Radary antydronowe C-UAS – technologia, wyzwania i przykłady

Jednym ze skuteczniejszych sensorów w systemach antydronowych są radary, jednak tradycyjne systemy radarowe projektowane pod duże i szybkie obiekty powietrzne mogą nie radzić sobie z małymi dronami lecącymi na niskich wysokościach. W odpowiedzi rozwijane są nowoczesne radary anty-dronowe, zdolne do wykrywania małych, wolno poruszających się celów wśród zakłóceń terenu i obiektów takich jak ptaki. W kolejnym naszym artykule przedstawię przegląd technologii stosowanych w takich radarach, omówię pasma częstotliwości i ich wpływ na detekcję małych UAV, wyzwania związane z niewielką efektywną powierzchnią odbicia (RCS) dronów oraz metody klasyfikacji wykrytych obiektów. Na koniec przedstawię kilka przykładów producentów radarów do detekcji dronów i charakterystykę wybranych rozwiązań – z zastrzeżeniem, że nie są to jedyne dostępne na rynku (ani niekoniecznie najlepsze) rozwiązania.

Technologie radarowe w detekcji UAV

Radary 2D vs. 3D: Podstawowy podział dotyczy liczby wymiarów informacji o położeniu celu. Radary dwuwymiarowe (2D) mierzą tylko odległość (zasięg) i kierunek poziomy (azymut) do obiektu. Natomiast radary trójwymiarowe (3D) dostarczają dodatkowo informację o wysokości (elewacji) wykrytego celu​. Innymi słowy, 2D radar podaje pozycję celu na płaszczyźnie, a radar 3D lokalizuje go w przestrzeni. W kontekście wykrywania dronów radares 3D są szczególnie cenne – umożliwiają określenie pułapu lotu małego UAV od razu przy detekcji. Wiele nowoczesnych radarów anty-dronowych zapewnia pełną pokrycie 3D w azymucie 360° i określonym zakresie elewacji (np. 60° w pionie)

Przykładowo, radar 3D IRIS firmy Robin ma pokrycie 360°/60° (azymut/elewacja) i dokładność wyznaczenia wysokości rzędu 1°. Radary 2D (np. tańsze modele) również znajdują zastosowanie do wstępnej detekcji dronów, ale do pełnego śledzenia trajektorii potrzeba integracji z innymi sensorami (np. kamerami do oceny wysokości lub dodatkowymi radarami).

Anteny fazowane i skanowanie elektroniczne (AESA/PESA): Klasyczne radary obracają mechanicznie antenę, aby przeszukiwać przestrzeń. W nowoczesnych systemach coraz częściej stosuje się technologię anten fazowanych z elektronicznym sterowaniem wiązką. AESA (Active Electronically Scanned Array) oznacza antenę z aktywnym skanowaniem elektronicznym – radar tego typu potrafi przesuwać wiązkę w bardzo krótkim czasie dzięki kontrolowaniu fazy sygnału na setkach a nawet tysiącach małych modułów nadawczo-odbiorczych. Umożliwia to szybkie przeszukiwanie wycinka przestrzeni bez ruchomych części, a nawet jednoczesne śledzenie wielu kierunków poprzez formowanie kilku wiązek naraz. Przewagą AESA jest również możliwość pracy na zróżnicowanych częstotliwościach (tzw. frequency agility), co utrudnia wykrycie samego radaru przez systemy przeciwdziałania (LPI – Low Probability of Intercept). Technologia AESA historycznie była kosztowna i zarezerwowana do zastosowań wojskowych, ale postęp elektroniki sprawia, że coraz częściej pojawia się w radarach ochrony obiektów i przeciwdronowych​.

Alternatywą o nieco prostszej architekturze jest PESA (Passive ESA), gdzie antena fazowana ma jeden wspólny nadajnik, a fazowanie dotyczy tylko strony odbiorczej – nadal umożliwia to elektroniczny skan wiązki, choć z mniejszą elastycznością niż AESA. Przykład: Brytyjski radar Blighter A400 wykorzystuje nieroztaczający się panel PESA do stałego pokrycia strefy – nie ma części ruchomych, a wiązka jest sterowana elektronicznie​.

Rezultat to wysoka szybkość odświeżania i niezawodność (brak mechanicznych elementów zużywających się) kosztem ograniczenia pola widzenia pojedynczego panelu (w praktyce większe systemy stosują kilka paneli lub dodatkową rotację dla pełnych 360°).

Radary impulsowe vs. ciągłe (FMCW): Większe radary wojskowe i cywilne dalekiego zasięgu zwykle pracują w trybie impulsowym (wysyłając krótkie, silne impulsy mikrofal i nasłuchując echa). Natomiast przy wykrywaniu niewielkich dronów na mniejszych dystansach popularne są radary z ciągłą transmisją o modulowanej częstotliwości (FMCW – Frequency Modulated Continuous Wave). Radar FMCW emituje ciągły sygnał chirp (o liniowo narastającej/opadającej częstotliwości) i na bieżąco porównuje sygnał odebrany z nadawanym. Umożliwia to bardzo dokładny pomiar odległości na podstawie różnicy częstotliwości (tzw. sygnał pobicia) oraz prędkości na podstawie przesunięcia Dopplera. Zaletą FMCW jest stała emisja o niższej mocy szczytowej (łatwiejsza do spełnienia wymogów regulacyjnych, mniej podatna na interferencje z innymi urządzeniami) oraz stosunkowo prosta i tania elektronika nadawcza (często półprzewodnikowa, zamiast lamp wysokomocowych). Wadą bywa ograniczony zasięg (wynikający z ciągłego nadawania i konieczności izolacji nadajnika od odbiornika) oraz bardziej skomplikowane przetwarzanie sygnału. W praktyce wiele radarów anty-dronowych to systemy FMCW z anteną fazowaną, które łączą wymienione zalety – np. wspomniany Blighter A400 działa w paśmie Ku, w technologii PESA i FMCW​, zapewniając ciągłą pracę 24/7, wysoką odporność na zakłócenia pogodowe i dużą czułość przy wykrywaniu nawet wolno poruszających się obiektów (jak zawisający dron). Również radar IRIS jest typu FMCW (pasmo X) z obrotową anteną fazowaną, co umożliwia mu uzyskanie dokładności pomiaru odległości rzędu 0,6 m i śledzenie celów w trybie track-while-scan (TWS)​.

