{"id":223,"date":"2025-04-19T13:28:29","date_gmt":"2025-04-19T13:28:29","guid":{"rendered":"https:\/\/noflyzone.pl\/?p=223"},"modified":"2025-04-19T13:28:29","modified_gmt":"2025-04-19T13:28:29","slug":"radary-antydronowe-c-uas-technologia-wyzwania-i-przyklady","status":"publish","type":"post","link":"https:\/\/noflyzone.pl\/?p=223","title":{"rendered":"Radary antydronowe C-UAS \u2013 technologia, wyzwania i przyk\u0142ady"},"content":{"rendered":"\n<p>Jednym ze skuteczniejszych sensor\u00f3w w systemach antydronowych s\u0105 radary, jednak tradycyjne systemy radarowe projektowane pod du\u017ce i szybkie obiekty powietrzne mog\u0105 nie radzi\u0107 sobie z ma\u0142ymi dronami lec\u0105cymi na niskich wysoko\u015bciach. W odpowiedzi rozwijane s\u0105 nowoczesne radary anty-dronowe, zdolne do wykrywania <strong>ma\u0142ych, wolno poruszaj\u0105cych si\u0119 cel\u00f3w<\/strong> w\u015br\u00f3d zak\u0142\u00f3ce\u0144 terenu i obiekt\u00f3w takich jak ptaki. W kolejnym naszym artykule przedstawi\u0119 przegl\u0105d technologii stosowanych w takich radarach, om\u00f3wi\u0119 pasma cz\u0119stotliwo\u015bci i ich wp\u0142yw na detekcj\u0119 ma\u0142ych UAV, wyzwania zwi\u0105zane z niewielk\u0105 efektywn\u0105 powierzchni\u0105 odbicia (RCS) dron\u00f3w oraz metody klasyfikacji wykrytych obiekt\u00f3w. Na koniec przedstawi\u0119 kilka przyk\u0142ad\u00f3w producent\u00f3w radar\u00f3w do detekcji dron\u00f3w i charakterystyk\u0119 wybranych rozwi\u0105za\u0144 &#8211; z zastrze\u017ceniem, \u017ce nie s\u0105 to jedyne dost\u0119pne na rynku (ani niekoniecznie najlepsze) rozwi\u0105zania.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Technologie radarowe w detekcji UAV<\/h2>\n\n\n\n<p><strong>Radary 2D vs. 3D:<\/strong> Podstawowy podzia\u0142 dotyczy liczby wymiar\u00f3w informacji o po\u0142o\u017ceniu celu. Radary dwuwymiarowe (2D) mierz\u0105 <strong>tylko odleg\u0142o\u015b\u0107 (zasi\u0119g)<\/strong> i <strong>kierunek poziomy (azymut)<\/strong> do obiektu. Natomiast radary tr\u00f3jwymiarowe (3D) dostarczaj\u0105 dodatkowo <strong>informacj\u0119 o wysoko\u015bci (elewacji)<\/strong> wykrytego celu\u200b. Innymi s\u0142owy, 2D radar podaje pozycj\u0119 celu na p\u0142aszczy\u017anie, a radar 3D lokalizuje go w przestrzeni. W kontek\u015bcie wykrywania dron\u00f3w radares 3D s\u0105 szczeg\u00f3lnie cenne \u2013 umo\u017cliwiaj\u0105 okre\u015blenie pu\u0142apu lotu ma\u0142ego UAV od razu przy detekcji. Wiele nowoczesnych radar\u00f3w anty-dronowych zapewnia pe\u0142n\u0105 pokrycie 3D w azymucie 360\u00b0 i okre\u015blonym zakresie elewacji (np. 60\u00b0 w pionie) <\/p>\n\n\n\n<p>Przyk\u0142adowo, radar 3D IRIS firmy Robin ma pokrycie 360\u00b0\/60\u00b0 (azymut\/elewacja) i dok\u0142adno\u015b\u0107 wyznaczenia wysoko\u015bci rz\u0119du 1\u00b0. Radary 2D (np. ta\u0144sze modele) r\u00f3wnie\u017c znajduj\u0105 zastosowanie do wst\u0119pnej detekcji dron\u00f3w, ale do pe\u0142nego \u015bledzenia trajektorii potrzeba integracji z innymi sensorami (np. kamerami do oceny wysoko\u015bci lub dodatkowymi radarami).<\/p>\n\n\n\n<p><strong>Anteny fazowane i skanowanie elektroniczne (AESA\/PESA):<\/strong> Klasyczne radary obracaj\u0105 mechanicznie anten\u0119, aby przeszukiwa\u0107 przestrze\u0144. W nowoczesnych systemach coraz cz\u0119\u015bciej stosuje si\u0119 technologi\u0119 anten fazowanych z elektronicznym sterowaniem wi\u0105zk\u0105. <strong>AESA<\/strong> (Active Electronically Scanned Array) oznacza anten\u0119 z aktywnym skanowaniem elektronicznym \u2013 radar tego typu potrafi <strong>przesuwa\u0107 wi\u0105zk\u0119 w bardzo kr\u00f3tkim czasie<\/strong> dzi\u0119ki kontrolowaniu fazy sygna\u0142u na setkach a nawet tysi\u0105cach ma\u0142ych modu\u0142\u00f3w nadawczo-odbiorczych. Umo\u017cliwia to szybkie przeszukiwanie wycinka przestrzeni bez ruchomych cz\u0119\u015bci, a nawet <strong>jednoczesne \u015bledzenie wielu kierunk\u00f3w<\/strong> poprzez formowanie kilku wi\u0105zek naraz. Przewag\u0105 AESA jest r\u00f3wnie\u017c mo\u017cliwo\u015b\u0107 pracy na zr\u00f3\u017cnicowanych cz\u0119stotliwo\u015bciach (tzw. <em>frequency agility<\/em>), co utrudnia wykrycie samego radaru przez systemy przeciwdzia\u0142ania (LPI \u2013 <em>Low Probability of Intercept<\/em>). Technologia AESA historycznie by\u0142a kosztowna i zarezerwowana do zastosowa\u0144 wojskowych, ale post\u0119p elektroniki sprawia, \u017ce coraz cz\u0119\u015bciej pojawia si\u0119 w radarach ochrony obiekt\u00f3w i przeciwdronowych\u200b. <\/p>\n\n\n\n<p>Alternatyw\u0105 o nieco prostszej architekturze jest <strong>PESA<\/strong> (Passive ESA), gdzie antena fazowana ma jeden wsp\u00f3lny nadajnik, a fazowanie dotyczy tylko strony odbiorczej \u2013 nadal umo\u017cliwia to elektroniczny skan wi\u0105zki, cho\u0107 z mniejsz\u0105 elastyczno\u015bci\u0105 ni\u017c AESA. <strong>Przyk\u0142ad:<\/strong> Brytyjski radar <strong>Blighter A400<\/strong> wykorzystuje nieroztaczaj\u0105cy si\u0119 panel PESA do sta\u0142ego pokrycia strefy \u2013 nie ma cz\u0119\u015bci ruchomych, a wi\u0105zka jest sterowana elektronicznie\u200b.<\/p>\n\n\n\n<p>Rezultat to <strong>wysoka szybko\u015b\u0107 od\u015bwie\u017cania i niezawodno\u015b\u0107<\/strong> (brak mechanicznych element\u00f3w zu\u017cywaj\u0105cych si\u0119) kosztem ograniczenia pola widzenia pojedynczego panelu (w praktyce wi\u0119ksze systemy stosuj\u0105 kilka paneli lub dodatkow\u0105 rotacj\u0119 dla pe\u0142nych 360\u00b0).<\/p>\n\n\n\n<p><strong>Radary impulsowe vs. ci\u0105g\u0142e (FMCW):<\/strong> Wi\u0119ksze radary wojskowe i cywilne dalekiego zasi\u0119gu zwykle pracuj\u0105 w trybie impulsowym (wysy\u0142aj\u0105c kr\u00f3tkie, silne impulsy mikrofal i nas\u0142uchuj\u0105c echa). Natomiast przy wykrywaniu niewielkich dron\u00f3w na mniejszych dystansach popularne s\u0105 radary z <strong>ci\u0105g\u0142\u0105 transmisj\u0105 o modulowanej cz\u0119stotliwo\u015bci (FMCW \u2013 Frequency Modulated Continuous Wave)<\/strong>. Radar FMCW emituje ci\u0105g\u0142y sygna\u0142 <em>chirp<\/em> (o liniowo narastaj\u0105cej\/opadaj\u0105cej cz\u0119stotliwo\u015bci) i na bie\u017c\u0105co por\u00f3wnuje sygna\u0142 odebrany z nadawanym. Umo\u017cliwia to bardzo dok\u0142adny pomiar odleg\u0142o\u015bci na podstawie r\u00f3\u017cnicy cz\u0119stotliwo\u015bci (tzw. sygna\u0142 pobicia) oraz pr\u0119dko\u015bci na podstawie przesuni\u0119cia Dopplera. Zalet\u0105 FMCW jest sta\u0142a <strong>emisja o ni\u017cszej mocy szczytowej<\/strong> (\u0142atwiejsza do spe\u0142nienia wymog\u00f3w regulacyjnych, mniej podatna na interferencje z innymi urz\u0105dzeniami) oraz stosunkowo prosta i tania elektronika nadawcza (cz\u0119sto p\u00f3\u0142przewodnikowa, zamiast lamp wysokomocowych). Wad\u0105 bywa ograniczony zasi\u0119g (wynikaj\u0105cy z ci\u0105g\u0142ego nadawania i konieczno\u015bci izolacji nadajnika od odbiornika) oraz bardziej skomplikowane przetwarzanie sygna\u0142u. W praktyce wiele radar\u00f3w anty-dronowych to systemy <strong>FMCW z anten\u0105 fazowan\u0105<\/strong>, kt\u00f3re \u0142\u0105cz\u0105 wymienione zalety \u2013 np. wspomniany Blighter A400 dzia\u0142a w pa\u015bmie Ku, w technologii PESA i FMCW\u200b, zapewniaj\u0105c <strong>ci\u0105g\u0142\u0105 prac\u0119 24\/7, wysok\u0105 odporno\u015b\u0107 na zak\u0142\u00f3cenia pogodowe i du\u017c\u0105 czu\u0142o\u015b\u0107<\/strong> przy wykrywaniu nawet wolno poruszaj\u0105cych si\u0119 obiekt\u00f3w (jak zawisaj\u0105cy dron). R\u00f3wnie\u017c radar IRIS jest typu FMCW (pasmo X) z obrotow\u0105 anten\u0105 fazowan\u0105, co umo\u017cliwia mu uzyskanie <strong>dok\u0142adno\u015bci pomiaru odleg\u0142o\u015bci rz\u0119du 0,6 m<\/strong> i \u015bledzenie cel\u00f3w w trybie <em>track-while-scan<\/em> (TWS)\u200b.