מהי רמת הדיוק של גלאי טיסנים בזיהוי טיסנים מהסוג FPV באזורים מורכבים?

הבנת דיוק מערכת גילוי רחפנים בסביבות עירוניות בעולם האמיתי

הגדרת דיוק בהקשר של מערכות גילוי רחפנים

הדיוק של גלאי טיסנים מתבסס על היכולת שלהם לזהות כלי טיס ללא נהג באופן מדויק, מבלי לדווח כוזב על ציפורים המעפות באוויר, תבניות מזג אוויר מוזרות, או כל הרעש האלקטרוני המקרי שמתרחש בערים בכל יום. כששקללים את הגורמים שהופכים מערכות אלו ליעילות, בולטים שלושה גורמים עיקריים: המרחק שבו הם יכולים לזהות טיסנים (לרוב בין 1 ל-5 ק"מ בעזרת חיישני תדר רדיו), רמת הביטחון בהזיהוי יעד (רוב המערכות מגיעות להצלחה של יותר מ-85% במתקנים כמו תחנות כוח או שדות תעופה), והמהירות שבה הן מגיבות כאשר מופיע משהו חשוד (באידיאלי פחות מחמש שניות, כדי שצוותי הביטחון יוכלו להגיב לפני שיקרה נזק). עם זאת, בדיקות בשטח מספרות סיפור שונה. מעבדות מפיקות תוצאות טובות, אך כאשר מוסיפים את כל ההשתражויות של אותות בין בניינים באזורים עירוניים צפופים, המצב הופך מורכב במהירות. מחקר חדש מהשנה שעברה הראה שסוג זה של הפרעה מקטין את הזיהויים המוצלחים בכמעט שליש במרחבים עירוניים מאוד צפופים.

גורמים מרכזיים המשפיעים על ביצועי גלאי טיסנים בסביבות עירוניות

שלושה גורמים ראשוניים משפיעים על יעילות הגילוי בערים:

1. גאומטריית מיקום חיישנים : זוויות התקנה אסטרטגיות עוזרות לצמצם חסימת אותות הנגרמת על ידי מבנים
2. הפרעות סביבתיות : מגדלי תאים ורשתות Wi-Fi מייצרים רעשי רקע RF העולים על -80 ד"במ, המסתירים אותות טיסנים חלשים יותר של FPV
3. מפרטים של הטיסן : עיצובים עם RCS נמוך (Radar Cross Section) וטיסנים קטנים מתחת ל-500 גרם מאתגרים מערכות Рדר מסורתיות

: בשנת 2023 נמצאו בסקר שדה שסורקי RF זיהו רק 61% מהטיסנים האנלוגיים של FPV בתדר 5.8GHz באזורים עירוניים, בהשוואה ל-92% בשטח פתוח, בשל אתגרי יחס אות לרעש ( מחקר זיהוי טיסנים בערים ).

הפער בין דיוק זיהוי טיסנים כפי שמוצג במעבדה לבין הביצועים בפועל

יצרנים רבים טוענים לדיוק של 95% ומעלה בתנאי מעבדה אידיאליים עם מסלולי טיסה לא חסומים. עם זאת, נתונים מ-142 צוותי אבטחה עירניים מציגים ירידה משמעותית בביצועים:

הפער נובע ממשתנים בלתי צפויים כגון אתרי בנייה זמניים המשדרים חתימות RF חריגות. כדי לסגור את הפער, ספקים מובילים ממליצים כיום על שילוב של חיישנים מרובים, המשלב ניתוח RF עם עיבוד רדאר בהפעלת בינה מלאכותית.

