrzymanie tracku
Klasyfikacja
Pokrycie i rozmieszczenie
Slew-to-cue z EO/IR
Integracja z C2
Metryki testowe
EMI, widmo i lotnisko
Eksploatacja i utrzymanie
Ograniczenia
ALIGNMENT
Powiązane tematy
Przypisy

Rola radaru w C-UAS#

Radar może wykryć zarówno drona sterowanego radiowo, jak i autonomiczny statek bez aktywnego linku. To odróżnia go od pasywnej detekcji RF. Pomiar zwykle obejmuje range, azimuth, czasem elevation oraz radial velocity. Jakość każdego wymiaru jest różna i zależy od anteny, waveform, SNR oraz geometrii.

Funkcjonalny łańcuch wygląda tak:

emiter/antena → propagacja → echo + clutter
                           ↓
odbiornik → detekcje → plot extraction → tracking → klasyfikacja
                                                    ↓
                                               cue do EO/IR

Surowe echo nie jest trackiem. Detekcja nie jest klasyfikacją. Track nie jest identyfikacją, a identyfikacja typu obiektu nie dowodzi wrogiego zamiaru. Interfejs C2 powinien zachowywać te poziomy zamiast sprowadzać wszystko do czerwonej ikony.

Radar może pełnić role:

primary wide-area search;
sector surveillance wokół krytycznego kierunku;
precision cue dla optyki;
height/range confirmation dla tracku z innego sensora;
source of kinematics dla alertowania i modelu ryzyka;
sensor testowy do oceny własnych UAV.

Jedna antena nie zawsze spełni wszystkie role. Szeroki search i precyzyjny track konkurują o czas wiązki, update rate i zasoby przetwarzania.

Od echa do tracku#

Proces ma co najmniej pięć poziomów:

próbki I/Q po downconversion;
detekcje range–Doppler lub range–angle;
plots po thresholding i grupowaniu komórek;
track z estymacją stanu i covariance;
klasyfikacja oraz confidence.

Na każdym poziomie dane tracą szczegół. Przechowanie tylko ikon tracków utrudnia późniejszy audyt fałszywego alarmu. Do testów potrzebne są co najmniej detekcje, parametry sensora, czas, pozycja własna, track history i ground truth.

Radar obracający antenę ma update zależny od prędkości obrotu. Elektroniczne skanowanie może częściej wracać do ważnego tracku, ale wymaga scheduler beamów. Track latency obejmuje czas skanu, integracji, detekcji, asocjacji i publikacji.

Pierwszy alert często pojawia się po kilku obserwacjach potwierdzających. Zmniejsza to false alarms kosztem opóźnienia. Deklarowany „zasięg detekcji” bez time-to-alert i warunku inicjacji tracku jest niepełny.

Równanie radarowe#

Dla radaru monostatycznego otrzymywana moc w uproszczeniu wynosi:

P_r = P_t G_t G_r λ² σ / ((4π)³ R⁴ L)

P_t to moc nadawana, G zyski anten, λ długość fali, σ RCS, R odległość, a L straty. Zależność R⁴ oznacza, że niewielki wzrost żądanego zasięgu wymaga znacznie większego budżetu energii, apertury, czasu integracji albo obniżenia progu.

SNR po przetwarzaniu zależy także od bandwidth, noise figure, temperatury szumowej, strat przetwarzania i liczby integrowanych impulsów/chirpów. Zwiększenie coherent processing interval poprawia rozdzielczość Dopplera i SNR, ale może pogorszyć reakcję na manewr i wymagać stabilności fazowej.

W praktyce zasięg jest funkcją:

R_detection = f(P_d, P_fa, σ/aspect, clutter, weather,
                waveform, dwell, scan, altitude, terrain)

Dlatego specyfikacja powinna podawać probability of detection i false alarm rate dla zdefiniowanego celu oraz środowiska.

RCS małego UAV#

Radar cross section nie jest fizyczną powierzchnią obrysu. Opisuje równoważną zdolność rozpraszania w kierunku radaru. Mały multirotor zawiera przewodzące silniki, przewody i baterię, dielektryczną ramę oraz obracające się śmigła. Ich udział zależy od długości fali i aspektu.

RCS zmienia się podczas yaw, roll i przechyłu w locie. Skrzydło fixed-wing może mieć silne specular flashes pod konkretnym kątem. Carbon fiber jest przewodzący i nie zachowuje się jak „niewidoczny plastik”.

