Проект «Фрактал»: децентрализованная сеть обнаружения и поражения беспилотных летательных аппаратов (БПЛА)
- -
- 100%
- +
Неохлаждаемый микроболометр — тихая революция
Чтобы понять, почему тепловизор стал доступным для массового применения в системах противодроновой обороны, нужно разобраться в том, как работают тепловизионные датчики вообще. Исторически сложилось так, что высокочувствительные тепловизоры требовали криогенного охлаждения — детектор нужно было охлаждать до температур жидкого азота (около 196 °C), чтобы минимизировать собственный тепловой шум и добиться максимальной чувствительности. Такие системы дают впечатляющие результаты: чувствительность до 5–10 мК (милликельвинов), способность различать мельчайшие перепады температур. Но цена этого преимущества — сложность, вес, энергопотребление и стоимость. Охлаждаемый тепловизор — это не просто камера, это целая инфраструктура: криогенный двигатель, трубки, хладагент, регулярное обслуживание. Такой прибор может стоить в 5–20 раз дороже неохлаждаемого аналога. Один охлаждаемый тепловизор для систем безопасности обходится примерно в $20 000, тогда как неохлаждаемый — около $500.
Неохлаждаемый микроболометр работает по совершенно иному принципу. Вместо того чтобы регистрировать отдельные фотоны инфракрасного излучения (как это делают охлаждаемые детекторы), микроболометр измеряет изменение температуры термоизолированной мембраны, которая нагревается под действием падающего инфракрасного излучения. Каждый пиксель матрицы — это микроскопический «термометр», который меняет своё электрическое сопротивление в зависимости от температуры. Такие детекторы работают при комнатной температуре и не требуют никакого охлаждения.
У этой технологии есть свои ограничения: чувствительность неохлаждаемых микроболометров ниже, чем у охлаждаемых систем (типичные значения — около 40 мК против 5–10 мК). Однако для задач обнаружения дронов этой чувствительности более чем достаточно: тепловой след от работающих моторов и электроники дрона значительно превышает порог обнаружения.
Что даёт неохлаждаемый микроболометр системе «Фрактал»:
- Малый вес и компактность. Отсутствие криогенного оборудования позволяет встраивать тепловизор в мобильный узел без ущерба для его подвижности.
- Низкое энергопотребление. В то время как охлаждаемые системы потребляют десятки ватт только на поддержание температуры, неохлаждаемый микроболометр укладывается в 1 Вт в активном режиме, что критично для автономной работы узла от аккумулятора.
- Надёжность и отсутствие обслуживания. Нет движущихся частей, нет хладагента, нет регулярных замен фильтров и компрессоров.
- Мгновенная готовность. Охлаждаемому детектору требуется время, чтобы достичь рабочей температуры. Микроболометр готов к работе сразу после включения.
- Стоимость. Это, пожалуй, самый важный фактор. Современные тепловизоры на основе неохлаждаемых микроболометров с разрешением 640×512 пикселей и частотой 60 Гц становятся доступными для массового применения. Стоимость качественного тепловизора, способного обнаружить дрон самолетного типа на дистанции до 8 км, оценивается в $7 000–8 000 (примерно 600–700 тыс. рублей) — и эта цена продолжает снижаться по мере развития технологий.
В системе «Фрактал» используется тепловизор с разрешением не менее 640×512 пикселей, частотой кадров 60 Гц и чувствительностью не хуже 20 мК — характеристики, которые полностью обеспечивают все задачи по обнаружению и верификации дронов.
Подтверждение цели в тумане, ночью и при маскировке
Оптические камеры, работающие в видимом диапазоне, — это глаза системы. Но у этих глаз есть серьёзные ограничения: они слепнут в темноте, беспомощны в тумане и легко обманываются маскировкой. Тепловизор решает все эти проблемы.
Ночь — не помеха.
