Clutter Suppression for GPS-Signal-Based Passive Radar

Radar ist die Technologie, die es uns ermöglicht, Objekte zu sehen, die zu weit entfernt sind, um mit dem bloßen Auge gesehen zu werden, oder die hinter Hindernissen verborgen liegen. Traditionelles Radar funktioniert wie ein Leuchtturm: Es sendet einen starken Strahl von Radiowellen aus und lauscht auf das schwache Echo, das von einem Flugzeug, einem Schiff oder einem Auto zurückgeworfen wird. Diese Methode ist leistungsstark, hat aber einen entscheidenden Nachteil. Da die Radarstation ihr eigenes Signal aussenden muss, verrät sie ihren genauen Standort an jeden, der zuhört, was sie anfällig für Angriffe macht. Um dies zu lösen, entwickelten Ingenieure das passive Radar. Anstatt zu senden, agiert eine passive Radarstation wie ein stiller Zuhörer. Sie wartet auf Signale, die bereits durch die Luft von anderen Quellen wie Fernsehtürmen, Radiosendern oder Satelliten übertragen werden. Wenn diese bestehenden Signale auf ein Ziel treffen und zum Empfänger zurückgeworfen werden, analysiert das System das Echo, um herauszufinden, wo sich das Ziel befindet und wie schnell es sich bewegt. Dieser Ansatz ist viel schwerer zu entdecken und belastet das Funkspektrum nicht durch neue Übertragungen.

Eine der vielversprechendsten Quellen für diese stillen Zuhörer ist das Global Positioning System, auch GPS genannt. Der Himmel ist erfüllt von GPS-Satelliten, die ständig Signale zur Erde senden. Ein passives Radarsystem kann diese Signale nutzen, um Ziele aufzuspüren. Dies ist jedoch eine unglaublich schwierige Aufgabe. Die Signale, die aus dem Weltraum reisen, sind bereits sehr schwach, wenn sie den Boden erreichen. Wenn sie von einem kleinen Ziel abprallen, ist das Echo noch schwächer und wird oft von einem Kakofonie aus Rauschen überlagert. Dieses Rauschen entsteht durch das Direktsignal des Satelliten selbst, das tausendfach stärker ist als das Echo, sowie durch Reflexionen vom Boden, von Gebäuden und anderen Satelliten. Es ist, als versuche man, ein Flüstern in einem Raum zu hören, in dem ein Düsenjet dröhnt. Jahrelang haben Forscher versucht, dieses überwältigende Hintergrundrauschen herauszufiltern, um das winzige Signal eines beweglichen Ziels zu finden.

Einem Team von Forschern der Naval University of Engineering und der Wuhan University in China ist es gelungen, einen neuen Weg zu finden, um dieses Problem zu lösen. Sie konzentrierten sich auf eine spezifische Art von Interferenz: den Clutter (Störsignale), der vom Boden reflektiert wird, und das Rauschen, das die Luft füllt. Ihr Ansatz versucht nicht einfach, das Rauschen zu subtrahieren, was oft unschöne Rückstände hinterlässt. Stattdessen betrachteten sie das Problem aus einer anderen Perspektive, indem sie analysierten, wie sich das Signal des Ziels und das Signal des Clutters verhalten, wenn man sie in ihre grundlegenden Bausteine zerlegt. Sie behandelten die Signale nicht nur als Wellen von Zeit und Frequenz, sondern als Muster, die über verschiedene Skalen hinweg existieren. In diesem Zusammenhang bezieht sich eine „Skala“ auf die Detailtiefe oder die Größe der Merkmale innerhalb des Signals. Die Forscher entdeckten, dass das schwache Echo eines beweglichen Ziels und die chaotische Reflexion vom Boden, obwohl sie auf einer Standard-Radaraufnahme ähnlich aussehen mögen, bei der Betrachtung durch diese Multi-Skalen-Linse sehr unterschiedliche Formen aufweisen.

