مؤلفه‌های اثرگذار بر کشف و مقابله با هواپیمای بدون سرنشین در صحنه‌های نبرد آینده

نوع مقاله : مقاله علمی- پژوهشی

نویسندگان

1 دانشجوی دکتری مدیریت دفاعی دانشگاه فرماندهی و ستاد ارتش جمهوری اسلامی ایران

2 استادیار علوم دفاعی راهبردی دانشگاه و پژوهشگاه عالی دفاع ملی و تحقیقات راهبردی، تهران، ایران

3 دانشیار دانشگاه و پژوهشگاه عالی دفاع ملی و تحقیقات راهبردی، تهران، ایران

4 استادیار دانشگاه فرماندهی و ستاد آجا، تهران، ایران

چکیده

بررسی ماهیت تهدید‎های سامانه‌ هواپیمای بدون سرنشین (UAS)، نتایج جنگ‎‌های اخیر در منطقه غرب آسیا، پیشرفت روزافزون فناوری‎‌های نظامی به‌ویژه ویژگی‎‌های تهدید‎های هوایی آینده ازجمله وسایل نقلیه هوایی بدون سرنشین (UAVs)، لزوم توجه علمی و دقیق به مقوله پدافند هوایی را اجتناب‌ناپذیر نموده است. در این میان مقابله با سامانه‌های هواپیمای بدون سرنشین در زمان جنگ و صلح که امنیت ملی و نظامی، ایمنی عمومی و حریم خصوصی افراد را به خطر می‌اندازد، از اهمیت ویژه‎ای برخوردار است. پدافند هوایی دارای سه بعد  سامانه‎‌های کشف، شبکه فرماندهی و کنترل یکپارچه و سامانه‎‌های سلاح است که نقش اصلی را در عملیات دفاع هوایی به عهده دارند. هدف تحقیق تبیین مؤلفه‌های اثرگذار بر کشف و مقابله با سامانه‌های هواپیمای بدون سرنشین در نبردهای آینده است. تحقیق از نوع کاربردی – توسعه‌‎ای بوده و رویکرد آن آینده‌پژوهانه و از روش موردی– زمینه‌‎ای استفاده ‌شده است. در این تحقیق ابتداً تهدید‎های هواپیماهای بدون سرنشین مورد مطالعه قرار گرفته و سپس مهم‎ترین مؤلفه‌ها و شاخص‎‌های بعد سامانه‎‌های کشف تبیین شده است. برای غنای بیشتر تحقیق با تعدادی از خبرگان حوزه پدافند هوایی مصاحبه گردید. در نهایت با شناسایی مؤلفه‌ها و شاخص‎‌های اثرگذار بر بعد کشف الگوی پدافند هوایی برای مقابله با هواپیماهای بدون سرنشین پیشنهادهایی ارائه گردید.

کلیدواژه‌ها

عنوان مقاله [English]

Factors affecting drone detection and countermeasures in future battle scenes

نویسندگان [English]

  • Ardeshir Mohammadi 1
  • Hossin Navadehtoopchi 2
  • Iraj Forozan 2
  • Hossine Shokohi 3
  • Ebrahim Ejabi 4
1 PhD Student in Department Of Army Staff and Command University
2 Assistant of Prof. in Supreme National Defense University and Strategic Research, Tehran, Iran
3 Associate Prof. Of Supreme National Defense University and Strategic Research, Tehran, Iran
4 Assistant Prof. in AJA Command & Staff University, Tehran, Iran
چکیده [English]

Investigating the nature of UAS threats, the results of recent wars in the West Asian region, the increasing development of military technologies, especially the characteristics of future air threats, including unmanned aerial vehicles (UAVs), the need for scientific attention And accurate to the category of air defense has made it inevitable. In the meantime, dealing with unmanned aircraft systems in times of war and peace, which endanger national and military security, public safety, and people's privacy, is of particular importance. Air defense has three dimensions: detection systems, integrated command and control network, and weapon systems that play the main role in air defense operations. The purpose of the research is to explain the factors affecting the detection and countering of drone systems in future battles. The research is of an applied-developmental type and its approach is prospective and the case-contextual method is used. In this research, the threats of unmanned aircraft are studied first, and then the most important components and indicators of detection systems are explained. To enrich the research, a number of experts in the field of air defense were interviewed. Finally, by identifying the components and indicators affecting the discovery of the air defense model, suggestions were made to deal with drones.

