Перед радиолокационными системами традиционно стояла простая инженерная дилемма: лучшая производительность требует больше аппаратного обеспечения, больше энергии и больше затрат. Но новые сферы применения, включая дроны, автономные транспортные средства и распределенные сенсорные сети, требуют мощных радаров на платформах, где пространство, вес, заряд батареи и вычислительные ресурсы ограничены. Эти потребности побуждают исследователей из компании HRL Laboratories, входящей в структуру IBM, переосмыслить подход к проектированию радиолокационных систем.
Встречайте: радары с низкими SWaP-характеристиками (Size, Weight, and Power — размер, вес и энергопотребление), хотя стоимость все чаще рассматривается как ключевое ограничение. Цель таких радаров, помимо уменьшения размеров системы, состоит в том, чтобы сохранить максимум полезных возможностей при одновременном сжатии аппаратной части, снижении энергопотребления и радикальном удешевлении. Для руководителя лаборатории HRL Сон-Хвуна Кима и его коллег целевым ориентиром являются радиолокационные системы стоимостью в десятки тысяч долларов, а не сотни тысяч или даже миллионы. «Для этой отрасли такая разница в стоимости — это смена парадигмы», — отметил он.
Достижение этой цели означает переосмысление радара как интегрированной системы, включающей в себя полупроводниковые приборы, которые производят и принимают радиочастотные сигналы, а также алгоритмы, интерпретирующие эти сигналы в реальном времени.
Что на самом деле измеряет радар?
Слово «радар» (radar) представляет собой аббревиатуру от радиообнаружения и дальнометрии (Radio Detection and Ranging). Проще говоря, радар работает путем передачи радиочастотных (РЧ) сигналов и анализа того, что возвращается обратно после того, как эти сигналы сталкиваются с объектами в окружающей среде и возвращаются к приемной антенне. На основе того, как фаза и амплитуда возвращающегося импульса отличаются от переданных, можно интерпретировать информацию об объектах поблизости. Доплеровское смещение возвращающегося импульса описывает, насколько его длина волны растягивается или сжимается в зависимости от того, приближается ли интересующий объект к источнику радара или удаляется от него. Эта информация вносит свой вклад в общую картину, предоставляемую радиолокационным оборудованием.
В отличие от камеры, датчик радара не создает мгновенно узнаваемое изображение. Вместо этого инженеры разрабатывают режим работы радиолокационной системы и ее форму волны, определяя, как радиочастотный сигнал обрабатывается и передается, чтобы можно было извлечь полезную информацию — например, расстояние до объекта и скорость его движения — при возвращении сигнала к источнику. Режим радара — это особый способ его работы, при котором его форма волны и другие параметры настроены на определенную задачу обнаружения. Частота и модуляция могут быть выбраны для конкретного применения, но аппаратное обеспечение радара также должно поддерживать этот режим. Проектирование все более специализированного оборудования под все более сложные режимы — одна из причин, почему высокопроизводительные радиолокационные системы могут стоить так дорого.
Команда Кима подходит к этой проблеме через совместное проектирование (ко-дизайн), рассматривая форму волны, аппаратное обеспечение и программное обеспечение для обработки сигналов в комплексе, а не как отдельные инженерные задачи.
«Я твердо верю, что программное обеспечение и алгоритмы сделают отличные датчики еще умнее», — сказал он. «Но если вы можете сделать отличный датчик немного умнее, а затем поработать над аппаратным обеспечением в связке с программным обеспечением, то у вас появится нечто действительно работающее».
Получение большей отдачи от коммерческого оборудования
Один из ключей к снижению стоимости радара — отказ от заказного оборудования там, где существующие компоненты могут выполнить большую часть работы. Готовая коммерческая электроника (COTS) предлагает огромную экономию за счет масштаба. Однако компоненты, разработанные для массовых рынков, не обязательно поддерживают все, что требуется для специализированного радара, считает Ким.
Он охарактеризовал подход своей команды как «модифицированные готовые решения». Вместо того чтобы разрабатывать каждый компонент с нуля, исследователи могут начать с относительно недорогих коммерческих компонентов, при необходимости доработать их и добавить сопутствующую электронику или программное обеспечение, наделяя их возможностями, которые их первоначальные разработчики не предполагали.
Важный момент заключается в том, чтобы за счет кастомизации не потерять экономическое преимущество.
«Если вы покупаете чип за 50 долларов, вы же не хотите, чтобы в итоге этот чип обошелся вам в 5000 долларов», — сказал Ким. «Вы хотите просто добавить ему немного функционала», сохранив его вблизи первоначальной ценовой категории.
Эта философия пронизывает все проектирование с низкими SWaP-характеристиками: тратьте ресурсы там, где они реально улучшают производительность, вместо того чтобы оптимизировать каждый компонент до его теоретического предела.
Привносим интеллект на периферию
Проблема SWaP для радаров не ограничивается радиочастотным аппаратным обеспечением. Датчику также требуется достаточная вычислительная мощность, чтобы превращать получаемые сигналы в полезную информацию, причем все чаще в режиме реального времени.