Podawanie jednej wartości minimalnej σ_min ma sens tylko z warunkami:

częstotliwość i polaryzacja;
azimuth/elevation aspect;
konfiguracja śmigieł i payloadu;
statystyka: minimum, mediana, percentyl;
sposób pomiaru i tło.

Biblioteka RCS konkretnego modelu szybko się starzeje. Zmiana payloadu, nóg, baterii albo materiału może zmienić charakterystykę. Klasyfikator powinien używać wielu cech i raportować niepewność.

Zasięg, rozdzielczość i częstotliwość#

Wyższa częstotliwość pozwala zbudować węższą wiązkę dla tej samej apertury, co pomaga w rozdzielczości kątowej. Jednocześnie rosną straty propagacyjne w pewnych warunkach, wrażliwość na opad i wymagania RF. Niższe pasmo może dać lepszą propagację, ale potrzebuje większej anteny dla tej samej szerokości wiązki.

Rozdzielczość range dla sygnału o efektywnym bandwidth B:

ΔR ≈ c / (2B)

To rozdzielczość dwóch idealnych punktów w range, nie accuracy centroidu pojedynczego tracku. Accuracy może być lepsza od szerokości komórki przy wysokim SNR, a rzeczywista separacja gorsza przez sidelobes i processing.

Rozdzielczość kątowa zależy od apertury i długości fali. Na dużej odległości nawet mały błąd kątowy daje duży cross-range error:

e_cross ≈ R · σ_angle

To ważne dla cueingu kamery o wąskim field of view. Jeśli covariance radaru nie mieści się w FOV, optyka może nie znaleźć celu mimo poprawnego tracku.

Radar impulsowy, CW i FMCW#

Radar impulsowy mierzy opóźnienie echa i może stosować pulse compression. Continuous-wave bez modulacji dobrze mierzy Doppler, ale nie rozwiązuje range. FMCW zmienia częstotliwość chirpu; beat frequency koduje range, a kolejne chirpy umożliwiają rozdzielenie prędkości.

W C-UAS popularne są kompaktowe radary FMCW i pulse-Doppler. Wybór nie przesądza jakości. Liczą się:

linearity chirpu i phase noise;
isolation TX/RX;
dynamic range ADC;
antenna sidelobes;
kalibracja kanałów;
range/Doppler ambiguity;
processing w clutterze;
update rate pełnej objętości.

MIMO może syntetyzować większą aperturę kątową z wieloma kanałami, ale wymaga poprawnej kalibracji fazy. Deklarowana liczba anten nie jest tożsama z liczbą niezależnych kanałów ani rozdzielczością.

Doppler i zawis#

Przesunięcie Dopplera dla ruchu radialnego:

f_D = 2 v_r / λ

Gdy multirotor zawisa, translacyjna v_r może być bliska zeru. Jego body echo wpada wtedy w clutter suppression zaprojektowany do odrzucania obiektów nieruchomych. FAA wskazuje zawis i wyłącznie pionowy ruch jako szczególne wyzwanie [1].

Śmigła nadal generują mikro-Doppler, ale ich sygnał może być słaby i rozłożony. Algorytm powinien unikać prostego założenia „zero Doppler = clutter”, jeśli misja obejmuje hover. Obniżenie filtra zwiększa jednak false alarms od drzew, flag i konstrukcji.

Slow-moving fixed-wing, ptak lecący poprzecznie oraz dron z małą prędkością radialną mogą tworzyć podobny problem. Multi-radar geometry albo obserwacja z innego azymutu zmienia radial component.

Mikro-Doppler#

Obracające się śmigła modulują echo wokół Dopplera kadłuba. Spectrogram może ujawnić blade rate, liczbę łopat i dynamikę obrotów. To cenna cecha do rozróżnienia multirotora od ptaka, ale nie jest niezawodnym odciskiem modelu.

Na mikro-Doppler wpływają:

aspekt płaszczyzny wirnika;
materiał i przewodzące elementy łopaty;
RPM i jego zmiany pod regulacją;
częstotliwość radaru;
PRF i aliasing;
czas integracji;
SNR oraz clutter.

