💻 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

Questo articolo presenta un testbed di simulazione O-RAN end-to-end che riutilizza i segnali di sounding (SRS) in uplink 5G per il rilevamento passivo e il tracciamento 3-D di UAV, dimostrando che l'osservabilità dell'altitudine può essere ottenuta attraverso un array di ricezione planare o un secondo trasmettitore mantenendo al contempo i servizi di comunicazione concorrenti.

Autori originali: Arun K. Gurung, Satha K. Sathananthan, Shiva R. Pokhrel

Pubblicato 2026-08-07

📖 5 min di lettura🧠 Approfondimento

CC BY 4.0

Autori originali: Arun K. Gurung, Satha K. Sathananthan, Shiva R. Pokhrel

Articolo originale sotto licenza CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Questa è una spiegazione generata dall'IA dell'articolo qui sotto. Non è stata scritta né approvata dagli autori. Per precisione tecnica, consulta l'articolo originale. Leggi il disclaimer completo

Immaginate che il cielo sopra le nostre città si stia popolando di piccoli droni ronzanti. Alcuni consegnano la pizza, altri riprendono film, ma alcuni potrebbero spiare o causare problemi. Per tenerci al sicuro, abbiamo bisogno di individuare questi intrusi invisibili, ma il radar tradizionale è come un enorme e costoso riflettore che ha bisogno della sua linea elettrica speciale e di un budget enorme per funzionare. È difficile installarne uno su ogni angolo di strada.

Entra in gioco un'idea geniale chiamata "Sensing e Comunicazione Integrati" (ISAC). Pensate a questo come a un faro che svolge un doppio compito: emette un fascio per guidare le navi (comunicazione) ma ascolta anche gli echi che rimbalzano sull'acqua per vedere se sta arrivando una tempesta (rilevamento). In questa storia, il "faro" è la nostra esistente rete cellulare 5G e il "fascio" è il segnale che i nostri telefoni inviano alla torre. La grande domanda che gli scienziati si pongono è: Possiamo trasformare questi comuni segnali cellulari in una gigantesca rete radar invisibile capace di catturare i droni senza costruire una singola nuova torre? Questo articolo approfondisce proprio questa questione, utilizzando una simulazione al computer super avanzata per vedere se è effettivamente possibile trasformare una rete 5G in un radar cacciatore di droni.

I ricercatori hanno costruito una rete 5G completa e virtuale all'interno di un computer per testare questa idea. Non si sono limitati a indovinare; hanno creato una "pista di prova" digitale dove un drone finto vola intorno, e hanno cercato di catturarlo usando solo i segnali che un normale telefono invia alla torre. Hanno scoperto che sì, è possibile rilevare e tracciare questi droni in uno spazio 3D usando solo la rete esistente, ma ci sono alcuni complicati enigmi geometrici da risolvere prima.

Ecco come l'hanno fatto e cosa hanno scoperto:

Il Trucco Magico: Ascoltare l'Eco
Di solito, una torre cellulare si limita ad ascoltare il tuo telefono per sentire la tua voce o i tuoi dati. Ma in questo esperimento, la torre ha ascoltato diversamente. Hanno utilizzato un segnale speciale chiamato "Segnale di Riferimento di Sounding" (UL-SRS), che i telefoni inviano solo per aiutare la torre a sintonizzarsi. I ricercatori hanno trattato questo segnale come un impulso radar. Quando il segnale colpiva un drone, rimbalzava e tornava alla torre. Misurando quanto tempo impiegava l'eco a tornare e come cambiava il segnale, la torre poteva capire dove si trovava il drone. La parte migliore? Non hanno dovuto modificare il telefono o gli standard del software della torre; hanno semplicemente riutilizzato un segnale che era già presente.

