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

Imagine que você está tentando detectar um drone minúsculo e rápido em uma cidade movimentada usando apenas os sinais Wi-Fi que já circulam pelo bairro. Você não tem um radar especial; você tem que ouvir os "ecos" dos sinais de dados normais que telefones e drones usam para falar com as torres de celular. Este é o mundo da Sensoriamento e Comunicação Integrados (ISAC). Pense nisso como um morcego que não usa apenas o som para navegar, mas também usa esse mesmo som para conversar com outros morcegos. No futuro, nossas redes 5G podem fazer exatamente isso: usar suas ondas de rádio existentes para detectar objetos como drones sem a necessidade de hardware extra e caro. Mas há um porém. Se você tiver um drone, é fácil ouvi-lo. Se você tiver três drones voando próximos, seus ecos podem se misturar, tornando impossível distinguir quem é quem. Este é o quebra-cabeça que os cientistas estão tentando resolver: como transformar uma rede de comunicação em um sistema confiável de "polícia de drones" capaz de rastrear múltiplos alvos ao mesmo tempo sem se confundir?

Este artigo dá um grande passo em direção à resposta para essa questão ao construir um "caixa de areia" digital para testar uma nova forma de rastrear múltiplos drones. Os pesquisadores criaram uma cidade virtual usando um ambiente de teste de simulação chamado O-RAN, que é uma versão modular e de código aberto de uma rede celular. Em vez de usar rádios reais, eles usaram um computador para simular os sinais, os drones e o ambiente. Eles configuraram um cenário com três drones diferentes voando em alturas e velocidades distintas, todos tentando ser detectados por uma única torre de celular equipada com um arranjo especial de 8 antenas. O objetivo não era apenas ver se a torre conseguia ouvir os drones (detecção), mas sim ver se ela conseguia acompanhá-los individualmente ao longo do tempo (rastreamento) e repassar essa informação para um centro de comando, exatamente como um sistema de segurança real precisaria fazer.

Aqui está o que eles descobriram, e há um certo toque inesperado. Primeiro, o sistema foi realmente muito bom em ouvir os drones. Todos os três foram detectados na maior parte do tempo. No entanto, o sistema teve dificuldades para mantê-los como identidades separadas. Imagine tentar seguir três amigos em um shopping lotado. Você consegue ver os três, mas toda vez que eles caminham próximos uns dos outros, você perde o rastro de quem é quem, e pode acabar atribuindo erroneamente o mesmo ID a dois amigos ou dando dois nomes diferentes a um único amigo. Nesta simulação, 73,7% das vezes, dois drones estavam tão próximos em sua "impressão digital" de sinal que o sistema não conseguiu distingui-los imediatamente. O maior problema não era que o sistema fosse muito fraco para ouvir os drones (sensibilidade); o problema era que os sinais estavam lutando pela atenção (contenção).

Os pesquisadores também descobriram um truque inteligente com a configuração das antenas. Ao usar um arranjo de antenas plano e em formato de grade (um "arranjo planar") em vez de apenas uma linha, o sistema podia medir a altura dos drones. Isso não ajudou o sistema a enxergar os drones a distâncias maiores, mas foi um salvador de vidas para diferenciá-los. Quando dois drones estavam à mesma distância e velocidade, mas em alturas diferentes, a medição da altura ajudou o sistema a decidir a qual rastreio pertencia cada drone cerca de 58% das vezes. Era como ter um mapa 3D em vez de um mapa plano; não tornava o mapa maior, mas ajudava a organizar a confusão.

No entanto, o artigo também nos alerta sobre um "fantasma" na máquina. A simulação rodou em um computador que era lento demais para acompanhar a velocidade em tempo real. Era como assistir a um vídeo de uma corrida em câmera lenta. Como o computador era lento, o sistema pensou que os drones haviam desaparecido por períodos mais longos do que realmente haviam desaparecido, causando a quebra do rastreamento. Quando os pesquisadores corrigiram o tempo e analisaram os dados como se estivessem acontecendo em tempo real, o desempenho do rastreamento melhorou significativamente, mas ainda não era perfeito. O sistema conseguia detectar os drones, mas ainda tinha dificuldade em manter um ID único e ininterrupto para cada um, especialmente para o drone que voava mais baixo e mais próximo do solo.

Finalmente, a equipe mostrou como empacotar essas informações para enviá-las a um centro de comando de segurança do mundo real. Eles construíram um tradutor que pega os dados brutos de rastreamento e os formata em uma linguagem padrão (chamada SAPIENT) que outros sistemas podem entender. Eles até adicionaram uma "pontuação de confiança" a cada relatório, dizendo ao centro de comando o quão certo o sistema está do que está vendo. Mas eles também descobriram uma verdade dura: para tornar o sistema mais preciso ao rastrear múltiplos drones, eles tiveram que sacrificar outra coisa. Se tentassem forçar o sistema a rastrear mais drones afrouxando as regras, ele começava a misturar suas identidades, dando ao mesmo drone vários nomes diferentes. Os pesquisadores decidiram que manter a identidade correta era mais importante do que capturar cada momento individual, então optaram por ser mais rigorosos.

Em resumo, este artigo mostra que usar sinais 5G para rastrear múltiplos drones é possível e promissor, mas não é uma solução mágica ainda. O sistema consegue ouvir os drones, mas se confunde quando eles ficam muito próximos. A solução não é apenas uma audição melhor; é uma classificação mais inteligente. Os pesquisadores provaram que, embora a tecnologia funcione em uma simulação, o verdadeiro desafio é gerenciar o "engarrafamento" de sinais e manter as identidades dos drones em ordem, tudo isso enquanto garante que o computador que processa os dados seja rápido o suficiente para acompanhar o mundo real. É um passo sólido à frente, mas a jornada da simulação digital para um sistema de defesa de drones na vida real ainda tem alguns obstáculos a superar.