反无人机网

2024年6月4日，据Defense Mirror网站报道，俄罗斯图拉国立大学（TulSU）的研究人员正在探索将神经网络与雷达系统结合起来，以识别不同的声音和运动特征，从而将小型无人机与其他飞行物体区分开来。

乌克兰军队发射的小型无人机已成为俄罗斯的一个主要问题，因为它们能够在雷达保护伞下潜入并随意攻击军事和经济目标。

该系统的研发情况已于5月底披露。图拉州政府将为大学的这项工作提供资助。结果测试将在专门建立的试验场地的超声波测向条件下进行。

国防工业专家断言，在雷达中使用神经网络可将无人机的识别率提高95%，但有趣的是，尽管这项研究很有意义，但图拉国立大学校长Oleg Kravchenko指出，在俄罗斯，雷达中使用人工智能系统的情况仍相对较少。

俄罗斯自然科学院经济学和社会学顾问安东·巴拉诺伊（Anton Balanoy）强调，包括小型无人机在内的飞行器的日益普及带来了新的安全风险。因此，保护重要设施、公共活动场所和空域免受未经授权的无人机入侵已成为当务之急。New Level Al公司创始人安娜·杜德尼克（Anna Dudnik）补充道：“小型无人机尤其危险，可被用于间谍活动、运送违禁品和实施各种袭击，这就需要可靠的方法来探测和消除它们。”

巴拉诺伊强调了探测重量小于20公斤的小型无人机所面临的挑战。这些小型无人机由于体积小、机动性强和低空飞行能力强，给现有系统带来了困难。虽然雷达系统能有效探测较大型的无人机，但在识别小型飞行器方面却举步维艰。

声学系统可根据声音特征探测无人机，但其探测范围和准确性有局限性。光学和热成像系统可以直观地识别无人机，但需要视线。

杜德尼克建议将这些方法结合起来，以提高准确性，不过这种解决方案往往成本高昂。这位专家认为，神经网络有可能通过分析大量数据和识别传统方法难以探测到的目标来提高无人机探测效率。此外，她还提到，改进雷达信号处理可以更准确地识别小型无人机，减少误报。

神经网络可以分析来自声学传感器、雷达和照相机的数据，从而识别出无人机的典型迹象，基于人工智能的技术可以实现无人机的实时重新识别，并与无人机反制系统集成。

杜德尼克在接受媒体采访时说：“世界上已经有利用神经网络探测无人机的研发成果。美国、欧洲等地区正在实施这种基于综合情报的解决方案，以保护机场、工业设施和军事基地。”

图：英国AUDS反无人机系统

巴拉诺伊重点介绍了几种无人机探测和分类系统。澳大利亚的DroneShield系统集成了带有人工智能算法的雷达、照相机和声学传感器；英国的AUDS雷达解决方案可自动探测无人机并对其进行分类；此外，以色列的Drone Domesy系统使用人工智能来识别无人机并使其失效。