基于攔截?zé)o人機反制“低慢小”目標(biāo)的新型防御系統(tǒng)

史 民，翟羽佳，馬 俊，陳 靚

(北京新風(fēng)航天裝備有限公司，北京 100100)

1 反“低慢小”防御系統(tǒng)

1.1 研究背景

近年來，隨著以多旋翼無人機為代表的“低慢小”目標(biāo)技術(shù)的飛速發(fā)展以及國家政策對低空空域的逐步開放，“低小慢”目標(biāo)帶來的低空安全威脅越來越大[1-2]。這使得反“低小慢”目標(biāo)技術(shù)及其裝備應(yīng)用逐步成為發(fā)展熱點，反“低小慢”目標(biāo)的項目、技術(shù)如雨后春筍般不斷涌現(xiàn)[3]。

目前的反“低小慢”目標(biāo)的防御系統(tǒng)普遍存在探測難、缺乏有效攔截手段等問題。不同于國內(nèi)外現(xiàn)有的反“低小慢”防御系統(tǒng)，本文提出了一種集雷達與光電復(fù)合探測、以“無人機反無人機”為反制策略的綜合防御系統(tǒng)，在攔截處置上具有直接、高效、低成本等優(yōu)點。

1.2 系統(tǒng)組成與配置

反“低慢小”防御系統(tǒng)主要由探測識別分系統(tǒng)、指揮控制分系統(tǒng)以及反制分系統(tǒng)組成，如圖1所示。

圖1 系統(tǒng)組成及配置

反“低慢小”防控系統(tǒng)中的探測識別分系統(tǒng)主要由低空雷達、光電識別跟蹤設(shè)備組成。其中，低空雷達主要功能是探測預(yù)警、顯示目標(biāo)航跡、顯示目標(biāo)速度和位置信息等，光電設(shè)備主要用于對目標(biāo)進行識別確認(rèn)和留存取證信息。

反“低慢小”防控系統(tǒng)中的指揮控制分系統(tǒng)主要由指控計算機和指控軟件構(gòu)成。其主要用于接收雷達設(shè)備的目標(biāo)信息，實時解算目標(biāo)的運動要素，并指揮調(diào)度光電對已捕捉的目標(biāo)進行識別確認(rèn)，最后控制反制分系統(tǒng)對“低慢小”目標(biāo)進行攔截處置，如圖2所示。

反“低慢小”防控系統(tǒng)中的反制分系統(tǒng)主要由反制無人機和無人機地面控制系統(tǒng)構(gòu)成。

1.3 系統(tǒng)工作過程

探測系統(tǒng)發(fā)現(xiàn)目標(biāo)后預(yù)警并將預(yù)警信息和目標(biāo)信息發(fā)給指控分系統(tǒng)，指控分系統(tǒng)進行綜合信息處理，發(fā)送反制指令和預(yù)測攔截點位置信息給無人機地面控制系統(tǒng)，無人機地面控制系統(tǒng)控制無人機起飛并飛至預(yù)測攔截點，到達預(yù)測攔截點后控制無人機切換自主搜尋模式，無人機依靠自身視覺系統(tǒng)識別并穩(wěn)定跟蹤目標(biāo)，飛向并毀傷目標(biāo)，完成攔截處置，如圖2所示。

圖2 各系統(tǒng)及設(shè)備間信息交互關(guān)系

2 目標(biāo)分析

2.1 目標(biāo)特性分析

“低慢小”目標(biāo)飛行高度低、飛行速度慢、RCS小，采用電池動力，紅外輻射特性不明顯。

以0.4 m×0.4 m的四旋翼無人機為例，其典型雷達截面積(RCS)約為0.01 m2，一般飛行高度在20 m～200 m范圍內(nèi)，飛行速度小于15 m/s。

對于城市防護場景，除了霧霾、浮塵、雨雪等氣候因素影響，高層建筑物、反射玻璃幕墻、燈光、車輛等背景干擾源影響也很突出，因此，及時發(fā)現(xiàn)、識別、跟蹤“低慢小”目標(biāo)更為困難。

