Первичное обнаружение несанкционированного проникновения беспилотного летательного аппарата (БПЛА) на территорию охраняемого объекта осуществляется специализированными радиолокационными станциями (РЛС). Результаты работы РЛС используются для наведения систем распознавания и подавления БПЛА. В работе рассмотрены проблемы обнаружения и сопровождения БПЛА радиолокационной станцией. Проанализированы известные системы следящей фильтрации показаний РЛС и построена специализированная матричная система следящей фильтрации, учитывающая динамически изменяющийся энергетический потенциал РЛС. Для оценки эффективности разработанной матричной системы следящей фильтрации использованы методы математического моделирования, матричного исчисления, теории вероятности. Установлено, что разработанная система следящей фильтрации позволяет с наибольшей эффективностью инициировать траектории БПЛА, уточнять координаты их нахождения, устанавливать границы перемещения, учитывать характеристики РЛС, а также компенсировать пропуски цели, связанные с флуктуацией ее эффективной площади рассеяния. Повышение эффективности системы достигнуто за счет уменьшения ошибки определения прямоугольных координат целей разработанной системой следящей фильтрации в 2 раза по сравнению с известными алгоритмами следящей фильтрации. Полученные результаты позволяют легко масштабировать разработанную матричную систему следящей фильтрации положения цели для применения в составе любой РЛС.
1. Минаков Е.И., Валихин Г.А. Вероятность радиолокационного обнаружения флук-туирующих целей // Известия Тульского государственного университета. Технические науки. 2016. № 12-2. С. 159–164.
2. Валихин Г.А. РЛС охраны объектов // Сб. докл. по результатам проведения дня пе-редовых технологий правоохранительных органов Российской Федерации. Балашиха: Учебный центр ОДОН Росгвардии, 2018. С. 76–78.
3. Куликова М.Е., Куликов Г.Ю. Численные методы нелинейной фильтрации для об-работки сигналов и измерений // Вычислительные технологии. 2016. Т. 21. № 4. С. 64–98.
4. Деменков Н.П., Чан Д.М. Применение нечеткой модели к задаче фильтрации в не-линейных динамических системах // Вестник Московского государственного технического университета им. Н.Э. Баумана. Сер. Приборостроение. 2020. № 1 (130). С. 85–100. DOI: https://doi.org/10.18698/0236-3933-2020-1-85-100
5. Xu L., Ma K., Fan H. Unscented Kalman filtering for nonlinear state estimation with cor-related noises and missing measurements // Int. J. Control Autom. Syst. 2018. Vol. 16. Iss. 3. P. 1011–1020. DOI: https://doi.org/10.1007/s12555-017-0495-2
6. Минаков Е.И., Валихин Г.А. Определение потерь распространения радиолокаци-онной волны вблизи земной поверхности // Изв. вузов. Электроника. 2019. Т. 24. № 1. С. 64–71. DOI: 10.24151/ 1561-5405-2019-24-1-64-71
7. Sudheesh P., Jayakumar М. Non linear tracking using unscented Kalman filter // Ad-vances in Signal Processing and Intelligent Recognition Systems (SIRS-2017). Manipal: Springer International, 2018. P. 38–46. DOI: https://doi.org/10.1007/978-3-319-67934-1_4
8. Han P., Ting C., Xi L. De-correlated unbiased sequential filtering based on best unbiased linear estimation for target tracking in Doppler radar // Journal of Systems Engineering and Elec-tronics. 2020. Vol. 31. No. 6. P. 1167–1177. DOI: https://doi.org/10.23919/JSEE.2020.000089