tis Телекоммуникации и связьTelecommunications and Communications 3034-4050 ФГБУ «16 ЦНИИИ» 10.21681/3034-4050-2026-3-69-73 ОБНАРУЖЕНИЕ ДРОНОВ ПРОТИВНИКА С ПОМОЩЬЮ ПОИСКОВОЙ АППАРАТУРЫ, УСТАНОВЛЕННОЙ НА ОТЕЧЕСТВЕННЫХ БЕСПИЛОТНЫХ ЛЕТАТЕЛЬНЫХ АППАРАТАХDETECTION OF ENEMY DRONES USING SEARCH EQUIPMENT INSTALLED ON DOMESTIC UNMANNED AERIAL VEHICLES АхмедовЭмиль Мехман оглы аспирант Национального Аэрокосмического Агентства. Баку, Азербайджанская РеспубликаPostgraduate student of the National Aerospace Agency. Baku, Republic of Azerbaijan.Россия emil.ahmadov@mail.ru АсадовХикмет Гамид оглы доктор технических наук, профессор, главный научный сотрудник НИИ Аэрокосмической информатики. Баку, Азербайджанская РеспубликаDr.Sc. of Technical Sciences, Professor, Chief Researcher of the Research Institute of Aerospace Informatics. Baku, Republic of Azerbaijan.Россия asadzade@rambler.ru АлиеваХумар Сабир гызы кандидат технических наук, доцент, главный научный сотрудник НИИ Аэрокосмической информатики. Баку, Азербайджанская РеспубликаPh.D. of Technical Sciences, Associate Professor, Chief Researcher of the Research Institute of Aerospace Informatics. Baku, Republic of Azerbaijan.Россия khumar.aliyeva@maka.gov.az 2026 123 6973

Цель: решение задачи обнаружения вражеских дронов в полете с помощью отечественных БПЛА, оборудованных видеокамерой и термальной камерой. Метод: используется метод математического моделирования и синтеза с помощью составленной вариационной оптимизационной задачи.

Результат: для оценки эффективности обнаружения дрона противника использована вероятностная мера обнаружения. Введен на рассмотрение интегральный показатель вероятности и сформулирована задача оптимизации этого показателя. Также введена оптимизируемая функция взаимосвязи вероятности обнаружения дрона видеокамерой и вероятности обнаружения термальной ИК-камерой. Определено, что при линейном виде оптимизируемой функции вновь введенный интегральный показатель вероятности обнаружения достигает максимума. Показано, что полученный результат проводимой оптимизации действителен в случае поиска оптимизируемой функции в пределах подмножества непрерывных и дважды дифференцируемых функций, удовлетворяющих определенному ограничительному условию.

Практическая ценность: полученные результаты могут быть использованы при планировании современных методов ведения боя с применением беспилотных аппаратов, а также поиске заданных объектов на поверхности Земли, в том числе в горной местности.

Goal: solving the problem of detecting enemy drones in flight using domestic UAVs equipped with a video camera and a thermal camera. Method: the method of mathematical modeling and synthesis is used using the compiled variational optimization problem. 4 Ahmadov, Emil Mehman oglu, postgraduate student of the National Aerospace Agency. Baku, Republic of Azerbaijan. E-mail: emil.ahmadov@mail.ru 5 Asadov, Hikmet Hamid oglu, Dr.Sc. of Technical Sciences, Professor, Chief Researcher of the Research Institute of Aerospace Informatics. Baku. Republic of Azerbaijan. E-mail: asadzade@rambler.ru 6 Aliyeva, Khumar Sabir gizi, Ph.D. of Technical Sciences, Associate Professor, Chief Researcher of the Research Institute of Aerospace Informatics. Baku. Republic of Azerbaijan. E-mail: khumar.aliyeva@maka.gov.az ВОЕННАЯ ЭЛЕКТРОНИКА, АППАРАТУРА КОМПЛЕКСОВ ВОЕННОГО НАЗНАЧЕНИЯУДК: 009.725.7 ТЕЛЕКОММУНИКАЦИИ И СВЯЗЬ № 3 (12) 2026\n73

Result: a probabilistic detection measure was used to assess the effectiveness of detecting an enemy drone. An integral probability indicator was introduced for consideration and the problem of optimizing this indicator was formulated. An optimized function of the relationship between the probability of detecting a drone by a video camera and the probability of detection by a thermal IR camera was also introduced. It is determined that in the linear form of the optimized function, the newly introduced integral index of the probability of detection reaches its maximum. It is shown that the result of the optimization is valid in the case of searching for the function to be optimized within a subset of continuous and doubly differentiable functions that satisfy a certain restrictive condition.