2.2 典型任務(wù)剖面

四旋翼無人機典型任務(wù)剖面為：起飛→爬升→巡航→抵達任務(wù)區(qū)執(zhí)行任務(wù)(盤旋/懸停)→返航→下降→降落，如圖3所示。

圖3 無人機典型任務(wù)剖面示意圖

任務(wù)一般包括：偵察、拍攝或監(jiān)視；投遞/發(fā)射相關(guān)物品，如彈藥、補給及其他物品[4]。

3 關(guān)鍵過程

3.1 探測跟蹤

在“低慢小”目標(biāo)的探測方面，需要重點關(guān)注其低空/超低空、慢速、紅外輻射特性弱/雷達反射截面積小等幾個特點。

對于雷達來講，意味著雷達需要具有良好的低空復(fù)雜背景下微弱目標(biāo)檢測性能，具有較高的速度分辨率，同時，因為旋翼無人機懸停狀態(tài)會使傳統(tǒng)的基于運動多普勒的雷達檢測方法失效，還應(yīng)在基于旋翼葉片旋轉(zhuǎn)給雷達回波帶來相位調(diào)制的微多普勒效應(yīng)上有針對性進行解決。

采用經(jīng)典的探測模式：應(yīng)用雷達監(jiān)控遠處，鎖定目標(biāo)后轉(zhuǎn)由光電設(shè)備進行識別確認(rèn)及跟蹤[5]，并在目標(biāo)靠近時實施反制。

3.1.1 目標(biāo)航跡

目標(biāo)在自身飛行坐標(biāo)系下，運動姿態(tài)相應(yīng)的指標(biāo)為v(飛行速度)，Ψ(航向角)，Θ(俯仰角)。將目標(biāo)的飛行位置納入站心直角坐標(biāo)系，站心直角坐標(biāo)系的原點設(shè)定為指控中心位置，地磁東方向為E軸正方向，地磁北方向為N軸正方向，指控中心正上方為D軸正方向，目標(biāo)點的坐標(biāo)投影到N/E/D坐標(biāo)軸上的值，用(x,y,z)來表示。在該坐標(biāo)系下對于目標(biāo)的飛行航跡建模，參考公式[6-7](1)～(2):

Sn=v*Δt

(1)

(2)

式中，Sn為Δt時段內(nèi)目標(biāo)飛行的距離，單位為m；(xn,yn,zn)為tn時刻目標(biāo)的位置，單位為m；(xn+1,yn+1,zn+1)為tn+Δt時刻目標(biāo)的位置，單位為m。

雷達球坐標(biāo)系坐標(biāo)原點位置與指控中心原點重合，坐標(biāo)原點與目標(biāo)連線為極徑，極徑與其EON平面的水平投影所成角為目標(biāo)相對于雷達的仰角Ω，水平投影與N軸正向所成角為目標(biāo)相對于雷達的方位角φ。

3.1.2 攔截位置解算

通過雷達獲取目標(biāo)的相對位置信息，并根據(jù)目標(biāo)的運動速度和運動規(guī)律預(yù)測目標(biāo)攔截位置，由于反制無人機依靠GPS定位，指控系統(tǒng)把預(yù)測目標(biāo)攔截位置以GPS格式通過Mavlink協(xié)議無線發(fā)送給反制無人機。

具體格式轉(zhuǎn)換過程：首先將預(yù)測攔截位置點的相對位置信息(R、Ω、φ)由站心球坐標(biāo)轉(zhuǎn)換為站心直角坐標(biāo)；然后，結(jié)合雷達所處位置的GPS信息和預(yù)測攔截點的站心直角坐標(biāo)，再將其轉(zhuǎn)換到大地直角坐標(biāo)系下；最后，再將預(yù)測攔截位置點的大地直角坐標(biāo)轉(zhuǎn)換到GPS坐標(biāo)系下[8-9]。各個坐標(biāo)系之間的轉(zhuǎn)換流程圖如圖4所示。

圖4 坐標(biāo)轉(zhuǎn)換流程圖

雷達所在位置的GPS準(zhǔn)確值(記為B1，L1，H1)可以通過高精度定位儀測得，根據(jù)公式(3)轉(zhuǎn)換為大地直角坐標(biāo)(記為X1，Y1，Z1)。

(3)

由站心球坐標(biāo)系向站心直角坐標(biāo)系的轉(zhuǎn)換公式

(4)