מאפייני אותות UAV FPV וקשיי זיהוי

איך רחפנים מסוג FPV משתמשים בקשרי RF, תאים ולוויין לשליטה ולשידור וידאו

רוב הרחפנים של טיסה מסיבת הפנים (FPV) תלויים בקשרי תדר רדיו, שפעלו ברובם בטווחים של 2.4 ג'יגה-הרץ ו-5.8 ג'יגה-הרץ, כדי לנהל שליטה בזמן אמת ולשדר ראיית וידאו. בנייה של רחפנים זולים יותר ממשיכה להשתמש במערכות אנלוגיות, בעוד שפתרונות דיגיטליים מתקדמים בעלי רזולוציית HD כוללים מקודדים טובים יותר המצליחים להוריד את עיכוב התגובה (latency) מתחת ל-30 מילישניות. דגמים חדשים מסוימים מתחילים לכלול חיבורי רשת סלולרית לטיסה מחוץ לשדה הראות, אך תכונה זו נקלטה רק אצל כ-12% מההרכבות המסחריות של FPV עקב בעיות בתשתיות, לפי דוח של Drone Defense Quarterly משנת שעברה. קישורים לווייניים אינם נפוצים במיוחד כיום, ושימוש בהם הוא בדרך כלל רק במטרות שדורשות כיסוי של מרחקים העולים על 50 ק"מ. הבעיה היא שהלווינים מוסיפים עיכוב משמעותי, מה שעושה אותם לא מעשיים לטיסות מהירות הדורשות תמרון ותגובות מהירות.

מאפייני אות שמהווים אתגר לגילוי רחפנים של טיסה מסיבת הפנים (FPV) מבוססי RF

מערכות FPV משתמשות בשלוש תכונות מפתח של אות שמקשות על זיהוי:

• עוצמת שידור נמוכה : 90% מממשקי ה-FPV האנלוגיים פועלים מתחת ל-600 מ"וואט כדי להימנע משתיית דעת רגולטורית
• שינוי תדרים : 74% מהדראונים לתחרויות קופצים אוטומטית בין יותר מ-40 ערוצים בתחום התדרים של 5.8 ג'יגה-הרץ
• שידור בפולסים : מערכות דיגיטליות דוחסות וידאו לפולסי נתונים של פחות מ-4 מילישניות

בערים, התפזרות אותות מרובה מקטינה עוד יותר את יחס האות לרעש (SNR) ב-60–80% בהשוואה לאזורים פתוחים (מחקר התפשטות אותות בערים, 2024).

אותות בעלי עוצמה נמוכה ושינוי תדרים במערכות FPV: טקטיקות הברחה?

רוב הרחפנים שמשתמשים בתצוגת עיניים ראשונות (FPV) בשוק היום משתמשים במערכות עם צריכת חשמל נמוכה מתחת לוואט אחד, יחד עם טכנולוגיית התפזרות על ידי קפיצת תדרים (FHSS), שמגנה עליהם מפני זיהוי. לפי מחקר חדש שהתפרסם בתחילת 2024, גלאי אותות מפספסים רחפנים מצוידים ב-FHSS הרבה יותר ממה שמצפים. שיעור הטעויות השליליות עולה מ-5 אחוז בלבד עד 43 אחוז באזורי תדרים רעועים ועמוסים. יש כאן בהחלט חסרון. אותן תכונות סתר מתבטאות במחיר. אופרטורים מבחינים בנפילת טווח הבקרה שלהם בין 35 ל-60 אחוז, ולכן תמיד קיים איזון בין הישארות בהסתרה לבין שימור שליטה מהימנה על הרחפן במהלך הפעולה.

מקרה לדוגמה: ניתוח של FPV אנלוגי בתדר 5.8 GHz לעומת מערכות דיגיטליות באיכות HD (DJI O3, Walksnail)

בדיקות בשטח מראות שמערכות אנלוגיות ניתנות לגילוי במרחקים הגדולים פי 1.8 מקבילה דיגיטליות, אך האותות המפוזרים של דيجיטלי HD עוקפים ב-34% יותר אלגוריתמי גילוי אוטומטיים.

מונעים סביבתיים ותפעוליים לגילוי רחפנים FPV בערים

מגבלות פיזיות בגילוי רחפנים מסוג FPV עם חתימה קטנה ובגובה נמוך

הדרונים של היום מצטיידים בפריים קטן שאורכו פחות מ-50 ס"מ ומבוססים על חומרים מרוכבים קלי משקל שמקטינים את החתימה הרדארית שלהם בכמעט שני שליש עד ארבע חמישיות בהשוואה למודלים מסחריים גדולים יותר. כשציפורים קטנות אלו עפות בגובה נמוך מ-50 מטרים, הן פשוט מתמזגות עם רעשי הרקע של הקרקע, מה שגורם לקשיים בזיהוי על ידי רדאר רגיל. מערכות זיהוי חזותי גם כן נתקלות בבעיות נוספות, מכיוון שבניינים, עצים ומבנים אחרים מפריעים לעיתים קרובות. לפי ניתוח אותות שנערך בשנה שעברה, כאשר טייסי FPV שומרים על גובה נמוך ומשתמשים בתכונות הנוף הטבעי כמכסה, הם מצליחים להתחמק מזיהוי של בערך שלושה רבעים מהчто שהגלאים הרגילים לдрונים מסוגלים לנטר.