Um diese Idee zu testen, richtete das Team ein reales Experiment mit zwei Empfängern auf, die in einem festen Abstand zueinander platziert waren. Sie platzierten einen Winkelreflektor – ein Gerät, das darauf ausgelegt ist, Radiowellen stark zurückzuwerfen – auf einem Fahrzeug und fuhren mit einer konstanten Geschwindigkeit. Die Empfänger erfassten die GPS-Signale, die von diesem Fahrzeug reflektiert wurden, zusammen mit dem unvermeidlichen Hintergrundrauschen und den Interferenzen vom Boden und anderen Satelliten. Die Forscher verarbeiteten diese Rohdaten mit zwei verschiedenen mathematischen Werkzeugen: einem, das auf Wavelets basiert, und einem anderen, das auf einer Methode namens Empirical Mode Decomposition beruht. Beide Werkzeuge funktionieren, indem sie das komplexe Signal in Schichten zerlegen, ganz ähnlich wie das Trennen der verschiedenen Zutaten in einer Mischung. Der entscheidende Punkt war, dass das Signal des Ziels und der Bodenclutter in unterschiedliche Schichten einsickerten. Die Energie des Ziels konzentrierte sich in bestimmten Schichten, während der Bodenclutter andere dominierte.

Durch das Identifizieren dieser unterschiedlichen Schichten konnten die Forscher einen Filter bauen, der die Schichten enthielt, die das Ziel trugen, und die Schichten verworf, die mit Clutter gefüllt waren. Sie warfen nicht einfach die schlechten Teile weg; sie verwendeten ein intelligentes Gewichtungssystem, das die einzigartigen Merkmale des Ziels bewahrte und gleichzeitig das Rauschen unterdrückte. Als sie diese Methode auf ihre Daten anwandten, waren die Ergebnisse beeindruckend. In Szenarien, in denen das Ziel vollständig durch starken Bodenclutter verborgen war, brachte die neue Methode das Ziel wieder ins Sichtfeld. In einem spezifischen Testfall mit starkem Bodenclutter verbesserte die Methode die Klarheit des Zielsignals um 8,07 Dezibel, was ein bedeutender Sprung war, der den Unterschied zwischen einem verborgenen Objekt und einem deutlich sichtbaren Objekt ausmachte. In einem anderen Test, bei dem das Signal unter starkem Rauschen begraben war, verbesserte die Methode die Signalqualität um fast 9 Dezibel und verwandelte so ein statisches Bild effektiv in ein klares Bild.

Die Studie zeigte auch die Grenzen dieser Technik auf. Die Methode funktioniert am besten, wenn das Ziel und die Interferenz in dieser Multi-Skalen-Ansicht deutlich unterschiedliche Formen haben. Sie war äußerst effektiv bei der Entfernung von Bodenclutter, der eine sehr andere Struktur als ein fahrendes Fahrzeug aufweist. Gegen Interferenzen von anderen Satelliten, die dem Ziel zu ähnlich sahen, war sie jedoch weniger effektiv. In diesen Fällen wiesen die Interferenz und das Ziel dieselbe „Form“ auf, was die Trennung erschwerte. Die Forscher fanden auch heraus, dass, wenn das ursprüngliche Signal vom Satelliten von vornherein zu schwach war, keine Menge an Verarbeitung das Ziel wiederherstellen konnte. Dies deutet darauf hin, dass die Methode zwar leistungsstark ist, aber kein Zauberstab ist, der jedes Problem lösen kann.

Die Ergebnisse eröffnen einen neuen Weg für passive Radarsysteme. Im Gegensatz zu älteren Methoden, die versuchten, die Interferenz direkt zu modellieren und zu subtrahieren, beruht dieser Ansatz auf den natürlichen Unterschieden in der Struktur der Signale. Die Forscher fanden heraus, dass ihre Wavelet-basierte Methode im Allgemeinen stabiler und effektiver war als die alternative Methode, die sie getestet hatten, insbesondere unter schwierigen Bedingungen mit schwerer Interferenz. Sie kamen zu dem Schluss, dass diese Technik ein mächtiges Werkzeug ist, um das Radarbild zu bereinigen, insbesondere wenn es darum geht, schwache Ziele gegen einen verrauschten Hintergrund aufzuspüren. Sie ersetzt nicht die Notwendigkeit anderer Auslöschungstechniken, fügt aber eine entscheidende Ebene des Schutzes hinzu, die es diesen stillen Zuhörern ermöglicht, das Flüstern des Himmels klarer zu hören. Durch das Verständnis der einzigartigen Textur des Rauschens gegenüber dem Ziel haben die Forscher gezeigt, dass selbst die schwächsten Echos aus dem Brüllen des Hintergrunds gerettet werden können.