Три режима адаптивной ПВО: как математический переключатель помогает сбивать дроны в городской застройке и лесополосах

Версия 2.0 (полная, с кодом и методиками)

Аннотация

В условиях городской застройки и лесистой местности традиционные средства ПВО сталкиваются с серьёзными ограничениями: радар не видит низколетящие малые дроны на фоне зданий и деревьев, оптика слепнет от бликов, дыма и веток, а РЭБ лишь переводит дрон в автономный режим.

Мы предлагаем систему с адаптивным переключателем между тремя режимами работы:

• M₁ — «Аналитик»(оценка скрытых параметров);
• M₂ — «Стрелок»(точное поражение с контуром стабилизации);
• M₃ — «Адаптер»(адаптация и обучение в реальном времени).

В статье разберём реальный сценарий боя у пятиэтажки и лесополосы с цифрами энтропии, ошибки слежения и правилами выбора оружия. В конце — полный код симулятора и методика расчёта энтропии по трём акустическим датчикам.

Исходная обстановка

Ландшафт:

• жилой квартал (пятиэтажки, сараи, СНТ);
• за домами — лесополоса, воронки, старые окопы.

Противник:

• рой FPV‑дронов (4 шт.) + базовая станция;
• тактика: вылет из‑за зданий, ложные цели, скрытие в кронах.

Наши средства:

• 2 акустические станции (пеленгация по звуку);
• 1 оптическая камера с тепловизором;
• 1 зенитный пулемёт (управляемый сервоприводами);
• 3 своих FPV‑дрона‑перехватчика;
• 1 станция РЭБ ближнего радиуса.

Задача: сбить все вражеские дроны с минимальным расходом боеприпасов и своих бортов.

Сценарий в реальном времени (0–45 секунд)

Этап 1: t = 0–8 с — неопределённость, режим M₁ («Аналитик»)

Ситуация. Акустика засекла шум винтов. Источников несколько, сигнал переотражается от зданий. Непонятно:

• сколько дронов;
• откуда летят;
• это FPV или разведчик?

Расчёт энтропии H(t)H(t). Используем формулу Шеннона для распределения вероятностей направлений:

H(t)=−∑pilog⁡2piH(t)=−∑pi​log2​pi​

Вероятности направлений (по методу максимальной энтропии):

Подставляем значения:

H=−(0,55log⁡20,55+0,30log⁡20,30+0,10log⁡20,10+0,05log⁡20,05)≈1,45 битH=−(0,55log2​0,55+0,30log2​0,30+0,10log2​0,10+0,05log2​0,05)≈1,45 бит

Порог: H>0,7H>0,7 → включаем режим M₁.

Действия M₁:

• DBN (байесовская сеть) строит вероятностную карту появления дронов;
• отдаётся команда: наблюдать сектор «лес» (вероятность 0,55) и подняться оптикой на уровень 3‑го этажа (откуда обычно выходят FPV).

Результат через 5 секунд: оптика ловит первый дрон у кромки леса.

Этап 2: t = 8–17 с — дрон в прямой видимости, режим M₂ («Стрелок»)

Ситуация. Дрон типа FPV летит прямо на пулемётную точку:

• высота — 8 м;
• скорость — 12 м/с;
• дальность — 450 м.

Метрики:

• энтропия H=0,2H=0,2(направление известно);
• ошибка прогноза e(t)=0,05e(t)=0,05(траектория предсказуема);
• плотность датчиков κ=0,9κ=0,9(оптика + акустика работают).

Правило выбора: e<0,15e<0,15, κ>0,7κ>0,7, H<0,4H<0,4 → режим M₂.

Действие M₂. Задействуем ПИД‑регулятор наведения пулемёта:

u(t)=Kp⋅e(t)+Ki∫e dt+Kddedtu(t)=Kp​⋅e(t)+Ki​∫edt+Kd​dtde​

где:

• Kp=0,6Kp​=0,6— пропорциональный коэффициент;
• Ki=0,2Ki​=0,2— интегральный коэффициент;
• Kd=0,1Kd​=0,1— дифференциальный коэффициент;
• e(t)e(t)— угловая ошибка наведения.

