Dans les systèmes anti-aéronefs sans pilote (C-UAS), la capacité de reconnaissance des cibles a toujours constitué l’un des principaux goulots d’étranglement techniques. En théorie, les systèmes doivent pouvoir distinguer différents types de cibles, mais dans les applications réelles, les performances de reconnaissance restent souvent limitées par des conditions de poursuite stables. À ce jour, la plupart des systèmes ne parviennent qu’à une reconnaissance de type « Tier-2 Classification » pour des cibles comme les oiseaux et les drones. Pour dépasser cette limite, la technologie radar micro-Doppler est devenue un axe majeur de la recherche actuelle sur les radars anti-drones.
Principe de fonctionnement et avantages du radar micro-Doppler
Les signatures micro-Doppler ne reflètent pas seulement l’état de mouvement de la cible, elles contiennent aussi des informations sur ses détails structurels. Concernant le choix de la bande radar, la région optique est généralement préférable à la région de résonance, car cette dernière peut renforcer la diffusion de la structure principale sous l’effet de résonance, au détriment des signaux micro-Doppler. Des longueurs d’onde plus courtes aident à générer des décalages Doppler plus marqués, tandis qu’une meilleure résolution Doppler améliore la lisibilité des signatures micro-Doppler, permettant une différenciation plus précise entre la structure principale et les composantes de micro-mouvement.
Dans les applications pratiques, les radars micro-Doppler utilisent souvent la bande X et la modulation à onde continue à fréquence variable (FCWM), avec une faible puissance de crête (jusqu’à 1 W) et une haute résolution fréquentielle, tout en restant économiques. Associé à des algorithmes tels que la Transformée de Fourier à court terme (STFT) pour produire des diagrammes temps-fréquence ou des cepstrogrammes, et à des classifieurs d’apprentissage profond comme les réseaux de neurones convolutifs (CNN) ou les réseaux LSTM (Long Short-Term Memory), le système peut non seulement distinguer les oiseaux des drones, mais aussi identifier plus finement certains types de drones, comme les drones à voilure tournante, à voilure fixe et multirotors.
Par ailleurs, l’approche micro-Doppler offre un potentiel d’adaptation et de montée en gamme du système. Toutefois, cette technologie reste confrontée à plusieurs défis : d’abord, pour obtenir des images micro-Doppler de qualité, la détection doit généralement être réalisée à relativement courte distance (généralement à quelques kilomètres) et nécessite un rapport signal/bruit (SNR) élevé. Cela signifie que le radar doit fonctionner en mode poursuite avec un temps d’intégration suffisamment long et un nombre d’intégrations non cohérentes élevé ; dans le cas contraire, la qualité de l’image et les performances de reconnaissance se dégradent nettement. Ensuite, bien que les classifieurs fondés sur l’apprentissage profond soient très efficaces, leur extraction de caractéristiques reste peu explicable et leurs performances dépendent fortement de la qualité des échantillons d’entraînement, ce qui introduit certains risques systémiques.
4.3 Conscience de la situation et optimisation des performances du système
Dans les systèmes C-UAS, la capacité de conscience de la situation du radar est déterminante pour évaluer son utilité opérationnelle. En raison des contraintes de coût, la plupart des radars anti-drones utilisent une antenne à réseau planaire unique, généralement capable de surveiller seulement une zone spécifique. Obtenir une couverture complète à 360° impose donc de trouver un équilibre difficile entre les ressources consacrées à la détection, à la poursuite et à la reconnaissance.
Contradictions clés et goulots d’étranglement du système
Pour améliorer la probabilité de détection, le système a besoin d’un temps de présence radar plus long ; pour assurer une poursuite efficace, un taux de revisite plus élevé est nécessaire. Ces deux exigences sont contradictoires : un balayage rapide réduit le temps de présence et donc la probabilité de détection, et inversement. La performance de reconnaissance est également affectée : si la discrimination des cibles repose sur des caractéristiques comme le micro-Doppler, des temps de présence plus courts dégradent la résolution fréquentielle, ce qui nuit à la précision de reconnaissance. Ainsi, les radars classiques de « poursuite » et les radars micro-Doppler peinent à trouver un équilibre optimal lors du déploiement opérationnel.