Il Problema dell' "Occhio Singolo" e la Soluzione
C'era un intoppo. Con un solo telefono (il trasmettitore) e una sola torre (il ricevitore), il sistema poteva determinare quanto fosse lontano il drone e in quale direzione si stesse muovendo a destra o sinistra, ma non poteva capire quanto fosse alto. Era come cercare di indovinare l'altezza di un uccello nel cielo guardandolo con un occhio solo chiuso; sai che è lì, ma non puoi dire se sta volando a 3 metri o a 30 metri di altezza.

Per risolvere il problema, il team ha provato due trucchi astuti, come dare al sistema un secondo paio di occhi:

L'Array Verticale: Hanno dato alla torre un'antenna speciale che era alta e piatta (come una cornice per foto) invece di una semplice linea. Questo ha permesso alla torre di "vedere" su e giù, non solo da lato a lato.
Il Secondo Telefono: Hanno aggiunto un secondo telefono dall'altro lato della strada per inviare segnali. Ora, la torre aveva due angolazioni diverse da cui osservare il drone. Confrontando i due diversi percorsi che i segnali hanno seguito, la matematica poteva calcolare l'altezza perfettamente, proprio come i vostri due occhi vi aiutano a percepire la profondità.

I Risultati: Catturare il Drone
La simulazione ha dimostrato che questo sistema funziona sorprendentemente bene.

Rilevamento: Il sistema è stato in grado di individuare il drone in circa il 92,7% delle volte in cui era visibile.
Accuratezza: Quando hanno usato il trucco del secondo telefono (la configurazione a due trasmettitori), il sistema ha stimato l'altezza del drone con un errore di soli 2,2 metri (circa 7 piedi). È piuttosto vicino per essere una simulazione!
Velocità: Anche mentre il telefono stava inviando dati a 10 Mbit s⁻¹ (una velocità internet normale), il sistema radar funzionava perfettamente. Non si è confuso con il traffico regolare del telefono.

I "E se..." e i Limiti
I ricercatori sono stati molto attenti a sottolineare ciò che non ha funzionato perfettamente.

L'ipotesi dell'Altezza: Se avessero provato a tracciare il drone con un solo telefono e avessero ipotizzato l'altezza sbagliata (come assumere che il drone fosse basso quando in realtà era alto), il tracciamento sarebbe andato completamente storto. Il sistema ha bisogno di quell'occhio extra (sia l'antenna alta che il secondo telefono) per essere accurato.
Il Problema del "Canyon Urbano": In una simulazione in cui edifici alti bloccavano la visuale, il sistema a volte perdeva il drone. Questo ha senso; se un edificio blocca il segnale, il radar non può vedere l'eco.
Simulazione vs Realtà: È importante ricordare che tutto questo è avvenuto all'interno di una simulazione al computer utilizzando un modello "ray-traced" (un modo sofisticato per prevedere matematicamente come le onde radio rimbalzano sugli edifici). L'articolo afferma che si tratta di una prova di concetto. Non hanno ancora costruito una versione reale con hardware vero, sebbene intendano farlo.

Perché questo è Importante
Questo articolo dimostra che potremmo non aver bisogno di costruire costosi sistemi radar dedicati per catturare i droni. Inveve, potremmo potenzialmente usare le torri cellulari e i telefoni già presenti in tutta la città. È un po' come rendersi conto che i lampioni della propria strada potrebbero anche fungere da telecamere di sicurezza, se si guardasse diversamente i riflessi. Sebbene ci siano ancora ostacoli da superare prima che diventi un prodotto reale, questo studio dimostra che l'idea è matematicamente solida ed è pronta per il passo successivo: costruirla davvero.