کلیدواژه‌ها [English]

  • Air Defense
  • Discovery
  • Systems to Deal with Unmanned Aircraft

مراجع

  • افجه­ای، سید علی‌اکبر؛ دهقانان، حامد؛ خاشعی، ورنا؛ محو، استیوحید و هاشمی، سید محمود. (1395). طراحی مدل تصویرسازی سازمانی دانشگاه­ها و مؤسسات آموزش عالی با رویکرد ساختاری تفسیری (موردمطالعه دانشگاه علامه طباطبایی)، فصلنامه پژوهش در نظام‌های آموزشی. 10 (۳۵): ۲۲۶-۲۵۶.
  • افشردی، محمدحسین و نـوشادی، غـلامرضا (١٣٩٨)، راهـبرد پدافند هوایی صـحنه عملیـات (سـناریو تهدیـد فرضی صحنه عملیات خوزستان‌)، فصلنامۀ‌ مطالعات دفاعی استراتژیک. 17 (76): 26-5.
  • آذر، عادل؛ خسروانی، فرزانه و جلالی رضا. (1395). تحقیق در عملیات نرم، تهران: انتشارات سازمان مدیریت صنعتی.
  • بالازاده، علی‎اصغر و خوشدل‌ امامی،‌ محسن (١٣٩٤). نقش پدافند هوایی در امنیـت ملـی و عملکـرد آن، تهران: انتشارات قرارگاه پدافند هوایی خاتم‌الانبیاء (ص)
  • پورشاسب، عبدالعلی و طالبیان، احمدرضا. (1396). تهدیدات هوایی علیه سامانه­های راداری قرارگاه پدافند هوایی خاتم‌الانبیا (صلی ا... علیه و آلِ و سلم) آجا در جنگ­های آینده، فصلنامه مطالعات دفاعی استراتژیک. 15(69): 80-58.
  • پورشاسب، عبدالعلی؛ پورصادق، ناصر و عزیزی، محمد. (1397). ارائه الگوی ارتقاء سازمان برای رزم در جنگ‎های آینده، فصلنامه مطالعات دفاعی استراتژیک،  16(73):  26-.5
  • سیاری، حبیب‌الله. ( 1392). سیاست دفاعی. جزوه درسی دانشگاه عالی دفاع ملی.
  • شهرآئینی، سیداسماعیل. (١٣٩6). الگـوی راهبردی‌ چابک‌ سازی‌ سازمان‎های پدافنـد هوایی مـتناسب بـا تـهدیدات‌ ناهمتراز‌، تهران‌: انتشارات دانشگاه عالی دفاع ملی
  • علی نژاد، مهدی. (١٣٩٦). طـراحی الگـوی آرایه‌های‌ پدافندی‌ زمین به هوا در مـقابلـه بــا تـهدیـدات علیـه مناطق و مراکز حیاتی و حساس در افق چشم‌انداز‌ ١٤٠٤‌، رسالۀ دکتری، دانشکده دفـاع ملـی، دانشـگاه عالی دفاع ملی.
  • غفاری، بهزاد‌. (١٣٩٣‌). بازطراحی سامانه‌های پدافند هوایی متناسب با جنگ‌های آینده، پروژه تـحقیقـاتی، تـهران: انـتشارات مرکز مطالعات‌ و تحقیقات‌ قرارگاه پدافند هـوایی خاتم‌الانبیاء (ص) آجا.
  • غلامی، براتعلی. (١٣٩٤). پدافند هوایی‌ ناهمتراز‌، تهران: نشر ایران سبز
  • گودرزی، ناصر. (1387). فناوری‌های نظامی، نگاه، 1(4): 140-134
  • مختاریان، علی. (1381). پرنده‎های بدون سرنشین به‌عنوان اهداف کاذب، معاونت پشتیبانی، مهندسی و تحقیقات صنعتی. گروه پهپاد. 3(11): 66-45
  • میقانی، احمد؛ بوالحسنی، خسرو؛ رضایت، غلامحسین و علی‎نژاد، مهدی. طراحی الگوی آرایه‎های پدافند زمین به هوا در مقابله با تهدیدات علیه مراکز حیاتی و حساس در افق چشن انداز 1404، فصلنامه مطالعات استراتژیک. 18(80): 82-57
  • وثوقی، نیری عبداله؛ پورعزت، علی‌اصغر؛ آقامحمدی، داوود و امیری، مجتبی. (1396). مدل‌سازی نرم تصویر ارتش آینده بر اساس رویکرد ساختاری تفسیری. فصلنامه ‎آینده‌پژوهی دفاعی، 2، (5): 110-83.
  • Bilgin G. (2022). İnsansiz Hava Araci Kullanimina Yönelik Avrupa Konumsal Veri Altyapisi Ulaşim Ağlari Temasinin Genişletilmesi.‏
  • Castrillo V. U. Manco A. Pascarella D. & Gigante G. (2022). A Review of Counter-UAS Technologies for Cooperative Defensive Teams of Drones. Drones. 6(3): 65.‏
  • Chadwick A. D. (2017). Micro-drone detection using software-defined 3G passive radar.‏
  • Fang G. Yi, J. Wan X. Liu Y., & Ke H. (2018). Experimental research of multistatic passive radar with a single antenna for drone detection. IEEE Access, 6, 33542-33551.‏
  • Federal Aviation Administration, “Unmanned aircraft Systems,” April [Online]. Available: https://www.faa.gov/uas/.
  • Federal Aviation Administration. “FAA Aerospace Forecast 201939.” April 2019. [Online]. Available: https://www.faa.gov/aerospace/
  • FM‌ 44-100. (2017). Chapter 2. Page 2-10‌.
  • Frew, J. (2018). Drone Wars. The next generation. SIPRI Arms Transfers Database. Stockholm International Peace Research Institute.
  • Gettinger D. (2020). Drone Databook Update: March 2020. Center for the Study of the Drone at Bard College.‏
  • Gettinger D. (2020). The Drone Data Book (The Center for the Study of the Drone). Bard College.‏
