Drohnenerkennung mit RF: Wie softwaredefinierte Radiosysteme UAVs identifizieren und verfolgen

Jede Drohne, die mit aktiver Fernsteuerung fliegt, ist ein RF-Emitter. Die Bodenstation des Piloten sendet auf 2,4 GHz oder 5,8 GHz, um die Drohne zu steuern; die Drohne antwortet mit Telemetrie auf demselben oder einem benachbarten Kanal; die FPV-Kamera streamt Live-Video zurück zu den Brillen des Piloten. Diese Emissionen können nicht eliminiert werden, ohne die Fähigkeit zur Steuerung des Luftfahrzeugs zu eliminieren — was bedeutet, dass die Hochfrequenzerkennung die primäre und zuverlässigste Modalität für Drohnenabwehroperationen ist. Im Gegensatz zu Radar, das ein reflektiertes Signal vom physischen Flugkörper erfordert, erfasst die RF-Erkennung die eigenen Übertragungen der Drohne. Im Gegensatz zu elektrooptischen Kameras funktioniert die RF-Erkennung nachts, im Nebel und in Reichweiten, die die Kameraauflösung überschreiten. Und im Gegensatz zu akustischen Sensoren wird die RF-Erkennung nicht durch Wind, Entfernung oder geringes Rotorgeräusch besiegt.

Für Sicherheitsteams, die feste Anlagen schützen, Basiskommandeure, die den Luftraum verwalten, und C-UAS-Beschaffungsbeauftragte, die Erkennungssysteme bewerten, ist das Verständnis der tatsächlichen Funktionsweise der RF-basierten Drohnenerkennung — was sie erkennen kann und was nicht, was die Reichweite bestimmt, wie Fehlalarme verwaltet werden — für wirksame Beschaffungsentscheidungen und den Einsatz von Systemen, die den geschützten Bereich wirklich schützen, unerlässlich.

Warum jede Drohne RF emittiert

Der grundlegende Grund, warum RF-Erkennung funktioniert, ist einfach: Ein ferngesteuertes Luftfahrzeug benötigt eine Steuerverbindung. Der Bediener muss in der Lage sein, Flugbefehle an die Drohne zu senden und Position und Statustomographie zurückzuerhalten. Diese bidirektionale Datenverbindung nutzt das RF-Spektrum unabhängig vom gewählten Frequenzband. Verbraucherdrohnen — DJI Mavic, Air, Mini und Phantom-Serie — verwenden DJI's OcuSync-Protokollvarianten (OcuSync 2, OcuSync 3, O3+), die gleichzeitig auf 2,4 GHz und 5,8 GHz arbeiten und zwischen Bändern adaptiv basierend auf der Verbindungsqualität wechseln. Die Bodenstation sendet mit 100–200 mW, die Drohne antwortet mit einem Uplink geringerer Leistung, und ein kontinuierlicher Telemetriestrom (GPS-Position, Batteriespannung, Höhe, Gimbal-Zustand) fließt zwischen ihnen jederzeit, während die Drohne in der Luft ist.

FPV-Renn- und Freestyle-Drohnen haben eine separate RF-Architektur. Die Steuerverbindung verwendet ein dediziertes RC-Protokoll — ExpressLRS (ELRS) auf 2,4 GHz oder 900 MHz, TBS Crossfire auf 868/915 MHz, FrSky auf 2,4 GHz — das mit Frequenzsprung-Spreizspektrum (FHSS) zur Interferenzabwehr arbeitet. Der Video-Downlink ist eine separate unidirektionale Übertragung: analoges Video auf 5,8 GHz (25 mW bis 1 W) oder zunehmend digitales Video mit DJI's O3 Digital FPV-System auf 5,8 GHz. Das Ergebnis ist ein Paar gleichzeitiger RF-Emissionen, die zusammen eine charakteristische FPV-Signatur bilden, die auch dann erkennbar ist, wenn keine der Übertragungen allein in der Isolation erkannt würde.

Starrflügler-UAVs, die für Aufklärung oder Logistik eingesetzt werden, verwenden typischerweise Langstrecken-Steuerverbindungen: 900-MHz- oder 433-MHz-RC-Systeme für kürzere Reichweiten und proprietäre L-Band- oder C-Band-Satellitensteuerverbindungen für BLOS-Operationen (Beyond Line of Sight). Militärische UAS können Link 16, MUOS oder klassifizierte Wellenformen verwenden, aber auch diese sind RF-Emitter, die von einem System erkannt werden können, das den entsprechenden Frequenzbereich überwacht.