<\/p>\n\n\n\n<p><strong>Efekt Dopplera i \u015bledzenie wielu cel\u00f3w:<\/strong> Niezale\u017cnie od trybu pracy (impulsowy czy FMCW), kluczow\u0105 rol\u0119 w detekcji dron\u00f3w odgrywa <strong>wykorzystanie efektu Dopplera<\/strong>. Drony cz\u0119sto poruszaj\u0105 si\u0119 wolno lub zawisaj\u0105, na wysoko\u015bci kilkudziesi\u0119ciu metr\u00f3w, co oznacza \u017ce echo od nich mo\u017ce zlewa\u0107 si\u0119 z silnymi odbiciami od pod\u0142o\u017ca (drzewa, budynki) na podobnym dystansie. Radary przeciwdrone\u2019owe wykorzystuj\u0105 <strong>filtry Dopplera<\/strong> do odfiltrowania sygna\u0142\u00f3w od obiekt\u00f3w statycznych (t\u0142a) \u2013 reaguj\u0105 tylko na echo z przesuni\u0119ciem cz\u0119stotliwo\u015bci wskazuj\u0105cym na ruch. Dzi\u0119ki <strong>bardzo czu\u0142ym uk\u0142adom filtr\u00f3w cz\u0119stotliwo\u015bci<\/strong> nowoczesny radar mo\u017ce <strong>usuwa\u0107 echo od ziemi i ro\u015blinno\u015bci<\/strong> i wy\u0142uska\u0107 sygna\u0142 ma\u0142ego drona poruszaj\u0105cego si\u0119 z pr\u0119dko\u015bci\u0105 kilku m\/s\u200b. Oczywi\u015bcie pojawia si\u0119 tu wyzwanie: dron lec\u0105cy bardzo wolno lub wisz\u0105cy generuje minimalny Doppler, przez co mo\u017ce zosta\u0107 potraktowany jak \u201enie ruszaj\u0105cy si\u0119\u201d obiekt t\u0142a. Dlatego algorytmy detekcji s\u0105 zwykle zoptymalizowane pod scenariusz <strong>LSS (Low-Slow-Small)<\/strong> \u2013 wykrywanie cel\u00f3w niskolec\u0105cych, wolnych i o ma\u0142ej sygnaturze. Wykorzystuje si\u0119 adaptacyjne algorytmy MTI\/MTD (<em>Moving Target Indication\/Detection<\/em>) o niskiej pr\u0119dko\u015bci minimalnej lub nawet modulacje sygna\u0142u pozwalaj\u0105ce \u201eo\u015bwietli\u0107\u201d cel z r\u00f3\u017cnych cz\u0119stotliwo\u015bci, by wykry\u0107 nawet \u015bladowy ruch. Gdy dron zostanie wykryty, radar przechodzi w tryb <strong>\u015bledzenia wielopostaciowego<\/strong>: utrzymuje ci\u0105g\u0142y kontakt z obiektem i jednocze\u015bnie nadal przeszukuje przestrze\u0144. Mo\u017cliwe jest to dzi\u0119ki du\u017cej szybko\u015bci skanowania (mechanicznego lub elektronicznego) i odpowiednio szybkiemu przetwarzaniu. Wsp\u00f3\u0142czesne radary potrafi\u0105 <strong>\u015bledzi\u0107 dziesi\u0105tki obiekt\u00f3w jednocze\u015bnie<\/strong> w trybie <em>track-while-scan<\/em>. Przyk\u0142adowo kompaktowy radar EchoGuard jest w stanie r\u00f3wnocze\u015bnie \u015bledzi\u0107 do 20 cel\u00f3w w swoim polu widzenia\u200b, za\u015b wi\u0119kszy radar IRIS notuje do 500 \u015blad\u00f3w na raz, w tym 20 priorytetowych z od\u015bwie\u017caniem co 1 sekund\u0119 (wg danych producenta). Ta zdolno\u015b\u0107 jest istotna zw\u0142aszcza w sytuacji <strong>roj\u00f3w dron\u00f3w<\/strong> \u2013 scenariusz, w kt\u00f3rym wiele UAV dzia\u0142a jednocze\u015bnie, staj\u0105c si\u0119 powa\u017cnym wyzwaniem dla obrony. Radary AESA dzi\u0119ki mo\u017cliwo\u015bci podzia\u0142u wi\u0105zek lub ultraszybkiego skanowania s\u0105 najlepiej przygotowane na takie sytuacje\u200b.<\/p>\n\n\n\n<p><strong>Skanowanie mechaniczne vs. elektroniczne:<\/strong> Wykrywanie dron\u00f3w wok\u00f3\u0142 obiektu (np. lotniska) wymaga pokrycia ca\u0142ego azymutu 360\u00b0. Mo\u017cna to osi\u0105gn\u0105\u0107 na dwa sposoby: poprzez <strong>mechaniczne obracanie anteny\/uk\u0142adu anten<\/strong> lub poprzez zastosowanie kilku nieruchomych anten elektronicznie skanuj\u0105cych w r\u00f3\u017cnych kierunkach (np. cztery panele dook\u00f3lne po 90\u00b0). W praktyce cz\u0119sto stosuje si\u0119 <strong>kombinacj\u0119 obu metod<\/strong> \u2013 np. radar IRIS obraca ca\u0142\u0105 anten\u0119 AESA z pr\u0119dko\u015bci\u0105 30 obr.\/min, jednocze\u015bnie <strong>skanuj\u0105c elektronicznie w elewacji<\/strong>. <\/p>\n\n\n\n<p>Z kolei radar Blighter A400 jest ca\u0142kowicie nieruchomy, ale ma ograniczone pole widzenia (poni\u017cej 180\u00b0); aby uzyska\u0107 pokrycie pe\u0142ne, integruje si\u0119 kilka takich jednostek. Skanowanie elektroniczne ma przewag\u0119 szybko\u015bci \u2013 <strong>czas obrotu mechanicznego<\/strong> (np. 2 sekundy dla 360\u00b0) ogranicza cz\u0119sto\u015b\u0107 od\u015bwie\u017cania, podczas gdy AESA mo\u017ce teoretycznie przeskanowa\u0107 ca\u0142y k\u0105t w u\u0142amku sekundy. Ponadto, mechanika to dodatkowa masa i potencjalna awaryjno\u015b\u0107. Z drugiej strony, systemy mechaniczne s\u0105 <strong>prostsze i ta\u0144sze<\/strong>, wi\u0119c w zastosowaniach wymagaj\u0105cych mobilno\u015bci i niskiego kosztu (np. przeno\u015bne radary chroni\u0105ce imprezy masowe) wci\u0105\u017c dominuj\u0105 niewielkie obrotowe radary 2D lub 3D. Przyk\u0142adem jest <strong>Elvira<\/strong> firmy Robin \u2013 lekki radar 2D z wiruj\u0105c\u0105 anten\u0105, zapewniaj\u0105cy pe\u0142ne pokrycie azymutu przy ni\u017cszej cenie, kosztem braku pomiaru wysoko\u015bci\u200b.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Pasma cz\u0119stotliwo\u015bci a wykrywanie ma\u0142ych obiekt\u00f3w<\/h2>\n\n\n\n<p>Radary do wykrywania dron\u00f3w operuj\u0105 w r\u00f3\u017cnych pasmach cz\u0119stotliwo\u015bci \u2013 od cz\u0119stotliwo\u015bci <strong>UHF\/VHF (setki MHz)<\/strong> w nietypowych zastosowaniach, przez tradycyjne pasma <strong>L\/S (1\u20134 GHz)<\/strong>, a\u017c po <strong>pasma mikrofalowe C, X, Ku, K (5\u201330 GHz)<\/strong>, a nawet <strong>pasm millimetrowe (Ka, W \u2013 35 GHz i 94 GHz)<\/strong> w badaniach eksperymentalnych. Wyb\u00f3r cz\u0119stotliwo\u015bci ma ogromny wp\u0142yw na zdolno\u015b\u0107 wykrycia ma\u0142ego drona:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>D\u0142ugo\u015b\u0107 fali vs. rozmiar drona:<\/strong> Og\u00f3lna zasada m\u00f3wi, \u017ce <strong>im mniejszy obiekt, tym kr\u00f3tsza d\u0142ugo\u015b\u0107 fali (wy\u017csza cz\u0119stotliwo\u015b\u0107)<\/strong> jest potrzebna, by uzyska\u0107 od niego dostateczne echo radarowe. Gdy rozmiar obiektu (np. charakterystyczny wymiar drona) jest du\u017co mniejszy ni\u017c d\u0142ugo\u015b\u0107 fali, obiekt wchodzi w <strong>re\u017cim rozpraszania Rayleigha<\/strong> \u2013 rozprasza bardzo ma\u0142y u\u0142amek energii, a jego skuteczna powierzchnia odbicia drastycznie spada. Dlatego radary pracuj\u0105ce na niskich cz\u0119stotliwo\u015bciach (np. pasmo L, gdzie d\u0142ugo\u015b\u0107 fali ~20 cm) maj\u0105 du\u017ce trudno\u015bci z wykryciem quadcoptera o wielko\u015bci kilkudziesi\u0119ciu centymetr\u00f3w \u2013 dla takiego drona 20 cm to niemal jego wymiar, co plasuje go na pograniczu efektywnego odbicia. Z kolei na cz\u0119stotliwo\u015bci X (~3 cm fali) ten sam dron jest wielokrotnie wi\u0119kszy ni\u017c d\u0142ugo\u015b\u0107 fali, przez co odbija bardziej efektywnie. W praktyce <strong>typowe pasma u\u017cyteczne do detekcji ma\u0142ych UAV to C, X, Ku i K<\/strong>\u200b, czyli zakres ok. 4\u201327 GHz. Badania wskazuj\u0105, \u017ce w\u0142a\u015bnie w tych pasmach uzyskuje si\u0119 najlepszy stosunek zasi\u0119gu wykrycia do rozmiaru drona\u200b. Pasma ni\u017csze (L, S) stosuje si\u0119 do wi\u0119kszych obiekt\u00f3w i dalekiego zasi\u0119gu, natomiast dla mikro-dron\u00f3w zwykle okazuj\u0105 si\u0119 niewystarczaj\u0105ce.