Efekt Dopplera i śledzenie wielu celów: Niezależnie od trybu pracy (impulsowy czy FMCW), kluczową rolę w detekcji dronów odgrywa wykorzystanie efektu Dopplera. Drony często poruszają się wolno lub zawisają, na wysokości kilkudziesięciu metrów, co oznacza że echo od nich może zlewać się z silnymi odbiciami od podłoża (drzewa, budynki) na podobnym dystansie. Radary przeciwdrone’owe wykorzystują filtry Dopplera do odfiltrowania sygnałów od obiektów statycznych (tła) – reagują tylko na echo z przesunięciem częstotliwości wskazującym na ruch. Dzięki bardzo czułym układom filtrów częstotliwości nowoczesny radar może usuwać echo od ziemi i roślinności i wyłuskać sygnał małego drona poruszającego się z prędkością kilku m/s​. Oczywiście pojawia się tu wyzwanie: dron lecący bardzo wolno lub wiszący generuje minimalny Doppler, przez co może zostać potraktowany jak „nie ruszający się” obiekt tła. Dlatego algorytmy detekcji są zwykle zoptymalizowane pod scenariusz LSS (Low-Slow-Small) – wykrywanie celów niskolecących, wolnych i o małej sygnaturze. Wykorzystuje się adaptacyjne algorytmy MTI/MTD (Moving Target Indication/Detection) o niskiej prędkości minimalnej lub nawet modulacje sygnału pozwalające „oświetlić” cel z różnych częstotliwości, by wykryć nawet śladowy ruch. Gdy dron zostanie wykryty, radar przechodzi w tryb śledzenia wielopostaciowego: utrzymuje ciągły kontakt z obiektem i jednocześnie nadal przeszukuje przestrzeń. Możliwe jest to dzięki dużej szybkości skanowania (mechanicznego lub elektronicznego) i odpowiednio szybkiemu przetwarzaniu. Współczesne radary potrafią śledzić dziesiątki obiektów jednocześnie w trybie track-while-scan. Przykładowo kompaktowy radar EchoGuard jest w stanie równocześnie śledzić do 20 celów w swoim polu widzenia​, zaś większy radar IRIS notuje do 500 śladów na raz, w tym 20 priorytetowych z odświeżaniem co 1 sekundę (wg danych producenta). Ta zdolność jest istotna zwłaszcza w sytuacji rojów dronów – scenariusz, w którym wiele UAV działa jednocześnie, stając się poważnym wyzwaniem dla obrony. Radary AESA dzięki możliwości podziału wiązek lub ultraszybkiego skanowania są najlepiej przygotowane na takie sytuacje​.

Skanowanie mechaniczne vs. elektroniczne: Wykrywanie dronów wokół obiektu (np. lotniska) wymaga pokrycia całego azymutu 360°. Można to osiągnąć na dwa sposoby: poprzez mechaniczne obracanie anteny/układu anten lub poprzez zastosowanie kilku nieruchomych anten elektronicznie skanujących w różnych kierunkach (np. cztery panele dookólne po 90°). W praktyce często stosuje się kombinację obu metod – np. radar IRIS obraca całą antenę AESA z prędkością 30 obr./min, jednocześnie skanując elektronicznie w elewacji.

Z kolei radar Blighter A400 jest całkowicie nieruchomy, ale ma ograniczone pole widzenia (poniżej 180°); aby uzyskać pokrycie pełne, integruje się kilka takich jednostek. Skanowanie elektroniczne ma przewagę szybkości – czas obrotu mechanicznego (np. 2 sekundy dla 360°) ogranicza częstość odświeżania, podczas gdy AESA może teoretycznie przeskanować cały kąt w ułamku sekundy. Ponadto, mechanika to dodatkowa masa i potencjalna awaryjność. Z drugiej strony, systemy mechaniczne są prostsze i tańsze, więc w zastosowaniach wymagających mobilności i niskiego kosztu (np. przenośne radary chroniące imprezy masowe) wciąż dominują niewielkie obrotowe radary 2D lub 3D. Przykładem jest Elvira firmy Robin – lekki radar 2D z wirującą anteną, zapewniający pełne pokrycie azymutu przy niższej cenie, kosztem braku pomiaru wysokości​.

Pasma częstotliwości a wykrywanie małych obiektów

Radary do wykrywania dronów operują w różnych pasmach częstotliwości – od częstotliwości UHF/VHF (setki MHz) w nietypowych zastosowaniach, przez tradycyjne pasma L/S (1–4 GHz), aż po pasma mikrofalowe C, X, Ku, K (5–30 GHz), a nawet pasm millimetrowe (Ka, W – 35 GHz i 94 GHz) w badaniach eksperymentalnych. Wybór częstotliwości ma ogromny wpływ na zdolność wykrycia małego drona:

