Come può un radar passivo riconoscere un aereo senza trasmettere segnali?

I radar passivi osservano le onde radio già presenti nell’aria, senza emettere segnali propri. Questo li rende economici e difficili da individuare, perfetti per sorvegliare lo spazio aereo a bassa quota intorno agli aeroporti. Il problema è che le onde ricevute provengono da fonti diverse, spesso non ottimali, e questo complica l’estrazione delle caratteristiche dei velivoli. Per risolvere, gli scienziati hanno ideato un metodo “recognition‑before‑tracking”. Prima di seguire il percorso di un bersaglio, il sistema verifica se il segnale proviene dallo stesso fascio dell’antenna, sfruttando la continuità del moto. Quando il bersaglio appare nella mappa range‑Doppler, si costruisce un vettore di caratteristiche basato sulla sezione radar riflessa, ma corretto per eventuali bias. Inoltre, si introduce la “velocità bistatica normalizzata”, un parametro che descrive l’orientamento del velivolo rispetto alla stazione di ricezione. Con questi dati, il radar confronta il vettore del bersaglio sconosciuto con quelli di riferimento, misurando la somiglianza e identificando il tipo di aeromobile. I test, sia simulati che su dati reali, mostrano che il metodo è leggero, veloce e capace di distinguere diversi modelli di aerei anche con segnali deboli. In pratica, i radar passivi possono ora riconoscere un intruso prima ancora di tracciarne la rotta, migliorando la sicurezza dei voli a bassa quota.

Il metodo proposto si basa su due assiomi fondamentali della teoria dei radar passivi: (i) la continuità spaziale del fascio di antenna e (ii) la coerenza temporale del segnale di ritorno. In un contesto di target sparsi, la probabilità che due ritorni distinti provengano dallo stesso fascio è trascurabile, permettendo di associare i picchi di energia nella mappa range‑Doppler a un unico oggetto. Il vettore di caratteristiche è costruito a partire dalla sezione radar equivalente (RCS) stimata, ma corretto per il bias introdotto dalla geometria bistatica: RCS_biased = RCS_measured × (4π / λ²) × (G_tx G_rx)⁻¹, dove G_tx e G_rx sono i guadagni delle antenne trasmittente e ricevente. La velocità bistatica normalizzata (V_nb) è definita come V_nb = (v_target · u_b) / |u_b|, con u_b vettore unitario che collega trasmettitore e ricevitore. Questo parametro cattura l’angolo di incidenza del target rispetto alla linea di base, fornendo informazioni sull’attitudine dell’aeromobile (ad esempio, se è in virata o in volo rettilineo). Per la fase di riconoscimento, si utilizza una distanza di Mahalanobis tra il vettore di caratteristiche del target sconosciuto e quelli di un database di riferimento, pesando le componenti RCS e V_nb in base alla loro varianza stimata. La soglia di decisione è calibrata mediante ROC analysis su set di dati simulati, garantendo un tasso di falsi allarmi inferiore al 5 %. I risultati sperimentali, ottenuti con un prototipo di radar passivo a 3 GHz, mostrano un miglioramento del 12 % nella classificazione rispetto a metodi basati solo su RCS, confermando l’efficacia dell’approccio multimodale. Inoltre, la complessità computazionale è O(N·M), con N target e M caratteristiche, rendendo il metodo adatto a implementazioni in tempo reale su hardware a basso consumo.