Проект «Фрактал»: децентрализованная сеть обнаружения и поражения беспилотных летательных аппаратов (БПЛА)
- -
- 100%
- +
Человеческое ухо определяет направление на источник звука благодаря тому, что звук приходит к левому и правому уху с разной задержкой и разной громкостью. Мозг анализирует эти микроскопические различия и строит пространственную картину. Микрофонная решётка работает по тому же принципу, но с гораздо большей точностью и в трёх измерениях.
В нашей системе на каждом узле используется тетраэдрическая решётка из четырёх MEMS-микрофонов. Почему именно тетраэдр — четырёхгранник с микрофонами в каждой вершине? Плоские решётки, где все микрофоны лежат в одной плоскости, страдают фундаментальным ограничением: они не могут однозначно определить угол места (высоту) источника звука. Для них все направления «вверх» и «вниз» относительно плоскости выглядят одинаково. Тетраэдрическая конфигурация решает эту проблему: три измерения пространства требуют как минимум четырёх точек, не лежащих в одной плоскости. Четыре микрофона, расположенных в вершинах правильного тетраэдра, дают ровно столько независимых парных разностей, сколько нужно для однозначного определения азимута и угла места источника звука.
Как это работает на физическом уровне.
Когда звуковая волна от дрона достигает микрофонной решётки, она приходит к каждому из четырёх микрофонов в разное время — с задержками, зависящими от расстояния между микрофонами и направления на источник. Эти задержки составляют микросекунды, но современные MEMS-микрофоны с частотой дискретизации 44,1 кГц и выше способны их зафиксировать.
Алгоритм пеленгации использует метод TDOA (Time Difference of Arrival) — разности времени прихода сигнала. Для каждой пары микрофонов вычисляется взаимно-корреляционная функция, пик которой соответствует временной задержке между ними. Имея шесть независимых парных задержек (для четырёх микрофонов), система решает систему уравнений и определяет направление на источник в трёхмерном пространстве.
Для повышения точности в сложных акустических условиях — при отражениях от зданий, земли и других объектов — могут применяться более сложные алгоритмы, включая байесовские фильтры и модели гауссовых смесей, которые эффективно подавляют многолучевую интерференцию.
Современные полевые испытания показывают, что такие системы способны определять направление на квадрокоптер с точностью до ±1° по азимуту и углу места на дистанции до 200 метров. Для более крупных аппаратов с фиксированным крылом точность сохраняется на дистанциях до 400 метров.
Спектральный портрет дрона
Обнаружить звук — это только полдела. Гораздо важнее понять, что именно издаёт этот звук. Шум автомобильного двигателя, лай собаки, работа строительной техники, крики птиц — городской акустический ландшафт полон звуков, которые могут быть ошибочно приняты за дрон. И здесь на помощь приходит спектральный анализ — способность системы «видеть» звук так, как его не видит человеческое ухо.
Как устроен акустический сигнал дрона.
Звук, издаваемый например мультироторным дроном, имеет сложную структуру.
Её можно разделить на две основные составляющие:
1. Дискретные (гармонические) составляющие — это тональные компоненты на частотах, кратных частоте вращения винтов. Для четырёхлопастного винта основная частота шума вращения равна частоте вращения, умноженной на число лопастей. Первые пять гармоник этой частоты дают наиболее заметный вклад в общий акустический портрет. Именно эти гармоники создают тот самый характерный «жужжащий» звук, по которому мы безошибочно узнаём дрон.
2. Широкополосная составляющая — это аэродинамический шум, создаваемый турбулентностью воздушного потока вокруг лопастей, а также шум от электродвигателей (аэродинамический, магнитный и механический). Этот компонент занимает широкий диапазон частот и создаёт «шумовую подушку», на фоне которой выделяются дискретные гармоники.
Каждый тип дрона имеет свой уникальный спектральный портрет.
Он зависит от множества факторов:
- Числа лопастей и винтов — четырёхлопастные винты дают иной спектр, чем двухлопастные; квадрокоптеры с четырьмя винтами создают сложную интерференционную картину.
