ปัจจุบันเรดาร์ไม่ได้มีหน้าที่เพียงตรวจจับวัตถุบนท้องฟ้าเท่านั้น แต่ยังสามารถวิเคราะห์ลักษณะการเคลื่อนไหวของวัตถุนั้นได้อีกด้วย เทคโนโลยีที่เรียกว่า "ไมโคร-ดอปเปลอร์ (Micro-Dopple)" ช่วยให้เรดาร์แยกแยะได้ว่าวัตถุที่ตรวจพบเป็นนกหรือโดรน ผ่านรูปแบบการเคลื่อนไหว เช่น การกระพือปีกหรือการหมุนของใบพัด ซึ่งมีความสำคัญต่อความปลอดภัยทางอากาศ การรักษาความปลอดภัย และการจัดการภัยคุกคามสมัยใหม่

ในปี 2018 โดรนเริ่มมีการใช้อย่างแพร่หลายมากขึ้น แต่ปัญหาที่ตามมาคือระบบเรดาร์แบบทั่วไปไม่สามารถแยกแยะระหว่างนกกับโดรนได้ เพราะทั้งคู่มีขนาดที่คล้ายกัน อีกทั้งยังบินอยู่ในระดับความสูงและมีความเร็วที่ใกล้เคียงกันอีกด้วย ดังนั้นการวัดค่าด้วย Radar Cross Section (RCS) หรือขนาดของสัญญาณสะท้อน รวมไปถึงการใช้เสียง ภาพ และ Infrared เพียงอย่างเดียวจึงไม่เพียงพอที่จะจำแนกได้อย่างแม่นยำ

ลักษณะการทำงานของ Doppler และ Micro-Doppler

เรดาร์ปกติจะวัด Doppler จากการเคลื่อนที่รวมของวัตถุ เช่น โดรนบินเข้าหาเรดาร์ด้วยความเร็ว 60 กม./ชม. เรดาร์ก็จะรับรู้ว่าวัตถุชิ้นนี้มีความเร็วเท่านี้ แต่ถ้ามีส่วนประกอบอื่นที่เคลื่อนที่อยู่ด้วย เช่น ใบพัดที่หมุนตลอดเวลา ก็จะสร้างสัญญาณที่เรียกว่า Micro-Doppler นั่นคือเมื่อวัตถุเคลื่อนที่ ส่วนประกอบภายในก็เคลื่อนไหวด้วยเช่นกัน ไม่ว่าจะเป็นปีกนกที่กระพือขึ้นลง หรือใบพัดของโดรนที่หมุนอยู่ตลอดเวลา ล้วนเป็น Micro-Doppler ทั้งสิ้น ซึ่งเรดาร์ที่มีความไวเพียงพอก็สามารถอ่านสัญญาณนี้ได้ และนำมาใช้จำแนกได้ว่าวัตถุที่ตรวจพบนั้นเป็นนกหรือโดรน

ประเภทของสัญญานที่มีผลต่อ Micro-Doppler

ในทางทฤษฎีแล้ว การเคลื่อนไหวระดับจิ๋วหรือ Micro-Doppler นั้นแบ่งออกเป็น 4 ประเภทหลัก คือ
1. การสั่น (Vibration) ซึ่งเป็นการเคลื่อนไหวพื้นฐานที่สุด เช่น การสั่นของเครื่องยนต์ที่ก่อให้เกิดการสั่นสะเทือนบนโครงสร้าง
2. การหมุน (Rotation) เช่น ใบพัดโดรน ซึ่งสร้างสัญญาณ Flash ทุกครั้งที่ใบพัดหันตั้งฉากกับเรดาร์
3. การกลิ้งพลิก (Tumbling) เช่น ขีปนาวุธที่หมุนพลิกในอากาศโดยไม่มีแกนคงที่
4. การส่าย (Coning) ซึ่งเป็นการเคลื่อนที่แบบวนเป็นกรวย เช่น กระสุนปืนที่หมุนควงในลักษณะของลูกข่าง ชึ่งแต่ละรูปแบบการเคลื่อนไหวนี้จะสร้างลายเซ็น Micro-Doppler ที่มีลักษณะเฉพาะแตกต่างกันออกไป ซึ่งเป็นพื้นฐานสำคัญที่ทำให้เรดาร์สามารถระบุตัวตนของวัตถุแต่ละชนิดได้

เทคโนโลยี  Doppler ในปัจจุบัน

ในปัจจุบันมีเครื่องมือที่ล้ำสมัยอย่าง Time-Frequency Transform โดยจะใช้ Short-Time Fourier Transform (STFT) และ Wigner-Ville Distribution (WVD) ซึ่งเป็นเครื่องมือที่แสดงทั้งความถี่และเวลาพร้อมกัน แทนที่จะดูสัญญาณแบบ Snapshot เพียงครั้งเดียว การวิเคราะห์แบบ Time-Frequency ทำให้มองเห็นว่า Micro-Doppler เปลี่ยนแปลงอย่างไรตามเวลา ซึ่งเป็นกุญแจสำคัญในการแยกแยะและจำแนกประเภทของวัตถุที่บินอยู่บนท้องฟ้าได้อย่างแม่นยำ

