💻 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

Dit artikel presenteert een end-to-end O-RAN-simulatietestbed dat 5G uplink Sounding Reference Signals hergebruikt voor passieve UAV-detectie en 3D-tracking, waarbij wordt aangetoond dat hoogte-observabiliteit kan worden bereikt via ofwel een planaire ontvangstarray of een tweede zender, terwijl gelijktijdige communicatiediensten worden gehandhaafd.

Oorspronkelijke auteurs: Arun K. Gurung, Satha K. Sathananthan, Shiva R. Pokhrel

Gepubliceerd 2026-08-07

📖 6 min leestijd🧠 Diepgaand

CC BY 4.0

Oorspronkelijke auteurs: Arun K. Gurung, Satha K. Sathananthan, Shiva R. Pokhrel

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat de lucht boven onze steden steeds drukker wordt met kleine, zoemende drones. Sommige bezorgen pizza, andere filmen films, maar een paar zouden kunnen spioneren of voor problemen zorgen. Om ons veilig te houden, moeten we deze onzichtbare indringers opsporen, maar traditionele radar is als een enorme, dure spotlight die zijn eigen speciale stroomlijn en een gigantisch budget nodig heeft om te draaien. Het is moeilijk om er een op elke straathoek te plaatsen.

Maak kennis met een slim idee genaamd "Integrated Sensing and Communication" (ISAC). Denk aan dit als een vuurtoren die dubbel werk doet: het zendt een straal uit om schepen te begeleiden (communicatie), maar luistert ook naar de echo's die terugkaatsen tegen het water om te zien of er een storm aankomt (sensing). In dit verhaal is de "vuurtoren" ons bestaande 5G-celnetwerk, en de "straal" is het signaal dat onze telefoons naar de mast sturen. De grote vraag die wetenschappers stellen is: Kunnen we deze alledaagse signaalnetwerken omzetten in een gigantisch, onzichtbaar radarnetwerk om drones te vangen zonder een enkele nieuwe mast te bouwen? Dit artikel duikt direct in die vraag, waarbij een supergeavanceerde computersimulatie wordt gebruikt om te zien of het daadwerkelijk mogelijk is om een 5G-netwerk te veranderen in een drone-jagende radar.

De onderzoekers bouwden een volledig, virtueel 5G-netwerk in een computer om dit idee te testen. Ze gokten niet zomaar; ze creëerden een digitale "testbaan" waar een nepdrone rondvliegt, en ze probeerden de drone te vangen met alleen de signalen die een normale telefoon naar de mast stuurt. Ze ontdekten dat het inderdaad mogelijk is om deze drones in 3D-ruimte te detecteren en te volgen met alleen het bestaande netwerk, maar dat er eerst wat lastige geometrische puzzels opgelost moeten worden.

Zo hebben ze het gedaan en dit hebben ze ontdekt:

De Magische Truk: Luisteren naar de Echo
Normaal gesproken luistert een zendmast alleen naar je telefoon om je stem of data te horen. Maar in dit experiment luisterde de mast anders. Ze gebruikten een speciaal signaal genaamd het "Sounding Reference Signal" (UL-SRS), dat telefoons verzenden om de mast te helpen afstemmen. De onderzoekers behandelden dit signaal als een radar-ping. Wanneer het signaal een drone raakte, kaatste het ervan terug naar de mast. Door te meten hoe lang de echo erover deed om terug te keren en hoe het signaal veranderde, kon de mast bepalen waar de drone zich bevond. Het beste eraan? Ze hoefden de software van de telefoon of de mast niet aan te passen; ze maakten simpelweg gebruik van een signaal dat er al was.

Het "Eén-Oog" Probleem en de Oplossing
Er was een addertje onder het gras. Met slechts één telefoon (de zender) en één mast (de ontvanger), kon het systeem wel aangeven hoe ver de drone weg was en in welke richting hij naar links of rechts bewoog, maar het kon niet bepalen hoe hoog hij vloog. Het was alsof je probeerde de hoogte van een vogel in de lucht te raden terwijl je naar hem keek met slechts één oog dicht; je weet dat hij er is, maar je kunt niet zien of hij op 3 meter of op 30 meter hoogte vliegt.