• Długość fali vs. rozmiar drona: Ogólna zasada mówi, że im mniejszy obiekt, tym krótsza długość fali (wyższa częstotliwość) jest potrzebna, by uzyskać od niego dostateczne echo radarowe. Gdy rozmiar obiektu (np. charakterystyczny wymiar drona) jest dużo mniejszy niż długość fali, obiekt wchodzi w reżim rozpraszania Rayleigha – rozprasza bardzo mały ułamek energii, a jego skuteczna powierzchnia odbicia drastycznie spada. Dlatego radary pracujące na niskich częstotliwościach (np. pasmo L, gdzie długość fali ~20 cm) mają duże trudności z wykryciem quadcoptera o wielkości kilkudziesięciu centymetrów – dla takiego drona 20 cm to niemal jego wymiar, co plasuje go na pograniczu efektywnego odbicia. Z kolei na częstotliwości X (~3 cm fali) ten sam dron jest wielokrotnie większy niż długość fali, przez co odbija bardziej efektywnie. W praktyce typowe pasma użyteczne do detekcji małych UAV to C, X, Ku i K​, czyli zakres ok. 4–27 GHz. Badania wskazują, że właśnie w tych pasmach uzyskuje się najlepszy stosunek zasięgu wykrycia do rozmiaru drona​. Pasma niższe (L, S) stosuje się do większych obiektów i dalekiego zasięgu, natomiast dla mikro-dronów zwykle okazują się niewystarczające.
• Zasięg vs. rozdzielczość: Niższe częstotliwości (dłuższe fale) mają pewne zalety – mniejsze tłumienie w atmosferze (szczególnie podczas opadów) i większy zasięg maksymalny dzięki możliwości użycia dużej mocy i anten o wielkich rozmiarach (np. radary L-band wczesnego ostrzegania mogą sięgać kilkuset kilometrów). Jednak w przypadku dronów zasięg i tak jest ograniczony krzywizną Ziemi i przeszkodami terenowymi (małe UAV latają nisko, często poniżej linii horyzontu radarów dalekiego zasięgu). W praktyce zasięg detekcji drona rzadko przekracza kilka–kilkanaście kilometrów, niezależnie od mocy radaru, ponieważ na większych dystansach dron schowa się w „cieniu” terenu lub zleje z zakłóceniami. Tym samym, używanie bardzo niskich częstotliwości (o potencjalnie ogromnym zasięgu) mija się z celem, gdy nie idzie w parze z odpowiednią rozdzielczością kątową i czułością na małe cele. Wyższe częstotliwości dają węższe wiązki dla tej samej apertury anteny – np. antena o średnicy 1 m ma wiązkę ~6° w pasmie L (1.3 GHz) ale już ~0.6° w pasmie X (10 GHz). Węższa wiązka to lepsza separacja celów i mniej echa tła, co jest kluczowe przy detekcji dronów na tle ziemi​. Dodatkowo, wyższe pasma umożliwiają szersze pasmo sygnału (większa bandwidth), przekładające się na lepszą rozdzielczość odległości. Przykładowo radar działający na 94 GHz może łatwo operować pasmem 1 GHz, co daje rozdzielczość ok. 15 cm – pozwala to niemal „rysować” kształty obiektów i rozróżniać np. drona od ptaka po profilu zasięgu.
• Wpływ terenu i przeszkód: Drony latające na wysokości kilkudziesięciu metrów często poruszają się w strefie silnych zakłóceń – odbicia od ziemi, budynków, drzew. Niższe częstotliwości mają większą skłonność do dyfrakcji (uginania się za przeszkodami) i mogą w pewnym stopniu „zajrzeć” za wzgórze czy las, ale jednocześnie generują wtedy dużo silnych odbić od tych przeszkód. Wyższe częstotliwości propagują się praktycznie po liniach prostych – dron za budynkiem jest niewidoczny. Dlatego systemy anty-dronowe często integrują kilka radarów rozmieszczonych wokół chronionego obszaru, by minimalizować martwe strefy. Pasmo L vs X – przykład: Radar L-band (1–2 GHz) z dużą mocą mógłby teoretycznie wykryć większego drona nawet na 5–10 km, ale jeśli dron leci na 30 m, to już w odległości ~20 km zniknie pod horyzontem (krzywizna ziemi). Ponadto, echo od drona przy takiej częstotliwości może być poniżej poziomu szumu. Radar X-band (ok. 10 GHz) dedykowany do małych dronów może mieć zasięg np. 3–5 km dla drona 3-kg – i to w zupełności wystarcza do większości zastosowań (np. ochrona lotniska, gdzie dron stanowi zagrożenie głównie w promieniu paru km od pasa). Co istotne, niższe częstotliwości są często wykorzystywane w lotniczych radarach kontroli ruchu i wojskowych radarach obrony powietrznej – te systemy wykrywają duże samoloty i śmigłowce z daleka, ale mogą nie zauważyć małego drona tuż nad ziemią​. Starsze radary nie były projektowane do tak małych celów i tak niskich pułapów, stąd obecnie istnieje potrzeba uzupełniania ich pokrycia dedykowanymi sensorami anty-dronowymi działającymi właśnie w wyższych pasmach i na krótkim dystansie.
• Pasma milimetrowe: Najwyższe częstotliwości (Ka – ~35 GHz, W – ~94 GHz) zapewniają jeszcze wyższą rozdzielczość i możliwość analizy drobnych detali sygnału (np. drgających elementów). Minusem jest jednak bardzo ograniczony zasięg (silne tłumienie przez atmosferę, zwłaszcza 94 GHz, i niewielka moc rozpraszana docierająca do dalekich celów). Z tego względu radary w paśmie W są wykorzystywane eksperymentalnie do precyzyjnej klasyfikacji obiektów w bliskiej odległości. Przykładowo instytut Fraunhofer FHR opracował system wielokanałowy 94 GHz do śledzenia dronów w odległości 50–150 m, osiągając imponującą rozdzielczość 15 cm i możliwość identyfikacji typu drona po sygnaturze dopplerowskiej jego wirników​. W praktyce jednak większość operacyjnych radarów anty-dronowych działa w pasmach decymetrowych i centymetrowych (L, S, C, X, Ku, K), gdzie osiągają kompromis między zasięgiem, odpornością na warunki atmosferyczne a zdolnością wykrycia małych obiektów.