<\/li>\n\n\n\n<li><strong>Zasi\u0119g vs. rozdzielczo\u015b\u0107:<\/strong> Ni\u017csze cz\u0119stotliwo\u015bci (d\u0142u\u017csze fale) maj\u0105 pewne zalety \u2013 <strong>mniejsze t\u0142umienie w atmosferze<\/strong> (szczeg\u00f3lnie podczas opad\u00f3w) i <strong>wi\u0119kszy zasi\u0119g maksymalny<\/strong> dzi\u0119ki mo\u017cliwo\u015bci u\u017cycia du\u017cej mocy i anten o wielkich rozmiarach (np. radary L-band wczesnego ostrzegania mog\u0105 si\u0119ga\u0107 kilkuset kilometr\u00f3w). Jednak w przypadku dron\u00f3w zasi\u0119g i tak jest ograniczony krzywizn\u0105 Ziemi i przeszkodami terenowymi (ma\u0142e UAV lataj\u0105 nisko, cz\u0119sto poni\u017cej linii horyzontu radar\u00f3w dalekiego zasi\u0119gu). <strong>W praktyce zasi\u0119g detekcji drona rzadko przekracza kilka\u2013kilkana\u015bcie kilometr\u00f3w<\/strong>, niezale\u017cnie od mocy radaru, poniewa\u017c na wi\u0119kszych dystansach dron schowa si\u0119 w \u201ecieniu\u201d terenu lub zleje z zak\u0142\u00f3ceniami. Tym samym, u\u017cywanie bardzo niskich cz\u0119stotliwo\u015bci (o potencjalnie ogromnym zasi\u0119gu) mija si\u0119 z celem, gdy nie idzie w parze z odpowiedni\u0105 rozdzielczo\u015bci\u0105 k\u0105tow\u0105 i czu\u0142o\u015bci\u0105 na ma\u0142e cele. Wy\u017csze cz\u0119stotliwo\u015bci daj\u0105 <strong>w\u0119\u017csze wi\u0105zki dla tej samej apertury anteny<\/strong> \u2013 np. antena o \u015brednicy 1 m ma wi\u0105zk\u0119 ~6\u00b0 w pasmie L (1.3 GHz) ale ju\u017c ~0.6\u00b0 w pasmie X (10 GHz). W\u0119\u017csza wi\u0105zka to <strong>lepsza separacja cel\u00f3w i mniej echa t\u0142a<\/strong>, co jest kluczowe przy detekcji dron\u00f3w na tle ziemi\u200b. Dodatkowo, wy\u017csze pasma umo\u017cliwiaj\u0105 <strong>szersze pasmo sygna\u0142u<\/strong> (wi\u0119ksza <em>bandwidth<\/em>), przek\u0142adaj\u0105ce si\u0119 na lepsz\u0105 rozdzielczo\u015b\u0107 odleg\u0142o\u015bci. Przyk\u0142adowo radar dzia\u0142aj\u0105cy na 94 GHz mo\u017ce \u0142atwo operowa\u0107 pasmem 1 GHz, co daje rozdzielczo\u015b\u0107 ok. 15 cm \u2013 pozwala to niemal \u201erysowa\u0107\u201d kszta\u0142ty obiekt\u00f3w i rozr\u00f3\u017cnia\u0107 np. drona od ptaka po profilu zasi\u0119gu.<\/li>\n\n\n\n<li><strong>Wp\u0142yw terenu i przeszk\u00f3d:<\/strong> Drony lataj\u0105ce na wysoko\u015bci kilkudziesi\u0119ciu metr\u00f3w cz\u0119sto poruszaj\u0105 si\u0119 <strong>w strefie silnych zak\u0142\u00f3ce\u0144<\/strong> \u2013 odbicia od ziemi, budynk\u00f3w, drzew. Ni\u017csze cz\u0119stotliwo\u015bci maj\u0105 wi\u0119ksz\u0105 sk\u0142onno\u015b\u0107 do <strong>dyfrakcji<\/strong> (uginania si\u0119 za przeszkodami) i mog\u0105 w pewnym stopniu \u201ezajrze\u0107\u201d za wzg\u00f3rze czy las, ale jednocze\u015bnie generuj\u0105 wtedy du\u017co silnych odbi\u0107 od tych przeszk\u00f3d. Wy\u017csze cz\u0119stotliwo\u015bci propaguj\u0105 si\u0119 praktycznie po liniach prostych \u2013 dron za budynkiem jest niewidoczny. Dlatego systemy anty-dronowe cz\u0119sto integruj\u0105 kilka radar\u00f3w rozmieszczonych wok\u00f3\u0142 chronionego obszaru, by minimalizowa\u0107 martwe strefy. <strong>Pasmo L vs X \u2013 przyk\u0142ad:<\/strong> Radar L-band (1\u20132 GHz) z du\u017c\u0105 moc\u0105 m\u00f3g\u0142by teoretycznie wykry\u0107 wi\u0119kszego drona nawet na 5\u201310 km, ale je\u015bli dron leci na 30 m, to ju\u017c w odleg\u0142o\u015bci ~20 km zniknie pod horyzontem (krzywizna ziemi). Ponadto, echo od drona przy takiej cz\u0119stotliwo\u015bci mo\u017ce by\u0107 poni\u017cej poziomu szumu. Radar X-band (ok. 10 GHz) dedykowany do ma\u0142ych dron\u00f3w mo\u017ce mie\u0107 zasi\u0119g np. 3\u20135 km dla drona 3-kg \u2013 i to w zupe\u0142no\u015bci wystarcza do wi\u0119kszo\u015bci zastosowa\u0144 (np. ochrona lotniska, gdzie dron stanowi zagro\u017cenie g\u0142\u00f3wnie w promieniu paru km od pasa). Co istotne, <strong>ni\u017csze cz\u0119stotliwo\u015bci s\u0105 cz\u0119sto wykorzystywane w lotniczych radarach kontroli ruchu i wojskowych radarach obrony powietrznej<\/strong> \u2013 te systemy wykrywaj\u0105 du\u017ce samoloty i \u015bmig\u0142owce z daleka, ale <strong>mog\u0105 nie zauwa\u017cy\u0107 ma\u0142ego drona tu\u017c nad ziemi\u0105<\/strong>\u200b. Starsze radary nie by\u0142y projektowane do tak ma\u0142ych cel\u00f3w i tak niskich pu\u0142ap\u00f3w, st\u0105d obecnie istnieje potrzeba uzupe\u0142niania ich pokrycia dedykowanymi sensorami anty-dronowymi dzia\u0142aj\u0105cymi w\u0142a\u015bnie w wy\u017cszych pasmach i na kr\u00f3tkim dystansie.<\/li>\n\n\n\n<li><strong>Pasma milimetrowe:<\/strong> Najwy\u017csze cz\u0119stotliwo\u015bci (Ka \u2013 ~35 GHz, W \u2013 ~94 GHz) zapewniaj\u0105 jeszcze wy\u017csz\u0105 rozdzielczo\u015b\u0107 i <strong>mo\u017cliwo\u015b\u0107 analizy drobnych detali sygna\u0142u (np. drgaj\u0105cych element\u00f3w)<\/strong>. Minusem jest jednak bardzo ograniczony zasi\u0119g (silne t\u0142umienie przez atmosfer\u0119, zw\u0142aszcza 94 GHz, i niewielka moc rozpraszana docieraj\u0105ca do dalekich cel\u00f3w). Z tego wzgl\u0119du radary w pa\u015bmie W s\u0105 wykorzystywane eksperymentalnie do <strong>precyzyjnej klasyfikacji obiekt\u00f3w w bliskiej odleg\u0142o\u015bci<\/strong>. Przyk\u0142adowo instytut Fraunhofer FHR opracowa\u0142 system wielokana\u0142owy <strong>94 GHz<\/strong> do \u015bledzenia dron\u00f3w w odleg\u0142o\u015bci 50\u2013150 m, osi\u0105gaj\u0105c imponuj\u0105c\u0105 rozdzielczo\u015b\u0107 15 cm i mo\u017cliwo\u015b\u0107 identyfikacji typu drona po sygnaturze dopplerowskiej jego wirnik\u00f3w\u200b. W praktyce jednak wi\u0119kszo\u015b\u0107 operacyjnych radar\u00f3w anty-dronowych dzia\u0142a w pasmach decymetrowych i centymetrowych (L, S, C, X, Ku, K), gdzie osi\u0105gaj\u0105 kompromis mi\u0119dzy zasi\u0119giem, odporno\u015bci\u0105 na warunki atmosferyczne a zdolno\u015bci\u0105 wykrycia ma\u0142ych obiekt\u00f3w.<\/li>\n<\/ul>\n\n\n\n<p>Podsumowuj\u0105c, <strong>wy\u017csze cz\u0119stotliwo\u015bci generalnie sprzyjaj\u0105 wykrywaniu ma\u0142ych, nisko lec\u0105cych dron\u00f3w<\/strong>, cho\u0107 kosztem zasi\u0119gu i wi\u0119kszej wra\u017cliwo\u015bci na warunki (deszcz, mg\u0142a mo\u017ce bardziej t\u0142umi\u0107 pasmo X\/Ku ni\u017c L\/S). Dlatego architektura systemu zwykle dobierana jest pod konkretne potrzeby: np. <strong>radary X\/Ku<\/strong> wok\u00f3\u0142 lotniska wykryj\u0105 potencjalne drony w promieniu paru kilometr\u00f3w, a nad nimi piecz\u0119 trzyma radar kontroli lot\u00f3w w pasmie S czy L \u015bledz\u0105cy samoloty. W razie potrzeby stosuje si\u0119 te\u017c <strong>systemy dwupasmowe<\/strong> \u2013 istniej\u0105 radary potrafi\u0105ce nadawa\u0107 na dw\u00f3ch cz\u0119stotliwo\u015bciach naraz, co \u0142\u0105czy zalety obu (np. ni\u017csza cz\u0119stotliwo\u015b\u0107 potrafi wykry\u0107 wi\u0119kszego drona zza przeszkody, a wy\u017csza dookre\u015bli ma\u0142e cele w widocznej strefie).<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Wykrywanie dron\u00f3w o ma\u0142ej efektywnej powierzchni odbicia (RCS)<\/h2>\n\n\n\n<p><strong>Czym jest RCS?<\/strong> Efektywna powierzchnia odbicia (ang. <strong>Radar Cross-Section, RCS<\/strong>) to miara tego, jak dobrze dany obiekt odbija fale radarowe. Jednostk\u0105 jest metr kwadratowy [m\u00b2] (cz\u0119sto wyra\u017cany w skali logarytmicznej jako dBsm). Intuicyjnie, RCS mo\u017cna rozumie\u0107 jako <strong>\u201ewielko\u015b\u0107 cienia radarowego\u201d<\/strong> rzucanego przez obiekt \u2013 zale\u017cy od rozmiaru, kszta\u0142tu, materia\u0142u i orientacji obiektu wzgl\u0119dem radaru.