Om dit op te lossen, probeerden het team twee slimme trucs, alsof ze het systeem een tweede paar ogen gaven:

De Verticale Array: Ze gaven de mast een speciale antenne die hoog en plat was (zoals een fotolijstje) in plaats van alleen een lijn. Hierdoor kon de mast omhoog en omlaag "kijken", niet alleen van links naar rechts.
De Tweede Telefoon: Ze voegden een tweede telefoon toe aan de andere kant van de straat om signalen te verzenden. Nu had de mast twee verschillende hoeken om naar de drone te kijken. Door de twee verschillende paden te vergelijken die de signalen aflegden, kon de wiskunde de hoogte perfect berekenen, precies zoals jouw twee ogen je helpen om diepte in te schatten.

De Resultaten: De Drone Vangen
De simulatie liet zien dat dit systeem verrassend goed werkt.

Detectie: Het systeem kon de drone in ongeveer 92,7% van de tijd dat deze zichtbaar was, opsporen.
Nauwkeurigheid: Wanneer ze de truc met de tweede telefoon gebruikten (de opstelling met twee zenders), raadde het systeem de hoogte van de drone met een fout van slechts 2,2 meter (ongeveer 7 voet). Dat is behoorlijk nauwkeurig voor een simulatie!
Snelheid: Zelfs terwijl de telefoon data verzond met 10 Mbit s⁻¹ (een normale internetsnelheid), werkte het radarsysteem nog steeds perfect. Het raakte niet in de war door het reguliere verkeer van de telefoon.

De "Wat Als" en de Limieten
De onderzoekers waren zeer zorgvuldig in het benoemen van wat niet perfect werkte.

De Hoogte-gok: Als ze probeerden de drone te volgen met slechts één telefoon en de verkeerde hoogte aannamen (zoals aannemen dat de drone laag vloog terwijl hij eigenlijk hoog vloog), dan liep de tracking volledig mis. Het systeem heeft die extra "oog" nodig (ofwel de hoge antenne of de tweede telefoon) om accuraat te zijn.
Het "Straat Canyon" Probleem: In een simulatie waarbij hoge gebouwen het zicht blokkeerden, verloor het systeem de drone soms uit het oog. Dit is logisch; als een gebouw het signaal blokkeert, kan de radar de echo niet zien.
Simulatie versus Realiteit: Het is belangrijk te onthouden dat dit alles plaatsvond binnen een computersimulatie met een "ray-tracing" model (een geavanceerde manier om wiskundig te voorspellen hoe radiogolven van gebouwen weerkaatsen). Het artikel stelt dat dit een "proof-of-concept" is. Ze hebben nog geen echte versie met echte hardware gebouwd, hoewel ze dat wel van plan zijn.

Waarom dit ertoe doet
Dit artikel bewijst dat we mogelijk geen dure, speciale radarsystemen nodig hebben om drones te vangen. In plaats daarvan zouden we potentieel de zendmasten en telefoons die al overal in de stad aanwezig zijn kunnen gebruiken. Het is een beetje alsof je beseft dat je straatlantaarns ook beveiligingscamera's kunnen zijn als je alleen maar anders naar de reflecties kijkt. Hoewel er nog hindernissen zijn om te overwinnen voordat dit een echt product is, laat deze studie zien dat het idee wiskundig onderbouwd is en klaar is voor de volgende stap: het echt gaan bouwen.

