💻 computer science

5G ISAC-Based UAV Detection and 3-D Tracking Using Uplink Sounding Reference Signals on an End-to-End O-RAN Simulation Testbed

Este artículo presenta un banco de pruebas de simulación O-RAN de extremo a extremo que reutiliza las Señales de Referencia de Sondeo del enlace ascendente de 5G para la detección pasiva de UAV y el seguimiento en 3-D, demostrando que la observabilidad de la altitud puede lograrse mediante una matriz de recepción planar o un segundo transmisor mientras se mantienen servicios de comunicación concurrentes.

Autores originales: Arun K. Gurung, Satha K. Sathananthan, Shiva R. Pokhrel

Publicado 2026-08-07

📖 6 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Arun K. Gurung, Satha K. Sathananthan, Shiva R. Pokhrel

Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo

Imagina que el cielo sobre nuestras ciudades se está llenando de pequeños drones zumbantes. Algunos entregan pizzas, otros filman películas, pero algunos podrían estar espiando o causando problemas. Para mantenernos seguros, necesitamos detectar a estos intrusos invisibles, pero el radar tradicional es como un reflector gigante y costoso que necesita su propia línea eléctrica y un enorme presupuesto para funcionar. Es difícil poner uno en cada esquina de la calle.

Entra en escena una idea ingeniosa llamada "Comunicación y Detección Integradas" (ISAC, por sus siglas en inglés). Piensa en esto como un faro que cumple una doble función: envía un haz para guiar a los barcos (comunicación) pero también escucha los ecos que rebotan en el agua para ver si se acerca una tormenta (detección). En esta historia, el "faro" es nuestra red celular 5G existente, y el "haz" es la señal que nuestros teléfonos envían a la torre. La gran pregunta que se hacen los científicos es: ¿Podemos convertir estas señales celulares cotidianas en una red de radar gigante e invisible que pueda atrapar drones sin construir una sola torre nueva? Este artículo profundiza precisamente en esa pregunta, utilizando una simulación computacional superavanzada para ver si realmente es posible convertir una red 5G en un radar cazador de drones.

Los investigadores construyeron una red 5G virtual completa dentro de una computadora para probar esta idea. No se limitaron a adivinar; crearon una "pista de pruebas" digital donde un dron falso vuela alrededor, y trataron de atraparlo usando solo las señales que un teléfono normal envía a la torre. Descubrieron que sí, es posible detectar y rastrear estos drones en un espacio 3D usando solo la red existente, pero hay algunos complicados acertijos geométricos que resolver primero.

Así es como lo hicieron y lo que descubrieron:

El truco de magia: Escuchar el eco
Normalmente, una torre de telefonía solo escucha a tu teléfono para oír tu voz o tus datos. Pero en este experimento, la torre escuchó de manera diferente. Utilizaron una señal especial llamada "Señal de Referencia de Sondeo" (UL-SRS), que los teléfonos envían solo para ayudar a la torre a sintonizarse. Los investigadores trataron esta señal como un pulso de radar. Cuando la señal golpeaba un dron, rebotaba y regresaba a la torre. Al medir cuánto tardaba el eco en volver y cómo cambiaba la señal, la torre podía determinar dónde estaba el dron. ¿Lo mejor de todo? No necesitaron cambiar el teléfono ni los estándares del software de la torre; simplemente reaprovecharon una señal que ya estaba allí.

El problema del "ojo único" y su solución
Había un inconveniente. Con solo un teléfono (el transmisor) y una torre (el receptor), el sistema podía decir qué tan lejos estaba el dron y hacia qué dirección se movía de izquierda a derecha, pero no podía determinar qué tan alto estaba. Era como intentar adivinar la altura de un pájaro en el cielo mientras lo miras con un ojo cerrado; sabes que está ahí, pero no puedes saber si está volando a 3 metros o a 30 metros de altura.

Para solucionar esto, el equipo probó dos trucos ingeniosos, como darle al sistema un segundo par de ojos:

La matriz vertical: Le dieron a la torre una antena especial que era alta y plana (como un marco de fotos) en lugar de solo una línea. Esto permitió que la torre pudiera "ver" hacia arriba y hacia abajo, no solo de lado a lado.
El segundo teléfono: Añadieron un segundo teléfono al otro lado de la calle para enviar señales. Ahora, la torre tenía dos ángulos diferentes para observar al dron. Al comparar los dos caminos diferentes que tomaron las señales, las matemáticas podían calcular la altura perfectamente, tal como tus dos ojos te ayudan a juzgar la profundidad.

Los resultados: Atrapando al dron
La simulación mostró que este sistema funciona sorprendentemente bien.

Detección: El sistema pudo detectar al dron aproximadamente el 92.7% del tiempo que estuvo visible.
Precisión: Cuando utilizaron el truco del segundo teléfono (la configuración de dos transmisores), el sistema estimó la altura del dron con un error de solo 2.2 metros (unos 7 pies). ¡Eso es bastante cerca para ser una simulación!
Velocidad: Incluso mientras el teléfono enviaba datos a 10 Mbit s⁻¹ (una velocidad de internet normal), el sistema de radar funcionaba perfectamente. No se confundió con el tráfico regular del teléfono.