<\/p>\n\n\n\n<p>Du\u017ce i metaliczne obiekty (np. samoloty pasa\u017cerskie) maj\u0105 ogromne RCS, a ma\u0142e z tworzyw sztucznych \u2013 minimalne. Drony, szczeg\u00f3lnie rekreacyjne, s\u0105 z regu\u0142y <strong>niewielkie, pe\u0142ne tworzyw i kompozyt\u00f3w, z ograniczon\u0105 ilo\u015bci\u0105 metalu<\/strong>, przez co ich RCS jest bardzo ma\u0142y. Co gorsza, wiruj\u0105ce \u015bmig\u0142a i nietypowe kszta\u0142ty ramion quadkoptera rozpraszaj\u0105 fale w r\u00f3\u017cnych kierunkach, daj\u0105c <strong>niestabilne i trudne do przewidzenia echo radarowe<\/strong> (RCS mo\u017ce si\u0119 zmienia\u0107 w czasie wraz z obrotem drona i prac\u0105 wirnik\u00f3w)\u200b<\/p>\n\n\n\n<p><strong>Typowe warto\u015bci RCS:<\/strong> Aby u\u015bwiadomi\u0107 skal\u0119 problemu, por\u00f3wnajmy kilka przyk\u0142ad\u00f3w:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Ma\u0142e drony (nano\/mikro):<\/strong> Najmniejsze dost\u0119pne drony (masa setki gram\u00f3w, wielko\u015b\u0107 kilkana\u015bcie cm) maj\u0105 RCS rz\u0119du zaledwie <em>0,0001\u20130,01 m\u00b2<\/em>\u200b. To tak, jakby radar pr\u00f3bowa\u0142 dostrzec w oddali du\u017cy owad \u2013 niezwykle trudne zadanie.<\/li>\n\n\n\n<li><strong>Drony konsumenckie (ma\u0142e\/\u015brednie):<\/strong> Typowy quadcopter o przek\u0105tnej 30\u201350 cm (jak DJI Phantom czy Mavic) ma RCS rz\u0119du <em>kilku setnych m\u00b2<\/em>. W literaturze podaje si\u0119 dla rodziny DJI Phantom typowe warto\u015bci ~0,02 m\u00b2 w pa\u015bmie X\u200b. Podobnie DJI Inspire (wi\u0119kszy dron ~3 kg) miewa \u015brednie RCS ok. 0,05\u20130,1 m\u00b2 (\u221210 do \u221213 dBsm) zale\u017cnie od cz\u0119stotliwo\u015bci. S\u0105 to warto\u015bci <strong>por\u00f3wnywalne z RCS du\u017cych ptak\u00f3w<\/strong> \u2013 np. ptak o rozpi\u0119to\u015bci skrzyde\u0142 ~1 m (g\u0119\u015b, orze\u0142) mo\u017ce mie\u0107 RCS rz\u0119du 0,01\u20130,1 m\u00b2, podczas gdy ma\u0142e ptaki (wr\u00f3ble) to 0,001 m\u00b2 i mniej\u200b. Potwierdzaj\u0105 to pomiary, gdzie sygnatury radarowe dron\u00f3w i ptak\u00f3w zachodz\u0105 na siebie: np. w pa\u015bmie K (24 GHz) stwierdzono, \u017ce ma\u0142e drony wykazuj\u0105 RCS od \u201320 do \u20138 dBsm (0,01\u20130,16 m\u00b2), a ptaki od \u201330 do \u201319 dBsm (0,001\u20130,012 m\u00b2)\u200b. To pokrywanie si\u0119 zakres\u00f3w RCS dron\u00f3w i ptak\u00f3w jest jedn\u0105 z g\u0142\u00f3wnych przyczyn <strong>trudno\u015bci w wiarygodnym wykrywaniu i rozr\u00f3\u017cnianiu<\/strong> \u2013 sam pomiar RCS nie wystarczy do identyfikacji obiektu.<\/li>\n\n\n\n<li><strong>Wi\u0119ksze drony (sta\u0142op\u0142aty, wojskowe):<\/strong> Drony o rozmiarach samolot\u00f3w (skrzyd\u0142a 2\u20135 m) maj\u0105 wi\u0119ksze RCS, cho\u0107 wci\u0105\u017c relatywnie ma\u0142e jak na standardy radarowe. Np. eksperymentalny sta\u0142op\u0142at o rozp. 2 m mo\u017ce mie\u0107 RCS ~0,005\u20130,02 m\u00b2 w zale\u017cno\u015bci od cz\u0119stotliwo\u015bci\u200b \u2013 mniej ni\u017c typowy quadcopter! Wynika to z faktu, \u017ce w ma\u0142ym samolociku dominuje kad\u0142ub i cienkie skrzyd\u0142a (kompozytowe), kt\u00f3re mog\u0105 dawa\u0107 mniejsze echo ni\u017c cztery pionowe s\u0142upki i wirniki quadkoptera (metalowe silniki, bateria, itp.). Og\u00f3lnie RCS ro\u015bnie z wymiarami \u2013 dron o wielko\u015bci kilkunastu metr\u00f3w (np. MQ-9 Reaper) mo\u017ce mie\u0107 RCS rz\u0119du 1\u20132 m\u00b2 (por\u00f3wnywalny z za\u0142ogowymi lekkimi samolotami).<\/li>\n\n\n\n<li><strong>Samoloty i inne obiekty:<\/strong> Dla kontrastu, du\u017cy samolot pasa\u017cerski jak Boeing 747 ma RCS rz\u0119du <em>kilku tysi\u0119cy do 10\u00a0000 m\u00b2<\/em> (\u0142atwy cel dla radaru)\u200b. My\u015bliwiec bez cech stealth, np. F-16, to oko\u0142o 1\u20135 m\u00b2\u200b. Natomiast <strong>stealth<\/strong> jak B-2 Spirit potrafi\u0105 mie\u0107 efektywny RCS poni\u017cej 0,01 m\u00b2 (czyli por\u00f3wnywalny z ma\u0142ym dronem!), a wed\u0142ug niekt\u00f3rych \u017ar\u00f3de\u0142 nawet ok. 0,0001 m\u00b2\u200b. To pokazuje, \u017ce <strong>ma\u0142y dron dla radaru mo\u017ce wygl\u0105da\u0107 \u201ejak obiekt stealth\u201d<\/strong> \u2013 jest bardzo s\u0142abo widoczny.<\/li>\n<\/ul>\n\n\n\n<p><strong>Wp\u0142yw ma\u0142ego RCS na wykrywalno\u015b\u0107:<\/strong> Z r\u00f3wnania radarowego wynika, \u017ce sygna\u0142 odbity maleje proporcjonalnie do RCS. Gdy RCS spada np. 100 razy (20 dB), maksymalna odleg\u0142o\u015b\u0107 wykrycia maleje w przybli\u017ceniu o czwarte pierwiastek z tej liczby (dla wymaganego sta\u0142ego SNR) \u2013 czyli oko\u0142o 3,2 raza. Oznacza to, \u017ce radar zdolny wykry\u0107 obiekt o RCS 1 m\u00b2 z 32 km zobaczy obiekt 0,01 m\u00b2 tylko z ~10 km, a obiekt 0,001 m\u00b2 (jak wr\u00f3bel) ju\u017c jedynie z ~5 km, i to w idealnych warunkach. W praktyce, <strong>zasi\u0119g wykrycia drona liczony jest w pojedynczych kilometrach<\/strong>. Dane techniczne typowych system\u00f3w to np. ~3,5\u20134 km zasi\u0119gu detekcji dla \u015bredniej wielko\u015bci drona (3 kg) w radarze IRIS\u200b ~1 km dla mikro-drona w kompaktowym radarze EchoGuard\u200b, do 8 km dla ma\u0142ego\/\u015bredniego drona w du\u017cym radarze Blighter A400\u200b. Nawet najlepsze specjalistyczne radary wojskowe deklaruj\u0105 wykrywanie mini-UAV maksymalnie z kilkunastu kilometr\u00f3w, o ile obiekt jest na otwartej przestrzeni. <strong>Niska warto\u015b\u0107 RCS przek\u0142ada si\u0119 te\u017c na podatno\u015b\u0107 na zak\u0142\u00f3cenia<\/strong> \u2013 echo od drona bywa ledwo powy\u017cej szumu t\u0142a, wi\u0119c \u0142atwo je zag\u0142uszy\u0107 (umy\u015blnie lub przez przypadek) albo utraci\u0107 w silnych odbiciach od ptak\u00f3w czy innych obiekt\u00f3w. To powoduje, \u017ce same czujniki radarowe musz\u0105 by\u0107 <strong>wysoce czu\u0142e i zaawansowane, by odr\u00f3\u017cni\u0107 sygna\u0142 drona od szumu<\/strong>. W wielu przypadkach implementuje si\u0119 d\u0142ugie czasy integracji sygna\u0142u lub zaawansowane metody dopasowania (matched filtering) pod konkretne sygnatury dron\u00f3w, by poprawi\u0107 wykrywalno\u015b\u0107.<\/p>\n\n\n\n<p><strong>Zmienne RCS i orientacja celu:<\/strong> Warto doda\u0107, \u017ce RCS drona nie jest sta\u0142\u0105 warto\u015bci\u0105 \u2013 zmienia si\u0119 z kierunkiem pod jakim go \u201ewidzi\u201d radar oraz w czasie (np. obr\u00f3t wirnik\u00f3w). Dron lec\u0105cy prostopadle do radaru mo\u017ce da\u0107 silniejsze echo (od p\u0142aszczyzny kad\u0142uba\/baterii) ni\u017c dron lec\u0105cy wprost (prz\u00f3d drona jest zwykle smuklejszy). RCS potrafi zmienia\u0107 si\u0119 o rz\u0105d wielko\u015bci w zale\u017cno\u015bci od orientacji. Ponadto, wiruj\u0105ce \u015bmig\u0142a generuj\u0105 charakterystyczne <strong>modulacje mikro-Dopplerowskie<\/strong> w echo radarowym \u2013 drobne fluktuacje sygna\u0142u, kt\u00f3re mog\u0105 cz\u0119\u015bciowo zwi\u0119ksza\u0107 efektywny RCS (zw\u0142aszcza gdy wirnik ustawi si\u0119 tak, \u017ce silnie odbija sygna\u0142 periodycznie \u2013 tzw. efekt \u201eblade flash\u201d). Jednak og\u00f3lny trend jest taki, \u017ce ma\u0142e drony maj\u0105 <strong>RCS bardzo ma\u0142e i wymagaj\u0105 specjalizowanych rozwi\u0105za\u0144 radarowych<\/strong>. Standardowe radary lotnicze cz\u0119sto <strong>ignoruj\u0105 echa tak ma\u0142e jak 0,01 m\u00b2<\/strong> \u2013 traktuj\u0105 je jako szum lub zak\u0142\u00f3cenie, stosuj\u0105c filtry minimalnego sygna\u0142u, by zapobiec fa\u0142szywym alarmom\u200b. To kolejny pow\u00f3d, dla kt\u00f3rego dedykowane radary anty-dronowe musz\u0105 wykorzystywa\u0107 dodatkowe metody (np. zaawansowan\u0105 klasyfikacj\u0119) \u2013 <strong>aby odr\u00f3\u017cni\u0107 prawdziwego drona od zjawisk t\u0142a<\/strong> i \u017ceby celowo nie odfiltrowa\u0107 tak s\u0142abego sygna\u0142u.