Posicionamiento pasivo multiobjetivo con clasificación de señales y radar MIMO

Por qué importa localizar radios ocultas

Las operaciones militares y de seguridad modernas dependen en gran medida de saber quién está emitiendo señales de radio, dónde se encuentran y qué están haciendo—todo ello sin revelar la propia posición. El radar tradicional emite pulsos y escucha ecos, lo que puede delatar la ubicación del radar. El radar pasivo hace lo contrario: escucha silenciosamente las señales que los blancos ya emiten. Este artículo explora una nueva forma en que dos aeronaves cooperantes pueden trabajar juntas para localizar simultáneamente varios emisores de radio, con mayor fiabilidad y menos errores, incluso cuando las señales son débiles y están superpuestas.

Escuchar en vez de emitir

En lugar de lanzar energía al cielo, los sistemas pasivos simplemente escuchan las ondas de radio que barcos, vehículos o dispositivos de comunicación ya transmiten. Cada aeronave lleva una antena en forma de anillo que puede determinar desde qué dirección llega una señal, de manera similar a cómo nuestros dos oídos nos ayudan a localizar un sonido. Al comparar ángulos desde dos aeronaves, el sistema puede triangular la posición de cada fuente en tierra. El reto es que en los campos de batalla reales suele haber muchos emisores a la vez, y sus líneas de rumbo—líneas imaginarias que apuntan desde cada aeronave hacia una fuente—pueden cruzarse y solaparse. Los métodos convencionales estiman los ángulos por separado en cada aeronave y luego intentan casar qué línea de la aeronave A corresponde con cuál de la aeronave B, un paso que puede fallar con facilidad y provocar ubicaciones erróneas.

Hacer que ambas aeronaves piensen como una sola

Los autores proponen tratar a las dos aeronaves receptoras como un único sensor virtual de mayor tamaño. En lugar de procesar sus mediciones de forma independiente, combinan los datos crudos en un único objeto matemático llamado matriz de covarianza. Desde esta vista conjunta aplican una técnica de localización de direcciones conocida, MUSIC, que actúa como un micrófono direccional muy selectivo capaz de distinguir varias fuentes a la vez. En este esquema el método busca directamente, en una sola imagen "espectral" compartida, pares de ángulos que correspondan al mismo blanco visto desde ambas aeronaves. Dado que el emparejamiento está integrado en la búsqueda, el método evita en gran medida la frágil etapa posterior de conciliación que aqueja a los enfoques anteriores.

Reduciendo las cuentas

Trabajar con dos aeronaves y muchos objetivos se vuelve rápidamente costoso desde el punto de vista computacional, porque el algoritmo debe explorar combinaciones de ángulos horizontales y verticales para ambas plataformas. Una búsqueda exhaustiva en cuatro dimensiones angulares sería imprácticamente lenta. Para hacer el problema manejable, los autores introducen una estrategia escalonada de "reducción de dimensionalidad". Primero, explotan el hecho de que los blancos terrestres lejanos presentan ángulos de elevación pequeños, por lo que inicialmente fijan los ángulos verticales y exploran solo los horizontales para obtener rumbos aproximados. Luego afinan los ángulos verticales en una búsqueda más estrecha y, finalmente, pulen ambos conjuntos de ángulos con una malla fina. En cada etapa proyectan el mapa de energía multidimensional hacia curvas unidimensionales simples, donde identificar picos—y por tanto direcciones—es mucho más fácil y robusto frente al ruido.

Probando el método en cielos virtuales

Para evaluar el rendimiento, los investigadores simulan dos aeronaves observando múltiples objetivos en tierra en un entorno ruidoso. Comparan su enfoque conjunto MUSIC de dos aeronaves frente a varios métodos clásicos de estimación de dirección y a esquemas modernos de localización pasiva, manteniendo el solucionador de posición final igual para mayor equidad. El nuevo método es especialmente fuerte estimando los ángulos horizontales y en separar y casar correctamente múltiples objetivos. Mantiene buena precisión incluso cuando la relación señal‑ruido es modesta y cuando solo hay disponible un número limitado de instantáneas—ráfagas cortas de datos—condiciones bajo las cuales los criterios estándar para contar y separar fuentes suelen fallar. Aunque las estimaciones de altura siguen siendo más propensas a error, especialmente porque las antenas yacen en un plano, los errores de posición horizontal son típicamente inferiores a un kilómetro en los escenarios probados.

Qué significa esto en la práctica

Para un público no especialista, el resultado clave es que dos aeronaves receptoras, si procesan sus datos conjuntamente de la manera adecuada, pueden localizar varios emisores de radio independientes en tierra con más fiabilidad que si cada aeronave trabajara por separado y tratara de reconciliar los resultados después. La técnica propuesta integra el recuento de fuentes, la separación de señales y el emparejamiento entre plataformas en un marco unificado, a la vez que emplea atajos matemáticos para mantener la computación dentro de límites realistas. En términos sencillos, el método ayuda a los sistemas de radar pasivo a afirmar, con mayor confianza y menos confusiones, “estas señales provienen de ese conjunto concreto de vehículos allí”—una capacidad cada vez más valiosa para vigilancia, guerra electrónica y conciencia situacional sin revelar la propia posición.

Cita: Wang, H., Liu, X. & Lei, Z. Multi-target passive positioning with signal classification and MIMO radar. Sci Rep 16, 7777 (2026). https://doi.org/10.1038/s41598-026-36881-9

Palabras clave: radar pasivo, localización de múltiples objetivos, ángulo de llegada, sensado con dos aeronaves, procesamiento de señales