Technische Samenvatting: 5G ISAC-gebaseerde UAV-detectie en 3-D tracking met behulp van Uplink Sounding Reference Signals op een End-to-End O-RAN Simulatie Testbed

Probleemstelling
De proliferatie van laagvliegende onbemande luchtvaartuigen (UAV's) vereist schaalbare, kosteneffectieve counter-UAS (C-UAS) oplossingen. Traditionele radarsystemen vereisen een specifiek spectrum en infrastructuur, wat vaak prohibitief is. Hoewel 5G Integrated Sensing and Communication (ISAC) de visie biedt om bestaande cellulaire infrastructuur voor dubbeldoelige detectie te gebruiken, blijven praktische implementaties schaars. Specifiek is er een gebrek aan end-to-end open testbeds die een echte 5G New Radio (NR) protocol stack, een standaardconforme O-RAN Near-RT RIC en een ray-traced kanaalsimulator integreren om UAV-surveillance te valideren. Bovendien zijn standaard 3GPP sensing-specificaties (bijv. voor Release 19) nog in ontwikkeling, en is het uplink sounding reference signal (UL-SRS) een kandidaat, geen gestandaardiseerd sensing-golfvorm.

Methodologie
De auteurs presenteren een end-to-end O-RAN simulatie testbed opgebouwd uit open-source componenten: OpenAirInterface (OAI) voor de 5G NR stack, FlexRIC voor de Near-RT RIC, en Sionna RT voor ray-traced kanaalemulatie. Het systeem hergebruikt het standaard UL-SRS als een passieve radar-golfvorm zonder de NR-standaard te wijzigen of specifieke sensing-signalen te vereisen.

Architectuur: Het testbed werkt als een gecontaineriseerde stack. De OAI gNB host een aangepaste ISAC sensing stage binnen zijn Physical Layer (PHY). De OAI nrUE fungeert als de illuminator door UL-SRS uit te zenden. De UAV is een niet-coöperatieve passieve verstrooier.
Sensing Pipeline: Binnen de OAI gNB PHY voert het systeem het volgende uit:
1. Clutter Subspace Deflation: Een rank- $K_c$ subspace deflation verwijdert het dominante statische directe pad en de grondreflectie, waardoor de UAV-echo wordt geïsoleerd.
2. Range-Doppler Processing: Een 2-D OFDM Range-Doppler kaart wordt gegenereerd via zero-padded IDFT (range) en DFT (Doppler) over een Coherent Processing Interval (CPI) van 640 ms.
3. Detectie: Order-Statistic CFAR (OS-CFAR) met single-peak grouping detecteert doelwitten.
4. Hoekschatting: Een closed-form interferometrische estimator berekent de Angle of Arrival (AoA) met behulp van een 4-element Uniform Linear Array (ULA).
Transport: Detecties worden verzonden naar een abonnerende xApp in de Near-RT RIC via een aangepast E2 service model (SM-SENS) met behulp van standaard E2AP procedures.
Tracking: De xApp draait een Extended Kalman Filter (EKF) met een niet-lineair meetmodel (bistatische range, range-rate en azimuth).
3-D Tracking Oplossingen: Omdat een enkel bistatisch paar met een 1-D array geen elevatie kan observeren (hiervoor is een hoogte-prior nodig), evalueert het artikel twee methoden om 3-D tracking te bereiken:
1. Planar Array: Het vervangen van de 1-D ULA door een 2×4 Uniform Planar Array (UPA) om de elevatiehoek direct te meten.
2. Multistatische Geometrie: Het toevoegen van een tweede nrUE zender om een tweede bistatisch paar te creëren, waarbij range diversiteit wordt gebruikt om de hoogte geometrisch te resolveren.