<\/p>\n\n\n\n<p><strong>Wyzwania i ograniczenia:<\/strong> Podsumowuj\u0105c, zdolno\u015b\u0107 wykrycia drona z ma\u0142ym RCS ograniczaj\u0105: (1) <strong>zasi\u0119g detekcji<\/strong> \u2013 dron musi podej\u015b\u0107 do\u015b\u0107 blisko radaru, by zosta\u0107 wykrytym; (2) <strong>fa\u0142szywe alarmy<\/strong> \u2013 wiele obiekt\u00f3w (ptaki, fragmenty drzew na wietrze) ma podobnie niski RCS, wi\u0119c radar b\u0119dzie je widzia\u0142 tak samo jak drona, co wymaga dalszej analizy; (3) <strong>warunki \u015brodowiskowe<\/strong> \u2013 deszcz, mokre li\u015bcie, owady roj\u0105ce si\u0119 mog\u0105 generowa\u0107 echa por\u00f3wnywalne ze sygna\u0142em ma\u0142ego UAV; (4) <strong>taktyka przeciwnika<\/strong> \u2013 \u015bwiadomy przeciwnik mo\u017ce u\u017cy\u0107 dron\u00f3w o materia\u0142ach poch\u0142aniaj\u0105cych fale (kompozyty, elementy stealth) lub porusza\u0107 si\u0119 bardzo wolno tu\u017c nad ziemi\u0105 (\u201eprzyklejony\u201d do t\u0142a), co dodatkowo utrudnia radarom wykrycie. Dlatego same parametry radarowe to nie wszystko \u2013 kluczowa jest inteligentna obr\u00f3bka sygna\u0142u i fuzja z innymi sensorami, by skutecznie wy\u0142apa\u0107 i zidentyfikowa\u0107 zagro\u017cenie.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Klasyfikacja wykrytych obiekt\u00f3w \u2013 odr\u00f3\u017cnienie drona od ptaka<\/h2>\n\n\n\n<p>Wykrycie ruchomego obiektu na radarze to dopiero pocz\u0105tek \u2013 kolejnym etapem jest <strong>klasyfikacja<\/strong>, czyli okre\u015blenie z czym mamy do czynienia. Najwi\u0119kszym wyzwaniem jest <strong>rozr\u00f3\u017cnienie dron\u00f3w od ptak\u00f3w<\/strong>, gdy\u017c oba obiekty mog\u0105 mie\u0107 podobne RCS, porusza\u0107 si\u0119 w powietrzu na niskim pu\u0142apie i z umiarkowan\u0105 pr\u0119dko\u015bci\u0105. B\u0142\u0119dna klasyfikacja mo\u017ce prowadzi\u0107 do fa\u0142szywych alarm\u00f3w (np. ptak zidentyfikowany jako dron wywo\u0142a niepotrzebn\u0105 reakcj\u0119) albo \u2013 co gorsza \u2013 przeoczenia zagro\u017cenia (dron uznany za ptaka pozostanie niezauwa\u017cony przez system obrony). Nowoczesne radary dozorowe stosuj\u0105 kilka uzupe\u0142niaj\u0105cych si\u0119 metod klasyfikacji:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Analiza trajektorii lotu:<\/strong> Spos\u00f3b, w jaki porusza si\u0119 obiekt, mo\u017ce zdradzi\u0107 jego natur\u0119. <strong>Ptaki<\/strong> cz\u0119sto lataj\u0105 po krzywych, zmieniaj\u0105 wysoko\u015b\u0107 w poszukiwaniu pr\u0105d\u00f3w powietrznych, szybuj\u0105 lub machaj\u0105 skrzyd\u0142ami w spos\u00f3b falisty. Ich pr\u0119dko\u015bci wzgl\u0119dem ziemi zale\u017c\u0105 od wiatru, zazwyczaj mieszcz\u0105 si\u0119 w kilkudziesi\u0119ciu km\/h. <strong>Drony<\/strong> poruszaj\u0105 si\u0119 bardziej <em>mechanicznie<\/em>: potrafi\u0105 zawisa\u0107 nieruchomo w powietrzu (co dla wi\u0119kszo\u015bci ptak\u00f3w, poza kolibrami, jest niewykonalne), wykonywa\u0107 gwa\u0142towne, k\u0105towe manewry i lecie\u0107 po zaprogramowanej, cz\u0119sto prostoliniowej trajektorii z sta\u0142\u0105 pr\u0119dko\u015bci\u0105. System radarowy mo\u017ce \u015bledzi\u0107 \u015bcie\u017ck\u0119 obiektu i wyci\u0105ga\u0107 pewne cechy \u2013 np. <strong>drony wykazuj\u0105 tendencj\u0119 do d\u0142ugotrwa\u0142ego zawisu lub prostoliniowego dolotu<\/strong>, podczas gdy ptaki raczej nie pozostaj\u0105 w jednym punkcie na d\u0142ugo i wykonuj\u0105 bardziej chaotyczne zmiany kierunku. Ponadto, wiele dron\u00f3w komercyjnych ma wbudowane ograniczenia (geofencing) \u2013 np. nie przekraczaj\u0105 pewnej wysoko\u015bci i omijaj\u0105 lotniska \u2013 je\u015bli jednak dron \u0142amie te regu\u0142y (np. leci prosto na pas startowy), to ju\u017c silna poszlaka, \u017ce mamy do czynienia z <strong>\u201ewrogim dronem\u201d<\/strong> a nie ptakiem\u200b. Oczywi\u015bcie trajektoria bywa zwodnicza \u2013 ptak sp\u0142oszony mo\u017ce lecie\u0107 prosto, a operator drona mo\u017ce nim \u201ezawirytowa\u0107\u201d w powietrzu. Dlatego analiz\u0119 toru lotu \u0142\u0105czy si\u0119 z innymi metodami.<\/li>\n\n\n\n<li><strong>Sygnatury mikro-Doppler (analiza drga\u0144):<\/strong> Bardzo efektywn\u0105 metod\u0105 jest badanie <em>mikro-Dopplera<\/em> \u2013 drobnych zmian cz\u0119stotliwo\u015bci echa spowodowanych <strong>ruchami wewn\u0119trznymi obiektu<\/strong> (np. trzepotaniem skrzyde\u0142 lub obrotem \u015bmigie\u0142). Radar o wysokiej rozdzielczo\u015bci czasowej i cz\u0119stotliwo\u015bci (np. FMCW z du\u017c\u0105 <em>bandwidth<\/em>) mo\u017ce generowa\u0107 <strong>spektrogramy mikro-Dopplerowskie<\/strong> wykrytych cel\u00f3w. <em>Ptaki<\/em> maj\u0105 charakterystyczny rytm uderze\u0144 skrzyde\u0142 \u2013 np. du\u017ce ptaki jak go\u0142\u0119bie czy mewy machaj\u0105 skrzyd\u0142ami kilka razy na sekund\u0119, co objawia si\u0119 w widmie Dopplera jako niskocz\u0119stotliwo\u015bciowe modulacje (rz\u0119du 5\u201310 Hz) i odpowiadaj\u0105ce im wst\u0119gi boczne. <em>Drony wielowirnikowe<\/em> z kolei maj\u0105 szybko obracaj\u0105ce si\u0119 \u015bmig\u0142a (typowo kilkadziesi\u0105t obrot\u00f3w na sekund\u0119 \u2013 np. 30\u2013300 Hz w zale\u017cno\u015bci od konstrukcji), co generuje wyra\u017ane linie w widmie Dopplera na wy\u017cszych cz\u0119stotliwo\u015bciach. Ponadto, dron ma sta\u0142\u0105 liczb\u0119 wirnik\u00f3w \u2013 analizy wykaza\u0142y, \u017ce mo\u017cna <strong>wyr\u00f3\u017cni\u0107 liczb\u0119 i typ wirnik\u00f3w na podstawie widma Dopplera<\/strong>: wirnik jedno\u0142opatowy da jedn\u0105 lini\u0119, wielo\u0142opatowy wiele, cztery wirniki \u2013 charakterystyczny zestaw czterech podstawowych cz\u0119stotliwo\u015bci itd. W ten spos\u00f3b da si\u0119 nie tylko stwierdzi\u0107 \u201eto dron, nie ptak\u201d, ale nawet <strong>okre\u015bli\u0107 klas\u0119 drona<\/strong> (np. quadcopter vs. hexacopter) lub odr\u00f3\u017cni\u0107 dron sta\u0142op\u0142at (kt\u00f3ry b\u0119dzie mia\u0142 sta\u0142\u0105 \u015brub\u0119 nap\u0119dow\u0105 + ewentualnie drgania silnika spalinowego) od wielowirnikowca. R\u00f3wnie\u017c \u015bmig\u0142owiec za\u0142ogowy czy wiatrakowiec ma inn\u0105 sygnatur\u0119 mikro-Doppler ni\u017c dron \u2013 to pomaga unikn\u0105\u0107 pomy\u0142ek. Taka klasyfikacja wymaga jednak zaawansowanych algorytm\u00f3w analizy sygna\u0142owej i zwykle niezb\u0119dne jest <strong>dobre SNR<\/strong> (stosunek sygna\u0142u do szumu) \u2013 co ogranicza zasi\u0119g, na kt\u00f3rym mikro-Doppler jest czytelny. Z regu\u0142y <strong>dron mo\u017cna sklasyfikowa\u0107 po sygnaturze dopplerowskiej z odleg\u0142o\u015bci do ~1\u20132 km<\/strong> (zale\u017cnie od mocy radaru i wielko\u015bci drona). W cytowanym wcze\u015bniej radarze IRIS maksymalny dystans <strong>pe\u0142nej klasyfikacji<\/strong> \u015bredniego drona to ok. 1,3\u20132,0 km\u200b (w por\u00f3wnaniu do 3,4\u20134,0 km dla samej detekcji), co pokazuje, \u017ce bli\u017cszy kontakt daje wi\u0119cej informacji do identyfikacji.