  • Hengy S. Laurenzis, M. Schertzer S. Hommes A. Kloeppel F. Shoykhetbrod A & Christnacher F. (2017 October). Multimodal UAV detection: Study of various intrusion scenarios. In Electro-Optical Remote Sensing XI.(Vol. 10434, pp. 203-212). SPIE.‏
  • Jian M. Lu Z. & Chen V. C. (2017 May). Experimental study on radar micro-Doppler signatures of unmanned aerial vehicles. In 2017 IEEE Radar Conference (RadarConf) (pp. 0854-0857). IEEE.‏
  • Josephs L. (2019 April). drone flights shut down london gatwick airport, stranding thousands of travelers.
  • Kim J. Park C. Ahn J. KO Y. Park J. & Gallagher J. C. (2017 March). Real-time UAV sound detection and analysis system. In 2017 IEEE Sensors Applications Symposium (SAS) (pp. 1-5). IEEE.‏
  • Knoedler B. Zemmari R. & Koch W. (2016, May). On the detection of small UAV using a GSM passive coherent location system. In 2016 17th International Radar Symposium (IRS) (pp. 1-4). IEEE.‏
  • Martelli T. Murgia F. Colone F. Bongioanni C. & Lombardo. P. (2017 October). Detection and 3D localization of ultralight aircrafts and drones with a WiFi-based passive radar. In International Conference on Radar Systems (Radar 2017) (pp. 1-6). IET.‏
  • Mohajerin N. Histon J. Dizaji R. & Waslander S. L. (2014, May). Feature extraction and radar track classification for detecting UAVs in civillian airspace. In 2014 IEEE Radar Conference (pp. 0674-0679). IEEE.‏
  • Nakamura R. & Hadama H. (2017). Characteristics of ultra-wideband radar echoes from a drone. IEICE Communications Express.‏
  • NATO Standardization Office (NSO) ‘ATP-3.3.8.1 Minimum Training Requirements for Unmanned Aircraft Systems (UAS) Operators and Pilots’ Edition B Version 1.May 2019.
  • Ritchie, M. (2021). Multi-Frequency Micro-Doppler Based Classification of Micro-Drone Payload Weight. Frontiers in Signal Processing.‏
  • Rovkin, M. E., Khlusov, V. A., Malyutin, N. D., Hristenko, A. V., Novikov, A. S., Nosov, D. M., ... & Ilchenkoy, V. E. (2018, May). Radar detection of small-size UAVs. In 2018 Ural Symposium on Biomedical Engineering, Radioelectronics and Information Technology (USBEREIT) (pp. 371-374). IEEE.‏
  • Song, H., Fink, G. A., & Jeschke, S. (Eds.). (2017). Security and privacy in cyber-physical systems: foundations, principles, and applications. John Wiley & Sons.‏
  • H. Liu. Y. and Wang. J “UAS Detection and Negation,” U.S. Patent 62 833 153, 4 12. 2019.
  • Vilímek J. & Buřita L. (2017 May). Ways for copter drone acustic detection. In 2017 International Conference on Military Technologies (ICMT) (pp. 349-353). IEEE.‏
  • Wallace R. J. Haritos T. & Robbins J. (2018). Building Evidence the Federal Aviation Administration's UAS Safety Strategy Needs Improvement. International Journal of Aviation, Aeronautics, and Aerospace. 5(1): 10.‏
  • Wang J. Liu Y. & Song H. (2021). Counter-unmanned aircraft system (s) (C-UAS): State of the art, challenges, and future trends. IEEE Aerospace and Electronic Systems Magazine, 36(3), 4-29.‏
  • Zhang H. Cao C. Xu L. & Gulliver T. A. (2018). A UAV detection algorithm based on an artificial neural network. Ieee Access, 6, 24720-24728.‏
  • Zhao Y. & Su Y. (2018). Cyclostationary phase analysis on micro-Doppler parameters for radar-based small UAVs detection. IEEE Transactions on Instrumentation and Measurement, 67(9), 2048-2057.‏
  • Zhou C. Liu Y. & Song Y. (2016 October). Detection and tracking of a UAV via Hough transform. In 2016 CIE International Conference on Radar (RADAR) (pp. 1-4). IEEE.‏
  • Zywek M. Krawczyk G. & Malanowski M. (2018 June). Experimental results of drone detection using noise radar. In 2018 19th International Radar Symposium (IRS) (pp. 1-10). IEEE.‏

فایل ها

هم رسانی

ارجاع به این مقاله

آمار