Sintesi Tecnica: Rilevamento di UAV basato su 5G ISAC e Tracciamento 3-D utilizzando segnali di riferimento di sounding uplink su un testbed di simulazione O-RAN end-to-end

Problematica
La proliferazione di veicoli aerei non pilotati (UAV) a bassa quota richiede soluzioni di contro-UAS (C-UAS) scalabili ed economiche. I sistemi radar tradizionali richiedono uno spettro e un'infrastruttura dedicati, che sono spesso proibitivi. Sebbene il 5G Integrated Sensing and Communication (ISAC) offra la visione di utilizzare l'esistente infrastruttura cellulare per il sensing a duplice scopo, le implementazioni pratiche rimangono scarse. Nello specifico, manca un testbed open end-to-end che integri uno stack di protocollo 5G New Radio (NR) reale, un O-RAN Near-RT RIC conforme agli standard e un simulatore di canale basato su ray-tracing per validare la sorveglianza degli UAV. Inoltre, le specifiche di sensing 3GPP standard (ad esempio, per il Release 19) sono ancora in fase di studio, e l'uplink sounding reference signal (UL-SRS) è un candidato, non un segnale di sensing standardizzato.

Metodologia
Gli autori presentano un testbed di simulazione end-to-end O-RAN costruito con componenti open-source: OpenAirInterface (OAI) per lo stack 5G NR, FlexRIC per il Near-RT RIC e Sionna RT per l'emulazione del canale tramite ray-tracing. Il sistema riutilizza lo standard UL-SRS come forma d'onda radar passiva senza modificare lo standard NR o richiedere segnali di sensing dedicati.

Architettura: Il testbed opera come uno stack containerizzato. L'OAI gNB ospita uno stadio di sensing ISAC personalizzato all'interno del suo strato fisico (PHY). L'OAI nrUE funge da illuminatore, trasmettendo l'UL-SRS. L'UAV è uno scatterer passivo non cooperativo.
Pipeline di Sensing: All'interno del PHY del gNB, il sistema esegue:
1. Deflazione dello Spazio dei Clutter (Clutter Subspace Deflation): Una deflazione dello spazio di rango $K_c$ rimuove il percorso diretto statico dominante e il rimbalzo al suolo, isolando l'eco dell'UAV.
2. Elaborazione Range-Doppler: Una mappa Range-Doppler 2-D viene generata tramite IDFT con zero-padding (range) e DFT (Doppler) su un intervallo di elaborazione coerente (CPI) di 640 ms.
3. Rilevamento: Un algoritmo OS-CFAR (Order-Statistic CFAR) con raggruppamento a picco singolo rileva i target.
4. Stima dell'Angolo: Un estimatore interferometrico a forma chiusa calcola l'angolo di arrivo (AoA) utilizzando un array lineare uniforme (ULA) a 4 elementi.
Trasporto: I rilevamenti vengono trasmessi a un xApp sottoscritto nel Near-RT RIC tramite un modello di servizio E2 personalizzato (SM-SENS) utilizzando procedure E2AP standard.
Tracciamento: L'xApp esegue un Filtro di Kalman Esteso (EKF) con un modello di misurazione non lineare (range bistatico, velocità di variazione del range e azimut).
Soluzioni di Tracciamento 3-D: Poiché una singola coppia bistatica con un array 1-D non può osservare l'elevazione (richiedendo un valore di altezza a priori), l'articolo valuta due metodi per ottenere il tracciamento 3-D:
1. Array Planare: Sostituire l'ULA 1-D con un Uniform Planar Array (UPA) 2×4 per misurare direttamente l'angolo di elevazione.
2. Geometria Multistatica: Aggiungere un secondo trasmettitore nrUE per creare una seconda coppia bistatica, utilizzando la diversità di range per risolvere geometricamente l'altitudine.