<\/li>\n\n\n\n<li><strong>Algorytmy AI\/ML (sztuczna inteligencja):<\/strong> W ostatnich latach nast\u0105pi\u0142 du\u017cy post\u0119p w zastosowaniu <strong>uczenia maszynowego i sieci neuronowych<\/strong> do rozpoznawania wzorc\u00f3w radarowych. Dane radarowe (surowe sygna\u0142y, spektrogramy mikro-Doppler, trajektorie) mog\u0105 pos\u0142u\u017cy\u0107 jako <strong>wektor cech<\/strong> w klasyfikatorze ML, kt\u00f3ry nauczy si\u0119 odr\u00f3\u017cnia\u0107 drona od ptaka, a nawet typ drona. Firmy dostarczaj\u0105ce radary anty-dronowe cz\u0119sto integruj\u0105 modu\u0142y AI w swoich systemach. Na przyk\u0142ad radar IRIS wykorzystuje <strong>g\u0142\u0119bok\u0105 sie\u0107 neuronow\u0105 (DNN)<\/strong> wspomagaj\u0105c\u0105 klasyfikacj\u0119 wraz z analiz\u0105 mikro-Doppler. Algorytmy te s\u0105 trenowane na obszernych zbiorach danych: rejestruje si\u0119 charakterystyki setek lot\u00f3w dron\u00f3w i ptak\u00f3w, by system \u201enauczy\u0142 si\u0119\u201d ich r\u00f3\u017cnic. Ju\u017c w 2020 roku raportowano klasyfikatory osi\u0105gaj\u0105ce <strong>skuteczno\u015b\u0107 rz\u0119du 95%<\/strong> w odr\u00f3\u017cnianiu ptak\u00f3w od dron\u00f3w na podstawie widm Dopplera i cech trajektorii\u200b. Podej\u015bcia z uczeniem g\u0142\u0119bokim cz\u0119sto wykorzystuj\u0105 <strong>konwolucyjne sieci neuronowe (CNN)<\/strong> do rozpoznawania obraz\u00f3w spektrogram\u00f3w (gdzie traktuje si\u0119 spektrogram jak obraz z wzorami charakterystycznymi dla drona lub ptaka)\u200b. Innym podej\u015bciem jest sie\u0107 przetwarzaj\u0105ca sekwencj\u0119 danych czasowych (trajektori\u0119 3D, zmiany RCS itp.) by uchwyci\u0107 zachowanie obiektu.<\/li>\n\n\n\n<li><strong>Filtrowanie kontekstowe i fuzja sensor\u00f3w:<\/strong> W ramach klasyfikacji szeroko stosuje si\u0119 r\u00f3wnie\u017c regu\u0142y oparte na kontek\u015bcie i dodatkowe sensory. <strong>Regu\u0142y kontekstowe<\/strong> to np.: obiekt wykryty powy\u017cej pewnej wysoko\u015bci z du\u017c\u0105 pr\u0119dko\u015bci\u0105 \u2013 ma\u0142o prawdopodobne, \u017ce to cywilny dron (raczej ptak lub samolot); obiekt stale wisi nad chronionym punktem \u2013 ptak raczej tak nie potrafi (wi\u0119ksze prawdopodobie\u0144stwo drona obserwuj\u0105cego). <strong>Fuzja sensor\u00f3w<\/strong> polega na tym, \u017ce radar naprowadza inne czujniki (kamera optyczna, termowizyjna, czujnik akustyczny) w kierunku wykrytego celu w celu potwierdzenia to\u017csamo\u015bci. Radary nowej generacji s\u0105 cz\u0119sto elementem wi\u0119kszego systemu C-UAS, gdzie po wykryciu radarem dron mo\u017ce by\u0107 zweryfikowany kamer\u0105 (czy wida\u0107 diody lub kszta\u0142t drona), nas\u0142uchem RF (czy emituje sygna\u0142y steruj\u0105ce) itp.\u200b. Jednak nawet bez tych zewn\u0119trznych danych, zaawansowane radary radz\u0105 sobie coraz lepiej samodzielnie. Przyk\u0142adowo firma Fortem chwali si\u0119, \u017ce ich nowy radar TrueView R40 ma zaimplementowan\u0105 inteligencj\u0119, kt\u00f3ra <strong>filtruje zak\u0142\u00f3cenia (wiatr, li\u015bcie, maszty)<\/strong> tak skutecznie, i\u017c radar mo\u017ce patrze\u0107 nisko tu\u017c nad ziemi\u0105 i <strong>wykrywa\u0107 drony \u201elec\u0105ce poni\u017cej innych radar\u00f3w\u201d<\/strong>. Jest to mo\u017cliwe w\u0142a\u015bnie dzi\u0119ki dedykowanym algorytmom AI, kt\u00f3re ucz\u0105 si\u0119 ignorowa\u0107 typowe szumy t\u0142a, a wyci\u0105ga\u0107 sygna\u0142y charakterystyczne dla dron\u00f3w.<\/li>\n<\/ul>\n\n\n\n<p>Podsumowuj\u0105c, <strong>klasyfikacja obiekt\u00f3w wykrytych przez radar opiera si\u0119 na inteligentnej analizie wzorc\u00f3w ruchu i sygna\u0142u<\/strong>. Coraz cz\u0119\u015bciej wykorzystuje si\u0119 kombinacj\u0119 podej\u015b\u0107: twarde algorytmy sygna\u0142owe (Doppler, filtry), mi\u0119kkie regu\u0142y i przede wszystkim <strong>uczenie maszynowe<\/strong> na danych radarowych. Dzi\u0119ki temu nowoczesne systemy potrafi\u0105 z <strong>du\u017cym prawdopodobie\u0144stwem odr\u00f3\u017cni\u0107 drona od ptaka<\/strong>, minimalizuj\u0105c fa\u0142szywe alarmy. W literaturze podkre\u015bla si\u0119, \u017ce to w\u0142a\u015bnie <strong>skuteczna weryfikacja i klasyfikacja<\/strong> jest kluczem do u\u017cyteczno\u015bci system\u00f3w anty-dronowych\u200b \u2013 w przeciwnym razie radary musia\u0142yby albo zg\u0142asza\u0107 ka\u017cdy obiekt (ton\u0105c w fa\u0142szywych alarmach), albo ignorowa\u0107 ma\u0142e echa (ryzykuj\u0105c przeoczenie zagro\u017cenia). Zastosowanie AI i micro-Dopplera pozwoli\u0142o osi\u0105gn\u0105\u0107 <strong>\u015bwiatowej klasy dok\u0142adno\u015b\u0107 i niskie wska\u017aniki fa\u0142szywych alarm\u00f3w<\/strong>, co czyni radary g\u0142\u00f3wnym i niezast\u0105pionym elementem system\u00f3w anty-dronowych.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">Przyk\u0142adowi producenci radar\u00f3w do detekcji dron\u00f3w<\/h2>\n\n\n\n<p>Na rynku pojawia si\u0119 coraz wi\u0119cej wyspecjalizowanych radar\u00f3w anty-dronowych. Poni\u017cej przedstawiamy kilku wiod\u0105cych producent\u00f3w i ich wybrane rozwi\u0105zania:<\/p>\n\n\n\n<ul class=\"wp-block-list\">\n<li><strong>Robin Radar Systems (Holandia):<\/strong> Firma specjalizuje si\u0119 w radarach do detekcji ma\u0142ych obiekt\u00f3w lataj\u0105cych (ptak\u00f3w i dron\u00f3w). Jej flagowe produkty to <strong>IRIS<\/strong> (3D) i <strong>ELVIRA<\/strong> (2D). <strong>IRIS<\/strong> to lekki, przeno\u015bny radar tr\u00f3jwymiarowy w pa\u015bmie X, pracuj\u0105cy w technologii FMCW. Wa\u017cy tylko 29 kg i oferuje pe\u0142ne pokrycie dook\u00f3lne 360\u00b0 z elewacj\u0105 60\u00b0\u200b. Umo\u017cliwia <strong>wykrycie drona o masie ~3 kg z odleg\u0142o\u015bci ok. 3,4\u20134,0 km<\/strong> oraz jego klasyfikacj\u0119 (mikro-Doppler + sieci neuronowe) do dystansu 1,3\u20132,0 km\u200b. IRIS potrafi \u015bledzi\u0107 jednocze\u015bnie wiele cel\u00f3w w trybie track-while-scan i cechuje si\u0119 <strong>wysok\u0105 dok\u0142adno\u015bci\u0105 pomiar\u00f3w<\/strong> (dok\u0142. odleg\u0142o\u015bci ~0,6 m) dzi\u0119ki szerokiemu pasmu sygna\u0142u\u200b. Z kolei <strong>ELVIRA<\/strong> to radar dwuwymiarowy (azymut + zasi\u0119g) \u2013 ta\u0144szy i prostszy, ale nadal wyposa\u017cony w analiz\u0119 <strong>mikro-Doppler<\/strong> do klasyfikacji cel\u00f3w. Dzia\u0142a tak\u017ce w pa\u015bmie X i daje 360\u00b0 pokrycia, jednak bez informacji o wysoko\u015bci celu. Radary Robin s\u0105 u\u017cywane m.in. do ochrony lotnisk (zapobieganie incydentom z dronami), na wydarzeniach masowych oraz przez si\u0142y zbrojne do os\u0142ony obiekt\u00f3w. Systemy te odznaczaj\u0105 si\u0119 <strong>wysok\u0105 mobilno\u015bci\u0105 i integracj\u0105<\/strong> \u2013 IRIS mo\u017ce dzia\u0142a\u0107 tak\u017ce w ruchu (na poje\u017adzie) i dostarcza\u0107 dane do system\u00f3w C2 w standardowych formatach (ASTRE\/OS). Robin Radar wsp\u00f3\u0142pracuje np. z firm\u0105 Dedrone przy tworzeniu zintegrowanych system\u00f3w anty-dronowych (Dedrone wykorzystuje strumie\u0144 z radar\u00f3w Robin w swojej platformie AI)<\/li>\n\n\n\n<li><strong>Blighter Surveillance Systems (Wielka Brytania):<\/strong> Brytyjski producent znany z zaawansowanych radar\u00f3w obwodowej ochrony i wczesnego ostrzegania, kt\u00f3ry w 2015 r. jako jeden z pierwszych zaadaptowa\u0142 swoje radary do wykrywania dron\u00f3w. <strong>Blighter A400 Series<\/strong> to radary pasma <strong>Ku<\/strong> (oko\u0142o 15 GHz) wykorzystuj\u0105ce <strong>PESA i technologi\u0119 FMCW<\/strong>\u200b<a href=\"https:\/\/www.suasnews.com\/2015\/08\/api-technologies-to-manufacture-blighter-a400-series-anti-uav-air-security-radar\/#:~:text=The%20Blighter%20A400%20Series%20Ku,with%20unsurpassed%20ground%20clutter%20suppression\" target=\"_blank\" rel=\"noreferrer noopener\">.