Через 3 секунды пулемёт берёт упреждение — очередь из 20 патронов сбивает дрон на дальности 150 м.

Результат: один дрон уничтожен, потрачено 20 патронов (экономично).

Этап 3: t = 18–30 с — дрон пропал за домом, режим M₃ («Адаптер»)

Ситуация. Осталось 3 дрона. Один нырнул за пятиэтажку (зона радиотени):

• пулемёт не видит цель;
• РЭБ бесполезна (дрон перешёл на автопилот по последней координате).

Метрики:

• ошибка прогноза e(t)e(t)резко выросла до 0,5 (прогноз — прямая линия, факт — пропал);
• κκупала до 0,4 (оптика потеряла цель).

Правило выбора: e>0,3e>0,3 или κ<0,5κ<0,5 → режим M₃.

Действие M₃. Агент DRL (обученная политика) пробует последовательность:

1. Выпустить свой FPV‑дрон в обход дома с другой стороны.
2. Анализировать телеметрию (тепловизионный канал своего дрона).
3. Как только чужой дрон найден — команда своему дрону на таран.

Награда:

• уничтожение чужого дрона: +100;
• потеря своего дрона: −20;
• пустая трата времени: −1 за секунду.

Агент выбирает эту тактику, потому что в симуляторе она дала 76 % успеха против «ушедшего за угол» дрона.

Результат: свой дрон через 9 секунд находит и таранит вражеский FPV. Потеря своего перехватчика, но цель уничтожена.

Этап 4: t = 30–45 с — оставшиеся два дрона меняют тактику (эффект адаптации)

Ситуация. Противник заметил: «по прямым целям стреляет пулемёт, за угол посылает встречный дрон». Дроны начинают маневрировать хаотично, подныривая в воронки и скрываясь в ветвях. Стандартные методы сбоят — ошибка прогноза e(t)e(t) скачет от 0,2 до 0,5.

Переключатель переходит в гибридный режим (M₂ + M₃ с весами):

u=w2uПИД+w3uDRLu=w2​uПИД​+w3​uDRL​

Веса рассчитываются так:

w2=exp⁡(−βe2)exp⁡(−βe2)+exp⁡(−βσDL),w3=1−w2w2​=exp(−βe2)+exp(−βσDL​)exp(−βe2)​,w3​=1−w2​

где σDLσDL​ — дисперсия действий DRL‑агента (мера уверенности).

При e=0,4e=0,4 веса получаются w2≈0,3w2​≈0,3, w3≈0,7w3​≈0,7 — действует в основном адаптер.

Адаптер пробует неожиданное действие: применить РЭБ не на глушение, а на имитацию ложной базовой станции — чтобы перехватить управление дроном. С первой попытки не выходит, со второй один дрон теряет связь и ложится в воронку. Второй дрон добит пулемётом, когда на секунду вылетает из‑за дерева (ПИД успевает).

Сводная таблица: какой режим когда работает

Дополнительный гибридный режим (M₂+M₃):
0.15≤e≤0.30.15≤e≤0.3 и κ>0.5κ>0.5 → взвешенное управление u=w2uПИД+w3uDRLu=w2​uПИД​+w3​uDRL​.

Таблица порогов (шпаргалка командира)

Условие переключения в реальном бою — три значения, которые легко рассчитать на планшете:

Правило:

• Если хоть одна метрика в красной зоне → M₁ (при κ<0.5κ<5или H>0.7H>0.7) или M₃ (при e>0.3e>0.3).
• Если все в зелёной → M₂.
• Иначе → гибрид M₂+M₃.

Методика расчёта энтропии H(t)H(t) по трём акустическим датчикам

Принцип TDOA (разность времени прихода сигнала)

Пусть три датчика расположены в точках A,B,CA,B,C с известными координатами.
Дрон издаёт звук (частота винтов ~ 200–500 Гц). Меряем время прихода сигнала на каждый датчик tA,tB,tCtA​,tB​,tC​.

Вычисляем разности:

ΔtAB=tA−tB,ΔtAC=tA−tCΔtAB​=tA​−tB​,ΔtAC​=tA​−tC​

Каждой паре ΔtΔt соответствует гиперболоид (в 2D — гипербола), на которой лежит источник.

