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

कल्पना कीजिए कि आप केवल पड़ोस में घूम रहे वाई-फाई संकेतों का उपयोग करके एक छोटे, तेज़ गति से चलने वाले ड्रोन का पता लगाने की कोशिश कर रहे हैं। आपके पास कोई विशेष रडार गन नहीं है; आपको उन डेटा संकेतों की "गूँज" को सुनना होगा जिनका उपयोग फोन और ड्रोन सेल टावरों से बात करने के लिए करते हैं। यह इंटीग्रेटेड सेंसिंग एंड कम्युनिकेशन (ISac) की दुनिया है। इसे एक ऐसे चमगादड़ की तरह समझें जो न केवल नेविगेट करने के लिए ध्वनि का उपयोग करता है बल्कि उसी ध्वनि का उपयोग अन्य चमगादड़ों के साथ बातचीत करने के लिए भी करता है। भविष्य में, हमारे 5G नेटवर्क बिल्कुल ऐसा ही कर सकते हैं: बिना किसी अतिरिक्त, महंगे हार्डवेयर के, अपने मौजूदा रेडियो तरंगों का उपयोग वस्तुओं जैसे ड्रोन का पता लगाने के लिए कर सकते हैं। लेकिन इसमें एक पेंच है। यदि आपके पास एक ड्रोन है, तो उसे सुनना आसान है। यदि तीन ड्रोन एक साथ उड़ रहे हैं, तो उनकी गूँज आपस में मिल सकती है, जिससे यह बताना असंभव हो जाता है कि कौन कौन है। यह वह पहेली है जिसे वैज्ञानिक हल करने की कोशिश कर रहे हैं: हम एक संचार नेटवर्क को एक विश्वसनीय "ड्रोन पुलिस" प्रणाली में कैसे बदल सकते हैं जो भ्रमित हुए बिना एक साथ कई लक्ष्यों को ट्रैक कर सके?

यह शोध पत्र उस प्रश्न का उत्तर देने की दिशा में एक बड़ा कदम उठाता है और कई ड्रोन को ट्रैक करने के एक नए तरीके का परीक्षण करने के लिए एक डिजिटल "सैंडबॉक्स" बनाता है। शोधकर्ताओं ने O-RAN नामक एक सिमुलेशन टेस्टबेड का उपयोग करके एक आभासी शहर बनाया, जो सेल नेटवर्क का एक मॉड्यूलर, ओपन-सोर्स संस्करण है। वास्तविक रेडियो का उपयोग करने के बजाय, उन्होंने संकेतों, ड्रोन और वातावरण को सिम्युलेट करने के लिए कंप्यूटर का उपयोग किया। उन्होंने एक परिदृश्य तैयार किया जिसमें तीन अलग-अलग ऊंचाइयों और गति से उड़ रहे तीन ड्रोन थे, जो एक विशेष 8-एंटीना एरे (array) से लैस एकल सेल टावर द्वारा पहचाने जाने की कोशिश कर रहे थे। लक्ष्य केवल यह देखना नहीं था कि क्या टावर ड्रोन को सुन सकता है (डिटेक्शन), बल्कि यह देखना था कि क्या वह समय के साथ व्यक्तिगत रूप से उनका पीछा (ट्रैकिंग) कर सकता है और उस जानकारी को एक कमांड सेंटर को सौंप सकता है, ठीक वैसे ही जैसे एक वास्तविक सुरक्षा प्रणाली को आवश्यकता होती है।

यहाँ उन्हें क्या मिला, और यह थोड़ा चौंकाने वाला है। सबसे पहले, सिस्टम ड्रोन को सुनने में वास्तव में बहुत अच्छा था। तीनों को अधिकांश समय पहचाना गया। हालाँकि, सिस्टम उन्हें अलग-अलग पहचान बनाए रखने में संघर्ष कर रहा था। कल्पना कीजिए कि आप एक भीड़ भरे मॉल में अपने तीन दोस्तों का पीछा कर रहे हैं। आप तीनों को देख सकते हैं, लेकिन हर बार जब वे एक-दूसरे के करीब आते हैं, तो आप ट्रैक खो देते हैं कि कौन कौन है, और आप गलती से दो दोस्तों को एक ही आईडी दे सकते हैं या एक दोस्त को दो अलग-अलग नाम दे सकते हैं। इस सिमुलेशन में, 73.7% समय, दो ड्रोन के सिग्नल "फिंगरप्रिंट" इतने करीब थे कि सिस्टम तुरंत उनके बीच अंतर नहीं कर सका। सबसे बड़ी समस्या यह नहीं थी कि सिस्टम बहुत कमजोर था (संवेदनशीलता); समस्या यह थी कि सिग्नल ध्यान खींचने के लिए आपस में लड़ रहे थे (कंटेंशन)।