Podsumowując, wyższe częstotliwości generalnie sprzyjają wykrywaniu małych, nisko lecących dronów, choć kosztem zasięgu i większej wrażliwości na warunki (deszcz, mgła może bardziej tłumić pasmo X/Ku niż L/S). Dlatego architektura systemu zwykle dobierana jest pod konkretne potrzeby: np. radary X/Ku wokół lotniska wykryją potencjalne drony w promieniu paru kilometrów, a nad nimi pieczę trzyma radar kontroli lotów w pasmie S czy L śledzący samoloty. W razie potrzeby stosuje się też systemy dwupasmowe – istnieją radary potrafiące nadawać na dwóch częstotliwościach naraz, co łączy zalety obu (np. niższa częstotliwość potrafi wykryć większego drona zza przeszkody, a wyższa dookreśli małe cele w widocznej strefie).

Wykrywanie dronów o małej efektywnej powierzchni odbicia (RCS)

Czym jest RCS? Efektywna powierzchnia odbicia (ang. Radar Cross-Section, RCS) to miara tego, jak dobrze dany obiekt odbija fale radarowe. Jednostką jest metr kwadratowy [m²] (często wyrażany w skali logarytmicznej jako dBsm). Intuicyjnie, RCS można rozumieć jako „wielkość cienia radarowego” rzucanego przez obiekt – zależy od rozmiaru, kształtu, materiału i orientacji obiektu względem radaru.

Duże i metaliczne obiekty (np. samoloty pasażerskie) mają ogromne RCS, a małe z tworzyw sztucznych – minimalne. Drony, szczególnie rekreacyjne, są z reguły niewielkie, pełne tworzyw i kompozytów, z ograniczoną ilością metalu, przez co ich RCS jest bardzo mały. Co gorsza, wirujące śmigła i nietypowe kształty ramion quadkoptera rozpraszają fale w różnych kierunkach, dając niestabilne i trudne do przewidzenia echo radarowe (RCS może się zmieniać w czasie wraz z obrotem drona i pracą wirników)​

Typowe wartości RCS: Aby uświadomić skalę problemu, porównajmy kilka przykładów:

• Małe drony (nano/mikro): Najmniejsze dostępne drony (masa setki gramów, wielkość kilkanaście cm) mają RCS rzędu zaledwie 0,0001–0,01 m²​. To tak, jakby radar próbował dostrzec w oddali duży owad – niezwykle trudne zadanie.
• Drony konsumenckie (małe/średnie): Typowy quadcopter o przekątnej 30–50 cm (jak DJI Phantom czy Mavic) ma RCS rzędu kilku setnych m². W literaturze podaje się dla rodziny DJI Phantom typowe wartości ~0,02 m² w paśmie X​. Podobnie DJI Inspire (większy dron ~3 kg) miewa średnie RCS ok. 0,05–0,1 m² (−10 do −13 dBsm) zależnie od częstotliwości. Są to wartości porównywalne z RCS dużych ptaków – np. ptak o rozpiętości skrzydeł ~1 m (gęś, orzeł) może mieć RCS rzędu 0,01–0,1 m², podczas gdy małe ptaki (wróble) to 0,001 m² i mniej​. Potwierdzają to pomiary, gdzie sygnatury radarowe dronów i ptaków zachodzą na siebie: np. w paśmie K (24 GHz) stwierdzono, że małe drony wykazują RCS od –20 do –8 dBsm (0,01–0,16 m²), a ptaki od –30 do –19 dBsm (0,001–0,012 m²)​. To pokrywanie się zakresów RCS dronów i ptaków jest jedną z głównych przyczyn trudności w wiarygodnym wykrywaniu i rozróżnianiu – sam pomiar RCS nie wystarczy do identyfikacji obiektu.
• Większe drony (stałopłaty, wojskowe): Drony o rozmiarach samolotów (skrzydła 2–5 m) mają większe RCS, choć wciąż relatywnie małe jak na standardy radarowe. Np. eksperymentalny stałopłat o rozp. 2 m może mieć RCS ~0,005–0,02 m² w zależności od częstotliwości​ – mniej niż typowy quadcopter! Wynika to z faktu, że w małym samolociku dominuje kadłub i cienkie skrzydła (kompozytowe), które mogą dawać mniejsze echo niż cztery pionowe słupki i wirniki quadkoptera (metalowe silniki, bateria, itp.). Ogólnie RCS rośnie z wymiarami – dron o wielkości kilkunastu metrów (np. MQ-9 Reaper) może mieć RCS rzędu 1–2 m² (porównywalny z załogowymi lekkimi samolotami).
• Samoloty i inne obiekty: Dla kontrastu, duży samolot pasażerski jak Boeing 747 ma RCS rzędu kilku tysięcy do 10 000 m² (łatwy cel dla radaru)​. Myśliwiec bez cech stealth, np. F-16, to około 1–5 m²​. Natomiast stealth jak B-2 Spirit potrafią mieć efektywny RCS poniżej 0,01 m² (czyli porównywalny z małym dronem!), a według niektórych źródeł nawet ok. 0,0001 m²​. To pokazuje, że mały dron dla radaru może wyglądać „jak obiekt stealth” – jest bardzo słabo widoczny.

Wpływ małego RCS na wykrywalność: Z równania radarowego wynika, że sygnał odbity maleje proporcjonalnie do RCS. Gdy RCS spada np. 100 razy (20 dB), maksymalna odległość wykrycia maleje w przybliżeniu o czwarte pierwiastek z tej liczby (dla wymaganego stałego SNR) – czyli około 3,2 raza. Oznacza to, że radar zdolny wykryć obiekt o RCS 1 m² z 32 km zobaczy obiekt 0,01 m² tylko z ~10 km, a obiekt 0,001 m² (jak wróbel) już jedynie z ~5 km, i to w idealnych warunkach. W praktyce, zasięg wykrycia drona liczony jest w pojedynczych kilometrach. Dane techniczne typowych systemów to np. ~3,5–4 km zasięgu detekcji dla średniej wielkości drona (3 kg) w radarze IRIS​ ~1 km dla mikro-drona w kompaktowym radarze EchoGuard​, do 8 km dla małego/średniego drona w dużym radarze Blighter A400​. Nawet najlepsze specjalistyczne radary wojskowe deklarują wykrywanie mini-UAV maksymalnie z kilkunastu kilometrów, o ile obiekt jest na otwartej przestrzeni. Niska wartość RCS przekłada się też na podatność na zakłócenia – echo od drona bywa ledwo powyżej szumu tła, więc łatwo je zagłuszyć (umyślnie lub przez przypadek) albo utracić w silnych odbiciach od ptaków czy innych obiektów. To powoduje, że same czujniki radarowe muszą być wysoce czułe i zaawansowane, by odróżnić sygnał drona od szumu. W wielu przypadkach implementuje się długie czasy integracji sygnału lub zaawansowane metody dopasowania (matched filtering) pod konkretne sygnatury dronów, by poprawić wykrywalność.