- Частоты вращения — разные режимы полёта (зависание, набор высоты, скоростной полёт) меняют спектр.
- Типа двигателей — бесколлекторные электродвигатели имеют свой характер шума.
- Конструктивных особенностей — даже дефекты лопастей влияют на спектральный портрет.
Именно эта уникальность делает возможным классификацию дрона по звуку. Нейросеть на NPU, получая Mel-спектрограмму — визуальное представление звукового сигнала в частотно-временной плоскости — сравнивает её с эталонными спектральными портретами, хранящимися в памяти. Современные системы на основе свёрточных нейросетей, обученные на миллионах аудиосэмплов, достигают точности идентификации типа дрона не менее 95%.
Mel-спектрограмма: почему именно она.
Человеческий слух воспринимает частоты нелинейно — мы лучше различаем низкие частоты, чем высокие. Mel-шкала была разработана именно для того, чтобы отражать это восприятие. Mel-спектрограмма — это представление звука, где частотная ось масштабирована по Mel-шкале, что делает её идеальной для задач распознавания: нейросеть «слышит» звук так же, как его слышит человек, но с гораздо большей детализацией.
В нашей системе NPU на каждом узле строит Mel-спектрограмму размером 128×128 точек прямо на месте съёма данных и пропускает её через лёгкую свёрточную нейросеть. Результат — не просто «да/нет», а вероятность принадлежности к определённому типу дрона с указанием уровня доверия.
Дистанция и влияние фоновых помех
Акустическое обнаружение имеет одно фундаментальное ограничение: звук затухает с расстоянием. И это затухание подчиняется суровым законам физики, которые нельзя обойти никакими алгоритмами.
Дальность обнаружения: от чего она зависит.
Ожидаемая дальность акустического обнаружения определяется соотношением сигнал-шум между акустической мощностью винтов дрона и уровнем фонового шума окружающей среды. Это соотношение масштабируется пропорционально квадратному корню из отношения сигнал/шум. Проще говоря, чтобы удвоить дальность обнаружения, мощность звука дрона должна вырасти в четыре раза, либо уровень фонового шума должен упасть в четыре раза.
В реальных условиях цифры выглядят так:
- В тихой обстановке (фоновый шум около 0 дБ, что практически недостижимо в полевых условиях) дальность обнаружения может достигать 1 км.
- В спокойной городской среде система надёжно обнаруживает малые квадрокоптеры на 200 метрах.
- Крупные дроны с двигателями внутреннего сгорания обнаруживаются на 4–5 км.
- FPV-дроны — самые маленькие и тихие — распознаются на дистанции от 300 до 500 метров.
Эти цифры объясняют, почему акустика в нашей системе не работает в одиночку. На дистанциях свыше 200–500 метров звук дрона может быть слишком слабым для надёжного обнаружения, особенно на фоне городского шума. Но именно здесь в дело вступает радар, который видит объект на километры вперёд. Акустика же выполняет свою роль на «финишной прямой» — когда дрон уже приблизился к охраняемому объекту и требует точной классификации и пеленгации.
Главный враг — фоновый шум.
Уровень фонового шума — это второй по значимости параметр, влияющий на дальность обнаружения (после мощности самого дрона). И здесь система сталкивается с серьёзными вызовами:
- Городской шум — транспорт, стройки, промышленные объекты создают мощный акустический фон, маскирующий сигнал дрона.
- Погодные условия — дождь, ветер, снег создают собственный шум, который может перекрыть звук винтов.
- Акустические помехи — отражения от зданий, земли, деревьев создают многолучевость, искажающую сигнал.
Для борьбы с этими помехами в системе используются несколько уровней защиты:
1. Пространственная фильтрация — тетраэдрическая решётка позволяет сформировать диаграмму направленности, подавляющую звуки, приходящие с других направлений.
2. Спектральная фильтрация — нейросеть обучена отличать спектральный портрет дрона от шумов города даже при низком соотношении сигнал-шум.