शोधकर्ताओं ने एक एंटीना सेटअप के साथ एक चतुर ट्रिक भी खोजी। केवल एक रेखा के बजाय एक फ्लैट, ग्रिड जैसी एंटीना व्यवस्था (एक "प्लानर एरे") का उपयोग करके, सिस्टम ड्रोन की ऊंचाई को माप सकता था। इससे सिस्टम को ड्रोन को और अधिक दूर तक देखने में मदद नहीं मिली, लेकिन यह उन्हें पहचानने के काम में जीवन रक्षक साबित हुआ। जब दो ड्रोन एक ही दूरी और गति पर थे लेकिन अलग-अलग ऊंचाइयों पर थे, तो ऊंचाई के माप ने सिस्टम को यह तय करने में मदद की कि कौन सा ट्रैक किस ड्रोन का है, और यह लगभग 58% समय सफल रहा। यह एक सपाट मानचित्र के बजाय 3D मानचित्र होने जैसा था; इसने मानचित्र को बड़ा नहीं बनाया, लेकिन इसने अव्यवस्था को सुलझाने में मदद की।

हालाँकि, यह शोध पत्र हमें एक "भूत" (ghost) के बारे में भी चेतावनी देता है। सिमुलेशन एक ऐसे कंप्यूटर पर चला जो वास्तविक समय की गति के साथ तालमेल बिठाने के लिए बहुत धीमा था। यह एक दौड़ के वीडियो को स्लो मोशन में देखने जैसा था। क्योंकि कंप्यूटर धीमा था, सिस्टम ने सोचा कि ड्रोन वास्तव में गायब होने की तुलना में अधिक समय के लिए गायब हो गए थे, जिससे ट्रैकिंग बाधित हो गई। जब शोधकर्ताओं ने टाइमिंग को ठीक किया और डेटा को इस तरह देखा जैसे कि यह वास्तविक समय में हो रहा हो, तो ट्रैकिंग प्रदर्शन में काफी सुधार हुआ, लेकिन फिर भी यह पूर्ण नहीं था। सिस्टम ड्रोन का पता तो लगा सकता था, लेकिन वह प्रत्येक पर एक निरंतर, अटूट आईडी बनाए रखने के लिए अभी भी संघर्ष कर रहा था, विशेष रूप से उस ड्रोन के लिए जो सबसे नीचे और जमीन के सबसे करीब उड़ रहा था।

अंत में, टीम ने इस जानकारी को एक वास्तविक सुरक्षा कमांड सेंटर को भेजने के लिए पैक करने का तरीका दिखाया। उन्होंने एक अनुवादक बनाया जो कच्चे ट्रैकिंग डेटा को लेता है और उसे एक मानक भाषा (जिसे SAPIENT कहा जाता है) में प्रारूपित करता है जिसे अन्य सिस्टम समझ सकते हैं। उन्होंने प्रत्येक रिपोर्ट के साथ एक "कॉन्फिडेंस स्कोर" (विश्वास स्कोर) भी जोड़ा, जो कमांड सेंटर को बताता है कि सिस्टम जो देख रहा है उसके बारे में वह कितना आश्वस्त है। लेकिन उन्होंने एक कड़वा सच भी पाया: अधिक ड्रोन को ट्रैक करने के लिए सटीक बनाने हेतु, उन्हें कुछ और चीज़ों का त्याग करना पड़ा। यदि वे नियमों को ढीला करके अधिक ड्रोन को ट्रैक करने की कोशिश करते, तो सिस्टम उनकी पहचान मिलाने लगता, जिससे एक ही ड्रोन को कई नाम मिल जाते। शोधकर्ताओं ने निर्णय लिया कि पहचान को सही रखना हर क्षण को पकड़ने से अधिक महत्वपूर्ण है, इसलिए उन्होंने सख्त रहने का विकल्प चुना।

संक्षेप में, यह शोध पत्र दिखाता है कि कई ड्रोन को ट्रैक करने के लिए 5G संकेतों का उपयोग करना संभव और आशाजनक है, लेकिन यह अभी कोई जादुई समाधान नहीं है। सिस्टम ड्रोन को सुन सकता है, लेकिन जब वे एक-दूसरे के बहुत करीब आते हैं तो भ्रमित हो जाता है। समाधान केवल बेहतर सुनने में नहीं है; बल्कि स्मार्ट छँटाई (sorting) में है। शोधकर्ताओं ने सिद्ध किया कि जबकि यह तकनीक एक सिमुलेशन में काम करती है, वास्तविक चुनौती संकेतों के "ट्रैफिक जाम" को प्रबंधित करने और ड्रोन की पहचान को सीधा रखने की है, और साथ ही यह सुनिश्चित करना है कि डेटा को प्रोसेस करने वाला कंप्यूटर वास्तविक दुनिया के साथ तालमेल बिठाने के लिए पर्याप्त तेज़ है। यह एक ठोस कदम है, लेकिन डिजिटल सिमुलेशन से वास्तविक जीवन की ड्रोन रक्षा प्रणाली तक का सफर अभी भी कई बाधाओं को पार करने बाकी है।