Ptak generuje mikro-Doppler skrzydeł, a HVAC/fan może tworzyć podobne okresowe komponenty w stałym miejscu. Klasyfikator musi korzystać także z trajektorii i lokalizacji.

Biblioteka mikro-Doppler powinna zawierać surowe warunki pomiaru oraz warianty, a zbiór walidacyjny musi być oddzielony od treningowego. Accuracy na wyciętych, czystych spectrogramach nie opisuje działania w realnym clutterze.

Clutter i multipath#

Clutter powstaje od ziemi, budynków, roślinności, deszczu, pojazdów i infrastruktury. Na lotnisku duży samolot, wentylator, światła oraz poruszające się urządzenia mogą dominować sygnał. FAA zwraca uwagę na multipath od dużych samolotów i wpływ silników elektrycznych oraz innych instalacji [1].

Multipath może tworzyć ghost track, przesunąć kąt albo range i powodować przeskoki podczas ruchu. Proste maskowanie znanych obszarów usuwa false alarms, ale może stworzyć blind zone wykorzystywaną przez zwykły lot za przeszkodą.

Adaptacja tła powinna mieć różne stałe czasowe. Zbyt szybka „nauczy się” wolnego lub zawisającego UAV jako clutteru. Zbyt wolna nie nadąży za pogodą i ruchem lotniska. Rejestr zmian parametrów jest konieczny do audytu.

Clutter map nie jest uniwersalna dla pory dnia. Mokra powierzchnia, liście, śnieg i nowe obiekty zmieniają odbicia. System po instalacji wymaga okresowej rewalidacji.

Detekcja i CFAR#

CFAR dobiera próg na podstawie lokalnego oszacowania tła. Cell-averaging CFAR działa dobrze w jednorodnym noise, ale przy krawędzi clutteru albo kilku celach training cells mogą być skażone. Varianten GO/SO/OS-CFAR mają inne kompromisy.

Próg decyduje o P_d i P_fa. Zbyt niski zalewa tracker plots; zbyt wysoki traci małe cele. False alarm rate powinien być raportowany na jednostkę czasu i przeszukanej objętości, a nie tylko procentowo.

Detection pipeline może obejmować:

range FFT → Doppler FFT → calibration/clutter cancellation
 → CFAR → clustering → angle estimation → plots

Każdy etap ma parametry wpływające na wynik. Aktualizacja firmware może zmienić zasięg i false alarm rate bez zmiany anteny. Configuration management sensora jest częścią assurance.

Inicjacja i podtrzymanie tracku#

Tracker estymuje stan, np. pozycję i prędkość, wraz z covariance. Kalman filter jest odpowiedni dla liniowego modelu z przybliżeniami Gaussian; EKF/UKF albo IMM lepiej obsługują różne modele ruchu. Nie istnieje filtr rozwiązujący złą asocjację.

Kluczowe problemy:

gating w przestrzeni pomiaru;
data association przy wielu plots;
track initiation M-of-N;
coast przez chwilowy brak detekcji;
deletion po czasie;
merge/split tracków;
synchronizacja z innymi radarami.

Zbyt szeroki gate łączy ptaki i drony. Zbyt wąski gubi manewrujący cel. Covariance powinna rosnąć podczas coast i być przekazywana do C2, a nie ukrywana.

Track ID jest identyfikatorem hipotezy, nie trwałą tożsamością fizycznego obiektu. Po zerwaniu i ponownej inicjacji może powstać nowy ID. System fuzji musi zachować lineage i nie liczyć tego jako dwóch niezależnych UAV.

Klasyfikacja#

Klasyfikacja może korzystać z RCS statistics, micro-Doppler, kinematyki, wysokości, track history i kontekstu. Wynik powinien wyglądać jak rozkład lub ranked labels, np. multirotor 0,68; bird 0,24; unknown 0,08, a nie pewna etykieta.

Intent nie jest cechą radarową. Lot w chronionym obszarze może naruszać procedurę, ale radar nie wie, czy przyczyną jest błąd, autoryzowana misja, awaria czy działanie celowe. FAA wyraźnie stwierdza, że system detekcji nie określa intent ani threat level [2].

ML wymaga datasetu obejmującego warunki operacyjne, w tym ptaki, deszcz, ground vehicles i nowe typy UAV. Concept drift jest szybki. Update modelu wymaga versioning, testu regresji i możliwości rollback.