Шаги алгоритма

1. Оцифровка сигнала (частота 48 кГц, окно 0.1 с).
2. Корреляция между парами датчиков → находим ΔtAB,ΔtACΔtAB​,ΔtAC​.
3. Решаем систему уравнений для координат (x,y)(x,y). Получаем оценку положения дронас погрешностью.
4. Повторяем для нескольких последовательных измерений → гистограмма направлений по секторам.
5. Нормируем гистограмму в вероятности pipi​.
6. Считаем энтропию Шеннона:

H=−∑i=14pilog⁡2piH=−i=1∑4​pi​log2​pi​

Пример для нашего сценария (секторы: лес, дома, пустырь, окопы)

Подставляем в формулу:

H=−[0.55log⁡2(0.55)+0.283log⁡2(0.283)+0.117log⁡2(0.117)+0.05log⁡2(0.05)]H=−[0.55log2​(0.55)+0.283log2​(0.283)+0.117log2​(0.117)+0.05log2​(0.05)]

Вычисления:

• 55 * (-0.862) = -0.474
• 283 * (-1.82) = -0.515
• 117 * (-3.09) = -0.361
• 05 * (-4.32) = -0.216

Сумма = -1.566 → H≈1.57H≈1.57 бит (высокая неопределённость).

Вывод: H>0.7H>0.7 → включаем режим M₁.

Код для акустической локации и расчёта H (Python, упрощённый)

python

import numpy as npfrom scipy.signal import correlate def tdoa_localization(t1, t2, t3, sensor_positions, sound_speed=343):    """    t1,t2,t3 - время прихода сигнала на датчики 1,2,3    sensor_positions: [[x1,y1],[x2,y2],[x3,y3]]    возвращает координаты (x,y) источника    """    # разности расстояний    d12 = (t1 - t2) * sound_speed    d13 = (t1 - t3) * sound_speed        # решение системы гипербол (упрощённо - взято из готовой лин. алгебры)    A = np.array([[2*sensor_positions[1][0] - 2*sensor_positions[0][0], 2*sensor_positions[1][1] - 2*sensor_positions[0][1]],                  [2*sensor_positions[2][0] - 2*sensor_positions[0][0], 2*sensor_positions[2][1] - 2*sensor_positions[0][1]]])    b = np.array([d12**2 - (sensor_positions[0][0]**2 + sensor_positions[0][1]**2) + (sensor_positions[1][0]**2 + sensor_positions[1][1]**2),                  d13**2 - (sensor_positions[0][0]**2 + sensor_positions[0][1]**2) + (sensor_positions[2][0]**2 + sensor_positions[2][1]**2)])    try:        x, y = np.linalg.solve(A, b)        return x, y    except:        return None, None def direction_to_sector(angle_deg):    """0-360° -> 'forest','houses','wasteland','ditches'"""    if angle_deg < 90: return 'forest'    elif angle_deg < 180: return 'houses'    elif angle_deg < 270: return 'wasteland'    else: return 'ditches' def entropy_from_detections(detections_list, sectors):    """detections_list: список секторов (строки) за последние 3-5 измерений"""    counts = {s: detections_list.count(s) for s in sectors}    total = sum(counts.values())    probs = [counts[s]/total for s in sectors]    H = -sum(p * np.log2(p) for p in probs if p>0)    return H # Пример использованияsectors = ['forest','houses','wasteland','ditches']detections = ['forest', 'forest', 'houses', 'forest', 'ditches']  # 5 замеровH = entropy_from_detections(detections, sectors)print(f"Entropy H = {H:.2f} bits")if H > 0.7: print("Mode M₁ (Analyst) activated")

Код симулятора трёх режимов с переключателем (Python)

Этот симулятор моделирует поле боя, генерирует дронов, считает метрики H,e,κH,e,κ и переключает режимы.

