ВС Турции активно используют отечественный радар обнаружения дронов Retinar FAR-AD ВИДЕО

15 Июля 2023 16:41

Отечественный РЛС обнаружения дронов Retinar FAR-AD, разработанный компанией Meteksan Defense, это полностью национальная радиолокационная система для защиты от мини/микро беспилотных летательных аппаратов и угроз с земли.

Как передает Caliber.Az, об этом SavunmaSanayiST.com сообщило на своей странице в Twitter.

Yerli Dron Tespit Radarı: Retinar FAR-AD

Milli imkanlarla geliştirilen Retinar FAR-AD, hem dron hem de insan tespitine özel olarak geliştirildi.

360 derece yanca kapsama alanına sahip radar, 9+ kilometreden insan ve 4.4 kilometreden DJI Phantom 4 kadar küçük dronları tespit… pic.twitter.com/apGqR3Kg2i
— SavunmaSanayiST.com (@SavunmaSanayiST) July 14, 2023

Благодаря боковому охвату на 360 градусов радар может обнаруживать людей на расстоянии более 9 километров, а такие маленькие дроны, как DJI Phantom 4, — на расстоянии 4,4 километра. РЛС Retinar FAR-AD активно используется турецкими подразделениями безопасности позволяя автоматически сканировать большие площади.

Работая с низкой выходной РЧ-мощностью в диапазоне частот Ku, система имеет передовую технологию твердотельного радиочастотного дизайна и цифровую архитектуру радара. Используя настраиваемую форму сигнала импульсного доплера со сжатием импульсов, система предлагает выбираемые эффективные режимы использования с различными формами сигналов и различными угловыми скоростями вращения благодаря своей цифровой архитектуре радара. Благодаря скорости вращения 30 об/мин, Retinar FAR-AD не подвержен влиянию маневров угроз и успешно следует за угрозами.

Радар предоставляет оператору информацию о курсе, скорости и ориентации целей, отслеживаемых с помощью «Программного обеспечения пользовательского интерфейса». Система, которая может выполнять автоматическую классификацию целей в рамках информации отслеживания в режиме отслеживания во время сканирования, повышает эффективность классификации с помощью подробных алгоритмов в режиме анализа целей, чтобы устранить неопределенности и повысить надежность классификации.