<\/a> S\u0105 to nieruchome panele elektronicznie skanuj\u0105ce, kt\u00f3re <strong>wykrywaj\u0105 ma\u0142e i \u015brednie drony z odleg\u0142o\u015bci do 8 km<\/strong>. Charakteryzuj\u0105 si\u0119 bardzo skutecznym <strong>t\u0142umieniem zak\u0142\u00f3ce\u0144 od ziemi<\/strong> (Doppler MTI) i ci\u0105g\u0142\u0105 prac\u0105 we wszelkich warunkach pogodowych. Radary Blighter by\u0142y u\u017cywane m.in. w systemie <strong>AUDS<\/strong> (Anti-UAV Defence System) \u2013 jednym z pierwszych kompleksowych system\u00f3w anty-dronowych wdro\u017conych operacyjnie (podczas pokaz\u00f3w lotniczych, na granicach). Nowszym produktem jest <strong>Blighter A800<\/strong> \u2013 <strong>3D radar wielofunkcyjny<\/strong>, kt\u00f3ry \u0142\u0105czy mo\u017cliwo\u015bci obserwacji ziemi, morza i powietrza. A800 to wi\u0119kszy radar (r\u00f3wnie\u017c z elektronicznym skanowaniem), o <strong>maksymalnym zasi\u0119gu 20 km<\/strong>, zdolny r\u00f3wnocze\u015bnie \u015bledzi\u0107 wolne cele naziemne i szybkie powietrzne. Blighter reklamuje go jako <strong>\u201emulti-mode radar\u201d<\/strong> o mo\u017cliwo\u015bciach du\u017cych wojskowych system\u00f3w, zamkni\u0119ty w mniejszej, bardziej przyst\u0119pnej formie\u200b. W zastosowaniach typowo anty-dronowych, A800 pozwala obj\u0105\u0107 ochron\u0105 rozleg\u0142e perymetry \u2013 np. granice pa\u0144stw, rozleg\u0142e bazy wojskowe, wybrze\u017ca \u2013 gdzie opr\u00f3cz dron\u00f3w trzeba monitorowa\u0107 tak\u017ce pojazdy na ziemi czy pontony na wodzie. Wed\u0142ug firmy radary Blighter s\u0105 u\u017cywane w ponad 35 krajach, chroni\u0105 m.in. granic\u0119 DMZ w Korei, lotniska Londyn-Stansted i Gatwick (w zakresie wykrywania dron\u00f3w po incydentach z 2018 r.) oraz infrastruktur\u0119 krytyczn\u0105\u200b. Cechuje je <strong>solidno\u015b\u0107 i brak cz\u0119\u015bci ruchomych<\/strong>, co przek\u0142ada si\u0119 na niskie koszty utrzymania (producent podaje, \u017ce systemy pracuj\u0105 latami bez konserwacji)\u200b<\/li>\n\n\n\n<li><strong>Echodyne (USA):<\/strong> Jest to innowacyjna firma z USA, kt\u00f3ra rozwin\u0119\u0142a <strong>radary oparte o anteny metamateria\u0142owe (MESA)<\/strong>. Anteny te to szczeg\u00f3lny rodzaj AESA \u2013 p\u0142askie panele ze wzorami metamateria\u0142\u00f3w pozwalaj\u0105ce elektronicznie kszta\u0142towa\u0107 wi\u0105zk\u0119 przy bardzo ma\u0142ych rozmiarach i niskim poborze mocy. Flagowym produktem jest <strong>EchoGuard<\/strong> \u2013 kompaktowy radar <strong>K-band (24 GHz)<\/strong> przeznaczony do wykrywania dron\u00f3w i intruz\u00f3w na kr\u00f3tkich dystansach. EchoGuard ma wymiary zaledwie 20\u00d716\u00d74 cm i wa\u017cy ~1,25 kg, a pob\u00f3r mocy &lt;50 W, co pozwala zasila\u0107 go z baterii lub paneli s\u0142onecznych. Mimo niewielkiego rozmiaru osi\u0105ga <strong>instrumentowany zasi\u0119g 6 km<\/strong>, a w testach wykaza\u0142 mo\u017cliwo\u015b\u0107 detekcji drona DJI Phantom (typowy ma\u0142y quadcopter) z dystansu >1 km\u200b. Wi\u0119kszy dron (Matrice 600) jest wykrywany powy\u017cej 1,4 km\u200b, a cz\u0142owiek id\u0105cy \u2013 do ~3,5 km. K\u0105towe pole widzenia pojedynczej jednostki to 120\u00b0 w azymucie i 80\u00b0 w elewacji\u200b, z rozdzielczo\u015bci\u0105 k\u0105tow\u0105 ok. 2\u00b0\u00d76\u00b0\u200b. Radary EchoGuard mo\u017cna \u0142\u0105czy\u0107 kaskadowo w system 360\u00b0 lub montowa\u0107 na obrotowych g\u0142owicach do dook\u00f3lnego skanowania. Cech\u0105 jest <strong>tryb 4D radar<\/strong> (tak nazywa Echodyne po\u0142\u0105czenie 3D przestrzeni + pomiar pr\u0119dko\u015bci Doppler, marketingowo okre\u015blane jako czwarty wymiar), co de facto oznacza pe\u0142ne \u015bledzenie tr\u00f3jwymiarowe z informacj\u0105 o pr\u0119dko\u015bci radialnej. EchoGuard potrafi \u015bledzi\u0107 do 20 jednoczesnych cel\u00f3w\u200b, a dzi\u0119ki szybkiej elektronicznej kontroli wi\u0105zki potrafi aktualizowa\u0107 \u015bledzenia do 10 razy na sekund\u0119. Echodyne oferuje te\u017c wi\u0119kszy radar <strong>EchoShield<\/strong> (Ku-band, o nieco d\u0142u\u017cszym zasi\u0119gu i wy\u017cszej rozdzielczo\u015bci, okre\u015blany jako radar \u015bredniego zasi\u0119gu z elementami sztucznej inteligencji). Radary Echodyne s\u0105 wykorzystywane m.in. do ochrony granic, port\u00f3w, infrastruktur (np. w portach lotniczych jako detektory dron\u00f3w) oraz mog\u0105 by\u0107 instalowane nawet na w\u0142asnych dronach lub pojazdach (np. celem zapewnienia <em>sense-and-avoid<\/em> lataj\u0105cym platformom). Ich zalet\u0105 jest <strong>bardzo niski SWaP-C<\/strong> (Size, Weight, Power, Cost), co czyni je elastycznymi w u\u017cyciu \u2013 np. stra\u017c graniczna mo\u017ce tymczasowo ustawi\u0107 taki radar na dachu samochodu w rejonie zagro\u017conym przenikaniem dron\u00f3w.<\/li>\n\n\n\n<li><strong>Fortem Technologies (USA):<\/strong> Ameryka\u0144ska firma oferuj\u0105ca kompleksowe systemy anty-dronowe, znana m.in. z dron\u00f3w przechwytuj\u0105cych <em>DroneHunter<\/em>. Fortem produkuje rodzin\u0119 radar\u00f3w <strong>TrueView\u00ae<\/strong>, kt\u00f3re wyr\u00f3\u017cniaj\u0105 si\u0119 <strong>niewielkimi rozmiarami i \u0142atwo\u015bci\u0105 zasilania<\/strong> \u2013 mo\u017cna je zasili\u0107 z typowego gniazdka 110\/230 V lub nawet baterii, bez potrzeby du\u017cych generator\u00f3w\u200b. Aktualna linia obejmuje modele <strong>R20, R30 i R40<\/strong>. <strong>R20<\/strong> to wersja kr\u00f3tkiego zasi\u0119gu (bliskiego pola), <strong>R30<\/strong> \u015bredniego, a najnowszy <strong>R40<\/strong> \u0142\u0105czy mo\u017cliwo\u015bci \u015bredniego i dalekiego zasi\u0119gu\u200b. Wszystkie dzia\u0142aj\u0105 w sieci \u2013 mo\u017cna po\u0142\u0105czy\u0107 kilka radar\u00f3w, aby uzyska\u0107 pokrycie pe\u0142ne 360\u00b0 wok\u00f3\u0142 obiektu i stworzy\u0107 siatk\u0119 sensor\u00f3w\u200b. Wed\u0142ug Fortem, g\u0142\u00f3wn\u0105 zalet\u0105 TrueView jest zdolno\u015b\u0107 <strong>detekcji dron\u00f3w na bardzo niskich wysoko\u015bciach<\/strong> (czy wr\u0119cz \u201etu\u017c nad ziemi\u0105\u201d), dzi\u0119ki zaawansowanym algorytmom AI filtruj\u0105cym zawi\u0142e zak\u0142\u00f3cenia (li\u015bcie, klimatyzatory, ptaki)\u200b. W tradycyjnych radarach wojskowych cz\u0119sto ustawia si\u0119 doln\u0105 granic\u0119 pokrycia pod pewnym k\u0105tem nad horyzontem, by unikn\u0105\u0107 szumu od ziemi \u2013 Fortem natomiast chwali si\u0119, \u017ce ich radar <strong>\u201ewidza to, co pod du\u017cym radarami jest niewidzialne\u201d<\/strong>, w\u0142a\u015bnie w warstwie przyziemnej\u200b. TrueView R40, zaprezentowany w 2023 roku, wykorzystuje AI nie tylko do filtracji, ale i do inteligentnego wykrywania roj\u00f3w i innych zagro\u017ce\u0144. Konkretne parametry techniczne nie s\u0105 w pe\u0142ni jawne, ale z wypowiedzi wynika, \u017ce R20 pokrywa blisk\u0105 stref\u0119 (np. &lt;1 km), R30 kilka km, a R40 mo\u017ce si\u0119ga\u0107 wiele kilometr\u00f3w. Wszystkie generuj\u0105 dane 3D w 360\u00b0 i integruj\u0105 si\u0119 z systemem dowodzenia. Fortem wdra\u017ca swoje radary m.in. w miastach (ochrona wydarze\u0144, stadion\u00f3w), na infrastrukturze krytycznej oraz dla wojska. Ich atutem jest <strong>modu\u0142owo\u015b\u0107 i niska cena jednostkowa<\/strong> \u2013 radary s\u0105 ma\u0142e, wi\u0119c dla du\u017cego pokrycia instalowanych jest wiele, ale jednostkowo s\u0105 ta\u0144sze ni\u017c \u201ejeden wielki radar\u201d. Firma poda\u0142a, \u017ce produkuje je z my\u015bl\u0105 o cenie rz\u0119du 20 tys. USD za sztuk\u0119, co jest atrakcyjn\u0105 ofert\u0105 w tym segmencie\u200b. Radar Fortem mo\u017ce s\u0142u\u017cy\u0107 tak\u017ce do nawigacji drona przechwytuj\u0105cego (DroneHunter kieruje si\u0119 danymi z TrueView, by dopa\u015b\u0107 wrogiego UAV).