הפרעה אורבנית וריבוי מסלולים מקלקלים זיהוי RF ורדאר

באזורים עירוניים יש רמה ממש גבוהה של רעש אלקטרומגנטי רקע, בשיעור של כ-15 עד 22 דציבל, מה שמקשה על אותות בקרת FPV חשובים בתדרים של 2.4 ג'יגה-הרץ ו-5.8 ג'יגה-הרץ לחדור בצורה תקינה. הבניינים מבלוקים יוצרים שגיאות מרובות מסלול שאורכן יכול לעלות על 40 מטרים בעת ניסיון לאתר מיקומים באמצעות רדיו-תדר. ואל נדבר על כל הרשתות беспровודיות האחרות שטורדות ללא הפסקה את הפס התדר, ותופסות כ-92% מהשטח הזמין. קבוצת חוקרים ערכה לאחרונה מחקר שבדק כיצד ערים מתמודדות עם טיסות של רחפנים, והם מצאו גילוי מעניין: מערכות אוטומטיות מתבלבלות לעיתים קרובות, ומטילות ספק בזרמי וידאו אמיתיים של FPV, ומסווגות אותם בטעות כאותות Wi-Fi או Bluetooth רגילים, בכ-שליש מהמקרים. זה רק מראה למה הסתמכות על סוג אחד בלבד של חיישן לא תעבוד מספיק טוב בסביבות מורכבות כמו הערים המודרניות שלנו.

מהירות ויכולת תמרון של רחפני מרוץ מקטינות חלונות זיהוי

טיסרנים מהירים של FPV הם מכונות במהירות גבוהה במיוחד, המסוגלות להגיע למהירויות של יותר מ-120 קילומטרים לשעה ולבצע פניות חדה תוך פחות מ-100 מילישניות. זה משאיר את המפעילים עם פחות משמונה שניות כדי להגיב לפני שמשהו קורה. רוב מערכות החיישן דורשות כ-12 עד 15 שניות לעבד מידע, מה שנחשב איטי מדי כשמדובר במעקב אחרי מספר טיסרנים בו זמנית. תוכנת זיהוי חייבת לעבד יותר מ-80 גורמים שונים בתוך שלוש שניות, אם היא רוצה לשמור על דיוק של מעל 90% בזיהוי מטרות. לרוע המזל, עומס העבודה הכבד הזה יוצר בעיות בסביבות עירוניות בעולם האמיתי, שם שיעורי שליליים כוזבים עולים בכ-27%, מה שהופך את המעקב אחר הטיסרנים הקטנים האלה לקשה עוד יותר.

קידום זיהוי RF וזיהוי רב-ממודלי לשיפור זיהוי טיסרנים

עקרונות של זיהוי מבוסס RF באמצעות ניטור ספקטרום

רוב מנתחי הספקטרום מתמקדים במעקב אחר תדרים בתחום שבין 2.4 ג'יגה-הרץ ל-5.8 ג'יגה-הרץ, שכן בערך שלושה רבעים מהרבות הטיסן FPV פועלים בפסים אלו. כששואלים כיצד מכשירים אלו פועלים, הם בסופו של דבר בודקים דברים כמו דפוסי מודולציה ושינויים בעוצמת האות כדי לזהות את מה שמייחד כל רחפן מאחרים. מחקר על שיטות זיהוי תדרי רדיו הראה למעשה כי ניתוח מסוג זה מהווה את הבסיס לרגולציות רבות של זיהוי מרחוק (Remote ID) הממומשות כיום במספר מדיניות. מחקרים אחרונים תומכים בכך גם כן. ניתוח מסוים שנערך בשנה שעברה גילה כי בשילוב עם טכניקות של למידת מכונה, חיישנים הצליחו להבחין בין אותות של רחפנים לבין Wi-Fi עירוני רגיל בערך 94 פעמים מתוך 100, מה שמשיג ציון גבוה במיוחד בהתחשב בצפיפות הסביבה беспלטית שלנו.