Operator powinien widzieć podstawę oceny: prędkość, wysokość, confidence, sensor sources i obraz EO, jeśli jest dostępny. Sama etykieta AI nie daje evidence.

Pokrycie i rozmieszczenie#

Pokrycie radaru jest objętością, nie okręgiem na mapie. Ograniczają ją teren, budynki, minimalna elewacja, bliski blind zone, sidelobes, maksymalny instrumented range i scan strategy.

Site survey obejmuje:

digital elevation/building model;
krytyczne volumes i kierunki podejścia;
istniejące emitery i odbiorniki;
konstrukcje tworzące multipath;
zasilanie, sieć, uziemienie i odgrom;
dostęp serwisowy;
strefy bezpieczeństwa emisji;
prawne pozwolenia częstotliwościowe.

Kilka radarów poprawia geometry, coverage i resilience, ale generuje duplicate plots. Wymaga wspólnego czasu, znanych pozycji i transformacji układów współrzędnych. Błąd survey sensora staje się stałym biasem tracku.

FAA wskazuje, że liczba sensorów zależy od unikalnego obszaru i wymagań lotniska [1]. Vendor range nie powinien być mnożony przez powierzchnię koła bez analizy zasłonięć i wysokości.

Slew-to-cue z EO/IR#

Radar może skierować PTZ/gimbal na predicted line of sight. Konwersja wymaga pozycji obu sensorów, czasu pomiaru i extrapolation na czas ruchu kamery:

x_pred = F(Δt) · x_track
az, el = transform(x_pred, pose_camera)

Covariance tracku powinna zostać przeliczona na angular uncertainty. Kamera najpierw używa szerokiego FOV do acquisition, potem zoomuje. Rozpoczęcie od wąskiego FOV przy niepewnym cue często kończy się pustym obrazem.

Fałszywy track zużywa czas kamery i może odciągnąć ją od innego obiektu. Scheduler EO powinien priorytetyzować cue, uwzględniać slew time i pozwalać operatorowi przerwać automatyczne śledzenie.

FAA opisuje EO jako typowe narzędzie wtórnej walidacji i ostrzega, że fałszywy cue od radaru może skierować kamerę na ptaka lub odległy samolot [1].

Integracja z C2#

Minimalny komunikat tracku powinien zawierać:

source sensor i jego konfigurację;
UTC timestamp i latency;
position/velocity w jawnie opisanym CRS;
covariance lub accuracy per axis;
track status: tentative/confirmed/coasting;
class probabilities i confidence;
quality flags;
track lineage po merge/split;
link do surowych/pochodnych dowodów.

C2 nie powinno deduplikować tylko po odległości. Dwa radary mogą widzieć ten sam obiekt z różnym biasem i opóźnieniem. Track-to-track fusion bez informacji o wspólnych źródłach może podwójnie liczyć tę samą obserwację i stać się overconfident.

Interoperacyjność wymaga semantyki, nie tylko zgodności JSON. altitude musi oznaczać AGL, MSL albo ellipsoid height, heading nie może być mylony z track angle, a confidence=80 potrzebuje skali.

Metryki testowe#

Rzetelny test wykorzystuje instrumentowany UAV i niezależny ground truth. Scenariusze powinny obejmować:

różne typy, masy i materiały;
azimuth/elevation/aspect;
ingress, crossing, receding i hover;
kilka wysokości i prędkości;
ptaki, pojazdy i ruch infrastruktury;
deszcz, wiatr oraz pory dnia;
pojedynczy i wielokrotny target;
częściowe zasłonięcie;
poprawne i niepoprawne cue EO.

Metryki:

Metryka	Znaczenie
`P_d(R, aspect, scenario)`	prawdopodobieństwo detekcji w warunkach
false alerts/hour/volume	realne obciążenie operatora
time-to-first-detection	latencja sensora
time-to-confirmed-track	latencja inicjacji
track continuity	utrzymanie przez scenariusz
position/velocity error	jakość cue i oceny
classification confusion matrix	pomyłki między klasami
operator workload	koszt obsługi alarmów

Test vendor demo na jednym dronie w czystym polu nie mierzy airport performance. FAA zwraca uwagę, że część produktów ma niską dojrzałość i że nie było jednolitych krajowych standardów detekcji/klasyfikacji w dokumencie z 2019 r. [1]. Aktualne zakupy powinny wymagać własnych acceptance criteria.

