Passieve positionering van meerdere doelen met signaalklassificatie en MIMO-radar

Waarom het vinden van verborgen radiozenders belangrijk is

Moderne militaire en veiligheidsoperaties vertrouwen sterk op het weten wie radiosignalen uitzendt, waar die zenders zich bevinden en wat ze doen—en dat alles zonder de eigen positie prijs te geven. Traditionele radar stuurt pulsen uit en luistert naar echo's, wat de radarlocatie kan verraden. Passieve radar doet het omgekeerde: het luistert stilletjes naar signalen die doelen al uitzenden. Dit artikel onderzoekt een nieuwe manier waarop twee samenwerkende vliegtuigen gezamenlijk meerdere radio-uitstralende doelen tegelijk kunnen lokaliseren, betrouwbaarder en met minder fouten, zelfs wanneer de signalen zwak en druk zijn.

Luisteren in plaats van schreeuwen

In plaats van energie de lucht in te blazen, luisteren passieve systemen naar radiogolven die schepen, voertuigen of communicatieapparaten al uitzenden. Elk vliegtuig draagt een ringvormige antenne die kan aangeven uit welke richting een signaal komt, vergelijkbaar met hoe onze twee oren ons helpen een geluid te lokaliseren. Door de hoeken van aankomst tussen twee vliegtuigen te vergelijken, kan het systeem trianguleren waar elke bron zich op de grond bevindt. De uitdaging is dat er op echte slagvelden vaak veel uitzendingen tegelijk zijn en hun richtingslijnen—denkbeeldige lijnen van elk vliegtuig naar een bron—kunnen kruisen en overlappen. Conventionele methoden schatten hoeken afzonderlijk op elk vliegtuig en proberen daarna te koppelen welke lijn van vliegtuig A bij welke lijn van vliegtuig B hoort, een stap die gemakkelijk fout kan gaan en tot foutieve positiebepalingen leidt.

De twee vliegtuigen als één denkeenheid

De auteurs stellen voor de twee luisterende vliegtuigen te behandelen als één grotere, virtuele sensor. In plaats van hun metingen onafhankelijk te verwerken, combineren ze de ruwe data in één wiskundig object, een covariantiematrix. Vanuit dit gezamenlijke beeld passen ze een bekende richtingbepalingstechniek toe, MUSIC, die functioneert als een zeer selectieve richtmicrofoon die meerdere bronnen tegelijk kan onderscheiden. In deze opzet zoekt de methode direct, in één gedeeld "spectrum", naar hoekparen die overeenkomen met hetzelfde doel zoals gezien vanaf beide vliegtuigen. Omdat het koppelen van lijnen in de zoekprocedure zelf ingebouwd is, vermijdt de methode grotendeels de kwetsbare nakeuzestap die oudere benaderingen parten speelt.

De wiskunde behapbaar maken

Werken met twee vliegtuigen en veel doelen wordt snel rekenkundig zwaar, omdat het algoritme combinaties van horizontale en verticale hoeken voor beide platforms moet doorzoeken. Een brute-force zoekopdracht over vier hoekdimensies zou onpraktisch traag zijn. Om het probleem hanteerbaar te maken, introduceren de auteurs een stapsgewijze "dimensionaliteitsreductie"-strategie. Eerst maken ze gebruik van het feit dat verre gronddoelen op kleine elevatiehoeken liggen, dus fixeren ze aanvankelijk de verticale hoeken en scannen alleen de horizontale om grove richtingen te krijgen. Vervolgens verfijnen ze de verticale hoeken in een smallere zoekstreek en polijsten ten slotte beide hoeksets met een fijn rooster. In elke fase projecteren ze de multidimensionale energieweergave naar eenvoudige eendimensionale krommen, waar het identificeren van pieken—en dus richtingen—veel eenvoudiger en robuuster is in aanwezigheid van ruis.

Het testen van de methode in virtuele luchten

Om de prestaties te beoordelen, simuleren de onderzoekers twee vliegtuigen die meerdere gronddoelen waarnemen in een rumoerige omgeving. Ze vergelijken hun gezamenlijke dual-aircraft MUSIC-aanpak met verschillende klassieke richtingbepalingsmethoden en moderne passieve lokalisatieschema's, waarbij ze voor eerlijkheid de uiteindelijke positieberekenaar hetzelfde houden. De nieuwe methode is bijzonder sterk in het schatten van de horizontale hoeken en in het correct scheiden en koppelen van meerdere doelen. Ze behoudt goede nauwkeurigheid zelfs wanneer de signaal-ruisverhouding bescheiden is en wanneer slechts een beperkt aantal snapshots—korte datastoten—beschikbaar is, omstandigheden waarbij standaardcriteria voor het tellen en scheiden van bronnen vaak falen. Hoewel hoogte-inschattingen meestal foutgevoeliger blijven, vooral omdat de antennes in één vlak liggen, liggen de horizontale positiefouten in de geteste scenario's doorgaans ruim onder de kilometer.

Wat dit in de praktijk betekent

Voor niet-specialisten is de belangrijkste conclusie dat twee luisterende vliegtuigen, mits ze hun data op de juiste manier samen verwerken, meerdere onafhankelijke radio-uitzenders op de grond betrouwbaarder kunnen lokaliseren dan wanneer elk vliegtuig afzonderlijk werkt en daarna probeert resultaten te verzoenen. De voorgestelde techniek vouwt bronstelling, signaalscheiding en cross-platform koppeling samen in één raamwerk, terwijl wiskundige trucs de rekentijd binnen realistische grenzen houden. Simpel gezegd helpt de methode passieve radarsystemen om, met grotere zekerheid en minder verwisselingen, te zeggen: "deze signalen komen van die specifieke groep voertuigen daar"—een vaardigheid die steeds waardevoller wordt voor toezicht, elektronische oorlogsvoering en situationeel bewustzijn zonder de eigen positie prijs te geven.

Bronvermelding: 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

Trefwoorden: passieve radar, lokalisatie van meerdere doelen, aankomsthoek, samenwerking tussen twee vliegtuigen, signaalverwerking