Clutter Suppression for GPS-Signal-Based Passive Radar

Radar is de technologie die ons in staat stelt objecten te zien die te ver weg zijn om met het blote oog te zien, of die verborgen zijn achter obstakels. Traditionele radar werkt als een vuurtoren: het zendt een krachtige bundel radiogolven uit en luistert naar de zwakke echo die terugkaatst van een vliegtuig, een schip of een auto. Deze methode is krachtig, maar heeft een groot nadeel. Omdat de radarinstallatie haar eigen signaal moet uitzenden, onthult zij haar exacte locatie aan iedereen die luistert, wat haar kwetsbaar maakt voor aanvallen. Om dit op te lossen, ontwikkelden ingenieurs passieve radar. In plaats van uit te zenden, fungeert een passieve radar als een stille luisteraar. Het wacht op signalen die al door de lucht reizen van andere bronnen, zoals televisietorens, radiostations of satellieten. Wanneer deze bestaande signalen een doelwit raken en in de richting van de ontvanger weerkaatsen, analyseert het systeem de echo om te bepalen waar het doelwit zich bevindt en hoe snel het beweegt. Deze aanpak is veel moeilijker te detecteren en verstopt het radiospectrum niet met nieuwe transmissies.

Een van de meest veelbelovende bronnen voor deze stille luisteraars is het Global Positioning System, of GPS. De hemel is gevuld met GPS-satellieten die constant signalen naar de aarde uitzenden. Een passief radarsysteem kan deze signalen gebruiken om doelwitten op te sporen. Dit is echter een ongelooflijk moeilijke taak. De signalen die vanuit de ruimte reizen, zijn al erg zwak tegen de tijd dat ze de grond bereiken. Wanneer ze van een klein doelwit afkaatsen, is de echo nog zwakker en wordt deze vaak overstemd door een kakofonie van lawaai. Dit lawaai komt voort uit het directe signaal van de satelliet zelf, dat duizenden malen sterker is dan de echo, evenals reflecties van de grond, gebouwen en andere satellieten. Het is also'n een fluistering proberen te horen in een kamer waar een straalmotor bromt. Jarenlang hebben onderzoekers geprobeerd om dit overweldigende achtergrondlawaai weg te filteren om het minuscule signaal van een bewegend doelwit te vinden.

Een team onderzoekers van de Naval University of Engineering en de Wuhan University in China heeft een nieuwe manier ontwikkeld om dit probleem op te lossen. Ze richtten zich op een specifiek type interferentie: de clutter die van de grond weerkaatst en het lawaai dat de lucht vult. Hun aanpak probeert niet simpelweg het lawaai af te trekken, wat vaak een rommelig residu achterlaat. In plaats daarvan bekeken ze het probleem vanuit een andere invalshoek, door te analyseren hoe het signaal van het doelwit en het signaal van de clutter zich gedragen wanneer ze worden afgebroken in hun fundamentele bouwstenen. Ze behandelden de signalen niet alleen als golven van tijd en frequentie, maar als patronen die bestaan over verschillende schalen. In deze context verwijst een "schaal" naar het niveau van detail of de grootte van de kenmerken binnen het signaal. De onderzoekers ontdekten dat de zwakke echo van een bewegend doelwit en de rommelige reflectie van de grond, hoewel ze er op een standaard radarkaart misschien hetzelfde uitzien, eigenlijk heel verschillende vormen hebben wanneer ze door deze multi-schaal lens worden bekeken.

Om dit idee te testen, zetten de onderzoekers een experiment in de echte wereld op met twee ontvangers die op een vaste afstand van elkaar stonden. Ze plaatsten een hoekreflector, een apparaat dat ontworpen is om radiogolven sterk terug te kaatsen, op een voertuig en reden met een constante snelheid. De ontvangers vingen de GPS-signalen op die door dit voertuig werden weerkaatst, samen met de onvermijdelijke achtergrondruis en interferentie van de grond en andere satellieten. De onderzoekers verwerkten deze ruwe gegevens met behulp van twee verschillende wiskundige instrumenten: één gebaseerd op wavelets en een andere op een methode genaamd empirische modusontleding. Beide instrumenten werken door het complexe signaal in lagen uit elkaar te pellen, vergelijkbaar met het scheiden van de verschillende ingrediënten in een mengsel. De sleutel was dat het signaal van het doelwit en de grondclutter in verschillende lagen terechtkwamen. De energie van het doelwit was geconcentreerd in specifieke lagen, terwijl de grondclutter andere lagen domineerde.

Door deze onderscheidende lagen te identificeren, konden de onderzoekers een filter bouwen die de lagen met het doelwit behield en de lagen met de clutter weggooide. Ze gooiden niet alleen de slechte delen weg; ze gebruikten een slim weegsysteem dat de unieke kenmerken van het doelwit behield terwijl de ruis werd onderdrukt. Toen ze deze methode op hun gegevens toepasten, waren de resultaten opmerkelijk. In scenario's waarin het doelwit volledig verborgen was door sterke grondinterferentie, bracht de nieuwe methode het doelwit weer in beeld. In één specifieke testcasus met sterke grondclutter verbeterde de methode de helderheid van het doelwitssignaal met 8,07 decibel, een significante sprong die het verschil maakte tussen een verborgen object en een duidelijk zichtbaar object. In een andere test waarbij het signaal begraven lag onder sterk lawaai, verbeterde de methode de signaalkwaliteit met bijna 9 decibel, waardoor een statisch gevuld scherm effectief werd veranderd in een helder beeld.

De studie onthulde ook de grenzen van deze techniek. De methode werkt het best wanneer het doelwit en de interferentie duidelijk verschillende vormen hebben in dit multi-schaalperspectief. Het was zeer effectief bij het verwijderen van grondclutter, dat een heel andere structuur heeft dan een bewegend voertuig. Het was echter minder effectief tegen interferentie van andere satellieten die te veel op het doelwit zelf leken. In die gevallen deelden de interferentie en het doelwit dezelfde "vorm", waardoor ze moeilijk te scheiden waren. De onderzoekers ontdekten ook dat als het oorspronkelijke signaal van de satelliet van zichzelf al te zwak was, geen enkele hoeveelheid verwerking het doelwit kon herstellen. Dit suggereert dat hoewel de methode krachtig is, het geen toverstaf is die elk probleem kan oplossen.

De bevindingen bieden een nieuwe weg voorwaarts voor passieve radarsystemen. In tegen tegenover de oudere methoden die probeerden de interferentie direct te modelleren en af te trekken, vertrouwt deze aanpak op de natuurlijke verschillen in de structuur van de signalen. De onderzoekers ontdekten dat hun wavelet-gebaseerde methode over het algemeen stabieler en effectiever was dan de alternatieve methode die ze testten, vooral in moeilijke omstandigheden met hevige interferentie. Ze concludeerden dat deze techniek een krachtig hulpmiddel is om het radarbeeld op te schonen, vooral wanneer het doel is om zwakke doelwitten tegen een lawaaierige achtergrond te spotten. Het vervangt niet de noodzaak voor andere eliminatietechnieken, maar het voegt een cruciale laag van bescherming toe die deze stille luisteraars in staat stelt om de fluisteringen van de hemel duidelijker te horen. Door de unieke textuur van het lawaai versus het doelwit te begrijpen, hebben de onderzoekers aangetoond dat zelfs de zwakste echo's kunnen worden gered uit het gedreun van de achtergrond.