Zmienne RCS i orientacja celu: Warto dodać, że RCS drona nie jest stałą wartością – zmienia się z kierunkiem pod jakim go „widzi” radar oraz w czasie (np. obrót wirników). Dron lecący prostopadle do radaru może dać silniejsze echo (od płaszczyzny kadłuba/baterii) niż dron lecący wprost (przód drona jest zwykle smuklejszy). RCS potrafi zmieniać się o rząd wielkości w zależności od orientacji. Ponadto, wirujące śmigła generują charakterystyczne modulacje mikro-Dopplerowskie w echo radarowym – drobne fluktuacje sygnału, które mogą częściowo zwiększać efektywny RCS (zwłaszcza gdy wirnik ustawi się tak, że silnie odbija sygnał periodycznie – tzw. efekt „blade flash”). Jednak ogólny trend jest taki, że małe drony mają RCS bardzo małe i wymagają specjalizowanych rozwiązań radarowych. Standardowe radary lotnicze często ignorują echa tak małe jak 0,01 m² – traktują je jako szum lub zakłócenie, stosując filtry minimalnego sygnału, by zapobiec fałszywym alarmom​. To kolejny powód, dla którego dedykowane radary anty-dronowe muszą wykorzystywać dodatkowe metody (np. zaawansowaną klasyfikację) – aby odróżnić prawdziwego drona od zjawisk tła i żeby celowo nie odfiltrować tak słabego sygnału.

Wyzwania i ograniczenia: Podsumowując, zdolność wykrycia drona z małym RCS ograniczają: (1) zasięg detekcji – dron musi podejść dość blisko radaru, by zostać wykrytym; (2) fałszywe alarmy – wiele obiektów (ptaki, fragmenty drzew na wietrze) ma podobnie niski RCS, więc radar będzie je widział tak samo jak drona, co wymaga dalszej analizy; (3) warunki środowiskowe – deszcz, mokre liście, owady rojące się mogą generować echa porównywalne ze sygnałem małego UAV; (4) taktyka przeciwnika – świadomy przeciwnik może użyć dronów o materiałach pochłaniających fale (kompozyty, elementy stealth) lub poruszać się bardzo wolno tuż nad ziemią („przyklejony” do tła), co dodatkowo utrudnia radarom wykrycie. Dlatego same parametry radarowe to nie wszystko – kluczowa jest inteligentna obróbka sygnału i fuzja z innymi sensorami, by skutecznie wyłapać i zidentyfikować zagrożenie.

Klasyfikacja wykrytych obiektów – odróżnienie drona od ptaka

Wykrycie ruchomego obiektu na radarze to dopiero początek – kolejnym etapem jest klasyfikacja, czyli określenie z czym mamy do czynienia. Największym wyzwaniem jest rozróżnienie dronów od ptaków, gdyż oba obiekty mogą mieć podobne RCS, poruszać się w powietrzu na niskim pułapie i z umiarkowaną prędkością. Błędna klasyfikacja może prowadzić do fałszywych alarmów (np. ptak zidentyfikowany jako dron wywoła niepotrzebną reakcję) albo – co gorsza – przeoczenia zagrożenia (dron uznany za ptaka pozostanie niezauważony przez system obrony). Nowoczesne radary dozorowe stosują kilka uzupełniających się metod klasyfikacji:

• Analiza trajektorii lotu: Sposób, w jaki porusza się obiekt, może zdradzić jego naturę. Ptaki często latają po krzywych, zmieniają wysokość w poszukiwaniu prądów powietrznych, szybują lub machają skrzydłami w sposób falisty. Ich prędkości względem ziemi zależą od wiatru, zazwyczaj mieszczą się w kilkudziesięciu km/h. Drony poruszają się bardziej mechanicznie: potrafią zawisać nieruchomo w powietrzu (co dla większości ptaków, poza kolibrami, jest niewykonalne), wykonywać gwałtowne, kątowe manewry i lecieć po zaprogramowanej, często prostoliniowej trajektorii z stałą prędkością. System radarowy może śledzić ścieżkę obiektu i wyciągać pewne cechy – np. drony wykazują tendencję do długotrwałego zawisu lub prostoliniowego dolotu, podczas gdy ptaki raczej nie pozostają w jednym punkcie na długo i wykonują bardziej chaotyczne zmiany kierunku. Ponadto, wiele dronów komercyjnych ma wbudowane ograniczenia (geofencing) – np. nie przekraczają pewnej wysokości i omijają lotniska – jeśli jednak dron łamie te reguły (np. leci prosto na pas startowy), to już silna poszlaka, że mamy do czynienia z „wrogim dronem” a nie ptakiem​. Oczywiście trajektoria bywa zwodnicza – ptak spłoszony może lecieć prosto, a operator drona może nim „zawirytować” w powietrzu. Dlatego analizę toru lotu łączy się z innymi metodami.
• Sygnatury mikro-Doppler (analiza drgań): Bardzo efektywną metodą jest badanie mikro-Dopplera – drobnych zmian częstotliwości echa spowodowanych ruchami wewnętrznymi obiektu (np. trzepotaniem skrzydeł lub obrotem śmigieł). Radar o wysokiej rozdzielczości czasowej i częstotliwości (np. FMCW z dużą bandwidth) może generować spektrogramy mikro-Dopplerowskie wykrytych celów. Ptaki mają charakterystyczny rytm uderzeń skrzydeł – np. duże ptaki jak gołębie czy mewy machają skrzydłami kilka razy na sekundę, co objawia się w widmie Dopplera jako niskoczęstotliwościowe modulacje (rzędu 5–10 Hz) i odpowiadające im wstęgi boczne. Drony wielowirnikowe z kolei mają szybko obracające się śmigła (typowo kilkadziesiąt obrotów na sekundę – np. 30–300 Hz w zależności od konstrukcji), co generuje wyraźne linie w widmie Dopplera na wyższych częstotliwościach. Ponadto, dron ma stałą liczbę wirników – analizy wykazały, że można wyróżnić liczbę i typ wirników na podstawie widma Dopplera: wirnik jednołopatowy da jedną linię, wielołopatowy wiele, cztery wirniki – charakterystyczny zestaw czterech podstawowych częstotliwości itd. W ten sposób da się nie tylko stwierdzić „to dron, nie ptak”, ale nawet określić klasę drona (np. quadcopter vs. hexacopter) lub odróżnić dron stałopłat (który będzie miał stałą śrubę napędową + ewentualnie drgania silnika spalinowego) od wielowirnikowca. Również śmigłowiec załogowy czy wiatrakowiec ma inną sygnaturę mikro-Doppler niż dron – to pomaga uniknąć pomyłek. Taka klasyfikacja wymaga jednak zaawansowanych algorytmów analizy sygnałowej i zwykle niezbędne jest dobre SNR (stosunek sygnału do szumu) – co ogranicza zasięg, na którym mikro-Doppler jest czytelny. Z reguły dron można sklasyfikować po sygnaturze dopplerowskiej z odległości do ~1–2 km (zależnie od mocy radaru i wielkości drona). W cytowanym wcześniej radarze IRIS maksymalny dystans pełnej klasyfikacji średniego drona to ok. 1,3–2,0 km​ (w porównaniu do 3,4–4,0 km dla samej detekcji), co pokazuje, że bliższy kontakt daje więcej informacji do identyfikacji.
• Algorytmy AI/ML (sztuczna inteligencja): W ostatnich latach nastąpił duży postęp w zastosowaniu uczenia maszynowego i sieci neuronowych do rozpoznawania wzorców radarowych. Dane radarowe (surowe sygnały, spektrogramy mikro-Doppler, trajektorie) mogą posłużyć jako wektor cech w klasyfikatorze ML, który nauczy się odróżniać drona od ptaka, a nawet typ drona. Firmy dostarczające radary anty-dronowe często integrują moduły AI w swoich systemach. Na przykład radar IRIS wykorzystuje głęboką sieć neuronową (DNN) wspomagającą klasyfikację wraz z analizą mikro-Doppler. Algorytmy te są trenowane na obszernych zbiorach danych: rejestruje się charakterystyki setek lotów dronów i ptaków, by system „nauczył się” ich różnic. Już w 2020 roku raportowano klasyfikatory osiągające skuteczność rzędu 95% w odróżnianiu ptaków od dronów na podstawie widm Dopplera i cech trajektorii​. Podejścia z uczeniem głębokim często wykorzystują konwolucyjne sieci neuronowe (CNN) do rozpoznawania obrazów spektrogramów (gdzie traktuje się spektrogram jak obraz z wzorami charakterystycznymi dla drona lub ptaka)​. Innym podejściem jest sieć przetwarzająca sekwencję danych czasowych (trajektorię 3D, zmiany RCS itp.) by uchwycić zachowanie obiektu.
• Filtrowanie kontekstowe i fuzja sensorów: W ramach klasyfikacji szeroko stosuje się również reguły oparte na kontekście i dodatkowe sensory. Reguły kontekstowe to np.: obiekt wykryty powyżej pewnej wysokości z dużą prędkością – mało prawdopodobne, że to cywilny dron (raczej ptak lub samolot); obiekt stale wisi nad chronionym punktem – ptak raczej tak nie potrafi (większe prawdopodobieństwo drona obserwującego). Fuzja sensorów polega na tym, że radar naprowadza inne czujniki (kamera optyczna, termowizyjna, czujnik akustyczny) w kierunku wykrytego celu w celu potwierdzenia tożsamości. Radary nowej generacji są często elementem większego systemu C-UAS, gdzie po wykryciu radarem dron może być zweryfikowany kamerą (czy widać diody lub kształt drona), nasłuchem RF (czy emituje sygnały sterujące) itp.​. Jednak nawet bez tych zewnętrznych danych, zaawansowane radary radzą sobie coraz lepiej samodzielnie. Przykładowo firma Fortem chwali się, że ich nowy radar TrueView R40 ma zaimplementowaną inteligencję, która filtruje zakłócenia (wiatr, liście, maszty) tak skutecznie, iż radar może patrzeć nisko tuż nad ziemią i wykrywać drony „lecące poniżej innych radarów”. Jest to możliwe właśnie dzięki dedykowanym algorytmom AI, które uczą się ignorować typowe szumy tła, a wyciągać sygnały charakterystyczne dla dronów.

Podsumowując, klasyfikacja obiektów wykrytych przez radar opiera się na inteligentnej analizie wzorców ruchu i sygnału. Coraz częściej wykorzystuje się kombinację podejść: twarde algorytmy sygnałowe (Doppler, filtry), miękkie reguły i przede wszystkim uczenie maszynowe na danych radarowych. Dzięki temu nowoczesne systemy potrafią z dużym prawdopodobieństwem odróżnić drona od ptaka, minimalizując fałszywe alarmy. W literaturze podkreśla się, że to właśnie skuteczna weryfikacja i klasyfikacja jest kluczem do użyteczności systemów anty-dronowych​ – w przeciwnym razie radary musiałyby albo zgłaszać każdy obiekt (tonąc w fałszywych alarmach), albo ignorować małe echa (ryzykując przeoczenie zagrożenia). Zastosowanie AI i micro-Dopplera pozwoliło osiągnąć światowej klasy dokładność i niskie wskaźniki fałszywych alarmów, co czyni radary głównym i niezastąpionym elementem systemów anty-dronowych.