Die RF-Erkennungs-Pipeline

Ein produktives RF-Drohnenerkennungssystem verarbeitet eingehende Spektrumdaten durch eine klar definierte Pipeline, die rohe IQ-Proben in umsetzbare Alarme transformiert.

Breitband-IQ-Erfassung. Der SDR-Empfänger digitalisiert das Zielfrequenzband — typischerweise 400 MHz bis 6 GHz in einem oder mehreren Empfangskanälen — und streamt IQ (In-Phase/Quadratur)-Proben zum Verarbeitungshost. Bei einer Abtastrate von 20 MHz pro Kanal werden ungefähr 80 MB/s IQ-Daten generiert, die in Echtzeit verarbeitet werden müssen. Hochleistungsplattformen wie der Ettus USRP X310 mit dualen UBX-160-Tochterkarten können 160 MHz Momentanbandbreite über zwei unabhängige Kanäle gleichzeitig erfassen und damit eine parallele Überwachung der 2,4-GHz- und 5,8-GHz-Bänder ohne Frequenzumschaltung ermöglichen.

Signalerkennung. Der IQ-Strom wird mittels gleitendem FFT in ein Zeit-Frequenz-Spektrogramm transformiert. Das Signalvorhandensein wird mit einem CFAR (Constant False Alarm Rate)-Algorithmus erkannt, der eine dynamische Grundrauschenschätzung berechnet und Energieüberschreitungen über einem konfigurierbaren Schwellenwertmultiplikator kennzeichnet. CFAR passt sich an wechselnde RF-Hintergrundumgebungen an — ein Spektrum mit Dutzenden von Wi-Fi-Netzwerken hat einen höheren Grundrauschen als ein ländlicher Standort, und CFAR passt den Erkennungsschwellenwert entsprechend an, um eine konstante Falschalarmrate statt eines festen Leistungsschwellenwerts beizubehalten.

Merkmalsextraktion und Protokollidentifikation. Für jedes erkannte Signalsegment werden Merkmale extrahiert: Mittenfrequenz, Momentanbandbreite, Burst-Dauer, Inter-Burst-Periode, Sprungmuster (bei FHSS), durch zyklostationäre Analyse geschätzter Modulationstyp und Spektralform. Diese Merkmale werden mit einer Bibliothek von Drohnen-RF-Signaturen verglichen, die aus kontrollierten Tests kommerzieller und militärischer UAV-Plattformen erstellt wurde. DJI OcuSync 2 hat einen charakteristischen 10-MHz-breiten OFDM-Kanal mit einem spezifischen Trägerabstand; ExpressLRS hat ein charakteristisches FHSS-Sprungsequenztiming; analoges FPV-Video auf 5,8 GHz hat eine erkennbare Spektralhüllkurve. Musterabgleich mit dieser Bibliothek erzeugt eine Signaltyp-Klassifizierung mit einer zugehörigen Konfidenzbewertung.

Spurzuordnung und Alarmgenerierung. Einzelne Signalerkennungen werden zu Drohnenspuren zusammengefasst — wobei Steuer-Uplink, Telemetrie-Downlink und Video-Downlink derselben Drohne zu einer einzigen Entität verknüpft werden — unter Verwendung von Frequenz-, Timing- und räumlicher Korrelation. Eine Spur muss innerhalb eines Zeitfensters eine konfigurierbare Anzahl konsistenter Erkennungen akkumulieren, bevor ein Alarm ausgelöst wird, um vorübergehende Fehlalarme aus kurzen Interferenzereignissen zu unterdrücken. Die Alarmausgabe umfasst Signaltyp, Drohnenkategorie (Verbraucher-Multirotor, FPV, Starrflügler), geschätzte Peilung oder Position, Erkennungskonfidenz und ersten Erkennungszeitstempel.