Инфракрасное излучение, которое регистрирует тепловизор, исходит от самих объектов — от их нагретых элементов. Дрон в полёте — это не просто механическая конструкция. Его двигатели нагреваются, электроника выделяет тепло, аккумуляторы работают в активном режиме. Всё это создаёт устойчивый тепловой контраст на фоне окружающей среды, особенно ночью, когда земля и воздух остывают. Именно поэтому тепловизоры стали основным инструментом ночной охоты на дроны — они видят то, что скрыто от человеческого глаза и любой оптической камеры.
Туман и дым — преодолимы.
В отличие от видимого света, длинноволновое инфракрасное излучение (диапазон 8–14 мкм) гораздо лучше проникает через взвешенные в воздухе частицы — капли воды, дым, пыль. Тепловизор «пробивает» лёгкую дымку и туман, обеспечивая детализацию, недоступную для обычной камеры. Комплексы на основе тепловизионных камер способны работать 24 часа в сутки — в полной темноте, в плотном тумане, в дыму и даже во время снегопада.
Маскировка — не гарантия безопасности.
Противник может попытаться скрыть дрон от тепловизора, используя теплоизоляционные материалы или специальные «плащи-невидимки», снижающие тепловую сигнатуру. Однако практика показывает, что дешёвые маскировочные решения часто дают обратный эффект: плохо продуманные теплоизоляционные покрытия создают на теле дрона холодные пятна, которые на фоне более тёплого окружения выглядят даже более контрастно, чем сам дрон без маскировки. В любом случае, даже если тепловая сигнатура дрона ослаблена, система «Фрактал» не полагается на один только тепловизор — он выступает в роли верификатора, а не первичного детектора. Если радар и акустика уже зафиксировали объект в определённой точке, тепловизор знает, куда смотреть, и может сфокусироваться на конкретном секторе, что многократно повышает вероятность обнаружения даже слабого теплового сигнала.
Как работает верификация на практике.
Когда узел-боец обнаруживает цель по радару и акустике, но не может её однозначно классифицировать (например, потому что RF-датчик «молчит», а акустический сигнал слаб), он отправляет запрос командному узлу (МОГ). Командный узел, получив координаты трека, за доли секунды наводит тепловизор в указанную точку. Тепловизор с частотой 60 кадров в секунду захватывает изображение, нейросеть на NPU командира анализирует тепловой портрет цели и выдаёт вердикт: это дрон, птица или ложная цель. Вся операция занимает миллисекунды — быстрее, чем дрон успеет изменить траекторию.
Почему тепловизор устанавливается только на командных узлах — экономическая логика
Самое дорогое, что есть в системе «Фрактал», — это тепловизор. И именно здесь архитектура проекта демонстрирует свою экономическую эффективность. В отличие от традиционных систем ПВО, где каждый пост охраны оснащается полным набором датчиков, включая дорогие тепловизоры, проект «Фрактал» предлагает гетерогенную модель: один командный узел с тепловизором на группу из 10–15 «бойцов», у которых тепловизора нет.
Почему это работает.
В логике обнаружения дронов тепловизор решает задачу верификации, а не первичного обнаружения. Первичное обнаружение обеспечивают радары и акустические датчики, которые установлены на каждом «бойце» и стоят на порядки дешевле. Если каждый «боец» будет оснащён тепловизором, стоимость системы вырастет в 10–15 раз без пропорционального роста эффективности, потому что:
1. Тепловизор не нужен постоянно. В большинстве сценариев радар и акустика дают достаточно информации для принятия решения. Тепловизор требуется только в сложных случаях — для подтверждения типа цели или для работы в экстремальных погодных условиях.
2. Один тепловизор покрывает зону всех «бойцов». Поскольку «бойцы» развёрнуты в пределах радиуса прямой видимости (до 1–2 км друг от друга), один командный узел с тепловизором может по запросу «заглянуть» в любой сектор, который видит любой из «бойцов».
3. Командный узел — мобильный. МОГ не привязана к одной точке. Она может перемещаться, оптимизируя зону покрытия тепловизора в зависимости от текущей угрозы.
Цифры, которые говорят сами за себя.
- Тепловизор с характеристиками, необходимыми для обнаружения дронов на дистанции до 8 км, стоит $7 000–8 000.