นักวิจัยจาก University of St Andrews ได้ใช้เรดาร์ 2 ย่านความถี่พร้อมกัน ได้แก่ K-band (24 GHz) และ W-band (94 GHz) เก็บข้อมูลจากโดรนพาณิชย์ 3 รุ่น และนก 4 ชนิดที่มีขนาดแตกต่างกัน โดยบินผ่านหน้าเรดาร์ในสนามทดสอบจริง ผลที่ได้พบว่าความถี่ในการหมุนของใบพัดโดรนนั้นสูงกว่าความถี่การกระพือปีกของนกถึงประมาณ 10 เท่า ดังนั้นลายเซ็น Micro-Doppler ระหว่างนกกับโดรนจึงมีความแตกต่างกันอย่างมาก และสามารถจำแนกได้อย่างชัดเจนด้วยเรดาร์ที่ออกแบบมาเพื่องานนี้โดยเฉพาะ นอกจากนี้ยังพบว่า W-band ให้คุณภาพสัญญาณสูงกว่า แต่มีระยะตรวจจับสั้นกว่า ในขณะที่ K-band ครอบคลุมระยะไกลกว่า และยังคงให้ข้อมูล Micro-Doppler ที่ชัดเจนเพียงพอสำหรับการแยกแยะ

นักวิจัยชาวบราซิลจากมหาวิทยาลัยกลางแห่งปารามองว่าคลื่นมิลลิเมตร (mmWave) น่าจะตอบโจทย์ในการจำแนกได้ดียิ่งขึ้น โดยนำข้อมูลสัญญาณเรดาร์ที่ความถี่ 60 GHz มาใช้ทดสอบ ข้อมูลถูกเก็บจากวัตถุ 3 ประเภท ได้แก่ โดรน DJI Mavic, โดรน DJI Phantom 3 Pro และ "นกไบโอนิค" (Bionic Bird) ซึ่งเป็นอุปกรณ์บินที่เลียนแบบการกระพือปีกของนกจริง สัญญาณถูกบันทึกในรูปแบบ Complex Number เพื่อเก็บข้อมูลทั้ง Amplitude และ Phase ไว้ครบถ้วน

ยิ่งไปกว่านั้น ทีมวิจัยยังได้ใส่ตัวรบกวนสัญญาณเข้าไป 4 แบบ ได้แก่ White Noise (สัญญาณรบกวนทางอิเล็กทรอนิกส์ทั่วไป), Impulsive Noise (การรบกวนแบบกะทันหัน), Pareto Noise (การรบกวนหางหนักที่เกิดขึ้นไม่บ่อยแต่รุนแรง) และ Multipath Interference (สัญญาณสะท้อนจากอาคารหรือพื้นผิวต่าง ๆ) เพื่อดูว่าผลลัพธ์ภายใต้สัญญาณรบกวนจะยังคงเสถียรพอที่จะจำแนกระหว่างนกกับโดรนได้หรือไม่ โดยมีการนำโมเดล AI มาเปรียบเทียบกัน 4 ตัว ได้แก่ LSTM, GRU, Conv1D และ Transformer สรุปได้ว่าโมเดล Transformer สามารถแยกแยะได้ดีที่สุดโดยรวม แม้ในสภาวะที่มีสัญญาณรบกวนหนัก แต่ก็ยังมีจุดอ่อนเมื่อเจอกับ Pareto Noise ซึ่งเป็นสัญญาณรบกวนแบบสุดขั้ว ทีมจึงพัฒนาโมเดลใหม่ชื่อว่า Multimodal Transformer ที่เพิ่มข้อมูลทางสถิติอย่าง Skewness และ Kurtosis เข้าไปด้วย ส่งผลให้ความแม่นยำในการจำแนกเพิ่มขึ้นอย่างมีนัยสำคัญ

สรุป

เทคโนโลยี Micro-Doppler จึงถือเป็นกุญแจสำคัญของระบบตรวจจับโดรนในยุคปัจจุบัน ไม่ว่าจะเป็นการปกป้องสนามบิน การรักษาความปลอดภัยพื้นที่สำคัญ หรือการบริหารจัดการน่านฟ้าระดับต่ำ เมื่อ AI และการวิเคราะห์แบบ Time-Frequency ที่เปลี่ยนแปลงตามเวลาของเรดาร์ทำงานร่วมกัน  จะเป็นกุญแจสำคัญในการแยกแยะและจำแนกประเภทของวัตถุที่บินอยู่บนท้องฟ้าได้การแยกแยะว่าสิ่งที่บินอยู่บนท้องฟ้าคือ นกหรือโดรน จึงไม่ใช่เรื่องยากอีกต่อไป และนี่คือก้าวสำคัญที่จะช่วยให้ท้องฟ้าของเราปลอดภัยมากยิ่งขึ้นในอนาคต