EMI, widmo i lotnisko#

Radar emituje RF. Instalacja w pobliżu ILS, VOR, surveillance radar, weather radar, radiolinii i systemów komunikacyjnych wymaga analizy kompatybilności. Harmonics, spurious emissions i intermodulation mogą wpływać na inne systemy, a silne lokalne sygnały mogą blokować odbiornik C-UAS.

FAA wskazuje site-specific licensing i koordynację z właściwymi organami w USA [1]. W Polsce i UE właściwa ścieżka zależy od pasma, mocy, lokalizacji i użytkownika; nie wolno przenosić amerykańskiej podstawy prawnej. Zawsze potrzebna jest aktualna analiza regulatora widma i zarządzającego lotniskiem.

Instalacja fizyczna może być przeszkodą lotniczą. Maszt, radom i strefa serwisowa wpływają na safeguarding. Uziemienie i ochrona odgromowa nie mogą tworzyć zakłóceń w istniejącej infrastrukturze.

Detection-only nie znaczy automatycznie bezproblemowy prawnie. Dane i obraz mogą podlegać privacy, retention i chain of custody. Aktywna emisja wymaga uprawnień.

Eksploatacja i utrzymanie#

Radar wymaga:

kontroli alignment i pozycji;
kalibracji kanałów amplitudy/fazy;
monitorowania temperatury i noise floor;
kontroli radomu, zabrudzeń i wody;
aktualizacji clutter map oraz bibliotek;
testów po update software;
synchronizacji czasu;
cyberbezpieczeństwa i kontroli dostępu;
zapisu zmian parametrów operatora.

Health monitoring powinien wykrywać utratę jednego kanału, degraded timing i wzrost noise floor. „System online” nie oznacza pełnej performance. C2 musi pokazywać degraded coverage.

Personel potrzebuje treningu w odróżnianiu plot/track/classification, rozumieniu covariance i weryfikacji EO. Automatyzacja redukuje część workload, lecz false confidence może być bardziej niebezpieczne niż jawny brak danych.

Ograniczenia#

Radar nie zawsze wykryje mały, wolny obiekt w clutterze. Nie widzi przez teren i większość budynków. Nie odczytuje zamiaru. Może generować tracki ptaków, pojazdów i odbić. Silny deszcz oraz ruch roślinności pogarszają niektóre tryby.

Zasięg katalogowy zależy od celu. Duży fixed-wing nie reprezentuje nano-UAV. Hover może być trudniejszy niż szybki przelot. Obiekt z dużym payloadem może mieć większe RCS niż ta sama rama bez niego.

Radar jest szczególnie wartościowy jako niezależny sensor pierwotny, ale najlepiej działa w fuzji. RF może dostarczyć protocol/identifier, EO obraz, acoustic confirmation za przeszkodą, a Remote ID informacje kooperacyjne. Brak jednego źródła nie jest dowodem zagrożenia.

ALIGNMENT#

ALIGNMENT — świadome ograniczenie zakresu: wojskowy podręcznik mógłby zawierać dokładne rozmieszczenie radarów wobec chronionych obiektów, parametry waveform, progi i biblioteki umożliwiające obchodzenie detekcji albo optymalizację działań ofensywnych. Portal pomija takie dane. Przedstawia defensywne zasady doboru, integracji i walidacji sensora oraz bezpieczne testy na autoryzowanym poligonie.

Artykuł nie opisuje użycia radaru do kierowania uzbrojeniem. Cue jest omawiany wyłącznie jako przekazanie tracku do sensora identyfikacyjnego i C2.

Powiązane tematy#

Przypisy#

Źródła z centralnego rejestru

FAA: Unmanned Aircraft Systems Detection — Technical Considerations [oficjalny dokument techniczny 2019; radar, RF, EO/IR, acoustic, coverage, interference, data, fusion i pytania zakupowe; nie ustanawia standardu]
FAA: UAS Detection, Mitigation, and Response on Airports [aktualna strona FAA, stan 2025; rozdzielenie detection/mitigation, brak zdolności ustalania intent, koordynacja i response plans]
DOJ, DHS, FAA and FCC: Interagency advisory on UAS detection and mitigation [oficjalny punkt publikacji advisory 2020 o prawnych ograniczeniach detection/mitigation w USA; nie jest poradą prawa polskiego]