- Для сети из 10 узлов (1 «командир» + 9 «бойцов») стоимость тепловизионной части составляет $7 000–8 000.
- Если бы каждый из 10 узлов был оснащён тепловизором, стоимость выросла бы до $70 000–80 000 только за счёт тепловизоров.
Экономия — в 10 раз без потери функциональности.
Что даёт эта экономия.
Сэкономленные средства могут быть направлены на:
- Увеличение количества «бойцов». Вместо 10 узлов с тепловизорами можно развернуть 100 узлов с радарами и акустикой, кратно увеличив плотность сенсорного покрытия.
- Усиление средств поражения. Интеграция более эффективных систем перехвата на МОГ.
- Резервирование. Возможность иметь несколько МОГ в пределах одной сети, каждая со своим тепловизором, для повышения живучести.
Но есть и нюанс.
Фрактальная архитектура проекта предусматривает, что роль «командира» не является статичной. Если командный узел выходит из строя, его функции — включая тепловизионную верификацию — может взять на себя любой другой узел, на котором установлен тепловизор. В идеальной конфигурации система может иметь несколько МОГ с тепловизорами, распределённых по территории, что создаёт избыточность и ещё больше повышает надёжность. Но даже в этом случае количество тепловизоров в сети остаётся на порядок меньше, чем количество узлов-бойцов.
Итог экономической логики.
Тепловизор — это не роскошь, а стратегический ресурс. В системе «Фрактал» он размещается там, где приносит максимальную пользу, — на мобильной огневой группе, которая выступает центром принятия решений. «Бойцы» обеспечивают массовость и плотность покрытия, «Командир» — точность и верификацию. Один дорогой тепловизор на десять дешёвых сенсорных узлов — это не компромисс, а оптимальное распределение ресурсов, которое делает систему «Фрактал» одновременно и эффективной, и доступной для массового развёртывания.
Глава 8. Сенсорная фузия на практике
Каждый из четырёх датчиков системы «Фрактал» по отдельности — это инструмент с принципиальными ограничениями. Радар может «ослепнуть» из-за отражений от земли или не различить дрон и птицу. Акустика «глохнет» на ветру и при городском шуме. RF-датчик беспомощен против автономных дронов, которые вообще не излучают радиосигналов. Тепловизор даёт кристально чистую картинку, но стоит дорого и потому устанавливается только на командных узлах.
Современные угрозы устроены хитрее: автономные дроны, наводящиеся на цель по встроенной оптике и базе данных, вообще не излучают радиочастотных сигналов. Но именно в этом и заключается парадокс: ни один дрон не является полностью «тёмным». Он всегда издаёт звук, всегда отражает радиоволны и всегда выделяет тепло. Вопрос лишь в том, как собрать эти разрозненные «отпечатки» в единую картину.
Ответ — сенсорная фузия. Не просто параллельное использование разных датчиков, а их глубокая интеграция на уровне данных, решений и, что особенно важно, на уровне всей сети.
Четыре датчика — четыре роли в одном оркестре
Сенсорная фузия в системе «Фрактал» строится не как простая сумма показаний, а как иерархический процесс, где каждый датчик выполняет свою уникальную функцию на разных этапах обнаружения и верификации.
Радар — «дальномер» и «первый свидетель». Радар миллиметрового диапазона (около 60 ГГц) обеспечивает первичное обнаружение движущихся объектов на дистанции до нескольких километров. Он даёт координаты, скорость и направление движения. Но радар не знает, что именно он видит: дрон, птицу или просто облако. Его главная задача — заметить, что в воздухе что-то есть.
Более того, радар способен на большее. Анализируя микродоплеровский профиль — тончайшие изменения частоты отражённого сигнала, вызванные вращением винтов дрона, — нейросеть на NPU может отличить дрон от птицы ещё до того, как в дело вступят другие датчики. Вращающийся винт создаёт характерные модуляции сигнала, которых нет у машущего крыла. Исследования показывают, что классификация на основе микродоплеровских сигнатур может достигать точности от 96% до 100%. Но даже эта высокая точность не абсолютна — и здесь на сцену выходят остальные чувства системы.