3. Верификация по сети — если один узел «слышит» подозрительный сигнал, но не уверен, он запрашивает подтверждение у соседей. Если три узла в разных точках зафиксировали один и тот же спектральный профиль в одном направлении — ложная тревога практически исключена.
Критерий слышимости.
Существует эмпирическое правило: беспилотный летательный аппарат становится акустически обнаруживаемым, когда его уровень шума превышает природный фон на 3 дБА. Это означает, что даже небольшое превышение фона уже даёт системе шанс на обнаружение — при условии, что нейросеть правильно «узнает» спектральный портрет.
Именно поэтому в нашей системе акустический датчик — это не просто «микрофон», а полноценный вычислительный модуль. MEMS-микрофоны с частотой дискретизации 44,1 кГц и динамическим диапазоном не менее 80 дБ собирают данные. MCU буферизует аудиопоток и передаёт его на NPU. NPU строит Mel-спектрограмму, прогоняет её через нейросеть и за миллисекунды выдаёт вердикт: есть дрон или нет, и если есть — какой именно.
Акустическое обнаружение не заменит радар. Но оно даёт системе то, чего не даёт ни один радар: способность опознать дрон по «голосу», точно определить его тип и подтвердить, что в небе — не птица, не облако и не ложная цель. В сочетании с радаром, RF-детектором и тепловизором акустика превращается из слабого звена в один из столпов сенсорной фузии — «слух» системы, который слышит то, чего не видят остальные.
Глава 6. Радиочастотный детектор — «перехватчик» радиоголосов
В предыдущей главе мы говорили об акустическом «слухе» системы — способности слышать дрон по звуку его винтов. Но у каждого дрона есть ещё один «голос», который он не всегда может скрыть, — это его радиоизлучение. Большинство беспилотных аппаратов управляются по радиоканалу, передают телеметрию и видеосигнал. И этот радиоголос — ценнейший источник информации для системы обнаружения.
Радиочастотный (RF) датчик в нашей сети выполняет роль пассивного перехватчика. Он ничего не излучает, не демаскирует себя, не создаёт помех. Он просто слушает эфир — и когда дрон «говорит», RF-датчик слышит его, идентифицирует и определяет направление. Это делает RF-обнаружение одним из самых надёжных и информативных методов пассивной разведки в арсенале противодроновой обороны.
Пассивное сканирование: как перехватчик слышит эфир
Современные дроны используют для связи несколько основных частотных диапазонов. Выбор конкретной частоты зависит от задач аппарата, его размера и требуемой дальности управления. Наш RF-датчик перекрывает все ключенные диапазоны, в которых работают подавляющее большинство гражданских и многих военных БПЛА.
433 МГц — это «дальнобойный» диапазон. Сигналы на этой частоте обладают отличной проникающей способностью, огибают препятствия и сохраняют мощность на дистанциях до нескольких километров. Здесь работают многие системы дальнего управления, телеметрии и некоторые типы радиомаяков. Однако пропускная способность этого диапазона невелика, поэтому для передачи видео он практически не используется.
900 МГц (в России — 868–915 МГц) — ещё один «дальний» диапазон, который активно применяется в системах управления коммерческими и промышленными дронами. Он обеспечивает хороший компромисс между дальностью и скоростью передачи данных. Многие производители выбирают именно этот диапазон для своих аппаратов средней дальности.
2.4 ГГц — это, без преувеличения, «сердце» радиоуправления дронами. Именно здесь работают подавляющее большинство пультов управления, систем телеметрии и некоторые видеопередатчики. Но у этого диапазона есть один серьёзный недостаток: он переполнен. Wi-Fi, Bluetooth, микроволновые печи и тысячи других устройств создают мощный фоновый шум, в котором сигнал дрона может затеряться. Задача RF-датчика — не просто обнаружить наличие сигнала в этом хаосе, а выделить из него именно тот, который принадлежит дрону.
