Обнаружение БПЛА в импульсно-доплеровском радиолокаторе на основе глубокого обучения

С ростом популярности беспилотных летательных аппаратов (БПЛА) разработка методов их автоматического и эффективного обнаружения для предотвращения несанкционированных полётов стала важной задачей. Традиционный детектор с постоянным уровнем ложных тревог (CFAR), основанный на радиолокационных сигналах, продемонстрировал преимущества при обнаружении движущихся целей. Однако детекторы на основе CFAR в значительной степени зависят от параметров, выбираемых вручную, таких как оценка распределения фонового шума и выбор размера окна обнаружения, и обычно характеризуются низкой эффективностью при обнаружении малых БПЛА из-за слабого сигнала. Вдохновлённая успехами глубокого обучения (DL) в обнаружении объектов на естественных сценах, настоящая работа исследует метод обнаружения БПЛА с использованием импульсно-доплеровского радиолокатора на основе DL. В частности, предлагается сверточная нейронная сеть (CNN) с двумя выходными ветвями: первая классифицирует входной фрагмент карты дальность–Доплер как содержащий цель или не содержащий её, а вторая регрессирует смещение между целью и центром фрагмента. На основе выходных данных сети разработан механизм подавления немаксимумов (NMS), включающий первоначальное распознавание на основе вероятности, распознавание на основе плотности распределения и регрессию на основе голосования, для уменьшения и контроля числа ложных тревог. Наконец, эксперименты на смоделированных и реальных данных показали, что предложенный метод позволяет точнее определять местоположение цели и обеспечивает значительно меньший уровень ложных тревог при сопоставимой вероятности обнаружения по сравнению с CFAR.