Przykładowi producenci radarów do detekcji dronów

Na rynku pojawia się coraz więcej wyspecjalizowanych radarów anty-dronowych. Poniżej przedstawiamy kilku wiodących producentów i ich wybrane rozwiązania:

• Robin Radar Systems (Holandia): Firma specjalizuje się w radarach do detekcji małych obiektów latających (ptaków i dronów). Jej flagowe produkty to IRIS (3D) i ELVIRA (2D). IRIS to lekki, przenośny radar trójwymiarowy w paśmie X, pracujący w technologii FMCW. Waży tylko 29 kg i oferuje pełne pokrycie dookólne 360° z elewacją 60°​. Umożliwia wykrycie drona o masie ~3 kg z odległości ok. 3,4–4,0 km oraz jego klasyfikację (mikro-Doppler + sieci neuronowe) do dystansu 1,3–2,0 km​. IRIS potrafi śledzić jednocześnie wiele celów w trybie track-while-scan i cechuje się wysoką dokładnością pomiarów (dokł. odległości ~0,6 m) dzięki szerokiemu pasmu sygnału​. Z kolei ELVIRA to radar dwuwymiarowy (azymut + zasięg) – tańszy i prostszy, ale nadal wyposażony w analizę mikro-Doppler do klasyfikacji celów. Działa także w paśmie X i daje 360° pokrycia, jednak bez informacji o wysokości celu. Radary Robin są używane m.in. do ochrony lotnisk (zapobieganie incydentom z dronami), na wydarzeniach masowych oraz przez siły zbrojne do osłony obiektów. Systemy te odznaczają się wysoką mobilnością i integracją – IRIS może działać także w ruchu (na pojeździe) i dostarczać dane do systemów C2 w standardowych formatach (ASTRE/OS). Robin Radar współpracuje np. z firmą Dedrone przy tworzeniu zintegrowanych systemów anty-dronowych (Dedrone wykorzystuje strumień z radarów Robin w swojej platformie AI)
• Blighter Surveillance Systems (Wielka Brytania): Brytyjski producent znany z zaawansowanych radarów obwodowej ochrony i wczesnego ostrzegania, który w 2015 r. jako jeden z pierwszych zaadaptował swoje radary do wykrywania dronów. Blighter A400 Series to radary pasma Ku (około 15 GHz) wykorzystujące PESA i technologię FMCW​. Są to nieruchome panele elektronicznie skanujące, które wykrywają małe i średnie drony z odległości do 8 km. Charakteryzują się bardzo skutecznym tłumieniem zakłóceń od ziemi (Doppler MTI) i ciągłą pracą we wszelkich warunkach pogodowych. Radary Blighter były używane m.in. w systemie AUDS (Anti-UAV Defence System) – jednym z pierwszych kompleksowych systemów anty-dronowych wdrożonych operacyjnie (podczas pokazów lotniczych, na granicach). Nowszym produktem jest Blighter A800 – 3D radar wielofunkcyjny, który łączy możliwości obserwacji ziemi, morza i powietrza. A800 to większy radar (również z elektronicznym skanowaniem), o maksymalnym zasięgu 20 km, zdolny równocześnie śledzić wolne cele naziemne i szybkie powietrzne. Blighter reklamuje go jako „multi-mode radar” o możliwościach dużych wojskowych systemów, zamknięty w mniejszej, bardziej przystępnej formie​. W zastosowaniach typowo anty-dronowych, A800 pozwala objąć ochroną rozległe perymetry – np. granice państw, rozległe bazy wojskowe, wybrzeża – gdzie oprócz dronów trzeba monitorować także pojazdy na ziemi czy pontony na wodzie. Według firmy radary Blighter są używane w ponad 35 krajach, chronią m.in. granicę DMZ w Korei, lotniska Londyn-Stansted i Gatwick (w zakresie wykrywania dronów po incydentach z 2018 r.) oraz infrastrukturę krytyczną​. Cechuje je solidność i brak części ruchomych, co przekłada się na niskie koszty utrzymania (producent podaje, że systemy pracują latami bez konserwacji)​
• Echodyne (USA): Jest to innowacyjna firma z USA, która rozwinęła radary oparte o anteny metamateriałowe (MESA). Anteny te to szczególny rodzaj AESA – płaskie panele ze wzorami metamateriałów pozwalające elektronicznie kształtować wiązkę przy bardzo małych rozmiarach i niskim poborze mocy. Flagowym produktem jest EchoGuard – kompaktowy radar K-band (24 GHz) przeznaczony do wykrywania dronów i intruzów na krótkich dystansach. EchoGuard ma wymiary zaledwie 20×16×4 cm i waży ~1,25 kg, a pobór mocy <50 W, co pozwala zasilać go z baterii lub paneli słonecznych. Mimo niewielkiego rozmiaru osiąga instrumentowany zasięg 6 km, a w testach wykazał możliwość detekcji drona DJI Phantom (typowy mały quadcopter) z dystansu >1 km​. Większy dron (Matrice 600) jest wykrywany powyżej 1,4 km​, a człowiek idący – do ~3,5 km. Kątowe pole widzenia pojedynczej jednostki to 120° w azymucie i 80° w elewacji​, z rozdzielczością kątową ok. 2°×6°​. Radary EchoGuard można łączyć kaskadowo w system 360° lub montować na obrotowych głowicach do dookólnego skanowania. Cechą jest tryb 4D radar (tak nazywa Echodyne połączenie 3D przestrzeni + pomiar prędkości Doppler, marketingowo określane jako czwarty wymiar), co de facto oznacza pełne śledzenie trójwymiarowe z informacją o prędkości radialnej. EchoGuard potrafi śledzić do 20 jednoczesnych celów​, a dzięki szybkiej elektronicznej kontroli wiązki potrafi aktualizować śledzenia do 10 razy na sekundę. Echodyne oferuje też większy radar EchoShield (Ku-band, o nieco dłuższym zasięgu i wyższej rozdzielczości, określany jako radar średniego zasięgu z elementami sztucznej inteligencji). Radary Echodyne są wykorzystywane m.in. do ochrony granic, portów, infrastruktur (np. w portach lotniczych jako detektory dronów) oraz mogą być instalowane nawet na własnych dronach lub pojazdach (np. celem zapewnienia sense-and-avoid latającym platformom). Ich zaletą jest bardzo niski SWaP-C (Size, Weight, Power, Cost), co czyni je elastycznymi w użyciu – np. straż graniczna może tymczasowo ustawić taki radar na dachu samochodu w rejonie zagrożonym przenikaniem dronów.
• Fortem Technologies (USA): Amerykańska firma oferująca kompleksowe systemy anty-dronowe, znana m.in. z dronów przechwytujących DroneHunter. Fortem produkuje rodzinę radarów TrueView®, które wyróżniają się niewielkimi rozmiarami i łatwością zasilania – można je zasilić z typowego gniazdka 110/230 V lub nawet baterii, bez potrzeby dużych generatorów​. Aktualna linia obejmuje modele R20, R30 i R40. R20 to wersja krótkiego zasięgu (bliskiego pola), R30 średniego, a najnowszy R40 łączy możliwości średniego i dalekiego zasięgu​. Wszystkie działają w sieci – można połączyć kilka radarów, aby uzyskać pokrycie pełne 360° wokół obiektu i stworzyć siatkę sensorów​. Według Fortem, główną zaletą TrueView jest zdolność detekcji dronów na bardzo niskich wysokościach (czy wręcz „tuż nad ziemią”), dzięki zaawansowanym algorytmom AI filtrującym zawiłe zakłócenia (liście, klimatyzatory, ptaki)​. W tradycyjnych radarach wojskowych często ustawia się dolną granicę pokrycia pod pewnym kątem nad horyzontem, by uniknąć szumu od ziemi – Fortem natomiast chwali się, że ich radar „widza to, co pod dużym radarami jest niewidzialne”, właśnie w warstwie przyziemnej​. TrueView R40, zaprezentowany w 2023 roku, wykorzystuje AI nie tylko do filtracji, ale i do inteligentnego wykrywania rojów i innych zagrożeń. Konkretne parametry techniczne nie są w pełni jawne, ale z wypowiedzi wynika, że R20 pokrywa bliską strefę (np. <1 km), R30 kilka km, a R40 może sięgać wiele kilometrów. Wszystkie generują dane 3D w 360° i integrują się z systemem dowodzenia. Fortem wdraża swoje radary m.in. w miastach (ochrona wydarzeń, stadionów), na infrastrukturze krytycznej oraz dla wojska. Ich atutem jest modułowość i niska cena jednostkowa – radary są małe, więc dla dużego pokrycia instalowanych jest wiele, ale jednostkowo są tańsze niż „jeden wielki radar”. Firma podała, że produkuje je z myślą o cenie rzędu 20 tys. USD za sztukę, co jest atrakcyjną ofertą w tym segmencie​. Radar Fortem może służyć także do nawigacji drona przechwytującego (DroneHunter kieruje się danymi z TrueView, by dopaść wrogiego UAV).

