T-uppdrag inom FOTSAT 19-21, slutrapport

Författare:

  • Nils Karlsson
  • Staffan Abrahamson
  • Åsa Andersson
  • Johan Berneland
  • Lars Bohman
  • Pär Glendor
  • Ove Gustafsson
  • Magnus Gustavsson
  • Rolf Jonsson
  • Hans Kariis
  • Karl Karlsson
  • Mikael Karlsson
  • Anna Pohl
  • Steven Savage
  • Daniel Svedbrand
  • Niclas Wadströmer
  • Erik Zdansky
  • Cecilia Gullström

Publiceringsdatum: 2021-11-22

Rapportnummer: FOI-R--5225--SE

Sidor: 32

Skriven på: Svenska

Forskningsområde:

  • Sensorer och signaturanpassning

Nyckelord:

  • IR
  • radar
  • signatur
  • vegetation
  • skenmål
  • modellering
  • maskeringsnät
  • kamouflag

Sammanfattning

Detta är slutrapporten till en FMV-beställning rörande teknologistöd inom signaturanpassningsteknik "FOI stöd till FOT 19-21" och utgör en sammanfattning av utfört arbete och framkomna resultat inom projektet. Projektet består av ett antal separata arbetspaket: Inom IR-modellering har uppgiften främst fokuserats på att modellera hur nederbörd och då hur speciellt regn påverkar IR-signaturen och visar hur man kan modellera detta på ett enklare objekt. Inom radarområdet har effekten av volymklotter studerats för att öka kunskapen om hur olika typer och tjocklek av vegetation påverkar radarsignalen. Mätningar har gjorts där det framgår att relativt lite vegetation kan ge ett betydande skydd. Mätresultaten ska ge underlag till parametersättning för att kunna modellera vegetationens reflekterande och dämpande egenskaper. Resultaten kan användas som underlag till stöd för taktiskt uppträdande. Skenmål för markarenan har studerats. Baserat på en litteraturstudie har egenskaper definierats som kan utgöra underlag till kravspecifikation för skenmål. Ett skenmål föreställande en stridsvagn har införskaffats och undersökts experimentellt med radar och elektrooptiska sensorer med blandade resultat. Förmågan att geometriskt och elektromagnetiskt kunna modellera maskeringsnät för radarberäkningar har utvecklats. Beräkningar har utförts på en hörnreflektor som täcks av ett maskeringsnät. Beräkningsuppställningen efterliknar gjorda mätningar och preliminära jämförelser visar goda resultat. Beräkningar och validering mot fullskaligt stridsfordon återstår. En genomförd förstudie av möjligheten generera maskeringsmönster med maskininlärning har genomförts. Med generativa motverkande neurala nätverk kan det vara möjligt, men det finns också ett antal svårigheter som ytterligare behöver utredas.