Passiv multilokalisation med signalklassificering och MIMO‑radar

Varför det är viktigt att hitta dolda radiosändare

Moderna militära och säkerhetsoperationer är till stor del beroende av att veta vem som sänder radiosignaler, var de befinner sig och vad de gör—allt utan att avslöja den egna positionen. Traditionell radar skickar ut pulser och lyssnar efter ekon, vilket kan röja radarns läge. Passiv radar gör tvärtom: den lyssnar tyst på signaler som målen själva redan sänder ut. Denna artikel undersöker en ny metod för två samverkande flygplan att tillsammans bestämma positionen för flera radiosändande mål samtidigt, mer tillförlitligt och med färre fel, även när signalerna är svaga och täta.

Lyssna istället för att skrika

I stället för att skjuta ut energi i luften lyssnar passiva system på radiovågor som fartyg, fordon eller kommunikationsenheter redan sänder. Varje flygplan bär en ringformad antenn som kan avgöra från vilken riktning en signal kommer, ungefär som våra två öron hjälper oss lokalisera ett ljud. Genom att jämföra vinklar från två flygplan kan systemet triangulera var varje källa ligger på marken. Utmaningen är att det i verkliga operationsområden ofta finns många sändare samtidigt och att deras riktningslinjer—föreställda linjer som pekar från varje flygplan mot en källa—kan korsas och överlappa. Konventionella metoder uppskattar vinklar separat på varje flygplan och försöker sedan matcha vilka linjer från flygplan A som hör ihop med vilka från flygplan B, ett steg som lätt kan gå fel och leda till felplacerade mål.

Låt båda flygplanen tänka som ett

Författarna föreslår att behandla de två lyssnande flygplanen som en enda, större virtuell sensor. I stället för att bearbeta deras mätningar oberoende kombinerar de rådata till ett matematisk objekt kallat kovariansmatris. Ur denna gemensamma vy tillämpar de en välkänd riktningbestämningsteknik, MUSIC, som fungerar som en mycket selektiv riktmikrofon som kan särskilja flera källor samtidigt. I denna uppsättning söker metoden direkt, i en delad "spektral" bild, efter vinkelpar som motsvarar samma mål sett från båda flygplanen. Eftersom ihopparningen är inbyggd i sökningen undviker metoden i stor utsträckning den spröda efterhandsmatchning som plågar äldre tillvägagångssätt.

Minska beräkningarna till hanterlig skala

Att arbeta med två flygplan och många mål blir snabbt beräkningsmässigt tungt, eftersom algoritmen måste genomsöka kombinationer av horisontella och vertikala vinklar för båda plattformarna. Brutal kraftsökning över fyra vinkeldimensioner skulle bli opraktiskt långsam. För att göra problemet hanterbart introducerar författarna en stegvis "dimensionsreducerings"-strategi. Först utnyttjar de att avlägsna markmål ligger på små elevationsvinklar, så de fixerar initialt de vertikala vinklarna och skannar enbart de horisontella för att få grova riktningar. Därefter förfinar de de vertikala vinklarna i en smalare sökning och slutligen putsar de båda vinkeluppsättningarna med ett fint rutnät. Vid varje steg projicerar de den mångdimensionella energikartan ner till enkla enkeldimensionella kurvor, där det blir mycket lättare och mer robust att identifiera toppar—och därmed riktningar—i närvaro av brus.

Testa metoden i virtuella skyar

För att bedöma prestandan simulerar forskarna två flygplan som observerar flera markmål i en brusig miljö. De jämför sin gemensamma dual‑aircraft MUSIC‑metod med flera klassiska riktbestämningsmetoder och moderna passiva lokaliseringsscheman, samtidigt som de använder samma slutsatslösare för positioner för rättvis jämförelse. Den nya metoden är särskilt stark vid uppskattning av horisontella vinklar och vid korrekt separering och matchning av flera mål. Den bibehåller god noggrannhet även när signal‑till‑brusförhållandet är modest och när endast ett begränsat antal ögonblicksbilder—kortvariga datautdrag—finns tillgängliga, förhållanden under vilka standardkriterier för att räkna och separera källor ofta fallerar. Även om höjduppskattningar förblir mer felbenägna, särskilt eftersom antennerna ligger i ett plan, är de horisontella positionsfelen i de testade scenarierna vanligen långt under en kilometer.

Vad det betyder i praktiken

För icke‑specialisten är huvudsakliga slutsatsen att två lyssnande flygplan, om de bearbetar sina data tillsammans på rätt sätt, kan lokalisera flera oberoende radiosändare på marken mer tillförlitligt än om varje flygplan arbetar ensam och försöker förena resultaten i efterhand. Den föreslagna tekniken slår samman källräkning, signalseparering och korsplattformsmatchning i ett enhetligt ramverk, samtidigt som man använder matematiska genvägar för att hålla beräkningarna inom realistiska gränser. I klartext hjälper metoden passiva radarsystem att med större säkerhet och färre förväxlingar säga: "dessa signaler kommer från just den där uppsättningen fordon där borta"—en förmåga som blir alltmer värdefull för övervakning, elektronisk krigföring och situationsmedvetenhet utan att röja den egna positionen.

Citering: 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

Nyckelord: passiv radar, lokalisering av flera mål, ankomstvinkel, tvåflygplansavkänning, signalbehandling