python

import numpy as npimport mathfrom collections import deque # -------------------  МЕТРИКИ -------------------def entropy_h(probs):    """H(t) - энтропия распределения по секторам"""    return -sum(p * math.log2(p) for p in probs if p > 0) def prediction_error(true_pos, pred_pos):    """e(t) - относительная ошибка прогноза"""    dist_true = math.hypot(true_pos[0], true_pos[1])    if dist_true < 1e-3: return 0    error = math.hypot(true_pos[0]-pred_pos[0], true_pos[1]-pred_pos[1])    return error / dist_true def sensor_coverage(active_sensors):    """kappa(t) - доля работающих датчиков"""    return active_sensors / 3.0  # всего 3 датчика # -------------------  РЕЖИМЫ -------------------def mode1_analyst(probs):    print("M1: Analyst - Updating DBN, scanning high-prob sectors")    sector = np.argmax(probs)    return {"action": "scan", "priority_sector": sector} def mode2_shooter(error_angle):    print("M2: Shooter - PID tracking, firing solution")    # Простой ПИД    Kp, Ki, Kd = 0.6, 0.2, 0.1    integral = 0    derivative = 0    u = Kp * error_angle + Ki * integral + Kd * derivative    return {"action": "shoot", "u": u, "rounds": 20} def mode3_adapter():    print("M3: Adapter - Deploying own FPV, trying net / spoofing")    return {"action": "deploy_fpv", "tactic": "ram"} def hybrid_mode(w2, w3, u_pid, u_drl):    print(f"Hybrid: weights PID={w2:.2f}, DRL={w3:.2f}")    u = w2 * u_pid + w3 * u_drl    return u # -------------------  ПЕРЕКЛЮЧАТЕЛЬ -------------------def switch_mode(h, e, kappa):    """    Правило переключения:    - если H > 0.7 или kappa < 0.5 -> M1    - иначе если e > 0.3 -> M3    - иначе если e < 0.15 и kappa > 0.7 и h < 0.4 -> M2    - иначе гибрид M2+M3    """    if h > 0.7 or kappa < 0.5:        return 1    elif e > 0.3:        return 3    elif e < 0.15 and kappa > 0.7 and h < 0.4:        return 2    else:        return 0  # гибрид # -------------------  СИМУЛЯТОР ПОЛЯ БОЯ -------------------def simulate_battle():    print("=== Simulating Air Defense with 3-mode switcher ===\n")    # Инициализация    time_steps = 45  # секунд    drones = [{"pos": (100, 30), "vel": (5, -2), "type": "FPV", "alive": True},              {"pos": (120, 25), "vel": (6, -1), "type": "FPV", "alive": True},              {"pos": (80, 35), "vel": (4, -3), "type": "FPV", "alive": True},              {"pos": (140, 20), "vel": (5, -2), "type": "FPV", "alive": True}]        # Буферы для метрик    history_probs = deque(maxlen=5)    pred_pos = (100, 20)        for t in range(time_steps):        print(f"\n--- t={t}s ---")                # Обновление позиций дронов (простейшая модель)        for d in drones:            if d["alive"]:                x, y = d["pos"]                vx, vy = d["vel"]                d["pos"] = (x + vx, y + vy)                # Собираем вероятности секторов на основе акустики (имитация)        # Пусть в данном тесте сначала высокая энтропия, потом снижается        if t < 10:            probs = [0.55, 0.30, 0.10, 0.05]  # лес, дома, пустырь, окопы        elif t < 25:            probs = [0.70, 0.20, 0.07, 0.03]        else:            probs = [0.85, 0.10, 0.03, 0.02]                h = entropy_h(probs)        # Выбираем ближайшего живого дрона для e(t)        alive_drones = [d for d in drones if d["alive"]]        if alive_drones:            true_pos = alive_drones[0]["pos"]            e = prediction_error(true_pos, pred_pos)            # Обновляем прогноз для следующего шага            pred_pos = (true_pos[0] + 5, true_pos[1] - 2)        else:            e = 0.0                kappa = sensor_coverage(np.random.choice([0,1], p=[0.1,0.9]))  # 90% работоспособность датчиков                print(f"H={h:.2f} bits, e={e:.2f}, kappa={kappa:.2f}")                mode = switch_mode(h, e, kappa)                if mode == 1:            action = mode1_analyst(probs)        elif mode == 2:            error_angle = 0.05  # имитация ошибки наведения            action = mode2_shooter(error_angle)            # В режиме M2 сбиваем один дрон с вероятностью 0.8            if t > 8 and t < 17 and np.random.rand() < 0.8:                for d in drones:                    if d["alive"]:                        d["alive"] = False                        print("Hit! Enemy drone destroyed by M2 (shooter)")                        break        elif mode == 3:            action = mode3_adapter()            # В M3 сбиваем дрон с вероятностью 0.5            if t > 18 and t < 30 and np.random.rand() < 0.5:                for d in drones:                    if d["alive"]:                        d["alive"] = False                        print("Enemy drone destroyed by M3 (adapter)")                        break        else:  # гибрид            print("Hybrid mode M2+M3")            # Взвешенное управление            beta = 2.0            sigma_dl = 0.5  # дисперсия DRL            w2 = math.exp(-beta * e**2) / (math.exp(-beta * e**2) + math.exp(-beta * sigma_dl))            w3 = 1 - w2            u_pid = 0.1  # некоторое значение усиления            u_drl = 0.3            u = hybrid_mode(w2, w3, u_pid, u_drl)            # В гибридном режиме редко сбиваем дрон            if np.random.rand() < 0.3:                for d in drones:                    if d["alive"]:                        d["alive"] = False                        print("Drone destroyed in hybrid mode")                        break                # Проверка завершения боя        if not any(d["alive"] for d in drones):            print("\n*** All enemy drones neutralized ***")            break        print("\n=== Simulation finished ===") if __name__ == "__main__":    simulate_battle()