由站心直角坐標(biāo)系向大地直角坐標(biāo)系的轉(zhuǎn)換公式

(5)

再經(jīng)過坐標(biāo)平移，就能得到預(yù)測攔截位置點的大地直角坐標(biāo)值(記為X2，Y2，Z2)。

(6)

根據(jù)得到的預(yù)測目標(biāo)攔截位置的大地直角坐標(biāo)(X2，Y2，Z2)，采用近似直接法即可得到預(yù)測目標(biāo)攔截位置的GPS坐標(biāo)值(記為B2、L2、H2)。

(7)

3.2 反制策略

反制無人機收到攔截指令及預(yù)測目標(biāo)攔截位置信息，飛向預(yù)測攔截點并切換自主搜尋模式，機載視覺導(dǎo)引系統(tǒng)識別并捕獲目標(biāo)，導(dǎo)引反制無人機攔截并毀傷目標(biāo)。

3.2.1 反制無人機系統(tǒng)組成

反制無人機系統(tǒng)主要由高強度碳纖維多旋翼機身、動力系統(tǒng)、飛行控制系統(tǒng)、視覺導(dǎo)引系統(tǒng)、通信系統(tǒng)、地面站系統(tǒng)等組成，各系統(tǒng)功能及系統(tǒng)間功能關(guān)系如圖5所示。

圖5 反制無人機系統(tǒng)組成示意圖

3.2.2 視覺識別與導(dǎo)引

視覺導(dǎo)引系統(tǒng)中包括目標(biāo)檢測和目標(biāo)跟蹤兩個部分，采用基于深度學(xué)習(xí)的方法實現(xiàn)目標(biāo)檢測和跟蹤的功能。其中，目標(biāo)檢測采用Yolo的深度學(xué)習(xí)框架，目標(biāo)跟蹤采用GoTurn的深度學(xué)習(xí)框架。深度學(xué)習(xí)框架采用改進版精度浮點型的方式，提高目標(biāo)檢測和跟蹤的運算速度。

視覺導(dǎo)引系統(tǒng)的處理器安裝Ubuntu操作系統(tǒng)，以及Open CV視覺處理庫、ROS框架、Tensorflow等軟件庫。平臺軟件由上層圖像處理部分與下層飛行控制部分兩部分組成：上層部分用于處理視覺傳感器采集到的圖像信息，解算目標(biāo)位置信息，進而通過串口反饋給下層飛行控制系統(tǒng)[10]，控制反制無人機跟蹤目標(biāo)。

視覺識別與跟蹤流程分為目標(biāo)圖像搜索、目標(biāo)識別、目標(biāo)跟蹤以及控制反制無人機飛行等幾部分，如圖6所示。

圖6 視覺識別與跟蹤系統(tǒng)流程

1)目標(biāo)圖像搜索：反制無人機收到指令飛向預(yù)測攔截位置后，通過機載視覺傳感器自動搜索目標(biāo)。

2)目標(biāo)識別：當(dāng)目標(biāo)進入機載視覺傳感器視場后，對目標(biāo)圖像使用YOLOv4-Tiny進行檢測確認(rèn)，判斷是否為需要跟蹤的目標(biāo)，如果目標(biāo)識別通過，則保存其像素坐標(biāo)用于目標(biāo)跟蹤初始化。

3)目標(biāo)跟蹤及控制反制無人機飛行：目標(biāo)識別通過后，使用檢測到的目標(biāo)初始化跟蹤器，根據(jù)目標(biāo)在圖像中的實際位置與設(shè)定的預(yù)期位置的偏差生成誤差信號，來驅(qū)動控制器生成基于圖像坐標(biāo)系的控制速度，再通過圖像坐標(biāo)系與機體坐標(biāo)系的關(guān)系將速度指令轉(zhuǎn)換到機體坐標(biāo)系下，從而控制反制無人機飛向并毀傷目標(biāo)。

基于圖像的視覺伺服控制方法設(shè)計PID控制器，對于視覺傳感器采集的分辨率為W0×H0的圖像，視覺識別與跟蹤模塊得到的跟蹤結(jié)果形式為(xp,yp,wp,hp)，其中xp,yp為目標(biāo)跟蹤矩形框的左頂點，wp為目標(biāo)跟蹤矩形框的寬度，hp為目標(biāo)跟蹤矩形框的高度，則目標(biāo)跟蹤結(jié)果矩形框的中心為