Акустика — «классификатор по голосу». Когда радар зафиксировал объект, акустический датчик включается в работу. Микрофонная решётка улавливает звук винтов, NPU строит Mel-спектрограмму и сравнивает её с базой известных акустических портретов. Современные системы на основе свёрточных нейросетей способны различать десятки типов дронов с точностью более 97%. Акустика не просто подтверждает, что объект — это дрон. Она говорит, какой именно дрон: модель, размер, а иногда даже режим полёта.
Но у акустики есть ограничение по дальности: в реальных условиях она надёжно работает на дистанции 300–500 метров. На больших расстояниях звук затухает или маскируется фоновым шумом. Поэтому акустика — это датчик «финишной прямой», который вступает в игру, когда дрон уже приближается к охраняемому объекту, при ограниченной сети.
RF-датчик — «идентификатор свой-чужой». Радиочастотный детектор сканирует эфир в поисках сигналов управления и телеметрии в диапазонах 433 МГц, 900 МГц, 2,4 ГГц и 5,8 ГГц. Если дрон управляется по радиоканалу или передаёт телеметрию, RF-датчик не просто обнаруживает его — он может определить, модель и даже местоположение пилота.
Но ключевая функция RF-датчика в нашей системе — идентификация «свой-чужой». Дружественные дроны, оснащённые радиолокационным опознавателем, автоматически маркируются системой на высоте до 5 км и расстоянии до 100 км от запросчика. Это позволяет сети мгновенно отличать свои аппараты от вражеских и не тратить ресурсы на ложные тревоги.
Однако если дрон летит в полностью автономном режиме, без радиосвязи, RF-датчик «слепнет». Именно для этого сценария и нужны остальные три датчика.
Тепловизор — «арбитр» и «последнее слово». Тепловизор устанавливается только на командных узлах (МОГ) — он слишком дорог для массового развёртывания. Но его роль в системе уникальна: он обеспечивает верификацию высшего уровня. Когда «боец» обнаруживает цель, но не может её однозначно классифицировать (например, из-за того, что RF-датчик молчит, а акустика не уверена из-за шума), он отправляет запрос «командиру». Тот за доли секунды наводит тепловизор в указанную точку и подтверждает или опровергает угрозу.
Тепловизор видит тепловой след от моторов и электроники — и делает это в условиях, где другие датчики бессильны: ночью, в тумане, при плохой видимости. Это «судья», который выносит окончательный вердикт.
От разрозненных сигналов к единой картине: пошаговый сценарий
Представим, как эта четвёрка работает вместе в реальной боевой обстановке.
Шаг 1. Радар замечает движение. На расстоянии 1,5 км от охраняемого объекта радар одного из узлов-бойцов фиксирует движущуюся точку. NPU на узле анализирует микродоплеровский профиль и определяет, что это не птица — слишком регулярная модуляция сигнала, характерная для вращающихся винтов. Но уверенность пока не абсолютна: 78%. Узел формирует «сырой» трек — координаты, скорость, направление — и передаёт его в mesh-сеть.
Шаг 2. Сеть просыпается. Соседние узлы получают трек. Их радары автоматически перенаправляются в указанный сектор. Через 200 миллисекунд два соседних узла подтверждают: да, в том же направлении есть движущийся объект. Три радара видят одну цель с разных точек — это уже не случайность.
Шаг 3. Акустика вступает в игру. Дрон приближается — дистанция сокращается до 400 метров. Микрофонные решётки трёх узлов улавливают характерный звук винтов. NPU на каждом узле строит Mel-спектрограмму и прогоняет её через нейросеть. Все три узла сходятся в одном: это квадрокоптер коммерческого типа, уровень доверия 96%. Акустика не только подтверждает, что это дрон, но и называет его модель.
Шаг 4. RF-датчик проверяет «свой-чужой». RF-детекторы сканируют эфир в направлении цели. Сигналов управления не обнаружено — дрон не передаёт телеметрию и не отвечает на запросы опознавания. Это либо свой аппарат, либо вражеский. RF-датчик не даёт однозначного ответа, но его «молчание» — это тоже данные: дрон не свой.