Drohnen-RF-Signaturen nach Kategorie

Verbraucher-Multirotor (DJI, Autel). DJI-Produkte mit OcuSync 3 arbeiten gleichzeitig auf 2,4 GHz und 5,8 GHz mit 10-MHz-Kanalbandbreite, OFDM-Modulation und dynamischer Frequenzauswahl basierend auf der Kanalqualität. Das charakteristische bidirektionale Verkehrsmuster — kurze Downlink-Telemetrie-Bursts, die mit längeren Uplink-Bestätigungen abwechseln — unterscheidet sich von Standard-Wi-Fi-Verkehr selbst bei denselben Frequenzen. Autel EVO-Seriendrohnen verwenden einen ähnlichen Ansatz mit geringfügigen Protokollunterschieden, die in der Sprungsequenz und im Burst-Timing erkennbar sind. Produkte beider Hersteller senden beim ersten Start ein Home-Point-Beacon aus, das besonders leicht zu erkennen ist.

FPV-Renn- und Freestyle-Drohnen. Die Kombination aus einer FHSS-RC-Steuerverbindung (ExpressLRS, Crossfire, FrSky) und einem 5,8-GHz-Video-Downlink erzeugt eine Dual-Emissionssignatur. Der Video-Downlink ist besonders stark — analoge FPV-Sender mit 200 mW bis 1 W erzeugen ein Signal, das mit einer Richtantenne in mehreren Kilometern Entfernung erkennbar ist. Digitale FPV-Systeme (DJI O3, HDZero, Walksnail) ersetzen das analoge Video durch digitale OFDM-Streams mit unterschiedlichen Spektralfußabdrücken im Vergleich zu ihren analogen Vorgängern.

Starrflügler und Hybrid-VTOL. Langstreckige Starrflügler-Drohnen für Aufklärung oder Nutzlastlieferung verwenden typischerweise 900-MHz- oder 433-MHz-Steuerverbindungen für ihre erweiterte Reichweite. Diese längeren Wellenlängen breiten sich weiter aus und durchdringen Laub besser als 2,4 GHz, was sie für ländliche und bewaldete Betriebsumgebungen bevorzugt. Die Erkennung erfordert die spezifische Überwachung der Sub-GHz-Bänder; ein System, das nur für 2,4 GHz und 5,8 GHz konfiguriert ist, würde diese Plattformen vollständig übersehen.

Militärische und staatliche UAS. Größere militärische UAVs — Gruppe 3 und darüber — verwenden typischerweise verschlüsselte, frequenzagile Wellenformen auf L-Band (1–2 GHz) oder C-Band (4–8 GHz) für ihre primären Steuerverbindungen, mit Satellitenverbindungen für BLOS-Operationen. Obwohl die Wellenformen verschlüsselt und proprietär sind, sind die Spektralbelegung, der Frequenzbereich und die EIRP-Eigenschaften erkennbar. Die Erkennung militärischer UAS ist primär für Gegner mit ähnlichem Technologieniveau von Interesse; die meisten C-UAS-Einsätze konzentrieren sich auf Bedrohungen der Gruppe 1 und Gruppe 2 (kommerzielle und modifizierte kommerzielle Drohnen).

SDR-Hardware-Optionen für die Drohnenerkennung

Die Wahl der SDR-Frontend-Hardware beeinflusst die Erkennungsleistung erheblich, und die Optionen erstrecken sich über ein breites Spektrum an Kosten, Fähigkeiten und Formfaktoren.

RTL-SDR (RTL2832U-basierte Dongles). Der RTL-SDR, ursprünglich ein DVB-T-Fernsehtuner, deckt ungefähr 24 MHz bis 1766 MHz mit bis zu 2,4 MHz nutzbarer Momentanbandbreite ab. Bei einem Preis von 25–35 US-Dollar ist er die Einstiegsplattform für SDR-Experimente und Proof-of-Concept-Arbeiten zur Drohnenerkennung. Seine Einschränkungen — schmale Momentanbandbreite, geringer Dynamikbereich, begrenzte Frequenzabdeckung — machen ihn für den Produktionseinsatz ungeeignet, aber er ist ein nützliches Werkzeug für Einband-Überwachungsexperimente und Schulungen. Die Überwachung nur der 433-MHz- oder 868-MHz-RC-Verbindungen ist mit einem RTL-SDR machbar; die Überwachung der 2,4-GHz- oder 5,8-GHz-Bänder erfordert ein Hardware-Upgrade.

HackRF One. Der HackRF deckt 1 MHz bis 6 GHz mit 20 MHz Momentanbandbreite und USB-2.0-Konnektivität ab. Bei ungefähr 300–400 US-Dollar deckt er alle wichtigen Drohnenfrequenzbänder ab und ist für Entwicklung und Überwachung mit geringem Tastverhältnis verwendbar. Seine Halbduplex-Architektur (kann nicht gleichzeitig senden und empfangen) und das relativ hohe Phasenrauschen begrenzen die Produktionsanwendbarkeit, aber er wird umfassend von GNU Radio unterstützt und dient als hervorragende Entwicklungs- und Testplattform.