5.8 ГГц — основной диапазон для передачи видеосигнала с дрона. Здесь и FPV-каналы, и системы высокоскоростной передачи данных. Этот диапазон обладает высокой пропускной способностью, но его сигналы хуже проникают сквозь препятствия и быстрее затухают с расстоянием.
Современные коммерческие RF-детекторы перекрывают диапазон от 70 МГц до 6 ГГц, что позволяет обнаруживать сигналы управления практически всех существующих типов дронов. Наш датчик построен по тому же принципу: он постоянно сканирует эти диапазоны, фиксируя любые сигналы, превышающие порог чувствительности.
Как организовано сканирование.
RF-датчик может быть реализован двумя способами. Первый — на основе широкополосного SDR-приёмника (Software Defined Radio), который оцифровывает весь диапазон сразу и передаёт данные на NPU для анализа. Второй — на основе специализированного чипа-детектора с перестройкой частоты, который последовательно «просматривает» узкие участки спектра.
В нашей системе используется гибридный подход: широкополосный приёмник с быстрым переключением между ключевыми диапазонами. Это позволяет одновременно отслеживать активность на всех критичных частотах. При обнаружении сигнала выше порога формируется спектрограмма «частота–время» — визуальное представление того, как меняется спектр сигнала во времени. Именно эта спектрограмма отправляется на NPU для идентификации.
Чувствительность приёмника должна быть не хуже –100 дБм — это уровень, достаточный для обнаружения даже слабых сигналов с дронов, находящихся на значительном удалении. Скорость сканирования выбирается такой, чтобы гарантированно захватывать кратковременные пакеты данных, включая быстрые Frequency Hopping Spread Spectrum (FHSS) сигналы, которые постоянно меняют частоту.
Идентификация типа управления и телеметрии
Обнаружить радиосигнал — это только первый шаг. Гораздо важнее понять, кому принадлежит этот сигнал и что он означает. Здесь на помощь приходит распознавание RF-«отпечатков» — уникальных характеристик сигналов, по которым можно идентифицировать не только тип дрона, но даже конкретную модель или производителя.
Какие сигналы излучает дрон.
У большинства коммерческих и многих военных БПЛА есть три основных типа радиосигналов:
1. Сигнал управления (uplink) — идёт от пульта оператора к дрону. Содержит команды на изменение скорости, направления, высоты и других параметров полёта. Обычно это короткие пакеты данных, передаваемые с высокой частотой.
2. Сигнал телеметрии (downlink) — передаётся от дрона к оператору. Содержит информацию о координатах, высоте, скорости, заряде батареи, статусе двигателей и других параметрах.
3. Видеосигнал — передаёт изображение с бортовой камеры. Это самый «тяжёлый» тип сигнала, требующий высокой пропускной способности. Часто передаётся на отдельной частоте (например, 5.8 ГГц).
Каждый из этих сигналов имеет свои характерные особенности: тип модуляции, структуру пакетов, частоту следования, шаблонных перескоков (для FHSS). Современные системы RF-идентификации используют паттерн-распознавание — методы, которые выделяют повторяющиеся структуры в передачах дрона и позволяют отличить управляющие команды от телеметрии и видеосигнала.
Как нейросеть на NPU идентифицирует дрон.
На каждом узле нашей сети NPU получает спектрограмму RF-сигнала и анализирует её с помощью лёгкой свёрточной нейросети. Нейросеть обучена распознавать:
- Тип модуляции — например, FHSS (Frequency Hopping Spread Spectrum) для многих современных пультов или OFDM для видеосигналов.
- Протокол — DJI OcuSync, ExpressLRS, Crossfire, ELRS и другие.
- Производителя — по уникальным «почеркам» сигналов, которые отличаются у разных брендов.
- Конкретную модель — при достаточной базе данных.
RF-идентификация настолько точна, что некоторые системы способны различать до 17 различных моделей дронов по их RF-сигнатурам. В условиях плотного эфира, где 2.4 ГГц переполнен Wi-Fi и Bluetooth-сигналами, нейросеть способна выделить именно дроновый сигнал по его уникальным спектральным и временным характеристикам.