Шаг 5. Командир берёт слово. Трек с пометкой «неопознанный, вероятно вражеский» достигает МОГ. Командир наводит тепловизор в указанный сектор. Инфракрасная камера видит чёткий тепловой след от четырёх моторов — характерная картина для квадрокоптера. Тепловизор подтверждает: цель реальна, это дрон, своих сигналов нет.
Шаг 6. Огневое решение. Система на МОГ автоматически рассчитывает время подлёта к охраняемому объекту, зону поражения и выбирает средство перехвата. Через 1,2 секунды после первого обнаружения цель взята на сопровождение, и средства поражения получают точные координаты.
Весь цикл — от первого сигнала радара до готовности к поражению — занимает менее двух секунд. Без участия человека.
Коллективный разум: как сеть отсеивает ложные тревоги
Ложные срабатывания — это проклятие всех систем обнаружения. Птицы, облака, отражения от зданий, автомобильный шум, радиопомехи — в реальной оперативной среде количество ложных тревог может сделать систему бесполезной. Именно здесь децентрализованная архитектура «Фрактала» даёт решающее преимущество.
Протокол трек-верификации: консенсус вместо паники.
Когда один узел обнаруживает потенциальную цель, он не объявляет тревогу немедленно. Вместо этого он отправляет запрос соседям: «Я вижу объект на азимуте 45 градусов, дальность 3 километра. Подтвердите?»
Ответы соседей проходят через три уровня фильтрации:
1. Пространственное подтверждение. Если три узла в разных точках зафиксировали объект в одном направлении с согласующимися координатами — это уже сильный аргумент в пользу реальности цели. Случайные ложные срабатывания (птица, отражение) почти никогда не совпадают у нескольких узлов одновременно.
2. Модальное подтверждение. Даже если радары трёх узлов видят объект, это может быть стая птиц. Но если одновременно с радарным треком акустические датчики тех же узлов зафиксировали спектральный портрет, характерный для дрона, — вероятность ошибки резко падает. Каждая модальность подтверждает другие.
3. Временная когерентность. Все треки снабжены временными метками от GPS с точностью <1 мс. Система проверяет, совпадают ли временные профили сигналов с разных узлов. Если радар видит объект, акустика слышит его с задержкой, соответствующей скорости звука, а RF-датчик фиксирует сигнал с той же задержкой — это практически неопровержимое доказательство.
Результат: драматическое снижение ложных тревог.
Исследования показывают, что системы сенсорной фузии с распределённой верификацией способны удерживать уровень ложных срабатываний ниже 10% при точности обнаружения более 90%. Для традиционных одиночных сенсоров эти цифры выглядят иначе: радары на открытой местности могут давать сотни ложных тревог в час от птиц и отражений.
Но самое важное — это живучесть системы. Если один узел повреждён или ослеплён помехами, сеть продолжает работать. Если командир потерял связь со спутником — МОГ переходит в автономный режим, но продолжает получать данные от своих бойцов. Если RF-датчик «оглох» из-за мощных помех — радар и акустика всё ещё видят и слышат.
Сенсорная фузия в системе «Фрактал» — это не просто технический приём. Это философия: ни один датчик не является достаточным, но каждый — необходим. Радар видит первым. Акустика опознаёт. RF-датчик отличает своих от чужих. Тепловизор выносит окончательный вердикт. А децентрализованная mesh-сеть превращает разрозненные показания в коллективный разум, который не обмануть ни одной уловкой противника.
Глава 9. От облака к периферии — почему задержка недопустима
В предыдущих главах мы подробно разобрали, как работает каждый из четырёх сенсоров системы, как нейросети на NPU анализируют спектрограммы и как узлы обмениваются данными через самоорганизующуюся mesh-сеть. Но все эти технические решения подчинены одному главному императиву — времени. Именно время является тем ресурсом, которого в войне дронов всегда не хватает, и именно оно диктует фундаментальный выбор архитектуры: обработка данных должна происходить на периферии, а не в облаке.