Ettus USRP B205mini / B210. Der USRP B210 deckt 70 MHz bis 6 GHz mit 56 MHz Momentanbandbreite, zwei unabhängigen Empfangskanälen und Vollduplex-Betrieb über USB 3.0 ab. Bei ungefähr 1.100–1.800 US-Dollar ist er die Standard-Forschungsplattform für ernsthafte Drohnenerkennungsentwicklungsarbeiten. Der B210 kann gleichzeitig 2,4 GHz und einen Teil von 5,8 GHz mit einigen Kompromissen abdecken oder ein einzelnes Band mit 56 MHz sauberer Momentanbandbreite abdecken — genug, um ein vollständiges DJI OcuSync 3-Spektrumsegment zu erfassen.

Ettus USRP X310 / X410. Der USRP X310 mit dualen UBX-160-Tochterkarten deckt 10 MHz bis 6 GHz mit 160 MHz Momentanbandbreite über zwei unabhängige Kanäle ab, verbunden über 10 GbE. Der X410 erweitert dies auf 400 MHz pro Kanal mit dem QSFP+-Interface. Diese Plattformen unterstützen eine echte gleichzeitige Überwachung mehrerer Bänder und sind für produktive C-UAS-Einsätze geeignet, bei denen Leistung über Kosten priorisiert wird. Die Integration mit Corvus.Sense für automatisierte RF-Signalklassifizierung nutzt die Hochbandbreiten-IQ-Erfassung, die diese Plattformen bieten.

Benutzerdefinierte und ODM RF-Frontends. Kommerzielle C-UAS-Systeme — DroneSentry, DroneTracker, D-Fend Solutions EnforceAir — verwenden typischerweise benutzerdefinierte RF-Frontends, die speziell für den 400-MHz- bis 6-GHz-Drohnenerkennungsbereich entwickelt wurden, mit proprietärer FPGA-basierter Echtzeitsignalverarbeitung, die den CPU-Engpass von PC-verbundenen SDRs vermeidet. Diese zweckgebundenen Systeme bieten überlegene Zuverlässigkeit und Formfaktor für feste Standortanlagen, kommen aber zu erheblich höheren Kosten als offene SDR-Plattformen.

Erfassungsreichweite und Umweltfaktoren

Die RF-Erfassungsreichweite ist keine einzelne Zahl — sie ist eine Funktion von Antennengewinn, Empfänger-Rauschzahl, Drohnen-Sendeleistung, Ausbreitungsumgebung und konkurrierendem RF-Hintergrund. Unter Freiraumbedingungen mit einer omnidirektionalen Antenne und einem empfindlichen Empfänger (Rauschzahl unter 6 dB) ist die 100-mW-2,4-GHz-Steuerverbindung einer kommerziellen Drohne in 2–4 km Entfernung erkennbar. Der 5,8-GHz-Video-Downlink derselben Drohne mit 200 mW ist in ähnlicher Reichweite erkennbar. Mit einer 12-dBi-Richtantenne erstrecken sich diese Reichweiten auf 5–10 km — ausreichend für den Perimeterschutz militärischer Anlagen oder kritischer Infrastruktur.

Städtische Umgebungen verschlechtern diese Werte erheblich. Gebäude verursachen Mehrwegausbreitung, die konstruktive und destruktive Interferenzmuster erzeugt, sodass die effektive Reichweite in dicht besiedelten städtischen Gebieten 200–800 m betragen kann. Hoher RF-Hintergrund durch Tausende gleichzeitiger Wi-Fi-Netzwerke erhöht den Grundrauschen und zwingt CFAR-Schwellenwerte nach oben, was die Empfindlichkeit gegenüber schwachen Signalen reduziert. Regen und Nebel haben bei 2,4 GHz und 5,8 GHz minimale Auswirkungen (die Dämpfung liegt bei typischen Regenraten unter 0,1 dB/km), im Gegensatz zu den schweren Auswirkungen auf Millimeterwellen-Radar und EO/IR-Sensoren.

