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

想象一下，你正试图仅凭城市中已有的 Wi-Fi 信号，在拥挤的城市中发现一个微小且快速移动的无人机。你没有专门的雷达枪；你必须通过倾听手机和无人机与基站通信时所使用的常规数据信号的“回声”来工作。这就是**集成感知与通信（ISAC）**的世界。这就像一只蝙蝠，它不仅能利用声音进行导航，还能利用同样的声音与其他蝙蝠聊天。在未来，我们的 5G 网络可能会完全实现这一点：利用现有的无线电波来探测像无人机这样的物体，而无需额外的、昂贵的硬件。但问题在于：如果你只有一个无人机，很容易听到；如果你有三个无人机飞得很近，它们的“回声”可能会混杂在一起，导致无法分辨谁是谁。这就是科学家们试图解决的谜题：我们如何将一个通信网络转变为一个可靠的“无人机警察”系统，使其能够在不产生混淆的情况下同时追踪多个目标？

这篇论文通过构建一个数字“沙盒”来测试一种新的多无人机追踪方法，从而向回答这个问题迈出了巨大的一步。研究人员创建了一个虚拟城市，使用了一个名为 O-RAN 的模拟测试平台，这可以看作是移动通信网络的一个模块化、开源的版本。他们没有使用真实的无线电，而是用计算机模拟了信号、无人机和环境。他们设置了一个场景，其中三个不同高度和速度的无人机正试图被一个配备了特殊 8 天线阵列的单基站检测。目标不仅是让基站能够“听到”无人机（检测），还要看它能否随着时间的推移对它们进行个体追踪（跟踪），并将该信息传递给指挥中心，就像真正的安保系统需要那样。

以下是他们的发现，其中包含一个转折。首先，该系统在“听见”无人机方面表现得非常出色。在大多数时间内，三个无人机都被检测到了。然而，系统在保持它们各自独立身份方面却遇到了困难。想象一下，你试图在拥挤的商场里追踪三个朋友。你可以看到他们三个人，但每当他们走得很近时，你就会失去对他们的追踪，并且可能会不小心把两个朋友贴上同一个 ID，或者给一个朋友两个不同的名字。在这种模拟中，有 73.7% 的时间，由于两个无人机的信号“指纹”过于接近，系统无法立即将它们区分开来。最大的问题不在于系统听觉太弱（灵敏度），而在于信号在争夺注意力（竞争）。

研究人员还发现了一个关于天线设置的巧妙技巧。通过使用一个扁平的、网格状的天线阵列（“平面阵列”）而不是仅仅一排天线，系统可以测量无人机的高度。这并没有帮助系统看得更远，但它在区分无人机方面起到了救命的作用。当两个无人机处于相同距离和速度但高度不同时，高度测量帮助系统在约 58% 的时间内确定了哪个轨迹属于哪架无人机。这就像拥有了一张 3D 地图而不是一张平面图；它没有让地图变大，但它有助于理清混乱。

然而，论文也向我们警告了一个机器中的“幽灵”。该模拟运行在一个处理速度过慢、无法跟上实时速度的计算机上。这就像是在以慢动作观看一场比赛的视频。因为计算机太慢，系统认为无人机消失的时间比实际情况更长，从而导致追踪崩溃。当研究人员修正了时间并以实时方式观察数据时，追踪性能显著提高，但仍然并不完美。系统可以检测到无人机，但在保持单一且不间断的 ID 方面仍然很吃力，尤其是对于那架飞得最低、离地面最近的无人机。

最后，团队展示了如何打包这些信息并将其发送到现实世界的安全指挥中心。他们构建了一个“翻译器”，将原始追踪数据转换为一种标准语言（称为 SAPIENT），以便其他系统理解。他们甚至为每份报告添加了一个“置信度评分”，告诉指挥中心系统对所见内容的把握程度。但他们也发现了一个残酷的事实：为了让系统在追踪更多无人机方面更加准确，他们必须牺牲其他东西。如果他们试图通过放宽规则来强制系统追踪更多无人机，系统就会开始混淆它们的身份，给同一个无人机起多个名字。研究人员决定，保持身份正确比捕捉每一个瞬间更重要，因此他们选择了更加严格的策略。

简而言之，这篇论文表明，利用 5G 信号来追踪多个无人机是可行且充满前景的，但它还不是一个“万能药”。系统可以听到无人机，但当它们靠得太近时就会感到困惑。解决方案不仅仅是更好的听觉，更是更聪明的分类。研究人员证明，虽然这项技术在模拟中可行，但真正的挑战在于管理信号的“交通拥堵”，并在确保处理数据的计算机足够快以跟上现实世界的同时，保持每个无人机身份的清晰。这是一个坚实的进步，但从数字模拟走向现实生活中的无人机防御系统，仍有许多障碍需要克服。