Detection of radar signals scattered by acoustic disturbances generated by UAVs
DOI:
https://doi.org/10.30837/rt.2021.4.207.12Keywords:
UAV acoustic radiation, radar acoustic packages, a priori uncertainty, central chi-square distribution, off-center chi-square distribution, statistical accumulation, energy approach, threshold detectorAbstract
The problem of UAV radar monitoring by its acoustic radiation is considered. It is shown that in a number of practical cases such an approach is preferable to observation by radar methods directly from the UAV airframe. It is noted that the radio signals scattered by acoustic packets from the UAV are characterized by an unknown in advance complex envelope, which does not allow the use of optimal filtering methods for their detection and estimation. It is shown that to solve these problems, it is advisable to use the principle of accumulation over the observation interval of the energy of a narrow-band random process reduced to the noise dispersion, using the statistical differences between noise fluctuations and the additive "signal-plus-noise" mixture. It is shown that the energy estimate reduced to noise has either a central or an off-center "chi-square" distribution with a certain number of degrees of freedom and an off-center parameter greater than or equal to zero. As a result of comparing the current value of the no centrality parameter with the threshold value, a decision is made on the presence or absence of a useful signal in the observation interval with minimal a priori information about its parameters. It is noted that the well-known expressions for the differential probability densities of the central and non-central chi-square distributions allow one to obtain qualitative estimates of the synthesized detector. A practical structural diagram of a detector using processing of received oscillations in quadrature channels is proposed.
References
Карташов В.М., Олейников В.Н., Шейко С.А., Бабкин С.И., Коритцев И.В., Зубков О.В. Особенности обнаружения и распознавания малых беспилотных летательных аппаратов // Радиотехника. 2018. Вып. 195. С.235-243.
Карташов В.М., Олейников В.Н., Воронин В.В., Рябуха В.П., Капуста А.И., Рыбников Н.В., Селезнев И.С. Методы комплексной обработки и интерпретации радиолокационных, акустических, оптических и инфракрасных сигналов беспилотных летательных аппаратов // Радиотехника. 2020. Вып. 202. С. 173-182.
Карташов В.М., Олейников В.Н., Леонидов В.И., Воронин В.В., Капуста А.И., Селезнев И.С., Першин Е.В. Комплексная обработка сигналов интегрированной системы наблюдения беспилотных летательных аппаратов с использованием целеуказания // Радіотехніка. 2020. Вип. 203. С. 148-161.
Карташов В.М., Олейников В.Н., Шейко С.А., Бабкин С.И., Корытцев И.В., Зубков О.В. Особенности обнаружения и распознавания малых беспилотных летательных аппаратов // Радиотехника. 2018. Вып. 195. С. 235-243.
Макаренко С. И., Тимошенко А. В., Васильченко А. С. Анализ средств и способов противодействия беспилотным летательным аппаратам. Ч. 1. Беспилотный летательный аппарат как объект обнаружения и поражения // Системы управления, связи и безопасности. 2020. № 1. С. 109-146.
Molchanov P., Harmanny R.I., de Wit J.J., Egiazarian K., Astola J. Classification of small UAVs and birdsby micro-Doppler signatures // J. Microw. Wirel. Technol. 2014. 6:435–444.
Карташов В.М., Олейников В.Н., Шейко С.А., Бабкин С.И., Корытцев И.В., Зубков О.В., Анохин М.А. Информационные характеристики звукового излучения малых беспилотных летательных аппаратов // Радиотехника. 2017. Вып. 191. С. 181-187.
Красненко М.П. Акустическое зондирование атмосферы. Новосибирск : Наука СО, 1986. 167с.
В.М. Карташов, О.И. Харченко, В.А. Посошенко, В.И. Колесник, А.И. Капуста, А.Б. Егоров, Л.П. Ти-мошенко Обнаружение беспилотных летательных аппаратов с ипользованием рассеяния радиоволн на акустических возмущениях среды, создаваемых летательным аппаратом // Радіотехніка. 2021. Вип. 206.
Aker C., Kalkan S. Using deep networks for drone detection // Proceedings of the 2017 14th IEEEInternational Conference on Advanced Video and Signal Based Surveillance (AVSS); Lecce, Italy. 29 August–1September 2017. P. 1–6.
Теодорович Н.Н., Строганова С.М., Абрамов П.С. Способы обнаружения и борьбы с малогабаритными беспилотными летательными аппаратами // Интернет-журнал “Науковедение”. 2017. Т.9, №1. http://naukovedenie.ru/PDF/13TVN117.pdf.
Даник Ю.В, Бугайов М.В. Аналіз ефективності виявлення тактичних безпілотних літальних апаратів пасивними та активними засобами спостереження // Зб. наук. праць ЖВІ ДУТ. Інформаційні сис-теми’15. 2015. Вип.10. С.5-20.
Marino L. Experimental analysis of UAV-propellers noise // 16th AIAA/CEAS Aeroacoustics Conference. University «La Sapienza», Rome, Italy. American Institute of Aeronautics and Astronautics, 2010. P. 1-14.
