Wieloźródłowe pasywne pozycjonowanie z klasyfikacją sygnałów i radarem MIMO

Dlaczego lokalizowanie ukrytych nadajników ma znaczenie

Współczesne operacje militarne i bezpieczeństwa w dużym stopniu opierają się na wiedzy, kto emituje sygnały radiowe, gdzie się znajduje i co robi — przy zachowaniu własnej niewykrywalności. Tradycyjny radar wysyła impulsy i nasłuchuje echa, co może ujawnić pozycję radaru. Radar pasywny robi odwrotnie: cicho nasłuchuje sygnałów, które cele już wysyłają. W artykule przedstawiono nową metodę współpracy dwóch samolotów, pozwalającą jednocześnie i bardziej niezawodnie namierzyć wielu nadajników radiowych, z mniejszą liczbą błędów, nawet gdy sygnały są słabe i zatłoczone.

Nasłuch zamiast krzyczenia

Zamiast emitować energię w niebo, systemy pasywne po prostu nasłuchują fal radiowych, które już nadają statki, pojazdy czy urządzenia komunikacyjne. Każdy samolot nosi pierścieniową antenę, która potrafi określić, z którego kierunku nadchodzi sygnał — podobnie jak nasze dwa uszy pomagają nam zlokalizować dźwięk. Porównując kąty z dwóch samolotów, system może triangulować pozycję źródła na ziemi. Problem w tym, że na prawdziwym polu walki często działa wiele nadajników jednocześnie, a ich kierunki — wyimaginowane linie prowadzące od każdego samolotu ku źródłu — mogą się przecinać i nakładać. Tradycyjne podejścia szacują kąty osobno na każdym samolocie, a potem próbują dopasować, która linia z samolotu A odpowiada której linii z samolotu B — krok podatny na błędy, prowadzący do błędnych lokalizacji.

Pozwolić obu samolotom działać jak jedno

Autorzy proponują potraktować dwa nasłuchujące samoloty jako jeden większy, wirtualny czujnik. Zamiast przetwarzać ich pomiary niezależnie, łączą surowe dane w jeden obiekt matematyczny — macierz kowariancji. Z tego wspólnego obrazu stosują znaną technikę wyznaczania kierunku, MUSIC, która działa jak bardzo selektywny mikrofon kierunkowy i potrafi rozróżnić kilka źródeł jednocześnie. W tym ustawieniu metoda bezpośrednio wyszukuje, w jednej wspólnej „spektralnej” reprezentacji, pary kątów odpowiadające tym samym celom widzianym z obu samolotów. Dzięki temu dopasowywanie jest wbudowane w samą procedurę wyszukiwania, co w dużej mierze eliminuje podatny na błędy etap dopasowywania po fakcie, typowy dla starszych podejść.

Zmniejszanie złożoności obliczeniowej

Praca z dwoma samolotami i wieloma celami szybko staje się obciążająca obliczeniowo, ponieważ algorytm musi przeszukiwać kombinacje kątów poziomych i pionowych dla obu platform. Przeszukiwanie siłowe w czterech wymiarach kątowych byłoby niepraktycznie wolne. Aby uczynić problem wykonalnym, autorzy wprowadzają etapowy schemat „redukcji wymiarowości”. Najpierw wykorzystują fakt, że odległe cele naziemne mają zwykle małe kąty elewacji, więc na początku ustalają kąty pionowe i skanują wyłącznie kąty poziome, aby uzyskać przybliżone kierunki. Potem doprecyzowują kąty pionowe w węższym zakresie, a na końcu wygładzają oba zbiory kątów na drobnej siatce. Na każdym etapie redukują wielowymiarową mapę energii do prostych krzywych jednowymiarowych, gdzie identyfikacja maksimów — a zatem kierunków — jest znacznie łatwiejsza i bardziej odporna na szum.

Testy metody w wirtualnym niebie

Aby ocenić wydajność, badacze symulują dwóch samolotów obserwujących wiele celów naziemnych w zaszumionym otoczeniu. Porównują swoje zintegrowane podejście MUSIC dla dwóch samolotów z kilkoma klasycznymi metodami wyznaczania kierunku oraz nowoczesnymi schematami pasywnej lokalizacji, przy zachowaniu tego samego końcowego rozwiązywacza pozycji dla uczciwości porównań. Nowa metoda jest szczególnie skuteczna w estymacji kątów poziomych oraz w poprawnym rozdzielaniu i dopasowywaniu wielu celów. Zachowuje dobrą dokładność nawet przy umiarkowanym stosunku sygnału do szumu i przy ograniczonej liczbie próbek — warunkach, w których standardowe kryteria liczenia i rozdzielania źródeł często zawodzą. Chociaż szacunki wysokości są nadal bardziej obarczone błędem, zwłaszcza z powodu płaskiego układu anten, błędy pozycji poziomej w testowanych scenariuszach zwykle pozostają poniżej kilometra.

Co to oznacza w praktyce

Dla osoby niebędącej specjalistą kluczowym wynikiem jest to, że dwa nasłuchujące samoloty, jeśli przetworzą swoje dane wspólnie we właściwy sposób, mogą zlokalizować kilka niezależnych nadajników radiowych na ziemi bardziej niezawodnie niż gdy każdy samolot działa osobno i potem próbuje pogodzić wyniki. Zaproponowana technika scala zliczanie źródeł, separację sygnałów i dopasowanie między platformami w jedną ramę, jednocześnie wykorzystując matematyczne skróty, by utrzymać obliczenia w realistycznych granicach. Mówiąc prostymi słowami, metoda pozwala systemom radarów pasywnych z większą pewnością i mniejszą liczbą pomyłek stwierdzić: „te sygnały pochodzą od tamtego konkretnego zestawu pojazdów” — umiejętność coraz cenniejszą w nadzorze, wojnie elektronicznej i świadomości sytuacyjnej przy zachowaniu niewidoczności własnej pozycji.

Cytowanie: 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

Słowa kluczowe: radar pasywny, lokalizacja wielu celów, kąt napływu, detekcja z dwóch samolotów, przetwarzanie sygnałów