(8)

設(shè)定預(yù)期的目標(biāo)中心位置為(xpe,ype)，則圖像坐標(biāo)系下二維正交兩個方向上的偏差exx與eyy為

(9)

通過計算目標(biāo)跟蹤結(jié)果框占圖像面積的比例來估算反制無人機相對于被跟蹤目標(biāo)的距離，目標(biāo)跟蹤結(jié)果框的近似面積與預(yù)期目標(biāo)面積的偏差err表示為

err=rpe-rpc

(10)

其中，rpe為設(shè)定的預(yù)期目標(biāo)近似圓的半徑，rpe=(W0+H0)/2N(N為比例系數(shù))；rpc為被跟蹤的目標(biāo)近似成圓形的設(shè)定半徑，rpc=(wp+hp)/4。

將誤差在圖像中所占像素的比例分別定義為偏差率(fx,fy,fr)

(11)

通過像素偏差計算無人機與目標(biāo)的水平位移，設(shè)計位置-姿態(tài)的外內(nèi)環(huán)控制器，外環(huán)根據(jù)位置參考值[xd,yd,zd]T得到內(nèi)環(huán)姿態(tài)的期望角度[Φd,Θd]T，內(nèi)環(huán)根據(jù)期望角度得到無人機最終的控制量U，U=[U1,U2,U3,U4]T，其具體表達式為[11]

(12)

其中，ωi表示第i號旋翼的轉(zhuǎn)速，CT表示升力系數(shù)，CQ表示扭矩系數(shù)。結(jié)合四旋翼無人機的飛行原理可以看出，U1表示四個電機提供的總升力，U2表示沿機體坐標(biāo)系Y方向的電機升力差，U3表示沿機體坐標(biāo)系X方向的電機升力差，U4表示四個電機提供的總扭矩。跟蹤控制器結(jié)構(gòu)框如圖7所示。

圖7 跟蹤控制器結(jié)構(gòu)框

通過多次實際飛行尋優(yōu)控制器參數(shù)，利用Mavlink通信協(xié)議在地面站軟件中對控制參數(shù)實現(xiàn)在線調(diào)整。

4 仿真計算與測試

4.1 目標(biāo)航跡仿真

為了模擬“低慢小”目標(biāo)的來襲，按照四旋翼無人機典型任務(wù)剖面，模擬其從“垂直起飛”→“爬升”→“巡航”的持續(xù)過程。假設(shè)目標(biāo)的起始坐標(biāo)為(2000，2000，0)，各飛行階段的飛行參數(shù)如表1所示。

表1 飛行參數(shù)表

目標(biāo)航跡仿真如圖8所示，目標(biāo)每個時間步長飛過的三維位置顯示在圖中的一個點，當(dāng)各飛行階段飛行結(jié)束后，圖中各點形成的線，就代表了目標(biāo)的飛行航跡。

圖8 目標(biāo)航跡仿真

4.2 位置解算仿真

表2 計算結(jié)果

4.3 目標(biāo)識別與跟蹤測試

通過網(wǎng)絡(luò)搜集及拍攝大量的目標(biāo)圖像用以制作數(shù)據(jù)集，標(biāo)注數(shù)據(jù)集并對Tiny-YOLOv4網(wǎng)絡(luò)進行訓(xùn)練，得到用于檢測和識別目標(biāo)的權(quán)重文件，目標(biāo)識別通過后，獲取當(dāng)前幀目標(biāo)在像素坐標(biāo)系下的位置，進而初始化目標(biāo)跟蹤器，然后根據(jù)目標(biāo)在第一幀圖像中的位置，對后續(xù)圖像序列進行解析，估算出后續(xù)每一幀中所要跟蹤目標(biāo)的位置。目標(biāo)檢測與識別的測試如圖9所示?；贙CF算法的目標(biāo)跟蹤效果測試表明，當(dāng)目標(biāo)發(fā)生運動時，跟蹤框也能夠隨目標(biāo)運動繼續(xù)跟蹤目標(biāo)，結(jié)果如圖10所示。