Beel J. J. Anti-UAV Defense For Ground Forces and Hypervelocity Rocket Lethality Models. Monterey, California : Naval Postgr aduate School, 1992. Р. 36–46.
.Moses А. Radar-based detection and identification for minia ture air vehicles / A. Moses, M.J.Rutherford, K.P. Valavanis // IEEE International Conference on Control Applications.
Даник Ю.Г., Пулеко І.В., Бугайов М.В. Виявлення безпілотник літальних апаратів на основі аналізу акустичних та радіолокаційних сигналів // Вісник ЖДТУ. 2014. № 4 (71). С.71- 80
Самохин В. Ф. Экспериментальное исследование источников шумности беспилотного летательного аппарата с винто-кольцевым движителем в толкающей компоновке / В.Ф. Самохин, С.П. Остроухов, .А. Мошков // Электронный журнал «Труды МАИ». 2012. Вып. № 70. С.1–24.
Zaslavsky Yu. M., Zaslavsky V. Yu. Acoustic noise of a low flying quadrocopter // NOUSE Theory and Practice. V.5, №3, 2019. P. 21-27.
Карташов В.М., Посошенко В.О., Воронин В.В., Колесник В.И., Капуста А.И., Рибников Н.В., Пер-шин Е.В. Методы обнаружения-распознавания радиолокационных, акустических, оптических и инфракрасных сигналов беспилотных летательных аппаратов // Радиотехника. 2021. Вып. 205. С.138 – 153.
Sinibaldi G., Marino L. Experimental analysis on the noise of the propellers for small UAV // Applied Acoustics, 74 (2013). P. 79–88.
Дистанционные методы и средства исследования процессов в атмосфере Земли ; под ред. Б.Л. Кащее-ва, Е.Г. Прошкина, М.Ф. Лагутина. Харьков : Бизнес Информ, 2002. 426 с.
Saqib M., Khan S.D., Sharma N., Blumenstein M. A study on detecting drones using deep convolutional neural networks // Proceedings of the 2017 14th IEEE International Conference on Advanced Video and Signal Based Surveillance (AVSS). Lecce, Italy. 29 August–1 September 2017.
Park S., Shin S., Kim Y., Matson E.T., Lee K., Kolodzy P.J., Slater J.C., Scherreik M., Sam M., GallagherJ.C., et al. Combination of radar and audio sensors for identification of rotor-type unmanned aerial vehicles (uavs) //Proceedings of the 2015 IEEE SENSORS; Busan, Korea. 1–4 November 2015. P. 1–4.
Кошкин Р.П. Беспилотные авиационные системы. Москва : Стратегические приоритеты, 2016. 676 с.
Harmanny R., De Wit J., Cabic G.P. Radar micro-Doppler feature extraction using the spectrogram and thecepstrogram // Proceedings of the 2014 11th European Radar Conference; Cincinnati, OH, USA. 11–13 October 2014P. 165–168.
De Wit J., Harmanny R., Molchanov P. Radar micro-Doppler feature extraction using the singular value decomposition// Proceedings of the 2014 International Radar Conference. Lille, France. 13–17 October 2014. P. 1–6.
Дистанционные методы и средства исследования процессов в атмосфере Земли ; под ред. Б.Л. Кащеева, Е.Г. Прошкина, М.Ф. Лагутина. Харьков : Бизнес Информ, 2002. 426 с.
Калистратова М.А., Кон А.И. Радиоакустическое зондирование атмосферы. Москва : Наука, 1985. 200 с.
Oh B.S., Guo X., Wan F., Toh K.A., Lin Z. Micro-Doppler mini-UAV classification using empiricalmodedecomposition features // IEEE Geosci. Remote Sens. Lett. 2017. 15:227–231.
Mendis G.J., Randeny T., Wei J., Madanayake A. Deep learning based doppler radar for micro UASdetection and classification // Proceedings of the MILCOM 2016-2016 IEEE Military Communications Conference.Baltimore, MD, USA. 1–3 November 2016. P. 924–929.
Simonyan K., Zisserman A. Very deep convolutional networks for large-scale image recognition. arXiv.20141409.1556.
Opromolla R., Fasano G., Accardo D. A Vision-Based Approach to UAV Detection and Trackingin Cooperative Applications. Sensors. 2018. 8:3391.
Урковиц. Обнаружение неизвестных детерминированных сигналов по энергии // ТИИЭР. 1967. Т.55, №4. С. 50-59.
В.С. Королюк, Н.И. Портенко, А.В. Скороход, А.Ф. Турбин. Справочник по теории вероятностей и математической статистике. Москва : Наука. Гл. ред. физ.-мат. лит., 1985. 640 с.
Куликов Е.И. Методы измерений случайных процессов. Москва : Радио и связь, 1986. 272с.
Downloads
Published
How to Cite
Issue
Section
License
Authors who publish with this journal agree to the following terms:
1. Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
2. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).