Как использовать код

1. Сохраните файл py.
2. Установите зависимости: pip install numpy scipy.
3. Запустите: python adapter_pvo.py.
4. Наблюдайте вывод: в консоли будут метрики, переключения режимов и уведомления об уничтожении дронов.

Вы можете менять:

• параметры датчиков в функции sensor_coverage;
• пороги в switch_mode;
• поведение дронов (траектории, типы);
• вероятности поражения в каждом режиме.

Выводы для тактики

1. Не пытайтесь всё время стрелять.Включите M₁ — соберите информацию, понизьте энтропию.
2. Как только дрон виден и прямолинеен — применяйте M₂ (ПИД).Это максимально дёшево и надёжно.
3. При манёвре, пропадании или постановке помех — сразу M₃.Пробуйте нетривиальные вещи: встречный дрон, ложный сигнал, ловушку.
4. Переключатель может быть полуавтоматическим:достаточно планшета командира с калькулятором трёх формул (H,e,κH,e,κ) и таблицей решений.

Главный эффект: стоимость уничтожения одного дрона падает с миллионов рублей (ракета ПВО) до тысяч или десятков тысяч рублей (пулемёт + свой FPV + интеллект).

Задание для самостоятельной тренировки

Сценарий:
Ландшафт — плотный лес + овраг. Три дрона заходят на разных высотах.
Средства: 2 акустики, 1 тепловизор, 1 пулемёт, 1 свой FPV.

Вопросы:

1. Для первого появления (шумы, неизвестно направление) какой режим включите?
2. Какой порог HHвы выберете для перехода к M₂?
3. Если дрон заходит на бреющем за деревьями, что делать: M₃ (выпускать свой) или пробовать другой вариант?

Ответы для самопроверки:

1. Режим M₁ («Аналитик»), так как HHбудет высокая.
2. После снижения H<0.4H<4и e<0.15e<0.15 — переход в M₂.
3. Лучше M₃ с выпуском своего FPV, чтобы «зайти за дерево» вслед за дроном.

Дальнейшее развитие:

Описанный переключатель — это прототип. Для внедрения в подразделении необходимо:

• Развернуть 3–4 акустических модуля (цена <5000 руб/шт);
• Подключить одну управляемую турель (пулемёт или лазерную указку);
• Научить DRL-агента в симуляторе (Gazebo с моделью леса/домов/воронок);
• Установить планшет с правилами переключения (пороги H,e,κH,e,κ).

Ключевое преимущество: система работает в условиях, где дорогие ПВО слепнут, и позволяет эффективно защищать объекты в прифронтовой полосе, лесных массивах и городских кварталах.