Los "qué pasaría si" y los límites
Los investigadores fueron muy cuidadosos al señalar lo que no funcionó perfectamente.

La estimación de la altura: Si intentaban rastrear el dron con un solo teléfono y suponían la altura incorrecta (como asumir que el dron estaba bajo cuando en realidad estaba alto), el rastreo fallaba por completo. El sistema necesita ese "ojo" adicional (ya sea la antena alta o el segundo teléfono) para ser preciso.
El problema del "cañón urbano": En una simulación donde edificios altos bloqueaban la vista, el sistema a veces perdía al dron. Esto tiene sentido; si un edificio bloquea la señal, el radar no puede ver el eco.
Simulación vs. Realidad: Es importante recordar que todo esto ocurrió dentro de una simulación computacional utilizando un modelo de "trazado de rayos" (una forma matemática de predecir cómo rebotan las ondas de radio en los edificios). El artículo dice que esto es una prueba de concepto. Aún no han construido una versión de la vida real con hardware real, aunque planean hacerlo.

Por qué esto es importante
Este artículo demuestra que podríamos no necesitar sistemas de radar dedicados y costosos para atrapar drones. En su lugar, podríamos utilizar las torres de telefonía y los teléfonos que ya están repartidos por toda la ciudad. Es un poco como darse cuenta de que tus farolas también podrían actuar como cámaras de seguridad si simplemente miraras las reflexiones de manera diferente. Aunque todavía quedan obstáculos por superar antes de que esto sea un producto del mundo real, este estudio muestra que la idea es matemáticamente sólida y está lista para el siguiente paso: construirla de verdad.

Resumen Técnico: Detección de UAV y Seguimiento 3-D Basado en 5G ISAC mediante Señales de Referencia de Sondeo de Uplink en un Banco de Pruebas de Simulación O-RAN de Extremo a Extremo

Planteamiento del Problema
La proliferación de vehículos aéreos no tripulados (UAV) de baja altitud requiere soluciones de contra-UAS (C-UAS) escalables y rentables. Los sistemas de radar tradicionales requieren espectro e infraestructura dedicados, que a menudo son prohibitivos. Si bien la comunicación y detección integradas (ISAC) de 5G ofrece la visión de utilizar la infraestructura celular existente para fines de detección dual, las implementaciones prácticas siguen siendo escasas. Específicamente, existe una falta de bancos de pruebas abiertos de extremo a extremo que integren un stack de protocolo 5G NR real, un RIC Near-RT conforme a los estándares y un simulador de canal basado en trazado de rayos para validar la vigilancia de UAV. Además, las especificaciones de detección de 3GPP (por ejemplo, para el Release 19) aún están bajo estudio, y la señal de referencia de sondeo de uplink (UL-SRS) es una candidata, no una forma de onda de detección estandarizada.

Metodología
Los autores presentan un banco de pruebas de simulación de extremo a extremo O-RAN construido a partir de componentes de código abierto: OpenAirInterface (OAI) para el stack 5G NR, FlexRIC para el Near-RT RIC y Sionna RT para la emulación de canal mediante trazado de rayos. El sistema reutiliza la UL-SRS estándar como una forma de onda de radar pasivo sin modificar el estándar NR ni requerir señales de detección dedicadas.

Arquitectura: El banco de pruebas opera como un stack contenedorizado. El OAI gNB alberga una etapa de detección ISAC personalizada dentro de su Capa Física (PHY). El OA nrUE actúa como el iluminador, transmitiendo UL-SRS. El UAV es un dispersor pasivo no cooperativo.
Pipeline de Detección: Dentro del PHY del gNB, el sistema realiza:
1. Deflación del Subespacio de Clutter: Una deflación de subespacio de rango- $K_c$ elimina la trayectoria directa estática dominante y el rebote del suelo, aislando el eco del UAV.
2. Procesamiento de Rango-Doppler: Se genera un mapa de Rango-Doppler 2-D mediante IDFT con cero-relleno (rango) y DFT (Doppler) sobre un Intervalo de Procesamiento Coherente (CPI) de 640 ms.
3. Detección: El CFAR de Estadístico de Orden (OS-CFAR) con agrupación de pico único detecta objetivos.
4. Estimación de Ángulo: Un estimador interferométrico de forma cerrada calcula el Ángulo de Llegada (AoA) utilizando un arreglo lineal uniforme (ULA) de 4 elementos.
Transporte: Las detecciones se transmiten a un xApp suscriptor en el Near-RT RIC a través de un modelo de servicio E2 personalizado (SM-SENS) utilizando procedimientos E2AP estándar.
Seguimiento: El xApp ejecuta un Filtro de Kalman Extendido (EKF) con un modelo de medición no lineal (rango bistático, tasa de rango y azimut).
Soluciones de Seguimiento 3-D: Dado que un par bistático único con un arreglo 1-D no puede observar la elevación (requiriendo un conocimiento previo de la altura), el artículo evalúa dos métodos para lograr el seguimiento 3-D:
1. Arreglo Planar: Reemplazar el ULA 1-D con un Arreglo Planar Uniforme (UPA) de 2×4 para medir directamente el ángulo de elevación.
2. Geometría Multiestática: Añadir un segundo transmisor nrUE para crear un segundo par bistático, utilizando la diversidad de rango para resolver geométricamente la altitud.