זיהוי כיוון ודقة במיקום גאוגרפי בסביבות עם סיגנלים צפופים

התקדמות מרובה במסלולים בערים מפחיתה את דיוק המיקום הגאוגרפי ב-40-60%. מערכות מתקדמות משתמשות במערכים של אנטנות מופחות ובאלגוריתמי הפרש זמני של הגעה (TDoA), אך עדיין חסימות של בטון עלולות ליצור שגיאות מיקום של יותר מ-30 מטרים עבור אותות FPV בעלי הספק נמוך.

למה התלות בשיטת זיהוי אחת נכשלת באזורים מורכבים

אף טכנולוגיה בודדת אינה מספקת זיהוי מהימן של רחפנים בערים: רדאר מתקשה עם מסגרות פיברגלאס, מערכות אופטיות נכשלות בראות לקויה, וחיישני RF לא יכולים לעקוב אחר רחפנים חסרי רדיו. מבחנים בשטח מאשרים שמערכות עצמאיות מפספסות 35% מהחדירות שהותפסו על ידי מערכים רב-חיישניים.

סינרגיה של מערכות RF, רדאר ואופטו-אלקטרוני/תת-אדום (EO/IR) לזיהוי רחפנים מהימן

שילוב זיהוי אותות RF (דיוק ספציפי של 90%), מדידת טווח רדאר (עד 3 ק"מ) ואישור אופטו-אלקטרוני/תת-אדום (EO/IR) מקטין את אזעקות השקר ב-72%. הרדאר מספק שיטוט של 360°, בעוד EO/IR מאפשר הבחנה חזותית בין רחפנים לציפורים.

מגמה: חיישני RF מחוברים ומזג נתונים למעקב בזמן אמת

רשתות חיישני RF מדורגות עם حوسبة בקצה משיגות השהיה בתגובה תחת 500 מ"ש. מתאם בינה מלאכותית מרכזי של נתוני RF, רדאר וחום שיפר את דיוק חיזוי הנתיב ל-88% בניסיונות בשטח בשנת 2023.

זיהוי חזותי ממונע על ידי בינה מלאכותית: מודלי YOLO וביצועים בשטח

תפקיד הלמידה העמוקה בהגברת הזיהוי החזותי של רחפנים מסוג FPV

בזיהוי רחפנים מסוג FPV באמצעות חיישנים אופטיים או תת-אדומים, טכניקות של למידה עמוקה הוכחו כבלתי נispensables. קחו לדוגמה את YOLOv7 ו-YOLOv8, מבנים אלו משתמשים במה שנקרא רשתות אגרגציה יעילות מורחבות (E-ELAN) בקיצור. לפי מחקר שפורסם בכתב העת Nature בשנה שעברה, הם מצליחים לעבד תמונות בקצב מהיר יותר ב-28 אחוז מאשר בגירסאות הקודמות, מבלי לרדת מתחת לדיוק של 91% בבדיקות. מה שמייחד אותם זה היכולת להבחין בין רחפנים מסוג FPV לציפורים, רק על סמך תצפית בסיבוב הרוטורים ובזיהוי דפוסי אותות מאפיינים שציפורים רגילות פשוט אינן מייצרות. יכולת זו חשובה במיוחד בסיטואציות בעולם האמיתי, בהן הבחנה בין איומים אמיתיים לבין חיות בר לא מזיקות יכולה לחסוך זמן ומשאבים במהלך פעולות שיטור.

ביצועים של מודלים מבוססי YOLO בזיהוי רחפנים בזמן אמת מזרמי EO

בסביבות עירוניות קיימות אתגרים מיוחדים לגילוי טיסנים, שם YOLOv10 מגיע לדיוק של כ-86% בזיהוי טיסנים מסוג FPV בגובה של עד 150 מטרים. עם זאת, ככל שעולים בגובה המצב הופך לקשה יותר, והצלחת הגילוי ירדה רק ל-63%, שכן קשה יותר לראות את כלי הטיס הקטנים האלה על רקע השמיים. למרות זאת, מבחני שנתיים אחרונים חשפו תגלית מעניינת – כשמשלבים את ראיית המחשב של YOLO עם מידע מרדר, מספר ההתראות הכוזבות יורד כמעט לחצי, מה שהופך את הירידה של 41% בשגיאות למשמעותית במיוחד. וגם מהירות היא גורם חשוב. המערכת מתמודדת די טוב עם סרטון באיכות 4K, ומבזבזת רק 33 מילישניות לכל פריים – מה שמהווה מהירות מספקת להרבה יישומי אבטחה הדורשים תגובות מיידיות.