圖9 目標(biāo)檢測與識別圖像

4.3.1 目標(biāo)識別效果測試

系統(tǒng)主要的防御對象是以市場普遍的大疆精靈系列為典型目標(biāo)，以大疆精靈系列的目標(biāo)圖像制作數(shù)據(jù)集進行訓(xùn)練，為了驗證目標(biāo)識別算法的有效性，設(shè)計實驗進行測試。首先對大疆精靈4和大疆御Mavic2進行了對比測試，之后將大疆御Mavic2擴增到數(shù)據(jù)集重新測試對比。實驗中視覺傳感器距離目標(biāo)距離10 m,目標(biāo)背景均為純色天空，測試時間1 min，幀率30 fps，共1 800幀，每組采集3次。

從表3中可以看出，基于對已知目標(biāo)圖像訓(xùn)練集訓(xùn)練的結(jié)果，在對未訓(xùn)練的旋翼無人機識別時效果一般，還需擴增數(shù)據(jù)集以提高有效識別率。

針對純凈天空、建筑物、樹林三種不同場景同樣對檢測效果進行了測試。實驗中以大疆精靈4為目標(biāo)，視覺傳感器距離目標(biāo)距離10 m,測試時間1 min，幀率30fps，共1 800幀，每組采集3次。

從地面升空跟蹤“低慢小”目標(biāo)，目標(biāo)一般以天空為背景，與從空中跟蹤地面目標(biāo)相比，背景環(huán)境相對簡單。從表4中也可以看出，針對純凈天空、建筑物、樹林背景的三種不同場景，總體的識別可以達到 95%以上的正確率。

表4 不同場景情況下目標(biāo)檢測結(jié)果表

4.3.2 目標(biāo)跟蹤效果測試

為了評估反制無人機的跟蹤效果，使用誤差在圖像中所占像素的比例(fx,fy,fr)作為評估系統(tǒng)跟蹤效果的參數(shù)。

機載視覺傳感器的圖像分辨率為640×360，像素中心坐標(biāo)為(320,180)，將跟蹤過程中目標(biāo)框中心坐標(biāo)帶入公式(11)，得出各參數(shù)在跟蹤過程中的曲線。

令反制無人機與目標(biāo)無人機作追逐實驗，兩者保持等高、同向、同速、定距(10 m)做勻速直線運動。圖11和圖12為運動速度分別為0.5 m/s及1 m/s情況下fx和fy的對比曲線。

圖11 fx曲線

圖12 fy曲線

跟蹤過程中目標(biāo)框中心基本保持在圖像中心 35%誤差之內(nèi)，反制無人機可以穩(wěn)定跟蹤目標(biāo)飛行。

需要說明的是，通過增加實驗發(fā)現(xiàn)，當(dāng)運動速度大于2 m/s時，跟蹤質(zhì)量出現(xiàn)明顯下降，后續(xù)可以通過增加伺服云臺、提高伺服響應(yīng)速度、進一步優(yōu)化跟蹤和控制算法有針對性進行解決。

還有一點說明，反制無人機起初的機載圖像處理平臺使用的是英偉達公司的 Jetson TX2 處理器。之后更換了性能更為強大的Jetson NX，并利用NVIDIA 所推出的深度學(xué)習(xí)加速引擎TensorRT進行了優(yōu)化，將目標(biāo)識別的每秒幀率(fps)由原來的30左右提高到了120以上，但是跟蹤效率并沒有明顯的提升。

5 結(jié)束語

目前，國內(nèi)外反無人機系統(tǒng)正處于快速發(fā)展階段。與電磁干擾、激光等反制手段相比，以無人機反制無人機的反無人機具有“簡單直接、效率高、成本對稱”等優(yōu)勢，是低空近程反制“低慢小”目標(biāo)的一條極具發(fā)展?jié)摿Φ募夹g(shù)路線。本文提出的新型“低慢小”目標(biāo)綜合防御系統(tǒng)，引入了基于深度學(xué)習(xí)的目標(biāo)識別與目標(biāo)跟蹤算法，為防御“低慢小”目標(biāo)的威脅提供了高效、低成本的措施，是對反無人機系統(tǒng)領(lǐng)域的重要探索。