Contributi Chiave

Testbed ISAC O-RAN End-to-End: Uno stack 5G NR live integrato con un Near-RT RIC e un emulatore di canale ray-traced. Il sensing avviene all'interno del PHY del gNB OAI e i rilevamenti raggiungono l'xApp tramite un prototipo di modello di servizio E2, il tutto senza modificare lo standard NR.
Valutazione del Tracker Bistatico: Una valutazione di un xApp EKF utilizzando un modello di misurazione non lineare, associazione ungherese (Hungarian association) e manutenzione del tracciamento guidata dal tempo. La valutazione include test avversari come l'ablazione del prior di altezza, l'occlusione da canyon stradale e il sensing sotto traffico uplink concorrente di 10 Mbit/s.
Due Percorsi per il Tracciamento 3-D: L'articolo dimostra due metodi distinti per rimuovere il valore di altezza a priori e ottenere l'osservabilità dell'altitudine:
- Un'apertura verticale (UPA) al gNB.
- Diversità di range da una seconda coppia bistatica.
  Entrambi i metodi mostrano di poter ridurre la dispersione del cross-seed della stima finale dell'altitudine da ~12,7 m (non osservabile) a ~0,2 m (osservabile).

Risultati

Prestazioni di Rilevamento: In uno scenario a linea di vista (LOS) piatta, il sistema raggiunge una copertura di rilevamento del 92,7%. L'accuratezza della misurazione (rispetto al ground truth del ray-tracing) è:
- RMSE eccesso di range bistatico: 8,66 m (circa una cella di risoluzione).
- RMSE di velocità di range bistatico: 0,44 m/s.
- RMSE di azimut: 7,02°.
Prestazioni di Tracciamento:
- 2-D EKF (con prior di altezza): Ottiene un RMSE di range (x) di 7,26 m e un RMSE di cross-range (y) di 5,32 m. La continuità del tracciamento è del 54,2% (salendo all'88,3% con il coast-bridging).
- 3-D EKF (Array Planare): Con un UPA 2×4, il sistema stima l'altitudine con un RMSE di 5,3 m e la posizione orizzontale con un RMSE di 3,8 m. La dispersione del cross-seed dell'altitudine scende a 0,2 m, confermando l'osservabilità, sebbene rimanga un bias di 6,0 m.
- 3-D EKF (Multistatico): Con un secondo trasmettitore, il sistema ottiene un RMSE di altitudine di 2,2 m e un RMSE orizzontale di 5,6 m. Fondamentalmente, questa configurazione è priva di bias (stima di 55,3 m rispetto a 55 m reali) e raggiunge anche una dispersione del cross-seed di 0,2 m.
Consistenza: Il filtro mostra un eccesso di confidenza strutturale (NEES >> atteso) dovuto a correlazioni tra gli assi non modellate e ai limiti del modello 2-D con un prior di altezza fisso, ma le misurazioni stesse sono fisicamente corrette.

Significatività e Rivendicazioni
L'articolo sostiene di presentare il primo testbed di simulazione O-RAN ISAC end-to-end per il tracciamento di UAV che include una vasta validazione della pipeline e identifica le limitazioni chiave per l'implementazione pratica. La sua principale significatività risiede nel dimostrare che:

Fattibilità: Gli esistenti segnali uplink 5G (UL-SRS) possono essere riutilizzati per il rilevamento e il tracciamento passivo di UAV all'interno di un'architettura O-RAN conforme agli standard senza modifiche allo spettro.
Osservabilità: L'osservabilità dell'altitudine, impossibile con una singola coppia bistatica e un array 1-D, può essere stabilita end-to-end attraverso lo stack live utilizzando o un'apertura di ricezione verticale o un secondo trasmettitore.
Architettura: La separazione dell'elaborazione del segnale pesante (cancellazione del clutter, mappatura RD) all'interno del PHY del gNB e del tracciamento algoritmico (EKF) nell'xApp del Near-RT RIC è un modello architettonico sostenibile per l'ISAC, che rispecchia l'emergente modello "sensing-dApp".

Gli autori rimangono modesti riguardo alle loro rivendicazioni, sottolineando che il testbed è una simulazione (usando Sionna RT) e che il modello di servizio di sensing (SM-SENS) è una dimostrazione operativa piuttosto che una specifica standardizzata. Identificano la necessità di integrazione hardware (validazione USRP) e ulteriori lavori su tracciamento multi-target e consolidamento degli identificatori come passi futuri.

Articoli simili