<\/li>\n<\/ul>\n\n\n\n<p>Opr\u00f3cz powy\u017cszych, warto wspomnie\u0107 innych licz\u0105cych si\u0119 producent\u00f3w: <strong>Thales<\/strong> (przej\u0105\u0142 firm\u0119 Aveillant, kt\u00f3rej radar \u201eholograficzny\u201d Gamekeeper potrafi \u015bledzi\u0107 drony w przestrzeni 3D bez obracania, u\u017cyty np. na lotnisku Heathrow), <strong>Leonardo<\/strong> (radary AESA Kronos i Lyra z trybami anty-dronowymi), <strong>Hensoldt<\/strong> (system Xpeller z radarem Spexer), <strong>RADA (Israel)<\/strong> \u2013 dostawca radar\u00f3w wielofunkcyjnych MHR dla system\u00f3w Iron Dome i anty-dronowych, czy <strong>ELTA\/IAI (Israel)<\/strong> \u2013 z rodzin\u0105 radar\u00f3w ELM-2026B\/2084 przystosowanych do mini-dron\u00f3w. Rynek szybko si\u0119 rozwija, a kolejne modele oferuj\u0105 coraz lepsze parametry \u2013 szczeg\u00f3lnie w zakresie automatycznej klasyfikacji i minimalizacji fa\u0142szywych alarm\u00f3w, co jest kluczowe w realnym u\u017cyciu takich radar\u00f3w.<\/p>\n\n\n\n<h2 class=\"wp-block-heading\">\u0179r\u00f3d\u0142a<\/h2>\n\n\n\n<ol class=\"wp-block-list\">\n<li>Integrated Publishing \u2013 <em>Air-Search Radar (NEETS Module 18)<\/em>: opis radar\u00f3w 2D i 3D\u200b <a target=\"_blank\" rel=\"noreferrer noopener\">electriciantraining.tpub.com<\/a>.<\/li>\n\n\n\n<li>Blighter Surveillance Systems \u2013 <em>Multi-Mode Radar White Paper<\/em>: kontekst wyzwa\u0144 detekcji dron\u00f3w i nowe technologie radarowe\u200b <a href=\"https:\/\/www.blighter.com\/wp-content\/uploads\/multi-mode-radar-white-paper.pdf#:~:text=amount%20of%20position%20information%20supplied,function%20is%20guiding%20combat%20air\" target=\"_blank\" rel=\"noreferrer noopener\">blighter.com<\/a>\u200b<\/li>\n\n\n\n<li>Fraunhofer FHR \u2013 <em>Detection of small drones with millimeter wave radar<\/em>: charakterystyka RCS ma\u0142ych dron\u00f3w i wykorzystanie sygnatur mikro-Doppler\u200b <a href=\"https:\/\/www.fhr.fraunhofer.de\/en\/sections\/Industrial-High-Frequency-Systems-IHS\/Detection-of-small-drones-with-millimeter-wave-radar.html#:~:text=From%20a%20radar%20perspective%2C%20the,determination%20of%20the%20drone%20class\" target=\"_blank\" rel=\"noreferrer noopener\">fhr.fraunhofer.de<\/a><\/li>\n\n\n\n<li>Airsight \u2013 <em>Why Drone Detection with Radar Is More Complex Than You Think<\/em>: przyst\u0119pne wyja\u015bnienie wp\u0142ywu RCS na detekcj\u0119 dron\u00f3w\u200b <a href=\"https:\/\/www.airsight.com\/blog\/drone-detection-radar-complex#:~:text=To%20put%20things%20into%20perspective%3A\" target=\"_blank\" rel=\"noreferrer noopener\">airsight.com<\/a>\u200b<a href=\"https:\/\/www.airsight.com\/blog\/drone-detection-radar-complex#:~:text=,on%20par%20with%20tiny%20drones\" target=\"_blank\" rel=\"noreferrer noopener\">airsight.com<\/a>.<\/li>\n\n\n\n<li>Robin Radar Systems \u2013 Strona producenta (IRIS i ELVIRA): parametry radar\u00f3w IRIS\/ELVIRA (pasmo X, 3D\/2D, micro-Doppler)\u200b <a href=\"https:\/\/www.robinradar.com\/solutions\/drone-detection-radar#:~:text=Small%20but%20mighty%203D%20radar\" target=\"_blank\" rel=\"noreferrer noopener\">robinradar.com<\/a>\u200b<\/li>\n\n\n\n<li>sUAS News \u2013 <em>Blighter A400 Series Anti-UAV Radar<\/em>: informacje o radarze A400 (pasmo Ku, zasi\u0119g 8 km, PESA, FMCW)\u200b <a href=\"https:\/\/www.suasnews.com\/2015\/08\/api-technologies-to-manufacture-blighter-a400-series-anti-uav-air-security-radar\/#:~:text=The%20Blighter%20A400%20Series%20Ku,with%20unsurpassed%20ground%20clutter%20suppression\" target=\"_blank\" rel=\"noreferrer noopener\">suasnews.com<\/a>.<\/li>\n\n\n\n<li>European Defence Review \u2013 <em>Blighter A800 multi-mode radar<\/em>: wzmianka o radarze A800 (3D, multi-mode, zasi\u0119g do 20 km)\u200b<a href=\"https:\/\/www.edrmagazine.eu\/blighter-showcases-innovative-multi-mode-drone-detection-radar-at-security-policing-2021#:~:text=Blighter%E2%80%99s%20A800%203D%20radar%20offers,simultaneously%20from%20a%20single%20radar\" target=\"_blank\" rel=\"noreferrer noopener\">edrmagazine.eu<\/a>\u200b<\/li>\n\n\n\n<li>Echodyne \u2013 <em>EchoGuard Spec Sheet<\/em>: dane techniczne ma\u0142ego radaru EchoGuard (24 GHz, zasi\u0119g >1 km dla drona, FOV 120\u00b0)\u200b<a href=\"https:\/\/www.echodyne.com\/media\/owckkjvt\/echodyne-ts-echoguardsecurity.pdf#:~:text=Field%20of%20view%20Angular%20resolution,120%C2%B0%20azimuth%20x%2080%C2%B0%20elevation\" target=\"_blank\" rel=\"noreferrer noopener\">echodyne.com<\/a><\/li>\n\n\n\n<li>National Defense Magazine \u2013 <em>Fortem TrueView R40 Radar<\/em>: opis nowego radaru Fortem (R40) i podej\u015bcia firmy do detekcji niskich dron\u00f3w za pomoc\u0105 AI\u200b <a href=\"https:\/\/www.nationaldefensemagazine.org\/articles\/2023\/10\/11\/tech-company-unveils-under-the-radar-radar#:~:text=dealing%20with%20all%20that%20clutter,%E2%80%9D\" target=\"_blank\" rel=\"noreferrer noopener\">nationaldefensemagazine.org<\/a>\u200b<\/li>\n\n\n\n<li>MDPI Drones (2023) \u2013 <em>Small Fixed-Wing UAV RCS Signature Investigation&#8230;<\/em>: badania por\u00f3wnawcze RCS dron\u00f3w i ptak\u00f3w, w tym symulacje radaru Robin ELVIRA \u200b<a href=\"https:\/\/www.mdpi.com\/2504-446X\/7\/1\/39#:~:text=,span%2C%20between%20two%20individual%20studies\" target=\"_blank\" rel=\"noreferrer noopener\">mdpi.com<\/a>.<\/li>\n<\/ol>\n","protected":false},"excerpt":{"rendered":"<p>Jednym ze skuteczniejszych sensor\u00f3w w systemach antydronowych s\u0105 radary, jednak tradycyjne systemy radarowe projektowane pod du\u017ce i szybkie obiekty powietrzne mog\u0105 nie radzi\u0107 sobie z ma\u0142ymi dronami lec\u0105cymi na niskich wysoko\u015bciach. W odpowiedzi rozwijane s\u0105 nowoczesne radary anty-dronowe, zdolne do wykrywania ma\u0142ych, wolno poruszaj\u0105cych si\u0119 cel\u00f3w w\u015br\u00f3d zak\u0142\u00f3ce\u0144 terenu i obiekt\u00f3w takich jak ptaki. W&#8230;<\/p>\n","protected":false},"author":1,"featured_media":239,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[10,1,7,8],"tags":[],"class_list":["post-223","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-aktualnosci","category-uncategorized","category-wykrywanie-dronow","category-zwalczanie-dronow"],"jetpack_featured_media_url":"https:\/\/noflyzone.pl\/wp-content\/uploads\/2025\/04\/19-kwi-2025-15_28_00.png","jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/noflyzone.pl\/index.php?rest_route=\/wp\/v2\/posts\/223","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/noflyzone.pl\/index.php?rest_route=\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/noflyzone.pl\/index.php?rest_route=\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/noflyzone.pl\/index.php?rest_route=\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/noflyzone.pl\/index.php?rest_route=%2Fwp%2Fv2%2Fcomments&post=223"}],"version-history":[{"count":1,"href":"https:\/\/noflyzone.pl\/index.php?rest_route=\/wp\/v2\/posts\/223\/revisions"}],"predecessor-version":[{"id":224,"href":"https:\/\/noflyzone.pl\/index.php?rest_route=\/wp\/v2\/posts\/223\/revisions\/224"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/noflyzone.pl\/index.php?rest_route=\/wp\/v2\/media\/239"}],"wp:attachment":[{"href":"https:\/\/noflyzone.pl\/index.php?rest_route=%2Fwp%2Fv2%2Fmedia&parent=223"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/noflyzone.pl\/index.php?rest_route=%2Fwp%2Fv2%2Fcategories&post=223"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/noflyzone.pl\/index.php?rest_route=%2Fwp%2Fv2%2Ftags&post=223"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}