Multi-UAV Tracking Evaluation Using 5G Uplink Signals on an O-RAN ISAC Simulation Testbed

Imaginez que vous essayiez de repérer un minuscule drone se déplaçant rapidement dans une ville bondée en utilisant uniquement les signaux Wi-Fi qui circulent déjà dans le quartier. Vous n'avez pas de radar spécial ; vous devez écouter les « échos » des signaux de données réguliers que les téléphones et les drones utilisent pour communiquer avec les tours cellulaires. C'est le monde de la Détection et Communication Intégrées (ISAC). Considérez cela comme une chauve-souris qui n'utilise pas seulement le son pour naviguer, mais qui utilise ce même son pour discuter avec d'autres chauves-souris. À l'avenir, nos réseaux 5G pourraient faire exactement cela : utiliser leurs ondes radio existantes pour détecter des objets comme des drones sans avoir besoin de matériel supplémentaire et coûteux. Mais il y a un piège. Si vous avez un seul drone, c'est facile à entendre. Si vous avez trois drones volant à proximité les uns des autres, leurs échos pourraient se mélanger, rendant impossible de savoir qui est qui. C'est le casse-tête que les scientifiques tentent de résoudre : comment transformer un réseau de communication en un système de « police des drones » fiable capable de suivre plusieurs cibles à la fois sans s'embrouiller ?

Ce document fait un grand pas vers la réponse à cette question en construisant un « bac à sable » numérique pour tester une nouvelle façon de suivre plusieurs drones. Les chercheurs ont créé une ville virtuelle à l'aide d'un banc d'essai de simulation appelé O-RAN, qui est une version modulaire et open-source d'un réseau cellulaire. Au lieu d'utiliser de vraies radios, ils ont utilisé un ordinateur pour simuler les signaux, les drones et l'environnement. Ils ont mis en place un scénario avec trois drones différents volant à des hauteurs et des vitesses différentes, tous tentant d'être détectés par une seule tour cellulaire équipée d'un réseau spécial de 8 antennes. L'objectif n'était pas seulement de voir si la tour pouvait entendre les drones (détection), mais de voir si elle pouvait les suivre individuellement au fil du temps (poursuite/tracking) et transmettre cette information à un centre de commandement, tout comme un véritable système de sécurité en aurait besoin.

Voici ce qu'ils ont trouvé, et c'est un peu un revirement. Premièrement, le système était en fait très doué pour entendre les drones. Les trois ont été détectés la plupart du temps. Cependant, le système avait du mal à maintenir leurs identités distinctes. Imaginez essayer de suivre trois amis dans un centre commercial bondé. Vous voyez les trois, mais chaque fois qu'ils marchent près les uns des autres, vous perdez la trace de qui est qui, et vous pourriez accidentellement attribuer le même identifiant à deux amis ou donner deux noms différents à un seul ami. Dans cette simulation, 73,7 % du temps, deux drones étaient si proches dans leur « empreinte » de signal que le système ne pouvait pas les distinguer immédiatement. Le plus gros problème n'était pas que le système était trop faible pour entendre les drones (sensibilité) ; le problème était que les signaux se disputaient l'attention (contention).

Les chercheurs ont également découvert une astuce ingénieuse avec la configuration des antennes. En utilisant un réseau d'antennes plat et en forme de grille (un « réseau planaire ») plutôt qu'une simple ligne, le système pouvait mesurer la hauteur des drones. Cela n'aidait pas le système à voir les drones plus loin, mais c'était une bouée de sauvetage pour les distinguer. Lorsque deux drones étaient à la même distance et à la même vitesse, mais à des hauteurs différentes, la mesure de la hauteur a aidé le système à décider à quel drone appartenait chaque trajectoire environ 58 % du temps. C'était comme avoir une carte en 3D plutôt qu'une carte plate ; cela ne rendait pas la carte plus grande, mais cela aidait à trier l'encombrement.

Cependant, le document nous met aussi en garde contre un « fantôme » dans la machine. La simulation tournait sur un ordinateur trop lent pour suivre la vitesse en temps réel. C'était comme regarder une vidéo d'une course au ralenti. Parce que l'ordinateur était lent, le système pensait que les drones avaient disparu pendant des périodes plus longues qu'ils ne l'avaient réellement fait, ce qui entraînait une rupture du suivi. Lorsque les chercheurs ont corrigé le timing et examiné les données comme si elles se déroulaient en temps réel, les performances de suivi se sont considérablement améliorées, mais elles n'étaient toujours pas parfaites. Le système pouvait détecter les drones, mais il peinait encore à maintenir un identifiant unique et ininterrompu pour chacun, en particulier pour le drone volant le plus bas et le plus près du sol.

Enfin, l'équipe a montré comment emballer cette information pour l'envoyer à un véritable centre de commandement de sécurité. Ils ont construit un traducteur qui prend les données de suivi brutes et les formate dans un langage standard (appelé SAPIENT) que d'autres systèmes peuvent comprendre. Ils ont même ajouté un « score de confiance » à chaque rapport, indiquant au centre de commandement à quel point le système est sûr de ce qu'il voit. Mais ils ont aussi découvert une dure réalité : pour rendre le système plus précis dans le suivi de plusieurs drones, ils devaient sacrifier autre chose. S'ils essayaient de forcer le système à suivre plus de drones en assouplissant les règles, il commençait à mélanger leurs identités, donnant le même drone plusieurs noms. Les chercheurs ont décidé qu'il était plus important de garder l'identité correcte que de capturer chaque instant, ils ont donc choisi d'être plus stricts.

En résumé, ce document montre que l'utilisation des signaux 5G pour suivre plusieurs drones est possible et prometteuse, mais que ce n'est pas encore une solution miracle. Le système peut entendre les drones, mais il s'embrouille lorsqu'ils sont trop proches. La solution n'est pas seulement une meilleure audition ; c'est un tri plus intelligent. Les chercheurs ont prouvé que, bien que la technologie fonctionne dans une simulation, le véritable défi est de gérer le « embouteillage » des signaux et de maintenir les identités des drones intactes, tout en s'assurant que l'ordinateur traitant les données est assez rapide pour suivre le monde réel. C'est une étape solide en avant, mais le voyage de la simulation numérique vers un système de défense de drones en vie réelle doit encore franchir certains obstacles.