Practical value: the results obtained can be used in planning modern methods of combat using unmanned aerial vehicles, as well as searching for specified objects on the Earth's surface, including in mountainous areas.

 математическое моделированиеоптимизацияоптимизируемые функциивидеокамерыпоказатель вероятностираспознавание объектоввражеские объектыгорные поверхностиобнаружения mathematical modelingoptimizationoptimized functionsvideo camerasprobability indicatorobject recognitionenemy objectsmountain surfacesdetections Список литературыNabiyev N. M., Abdullayev A. A. The optimization of the Surveillance Capabilities of UAVs. Tuijin Jishu / Journal of Propulsion Technology. ISSN: 1001-4055. – Vol. 46. – No 02 (2025). – Pp.1212–1221. Muhammad Arsalan Khan, Wim Ectors, Tom Bellemans, Davy Janssens. UAV-Based Traffic Analysis: A Universal Guiding Framework Based on Literature Survey. Transportation Research Procedia. 2017. 22:541-550. DOI:10.1016/ j.trpro.2017.03.043. Asadov H. G., Alieva G. V., Gusejnov O. A. Analiz tyagovogo rezhima pri gruppovom polyote razlichnyh BpLA pri kontrole za dvizheniem na gornoj avtotrasse. «Aviacionnaya promyshlennost'». – 2025. – Pp. 46–50. Pengnian Wu, Yixuan Li, Dong Xue. Multi-Target Tracking with Multiple Unmanned Aerial Vehicles Based on Information Fusion. Drones. November 2024. 8(12):704. DOI:10.3390/drones8120704. Amirreza M. Khaleghi, Dong Xu, Sara Minaeian, Yifei Yuan, Jian Liu, Young-Jun Son. Analysis of UAV/UGV Control Strategies in a DDDAMS-based Surveillance System. May 2015. Industrial and Systems Engineering Research Conference 2015. Eren Unlu, Emmanuel Zenou, Nicolas Riviere, Paul-Edouard Dupouy. An Autonomous Drone Surveillance and Tracking Architecture. Electronic Imaging. 2019(15):35-1-35-7. – DOI:10.2352/ISSN.2470-1173.2019.15.AVM-035. Xing D., Unlu H. U., Evangeliou N., Tzes A. Drone Surveillance Using Detection, Tracking and Classification Techniques. Image Analysis and Processing. ICIAP 2022 Workshops. 4 August 2022. – Pp. 446–457. URL: https://doi.org/ 10.1007/978-3-031-13324-4_38. M. Kontitsis, N. Tsourveloudis, K. Valavanis. A UAV Based Automated Airborne Surveillance System. IEEE International Conference on Robotics and Automation, 2004. – DOI: 10.1109/ROBOT.2004.1307132. Niamat Ullah Ibne Hossain, Mostafa Lutfi, Ifaz Ahmed, Aditya Akundi and Daniel Cobb. Modeling and Analysis of Unmanned Aerial Vehicle System Leveraging Systems Modeling Language (SysML). Systems 2022, 10(6), 264. URL: https://doi.org/10.3390/systems10060264. Dzielski J., Blackburn M. Implementing a Decision Framework in SysML Integrating MDAO Tools. INSIGHT 2018, 21, Pp. 15–19. Apvrille L., de Saqui-Sannes P., Vingerhoeds R. An educational case study of using sysml and tool for unmanned aerial vehicles design. IEEE J. Miniat. Air Space Syst. – 2020. – No 1. – Pp. 117–129. Xing-hua L., Yun-feng C. Design of UAV flight control system virtual prototype using rhapsody and simulink. In Proceedings of the 2010 International Conference on Computer Design and Applications, Qinhuangdao, China, 25–27 June 2010. – Pp. V3–V4. Queiroz P., Braga R. Combining MARTE-UML, SysML and CVL to build unmanned aerial vehicles. In Proceedings of the Ninth International Conference on Software Engineering Advances, Nice, France, October 2014. – Pp. 334–340. Makarenko S. I., Afonin I. E. Modelirovanie boevyh dejstvij aviacii i ocenki ih ehffektivnosti – analiz rabot, modelej, aktual'nyh napravlenij issledovanij // Sistemy upravleniya, svyazi i bezopasnosti. – 2024. – No 3. – Pp. 78–125. – DOI: 10.24412/2410-9916-2024-3-078-125. АХМЕДОВ Э. М., АСАДОВ Х. Г., АЛИЕВА Х. С. DOI: 10.21681/3034-4050-2026-3-69-73