Solutions : traitement parallèle et perception multidimensionnelle
Pour résoudre ces contradictions, l’enjeu principal consiste à améliorer le flux de traitement du signal radar, en passant d’une architecture traditionnelle séquentielle et unidirectionnelle à une architecture parallèle et bidirectionnelle. Les mesures concrètes incluent :
- Séparation des unités de poursuite et de reconnaissance : l’unité de reconnaissance peut traiter de manière autonome les échos reçus dans le faisceau courant, sans dépendre des informations de poursuite ;
- Détection et reconnaissance intégrées (IDR) et poursuite après reconnaissance (TAR) : les résultats de reconnaissance peuvent être réinjectés vers les unités de détection ou de poursuite, améliorant la probabilité de détection et l’efficacité de suivi ;
- Balayage, reconnaissance et poursuite simultanés : pour obtenir une surveillance panoramique en temps réel et une visualisation dynamique multi-cibles.
Cette nouvelle architecture fait évoluer les radars de perception traditionnels à trois dimensions (distance, vitesse, position) vers des systèmes à quatre dimensions (avec ajout de la reconnaissance des attributs), renforçant considérablement la conscience de la situation et permettant réellement un effet de surveillance du type « ce que vous voyez est ce que vous obtenez ».
Applications pratiques et validation des performances
À l’origine, les radars anti-drones étaient surtout conçus pour éviter les détections manquées, mais en abaissant les seuils de détection et en combinant la technologie ATR (Automatic Target Recognition, reconnaissance automatique des cibles), il devient possible d’étendre sensiblement la portée de détection tout en maîtrisant les fausses alarmes. Les essais montrent que les radars intégrant l’ATR peuvent détecter efficacement de petits drones avec une SER de 0,01~0,1 m², étendre la portée de détection à 12 kilomètres, voire davantage, et identifier avec précision des navires, diverses espèces d’oiseaux et différents types de drones.
L’association de la technologie ATR aux informations de poursuite améliore fortement la conscience globale de la situation du système. Par exemple, dans des scénarios de surveillance maritime, le système peut distinguer clairement les navires des oiseaux marins en chasse, tout en mettant à jour en temps réel les trajectoires et les attributs des cibles, avec une latence de réponse de seulement quelques millisecondes (environ 10 ms), ce qui démontre d’excellentes performances temps réel.
5. Conclusion
Par rapport aux radars de défense aérienne traditionnels, les radars anti-drones s’appuient beaucoup plus fortement sur la technologie ATR. Les opérateurs traditionnels peuvent identifier des cibles de grande taille et à grande vitesse à partir de la trajectoire et de la SER, mais les drones de petite taille, lents et bas vol (LSS) sont difficiles à détecter et à classer au milieu du fouillis, d’où la nécessité de méthodes ATR avancées.
Les recherches futures devraient se concentrer sur la fusion de caractéristiques multimodales, le déploiement diversifié des stations radar et l’intégration multisenseur afin de construire des solutions C-UAS plus complètes. Les principales conclusions de cet article sont les suivantes :
- La technologie ATR est cruciale pour les radars anti-drones, en particulier pour les drones de catégories Group 1 et 2 ;
- Les conceptions dominantes actuelles (telles que la discrimination de trajectoire et les solutions micro-Doppler) exigent que le radar fonctionne en mode poursuite, ce qui peut entraîner des délais de réponse et limiter l’amélioration globale des performances ;
- L’intégration de la fonction ATR permet d’étendre significativement la portée de détection, d’améliorer les capacités de reconnaissance et de conscience de la situation, de franchir un cap de la perception 3D à la perception 4D, et de faire progresser la technologie anti-drone dans les domaines militaire, civil et commercial.
Clause de non-responsabilité : les droits d’auteur de cet article appartiennent à l’auteur original. Il est destiné uniquement au partage académique et ne représente pas la position d’aucune institution. Pour toute objection ou demande de retrait pour atteinte aux droits, veuillez contacter l’éditeur.
Lectures connexes
Lectures connexes :
- U.S. Department of Defense Counter-Small Unmanned Aircraft Systems Strategy Document - Document officiel de politique de R&D et d’essais du DoD américain pour le C-sUAS
- IEEE Radar Systems Technical Committee - Ressources techniques et documents de référence faisant autorité au sein de l’IEEE
- NATO Counter-Unmanned Aircraft Systems Research Report (2023) - Analyse officielle de l’OTAN sur la technologie anti-drones et le cadre de défense collaborative
- Google Scholar - Academic Research on Counter-Unmanned Aircraft Systems - Regroupe des articles académiques à fort impact et des résultats de recherche provenant d’institutions de référence