Критичность времени: дрон пролетает километр за 10 секунд
Чтобы понять, почему задержка в системе обнаружения и поражения неприемлема, достаточно посмотреть на цифры. Современные ударные беспилотники — это не медлительные аппараты, зависающие над полем боя. Это стремительные машины, способные пересекать охраняемое пространство быстрее, чем оператор успевает моргнуть.
Возьмём для примера реальные данные 2026 года. Российские реактивные дроны серии «Герань-3» развивают скорость 300–330 км/ч. Их преемник, «Герань-4», разгоняется уже до 450–500 км/ч, а «Герань-5» до 600 км/ч. Дроны-перехватчики, создаваемые для борьбы с ними должны достигать скорости не менее более 750 км/ч. Это не гоночные рекорды и не лабораторные эксперименты — это боевая реальность.
Теперь переведём эти цифры в понятные категории. При скорости 360 км/ч (ровно 100 метров в секунду) дрон преодолевает один километр за 10 секунд. При 500 км/ч (около 140 м/с) тот же километр занимает всего 7 секунд.
Семь-десять секунд — это время, за которое дрон, появившись на горизонте, достигает охраняемого объекта.
Это время, за которое система должна:
- обнаружить цель,
- классифицировать её,
- верифицировать угрозу,
- принять решение о поражении,
- выдать целеуказание средствам поражения.
Каждая потерянная миллисекунда приближает дрон к цели. Каждая задержка в обработке данных — это метры, которые дрон успевает пролететь.
Неприемлемость отправки «сырых» данных в центр
Теперь представим традиционный подход к обработке данных. Радар видит объект. Камера фиксирует изображение. Акустика записывает звук. Все эти «сырые» данные — видеопотоки, аудиофайлы, радарные отсчёты — отправляются по сети в облачный центр или на мощный сервер для обработки. Там нейросети анализируют информацию, принимают решение и отправляют команду обратно.
Сколько времени это занимает?
Путь данных в облачной архитектуре:
1. Сбор данных на сенсоре — миллисекунды.
2. Передача по сети до ближайшего узла связи — зависит от типа сети. Спутниковый канал — десятки миллисекунд. Наземная сеть — единицы-десятки миллисекунд.
3. Маршрутизация и передача в облачный дата-центр — может составлять от 10 до 100 и более миллисекунд в зависимости от удалённости.
4. Обработка в облаке — даже при самых быстрых инстансах загрузка модели, предобработка данных и инференс занимают десятки-сотни миллисекунд.
5. Передача ответа обратно — ещё одна задержка, сопоставимая с передачей запроса.
6. Исполнение команды на средстве поражения — дополнительные миллисекунды.
Даже в идеальных условиях, с выделенным каналом и мощным облачным вычислителем, совокупная задержка редко опускается ниже 200–300 миллисекунд. В реальных условиях — с перегруженными сетями, помехами или проблемами на стороне провайдера — задержка легко вырастает до секунд.
Для веб-приложения секунда — это неприятно, но терпимо. Для системы перехвата дрона секунда — это 100–140 метров, которые цель успела пролететь. А за три секунды задержки дрон преодолевает уже почти полкилометра.
Но проблема не только в задержке. Облачная архитектура страдает от трёх фундаментальных пороков:
Первый — зависимость от связи. В условиях активных помех, боевых действий или просто сложного рельефа местности связь может быть нарушена. Прервался канал — система ослепла. Облачный центр не получил данных — решения нет.
Второй — уязвимость центра. Облачный дата-центр или штабной сервер — это единая точка отказа. Вывели его из строя — и вся система рухнула. В условиях войны это не гипотетическая угроза, а повседневная реальность.
Третий — стоимость передачи данных. Видеопотоки с тепловизоров, высокочастотные отсчёты радаров, многоканальные аудиозаписи — всё это создаёт колоссальный трафик. Передавать такие объёмы данных в облако в реальном времени дорого, а в условиях ограниченной полосы пропускания — часто просто невозможно.