Базовый продукт радиолокационных данных — это доплеровская карта дальности. Одно измерение содержит информацию о дальности объекта до датчика, а другое фиксирует его относительное движение с помощью эффекта Доплера. Полученный результат может помочь определить, где что-то находится и как быстро оно движется относительно радара. Но интерпретация доплеровской карты дальности сильно отличается от выделения узнаваемого объекта на фотографии. Более сильный сигнал не обязательно является более важным сигналом. Полезная информация может возникать из закономерностей во всех данных.
Ким и его коллеги изучают, как машинное обучение может действовать в качестве первичного фильтра для этой информации непосредственно на периферии. В зависимости от обстановки, Ким оценивает, что от 80% до 90% данных радара в конечном итоге могут оказаться нерелевантными для задачи более высокого уровня. Если эффективная модель машинного обучения сможет выявить потенциально полезную часть на более раннем этапе, остальной части вычислительной системы придется обрабатывать гораздо меньше информации.
Этот подход заключается вовсе не в том, чтобы поместить на радар как можно большую модель ИИ. Скорее, все наоборот: поиск эффективных алгоритмов, работающих на эффективном оборудовании, способных выполнять строго определенную задачу в условиях жестких ограничений по питанию и вычислениям.
Совместное проектирование ИИ и радара
Применение ИИ к радарам создает еще одну сложность: данные радаров носят крайне специализированный характер.
Исследователь машинного обучения, работающий с фотографиями, интуитивно понимает, что представляет собой изображение лица, автомобиля или здания. В этом случае данные легко аннотировать для обучения модели. Возврат же радиолокационного сигнала, с другой стороны, представляет собой электрическое представление окружающей среды. Его понимание требует знания того, как была сформирована форма волны, как работает радар и как обрабатывался возвращающийся сигнал.
Поэтому команда Кима стремится к тому, чтобы исследователи машинного обучения понимали форму волны и проектирование режимов радара, в то время как инженеры-радиотехники понимали, что алгоритмам требуется от аппаратного обеспечения. Это создает цикл обратной связи, в котором требования алгоритмов могут влиять на проектирование аппаратного обеспечения, а знание датчика может влиять на то, как системы машинного обучения интерпретируют его выходные данные.
По словам Ким, этот цикл может стать важным источником инноваций. Вместо того чтобы просто предоставить ИИ-системе набор размеченных радиолокационных данных и попросить ее обнаружить закономерности, исследователи могут задействовать знания о том, как именно были получены эти измерения. Цель заключается в достижении лучших результатов и возможности более быстрого развертывания систем. Повышение эффективности на уровне радиочастотного (РЧ) аппаратного обеспечения
В конечном счете возможности радаров с низкими показателями SWaP ограничены законами физики. Датчик на платформе с батарейным питанием, такой как беспилотный автомобиль или дрон, имеет ограниченный энергетический бюджет, а это значит, что усовершенствования программного обеспечения не могут бесконечно компенсировать неэффективность электроники. Это делает полупроводниковую технологию еще одной важной составляющей уравнения. Опыт в проектировании и производстве эффективных РЧ-устройств — это способ найти необходимые компромиссы ближе к фундаментальному аппаратному уровню, а не наращивать «железо» вокруг неэффективного компонента, пояснила Ким.
Одной из важных технологий является нитрид галлия (GaN) — полупроводник, используемый в радарах и других высокопроизводительных радиочастотных системах. Ким и ее коллеги работают над устройствами и технологиями производства на основе GaN, а их литейное производство также предоставляет эту технологию другим организациям оборонно-промышленной базы США.
Этот опыт в области полупроводников дополняет общую философию концепции низкого энергопотребления, массы и габаритов (SWaP): оптимизацию стека технологий как единой системы, включая базовые устройства, радиочастотные компоненты, обработку сигналов и программное обеспечение.
Что ждет радары с низкими показателями SWaP в будущем?
Следующим шагом может стать перенос такого же подхода в диапазон еще более высоких частот.
Команда Ким исследует устройства миллиметрового диапазона высокой частоты — область, которая имеет значение не только для радаров, но и для новых коммуникационных технологий, таких как 5G и 6G. Исследователи из HRL сейчас изучают, как технологии, разработанные для этого частотного диапазона, могут лечь в основу нового поколения недорогих высокочастотных миллиметровых радаров.
В конечном счете радары с низкими показателями SWaP — это не столько миниатюризация традиционного радара, сколько определение того, какие возможности действительно должны быть реализованы внутри датчика, и проектирование всей системы соответствующим образом. Это может сделать сложные сенсорные системы практичными на платформах, где стоимость, вес или требования к энергии традиционных систем ранее создавали серьезные препятствия.
И все чаще определяющим фактором будет не какой-то один прорывной компонент. Главным станет то, насколько эффективно аппаратное обеспечение, РЧ-электроника, режимы обнаружения и интеллектуальное программное обеспечение спроектированы для совместной работы.