Важно понимать: RF-датчик не просто даёт ответ «дрон/не дрон». Он предоставляет полный профиль — тип управления, протокол, производителя, модель и, что критически важно, уровень доверия к этому определению. Эта информация передаётся в сеть вместе с треком и используется для принятия решений — как тактических, так и стратегических.
Проблема «молчащих» дронов — и как сеть компенсирует это
У RF-обнаружения есть один фатальный недостаток: оно работает только тогда, когда дрон излучает. Если дрон «молчит» — если он не передаёт ни управляющих сигналов, ни телеметрии, ни видео — RF-датчик становится бесполезным.
Именно такие аппараты называют «тёмными» дронами (dark drones) или RF-silent дронами. Они не излучают радиочастотных сигналов или электронных подписей, что делает их чрезвычайно сложными для традиционных систем обнаружения. Эти угрозы уже широко применяются в современных конфликтах, и представляют собой одну из самых сложных задач в сфере противодействия БПЛА.
Откуда берутся «молчащие» дроны.
Существует несколько сценариев, при которых дрон не излучает радиосигналов.
Первый и самый очевидный — полностью автономный полёт. Дрон получает задание до старта, загружает карту маршрута и выполняет его, ориентируясь исключительно на встроенные датчики — камеры, инерциальные системы, иногда — на спутниковую навигацию. Радиосвязь с оператором не используется. Такие аппараты практически невозможно обнаружить средствами радиоэлектронной разведки.
Второй сценарий — режим радиомолчания, когда оператор намеренно отключает все передатчики на борту, чтобы скрыть дрон от систем RF-обнаружения. Дрон может лететь по заранее заданному маршруту, а связь восстанавливается только в критический момент — например, для подтверждения цели.
Третий — использование оптоволоконной линии связи вместо радиоканала. В этом случае сигнал управления и телеметрия передаются по оптоволоконному кабелю, который разматывается с дрона в полёте. Такой дрон не излучает вообще ничего, оставаясь невидимым для любых RF-детекторов.
Четвёртый сценарий — электромагнитная тишина как тактический приём. Группа дронов может выполнять полёт в режиме полного радиомолчания, обмениваясь данными только между собой по узконаправленным каналам или вообще без обмена, действуя по заранее согласованному алгоритму.
Почему это проблема для традиционных систем.
Большинство существующих C-UAS (Counter-Unmanned Aircraft Systems) решений полагаются на RF-обнаружение как на основной или один из основных методов идентификации угроз. Когда дрон перестаёт излучать, эти системы «слепнут». Они могут зафиксировать объект радаром, но не могут его классифицировать — понять, что это именно дрон, а не птица или облако. А без классификации невозможно принять решение о противодействии.
Именно здесь архитектура нашей сети проявляет свои ключевые преимущества.
Как сеть компенсирует «молчание» дрона.
В проекте «Фрактал» RF-датчик — это один из четырёх, но не единственный. Когда дрон «молчит», его всё равно можно обнаружить другими способами:
- Радар видит движущийся объект, определяет его координаты и скорость. Даже если дрон не излучает, он отражает радиоволны.
- Акустика слышит звук винтов. Даже самый тихий дрон создаёт акустический шум, который можно зафиксировать на определённой дистанции.
- Тепловизор (на командном узле) видит тепловой след от моторов и электроники.
Но главное — это протокол трек-верификации. Когда один узел обнаруживает объект по радару, но RF-датчик молчит (а значит, нет уверенности в классификации), он не объявляет тревогу в одиночку. Вместо этого он отправляет запрос соседям: «Я вижу объект в секторе таком-то. У вас есть акустическое или RF-подтверждение?»
Если три соседних узла в тот же момент зафиксировали акустический сигнал в том же направлении — цель считается реально существующей, даже если RF-каналы молчат. Если один из соседних узлов «услышал» RF-сигнал — классификация становится точной. Если ни один RF-датчик не слышит ничего, а акустика не даёт уверенного результата — система может запросить подтверждение у командного узла с тепловизором, который наведёт оптику в указанную точку.
