Laterale Doppler-Auflösung ortet Drohnenschwärme mit Submeter-Genauigkeit

Der Aufschwung von Drohnenschwärmen stellt moderne Radarsysteme vor komplexe Probleme. Wenn mehrere Fluggeräte in engen Formationen operieren und schnelle Manöver ausführen, scheitern herkömmliche Radartechnologien oft daran, einzelne Einheiten zu unterscheiden. Eine begrenzte Auflösung im Querbereich führt dazu, dass Signale eng beieinander liegender Ziele überlappen. Das macht es schwer, jede Drohne separat zu verfolgen. Forscher der Army Engineering University der PLA haben eine überzeugende Lösung für dieses anhaltende Problem vorgestellt. Die Studie erschien kürzlich im Fachjournal Sensors.

Die Forschung präsentiert eine robuste Methode zur Ortung manövrierender Drohnenschwärme. Der Schlüssel liegt in der Nutzung lateraler Doppler-Auflösung. Die Kerninnovation besteht aus drei Komponenten: einer lateralen Doppler-Skalierung, einer datengesteuerten Schätzung der äquivalenten Querbereichs-Referenzgeschwindigkeit sowie einer Beschleunigungs-Hypothese mit Backprojection. Dieser Ansatz zielt darauf ab, Ziele zu trennen, die konventionelle Systeme übersehen würden. Er adressiert dabei die Grenzen von Radarsystemen mit kleinen Aperturen.

Die Technik schätzt die Referenzgeschwindigkeit durch Maximierung eines regularisierten räumlichen Konzentrationskriteriums. So passt sich das System an zielabhängige Bewegungen an. Es führt eine pixelweise maximale Fusion über ein Beschleunigungsraster durch. In praktischen Tests mit einer festen Formation von 15 Zielen zeigte die Methode bemerkenswerte Präzision. Die Beschleunigungsskalen reichten dabei von 1,8 bis 9 m/s². Die bedingten Lokalisierungs-Wurzeln aus dem quadratischen Mittel (RMSE) lagen zwischen 0,81 und 1,15 Metern. Die Detektionsraten in einzelnen Szenen erreichten Werte zwischen 0,87 und 1,00.

Diese Ergebnisse sind deutlich besser als bei herkömmlicher Bereich-Doppler-Verarbeitung oder Taylor-Chirplet-Methoden zweiter und dritter Ordnung. Dies gilt insbesondere bei höheren Beschleunigungsskalen. Monte-Carlo-Experimente bestätigten die Überlegenheit des vorgeschlagenen Verfahrens. Sie umfassten zufälliges Rauschen und Swerling-I-Streuungsmodelle. Bei Signal-Rausch-Verhältnissen pro Impuls von -18 bis -6 dB lieferte die maximale Fusion höhere Wahrscheinlichkeiten für korrekte Detektionen. Zudem waren die RMSE-Fehler bei Strafe für Fehldetektionen niedriger als bei mittlerer Fusion und Null-Beschleunigungs-Basiswerten.

Die Studie charakterisierte auch die Rechenkosten und Betriebsbereiche. Dazu wurden Beschleunigungsraster, Pulswiederholungsfrequenzen und Referenzgeschwindigkeiten variiert. Da Verteidigungs- und Sicherheitssektoren zunehmend auf Drohnentechnologie für Überwachung, Logistik und Kampfoperationen setzen, wird die genaue Erkennung und Ortung dieser Assets immer kritischer. Diese Forschung bietet einen wichtigen technologischen Sprung nach vorn. Sie liefert einen zuverlässigen Rahmen, um einzelne Drohnen innerhalb eines Schwarms selbst unter dynamisch anspruchsvollen Bedingungen zu unterscheiden.

Durch die Verbesserung der Situationswahrnehmung von Radarsystemen trägt diese Innovation erheblich zum globalen Trend bei. Dieser Trend integriert fortschrittliche Signalverarbeitungstechniken in die Abwehrinfrastruktur der nächsten Generation. Die Ergebnisse deuten auf eine Zukunft hin, in der Radarsysteme auch in den dichtesten und schnellsten Luftumgebungen Klarheit und Präzision bewahren können.