אתגרי אימון: זמינות של קבצי נתונים ציבוריים של טיסנים

חוסר בנתוני אימון מגוונים מפריע באמת כשמדובר בניסיון לפרוס מערכות אלו בצורה יעילה. קיימים כבר חלק מהמאגרים האלה, כמו DroneRF עם כ-15,000 דוגמי RF ו-MultiDrone שמכיל כ-8,200 תמונות EO מתוייגות. אך בהסתכלות קרוב יותר, מתברר שפחות מ-12 אחוזים מהם מכסים באמת את אותם מצבים ספציפיים של FPV שעליהם כל כך מדברים בזמן האחרון – דברים כמו שינויי יאו פתאומיים במהלך הטיסה או התמודדות עם כל הפרעות הקפיצה בתדר שהיא כל כך בעייתית. בגלל הפער הזה, רוב המפתחים נאלצים ליצור בערך שלושה רבעים מנתוני האימון שלהם באמצעות שיטות סימולציה. ונניח את זה, גישה זו נוטה להטות את המודלים לטובת תרחישים מלאכותיים אלו במקום לתנאים אמיתיים שהם בסופו של דבר יפגשו בשטח.

ניתוח מחלוקת: התאמת יתר על נתונים מבוקרים לעומת עמידות בשטח

כאשר מודלי ראייה מתאמנים על מערכי נתונים שנבחרו בקפידה, הם בדרך כלל מגיעים לדיוק של יותר מ-90% בתנאי מעבדה מבוקרים. אך כאשר שמים אותם בסביבות עירוניות אמיתיות, הביצועים שלהם ירדו לרמה שבין 58% ל-67%. חוקרים משנת 2024 גילו משהו מעניין בנוגע למודלים שנבנו באמצעות נתוני VisioDect – הם נוטים להיקבע יתר על המידה על תנאי תאורה מסוימים. המחקר הראה ירידה גדולה של 29% באפקטיביות בשעות השקיעה בהשוואה למצבים של אור יום בהיר. רבים מהמומחים בתחום מדגישים שהדרכים הנוכחיות שלנו לבחון מערכות אלו מפספסות טריקים די ברורים שנעזרים בהם מפעילי FPV. דברים כמו חומרים מחזירים מיוחדים על רחפנים או דפוסי תנועה לא צפויים עוקפים לחלוטין את שיטות ההגירה הסטנדרטיות, מה שמעלה שאלות חמורות לגבי אמינות המערכות הללו כשמשתמשים בהן מחוץ לסביבות בדיקה.

שאלות נפוצות (FAQs)

• אילו הם האתגרים המרכזיים לגילוי רחפנים בסביבות עירוניות? סביבות עירוניות מציגות אתגרים כגון הפרעות בתדרים הנגרמות על ידי בניינים, רמות רעש RF גבוהות ממכרסים תאים ורשתות Wi-Fi, ומגבלות הנובעות מעיצובים של רחפנים עם חתימה קטנה (RCS).
• למה הדיוק במציאות של גלאי רחפנים נמוך יותר מאשר בסביבת מעבדה? הדיוק במציאות מושפע ממשתנים לא צפויים כמו אתרים בנייה זמניים המשדרים חתימות RF וכיבוע עירוני שמוביל להפרעות בתדר, מה שמשונה מאוד מתנאי המעבדה מבוקר.
• איך רחפנים מסוג FPV משתמשים בסיגנלי RF? רחפנים מסוג FPV משתמשים בדרך כלל בסיגנלי RF בתחום התדרים 2.4 GHz ו-5.8 GHz לשליטה בזמן אמת ולשידור וידאו, אם כי חלקם יכולים לשלב קישורים סלולריים ולוויניים לפעולת טווח ארוך.
• מה הופך את רחפני FPV לקשים לגילוי? רחפני FPV קשים לגילוי בשל הספק שידור נמוך, יכולת שינוי תדר מהירה והעברת סיגנלים בצורת פולסים. תכונות אלו מאפשרות הברחה טובה יותר בסביבות RF עמוסות.