Таким образом, RF-датчик в нашей системе — это не «всё или ничего». Это один из голосов в хоре. Когда он молчит, другие голоса продолжают звучать. И именно коллективное решение сети позволяет отличить «молчащий» дрон от ложной цели.
Исследования показывают, что для полного подавления всех каналов обнаружения «тёмному» дрону нужно одновременно избегать радиолокационного отражения (что практически невозможно для аппарата с винтами), акустического излучения (что требует практически бесшумных двигателей) и теплового следа (что невозможно без специального охлаждения). В ближайшие годы появление дронов, невидимых одновременно для всех четырёх типов сенсоров, маловероятно.
RF-детектор как элемент сетевой разведки
Помимо прямой задачи обнаружения, RF-датчик выполняет ещё одну важную функцию — сбор разведывательной информации о противнике.
Когда система фиксирует RF-сигнал от дрона, она не просто отмечает его присутствие.
Она запоминает:
- Тип сигнала и протокол — это позволяет понять, какое оборудование использует противник.
- Модель дрона — даёт представление о его возможностях (дальность, полезная нагрузка, автономность).
- Паттерны поведения — например, характерные интервалы между пакетами телеметрии могут указывать на определённые тактические приёмы.
Эта информация агрегируется на уровне «Команды» и может использоваться для стратегического анализа: выявления новых типов угроз, прогнозирования маршрутов, адаптации правил ведения огня.
Более того, собранные RF-данные позволяют обновлять модели NPU по всей сети. Если вышестоящий штаб выявил новый тип дрона с неизвестным ранее RF-профилем, его «цифровой портрет» может быть рассчитан и распространён по всем узлам через спутниковый канал. В следующий раз, когда этот дрон появится в зоне действия сети, его идентифицируют мгновенно.
Электромагнитная совместимость: когда радар и RF-датчик мешают друг другу
В завершение — важное техническое замечание. В нашей системе на одном узле одновременно работают радар (который излучает) и RF-датчик (который принимает). Это создаёт потенциальный конфликт: мощный импульс радара может перегрузить входные цепи RF-приёмника и вывести его из строя или, как минимум, сделать его «слепым» на время работы радара.
Для решения этой проблемы в архитектуре предусмотрены два механизма:
1. Физическое разнесение — антенны радара и RF-датчика размещаются на максимально возможном расстоянии друг от друга и экранируются.
2. Временная синхронизация — в момент излучения радарного импульса RF-вход блокируется аттенюатором (ослабителем сигнала), защищая малошумящий усилитель (LNA) от перегрузки. Это делается аппаратно, по сигналу от MCU, с задержкой в микросекунды.
Такое решение позволяет радару и RF-датчику работать практически одновременно, не мешая друг другу, и обеспечивает непрерывное покрытие всеми четырьмя сенсорными каналами.
RF-детектор — это «радиослух» системы, её способность слышать то, что не видят радар и тепловизор. Он даёт точную идентификацию, определяет тип управления и модель дрона, собирает разведывательную информацию. Но он не самодостаточен. Именно в комбинации с другими сенсорами — радаром, акустикой, тепловизором — и в рамках децентрализованной сети с протоколом трек-верификации RF-обнаружение превращается из уязвимого звена в один из столпов системы, способной видеть даже «молчащие» угрозы.
Глава 7. Тепловизор — зрение в темноте
Среди всех четырёх типов сенсоров, составляющих сенсорную фузию проекта «Фрактал», тепловизор занимает особое место. Радар видит далеко, но не знает, что именно он видит. Акустика слышит «голос» дрона, но глуха на дистанции. RF-датчик перехватывает радиосигналы, но бессилен против «молчаливых» аппаратов. Тепловизор же — единственный сенсор, который в равной степени эффективен и днём, и ночью, в тумане и в дыму, против движущихся и зависших целей. Он не просто дополняет другие датчики — он становится тем самым «арбитром», который в спорных ситуациях выносит окончательный вердикт: есть угроза или нет.