Belangrijkste Bijdragen

End-to-End O-RAN ISAC Testbed: Een live 5G NR stack geïntegreerd met een Near-RT RIC en een ray-traced kanaalemulator. Sensing vindt plaats binnen de OAI gNB PHY, en detecties bereiken de xApp via een prototype E2 service model, alles zonder de NR-standaard te wijzigen.
Bistatic Tracker Evaluatie: Een evaluatie van een EKF xApp met een niet-lineair meetmodel, Hungarian association en tijdgestuurde track maintenance. De evaluatie bevat ook adversariële tests zoals de ablatie van de hoogte-prior, street-canyon occlusie en sensing onder gelijktijdige 10 Mbit/s uplink verkeer.
Twee Routes naar 3-D Tracking: Het artikel demonstreert twee verschillende methoden om de hoogte-prior te verwijderen en hoogte-observabiliteit te verkrijgen:
- Een verticale aperture (UPA) bij de gNB.
- Range diversiteit van een tweede bistatisch paar.
  Beide methoden laten zien dat de cross-seed spreiding van de uiteindelijke hoogte-schatting daalt van ~12,7 m (onobserveerbaar) naar ~0,2 m (observeerbaar).

Resultaten

Detectieprestaties: In een plat line-of-sight (LOS) scenario bereikt het systeem een detectiecoverage van 92,7%. De meetnauwkeurigheid (vs. ray-traced ground truth) is:
- Excess bistatische range RMSE: 8,66 m (ongeveer één resolutiecel).
- Bistatische range-rate RMSE: 0,44 m/s.
- Azimuth RMSE: 7,02°.
Tracking Prestaties:
- 2-D EKF (met hoogte-prior): Behaalt een range (x) RMSE van 7,26 m en een cross-range (y) RMSE van 5,32 m. De track continuïteit is 54,2% (stijgend naar 88,3% met coast-bridging).
- 3-D EKF (Planar Array): Met een 2×4 UPA schat het systeem de hoogte met een RMSE van 5,3 m en de horizontale positie met een 3,8 m RMSE. De cross-seed spreiding van de hoogte daalt naar 0,2 m, wat observabiliteit bevestigt, hoewel er een bias van 6,0 m blijft bestaan.
- 3-D EKF (Multistatic): Met een tweede zender bereikt het systeem een hoogte RMSE van 2,2 m en een horizontale RMSE van 5,6 m. Cruciaal is dat deze configuratie unbiased is (55,3 m schatting vs. 55 m waarheid) en eveneens een 0,2 m cross-seed spreiding bereikt.
Consistentie: De filter vertoont structurele over-confidentie (NEES >> verwacht) door niet-gemodelleerde cross-axis correlaties en de beperkingen van de 2-D state met een vaste hoogte-prior, maar de metingen zelf zijn fysiek correct.

Betekenis en Claims
Het artikel claimt het eerste end-to-end 5G O-RAN ISAC simulatie testbed te presenteren voor UAV-tracking dat uitgebreide pipeline validatie bevat en de belangrijkste beperkingen voor praktische implementatie identificeert. De primaire betekenis ligt in het demonstreren dat:

Haalbaarheid: Bestaande 5G uplink-signalen (UL-SRS) kunnen worden hergebruikt voor passieve UAV-detectie en -tracking binnen een standaardconforme O-RAN architectuur zonder wijzigingen in het spectrum.
Observabiliteit: Hoogte-observabiliteit, wat onmogelijk is met een enkel bistatisch paar en een 1-D array, kan end-to-end worden vastgesteld via de live stack door middel van ofwel een verticale ontvangst-aperture of een tweede zender.
Architectuur: De scheiding van zware signaalverwerking (clutter cancellatie, RD mapping) binnen de OAI gNB PHY en algoritmische tracking (EKF) in de Near-RT RIC xApp is een levensvatbaar architecturaal patroon voor ISAC, wat het opkomende "sensing-dApp" model weerspiegelt.

De auteurs blijven bescheiden over hun claims en merken op dat het testbed een simulatie is (met behulp van Sionna RT) en dat het sensing service model (SM-SENS) een werkende demonstratie is en geen gestandaardiseerde specificatie. Zij identificeren de noodzaak voor hardware-integratie (USRP validatie) en verder werk op het gebied van multi-target tracking en identifier consolidatie als toekomstige stappen.

Meer zoals dit