Contribuciones Clave

Banco de Pruebas ISAC O-RAN de Extremo a Extremo: Un stack 5G NR en vivo integrado con un RIC Near-RT y un emulador de canal mediante trazado de rayos. La detección se ejecuta dentro del PHY del OAI gNB, y las detecciones llegan al xApp a través de un modelo de servicio E2 prototipo, todo ello sin modificar el estándar NR.
Evaluación de Rastreador Bistático: Una evaluación de un xApp EKF utilizando un modelo de medición no lineal, asociación de Hungarian y mantenimiento de seguimiento basado en tiempo. La evaluación incluye pruebas adversarias como ablación de prioridad de altura, oclusión de cañones urbanos y detección bajo tráfico de uplink concurrente de 10 Mbit/s.
Dos Rutas hacia el Seguimiento 3-D: El artículo demuestra dos métodos distintos para eliminar la prioridad de altura y lograr la observabilidad de la altitud:
- Un la apertura vertical (UPA) en el gNB.
- Diversidad de rango de un segundo par bistático.
  Ambos métodos demuestran reducir la dispersión de la semilla cruzada de la estimación final de la altitud de ~12.7 m (inobservable) a ~0.2 m (observable).

Resultados

Rendimiento de Detección: En un escenario de línea de vista (LOS) plana, el sistema logra una cobertura de detección del 92.7%. La precisión de la medición (frente al ground truth de trazado de rayos) es:
- RMSE de rango bistático excesivo: 8.66 m (aproximadamente una celda de resolución).
- RMSE de tasa de rango bistática: 0.44 m/s.
- RMSE de azimut: 7.02°.
Rendimiento de Seguimiento:
- 2-D EKF (con prioridad de altura): Logra un RMSE de rango (x) de 7.26 m y un RMSE de rango transversal (y) de 5.32 m. La continuidad del seguimiento es del 54.2% (aumentando al 88.3% con el puenteo de costa/coast-bridging).
- 3-D EKF (Arreglo Planar): Con un UPA de 2×4, el sistema estima la altitud con un RMSE de 5.3 m y una posición horizontal con un RMSE de 3.8 m. La dispersión de la semilla cruzada de la altitud cae a 0.2 m, confirmando la observabilidad, aunque permanece un sesgo de 6.0 m.
- 3-D EKF (Multiestático): Con un segundo transmisor, el sistema logra un RMSE de altitud de 2.2 m y un RMSE horizontal de 5.6 m. Crucialmente, esta configuración no tiene sesgo (estimación de 55.3 m frente a la verdad de 55 m) y también logra una dispersión de semilla cruzada de 0.2 m.
Consistencia: El filtro exhibe un exceso de confianza estructural (NEES >> esperado) debido a correlaciones de ejes cruzados no modeladas y a las limitaciones del estado 2-D con una prioridad de altura fija, pero las mediciones en sí son físicamente sólidas.

Significancia y Reivindicaciones
El artículo afirma presentar el primer banco de pruebas de simulación O-RAN ISAC de 5G de extremo a extremo para el seguimiento de UAV que incluye una validación exhaustiva del pipeline e identifica limitaciones clave para el despliegue práctico. Su principal significancia radica en demostrar que:

Viabilidad: Las señales de uplink existentes de 5G (UL-SRS) pueden ser reutilizadas para la detección y el seguimiento pasivo de UAV dentro de una arquitectura O-RAN conforme a los estándares sin cambios en el espectro.
Observabilidad: La observabilidad de la altitud, que es imposible con un solo par bistático y un arreglo 1-D, puede establecerse de extremo a extremo utilizando un stack en vivo mediante un arreglo de recepción vertical o un segundo transmisor.
Arquitectura: La separación del procesamiento de señal pesado (cancelación de clutter, mapeo RD) dentro del PHY del gNB y el seguimiento algorítmico (EKF) en el xApp del Near-RT RIC es un patrón arquitectónico viable para ISAC, reflejando el emergente modelo de "sensing-dApp".

Los autores mantienen la modestia respecto a sus afirmaciones, señalando que el banco de pruebas es una simulación (usando Sionna RT) y que el modelo de servicio de detección (SM-SENS) es una demostración de trabajo y no una especificación estandarizada. Identifican la necesidad de integración de hardware (validación con USRP) y más trabajo sobre el seguimiento de múltiples objetivos y la consolidación de identificadores como pasos futuros.

Más como este