Tony Scott의 영화 "Enemy of the State"에서 Will Smith와 Gene Hackman은 번호판 등록을 통해 차량을 매우 정밀하게 탐지하고 추적할 수 있는 CIA 위성의 감시에서 탈출하는 데 가장 큰 어려움을 겪습니다. 그런데 그게 영화라니...
실제로 현대 전자광학 인식 위성은 해상도가 매우 높아 30cm 정도의 작은 물체도 식별할 수 있지만 얼굴을 인식하거나 자동차 번호판을 읽을 수는 없습니다. 무엇보다 비행기는 물론 자동차 등 움직이는 표적을 효과적으로 탐지하고 추적하지 못한다.
그러나 이것은 미국 우주군이 4년 2024월 XNUMX일 기자 회견에서 우주 작전 사령관인 마이클 게틀린 장군의 목소리를 통해 스스로 제시한 목표입니다.
개요
Awacs 및 E-8 Joint STARS 항공기는 이제 대칭 적에게 취약합니다.
이 목표, 매우 야심 찬 것은 부분적으로 우크라이나 공습의 교훈에서 비롯된 피할 수 없는 관찰의 결과입니다. 실제로 이번 전투에서 러시아 공군은 패했다. Awacs A-50 메인스테이 항공기 XNUMX대, 우크라이나 장거리 DCA에 의해 격추되었습니다 (키예프에 따르면).
동시에 러시아 공군이 시연했다. R-37M 초장거리 공대공 미사일의 효율성, 최대 400km 범위에서 Awacs 및 유조선 항공기와 같은 항공기와 교전하고 파괴하도록 설계되었습니다. 이러한 위협은 사거리가 각각 15km와 21km에 달하는 PL-250 및 PL-400과 같은 장거리 공대공 미사일이 중국에서 운용되기 시작하는 것을 반영합니다.
마지막으로 러시아에서도 중국과 마찬가지로 러시아 S-400, S-500, 중국 HQ-9 등 장거리 지대공 시스템은 300km 이상의 보호 버블을 생성해 유조선, 특히 Awacs와 같은 항공기가 교전 구역에서 더 먼 거리에서 작동하도록 지원합니다.
그러나 미국 군대와 더 나아가 서방 군대의 효율성은 주로 공군의 능력에 달려 있습니다. 첨단 공중탐지 항공기의 효율성곧 E-3 웨지테일로 대체된 미 공군의 E-7 센트리, 미 해군의 E-2D 호크아이를 비롯해 E-8 조인트 스타즈 등을 탐지할 예정이다. 지상 목표물을 식별하고 추적합니다.
따라서 이들 항공기가 교전선에서 더 먼 곳에서 작전하도록 하고, 상대 DCA와 장거리 미사일로 무장한 요격 미사일의 범위를 벗어나도록 함으로써 러시아와 중국 군대는 전반적으로 적군을 약화시키는 효과적인 해결책을 갖게 됩니다. 미국과 서방 군대의 군사 및 작전 잠재력.
미 우주군은 30년대 초부터 공중, 해군, 지상 표적을 탐지하고 추적할 수 있는 위성을 원했습니다.
이것이 바로 US Space가 현재 상당한 운영상의 부가가치를 제공하고자 하는 지점입니다. 2019년에 창설된 미 우주군은 미국의 6번째 군대입니다. 이름에서 알 수 있듯이 미 국방부는 미국 군대의 모든 우주 자원을 책임지고 있지만, 새로운 군대나 새로운 사령부가 흔히 그렇듯이 국방부 계층 내에서 자신의 위치를 완전히 찾는 데 어려움을 겪고 있습니다. 다른 군대는 특정 특정 우주 자산에 대한 통제권을 유지했습니다.
이제 읽을 내용이 75% 남았습니다. 구독하여 액세스하세요!
숲 클래식 구독 에 대한 액세스를 제공
정식 버전의 기사과 광고없이,
€1,99부터. 구독 프리미엄 또한 기록 보관소 (2년 이상의 기사)
회절 법칙(광학/전자기학은 동일함)은 용납할 수 없으며 SAR 기술은 상당히 제한된 응답을 제공합니다. 센티미터 해상도를 얻으려면 10배 더 큰 "창" 크기(거울, 초경량, 강성 및 10m 이상의 안정, 물질적 문제.;;ect) 고도를 10으로 나누고(비행 시간, 목표) 떼로 날아가거나(비용) UUV(ATM 전송, 공중 소스)로 통과하거나 훨씬 더 이국적입니다.
2년 KH11 배치 이전에 U1970의 문제점을 발견
소모품 드론 떼는 약 60~80피트 상공의 "비행" 지역에서 "필요에 따라" 발사됩니다.
Interconnected는 나에게 심각한 길처럼 보입니다.
여기서 피사체는 해상도를 높이는 것보다 실시간으로 수신된 이미지를 처리하여 대상을 감지(예: 티라노사우루스 😉와 같은 움직임을 통해)할 수 있는 것 같습니다. 제 생각에는 이러한 변화는 실제로 큰 부가가치를 가져오지 못하는 해상도 향상보다는 AI 및/또는 양자 칩의 등장을 통한 흐름 분석 기능 향상에 더 기반을 둘 것이라고 생각합니다.
무슨 말인지 이해합니다.흥미롭네요. 실제로, 도플러 모드의 레이더 에코는 이론적으로 그리고 종종 실제로는 높은 해상도 없이 모바일의 속도 벡터와 고도를 캡처할 수 있게 하여 다른 정보와의 상호 참조를 통해 공백을 메울 수 있습니다. 식별 또는 네트워크의 중요성
초기 예로 돌아가면, 우리는 번호판을 읽지 않지만 휴대전화를 통해 모든 운전자가 있고 더욱이 데이터베이스 덕분에 번호판을 모든 운전자와 연결할 수 있기 때문에 이를 추론합니다(C'는 예입니다. 과정의 이해를 돕기 위해) )