Oprócz powyższych, warto wspomnieć innych liczących się producentów: Thales (przejął firmę Aveillant, której radar „holograficzny” Gamekeeper potrafi śledzić drony w przestrzeni 3D bez obracania, użyty np. na lotnisku Heathrow), Leonardo (radary AESA Kronos i Lyra z trybami anty-dronowymi), Hensoldt (system Xpeller z radarem Spexer), RADA (Israel) – dostawca radarów wielofunkcyjnych MHR dla systemów Iron Dome i anty-dronowych, czy ELTA/IAI (Israel) – z rodziną radarów ELM-2026B/2084 przystosowanych do mini-dronów. Rynek szybko się rozwija, a kolejne modele oferują coraz lepsze parametry – szczególnie w zakresie automatycznej klasyfikacji i minimalizacji fałszywych alarmów, co jest kluczowe w realnym użyciu takich radarów.

Źródła

1. Integrated Publishing – Air-Search Radar (NEETS Module 18): opis radarów 2D i 3D​ electriciantraining.tpub.com.
2. Blighter Surveillance Systems – Multi-Mode Radar White Paper: kontekst wyzwań detekcji dronów i nowe technologie radarowe​ blighter.com​
3. Fraunhofer FHR – Detection of small drones with millimeter wave radar: charakterystyka RCS małych dronów i wykorzystanie sygnatur mikro-Doppler​ fhr.fraunhofer.de
4. Airsight – Why Drone Detection with Radar Is More Complex Than You Think: przystępne wyjaśnienie wpływu RCS na detekcję dronów​ airsight.com​airsight.com.
5. Robin Radar Systems – Strona producenta (IRIS i ELVIRA): parametry radarów IRIS/ELVIRA (pasmo X, 3D/2D, micro-Doppler)​ robinradar.com​
6. sUAS News – Blighter A400 Series Anti-UAV Radar: informacje o radarze A400 (pasmo Ku, zasięg 8 km, PESA, FMCW)​ suasnews.com.
7. European Defence Review – Blighter A800 multi-mode radar: wzmianka o radarze A800 (3D, multi-mode, zasięg do 20 km)​edrmagazine.eu​
8. Echodyne – EchoGuard Spec Sheet: dane techniczne małego radaru EchoGuard (24 GHz, zasięg >1 km dla drona, FOV 120°)​echodyne.com
9. National Defense Magazine – Fortem TrueView R40 Radar: opis nowego radaru Fortem (R40) i podejścia firmy do detekcji niskich dronów za pomocą AI​ nationaldefensemagazine.org​
10. MDPI Drones (2023) – Small Fixed-Wing UAV RCS Signature Investigation…: badania porównawcze RCS dronów i ptaków, w tym symulacje radaru Robin ELVIRA ​mdpi.com.