Die bedeutendste Umweltherausforderung ist nicht der Ausbreitungsverlust, sondern RF-Überfüllung. Das städtische 2,4-GHz-Spektrum ist mit Wi-Fi (802.11b/g/n), Bluetooth, ZigBee und Mikrowellenherd-Interferenz gesättigt. Ein Drohnenerkennungssystem muss DJI OcuSync-Signale zuverlässig von Hunderten gleichzeitiger 802.11n-Übertragungen im selben Band unterscheiden — ein Klassifizierungsproblem, das einen gut trainierten ML-Klassifikator erfordert, nicht einfach einen Energieschwellenwert. Dies ist der Bereich, in dem die ML-basierte Signalklassifizierung die bedeutendste Leistungsverbesserung gegenüber regelbasierten Ansätzen liefert.

Multisensor-Fusion mit Radar und EO/IR

RF-Erkennung liefert die früheste Warnung vor Drohnenanwesenheit, hat jedoch Einschränkungen, die komplementäre Sensoren ansprechen. RF-Erkennung verliert die Spur einer Drohne, die auf autonome GPS-Wegpunktnavigation mit deaktivierter Steuerverbindung umschaltet — die Drohne fliegt noch, sendet aber keine RC-Steuerverbindungssignale mehr. Radar liefert eine kontinuierliche Verfolgung des physischen Flugkörpers unabhängig vom RF-Emissionsstatus. EO/IR-Kameras liefern visuelle Bestätigung und können bei ausreichender Auflösung den Drohnentyp und möglicherweise die Bodenposition des Betreibers identifizieren.

In einem fusionierten C-UAS-System arbeiten die drei Sensormodalitäten zusammen: RF-Erkennung liefert den ersten Alarm und eine geschätzte Peilung; das Radar orientiert sich an dieser Peilung und akquiriert eine präzise 3D-Spur; die PTZ-Kamera schwenkt zur vom Radar gemeldeten Position und liefert visuelle Bestätigung. Die Spurzuordnungslogik in der Fusionsmaschine verknüpft die RF-Erkennung, den Radarrückkehrer und die Kameraspur zu einer einzigen UAV-Entität mit einer kombinierten Konfidenzbewertung. Wenn die kombinierte Konfidenz den Alarmschwellenwert überschreitet, erhält der Bediener einen einzelnen einheitlichen Alarm statt drei separater Sensorbenachrichtigungen, die manuell korreliert werden müssen.

Der Wert der Fusion erstreckt sich auf die Fehlalarmverwaltung. Ein Energieburst, der den RF-Detektor auslöst, aber keinen Radarrückkehrer erzeugt und in der Kamera nicht sichtbar ist, ist mit hoher Wahrscheinlichkeit ein Fehlalarm von einem bodengestützten 2,4-GHz-Emitter. Das Erfordernis von mindestens zwei Sensorbestätigungen für einen hochkonfidenten Alarm reduziert die Ermüdung der Bediener durch Fehlalarme erheblich, ohne die Zeit zur Bestätigung einer echten Bedrohung wesentlich zu erhöhen. Für die Spektrumüberwachung unberechtigter Emitter im Allgemeinen erstreckt sich dieses Fusionsprinzip auf jedes Szenario, in dem mehrere Erfassungsmodalitäten verfügbar sind.

Alarmschwellen und Fehlalarmverwaltung

Die operative Wirksamkeit eines Drohnenerkennungssystems ist ebenso eine Funktion der Fehlalarmrate wie der Erkennungswahrscheinlichkeit. Ein System, das Dutzende von Fehlalarmen pro Tag generiert, trainiert Sicherheitspersonal dazu, Alarme zu ignorieren — was den Zweck des Systems zunichte macht. Eine effektive Alarmschwellenverwaltung erfordert ein Verständnis der spezifischen RF-Umgebung jedes Einsatzstandorts und eine entsprechende Abstimmung des Klassifikators und der Spurbestätigungsparameter.

Der Standardansatz besteht darin, den Sensor 48–72 Stunden lang im reinen Überwachungsmodus zu betreiben, bevor die Alarmierung aktiviert wird, während der das System ein Basislinienmodell der lokalen RF-Umgebung erstellt. Bekannte Emitter — feste WLAN-Zugangspunkte, lizenzierte Mikrowellenverbindungen, Bluetooth-Geräte mit vorhersehbaren Mustern — werden einer Whitelist hinzugefügt, die Erkennungen bei ihren spezifischen Frequenzen und Standorten unterdrückt. Nach der Grundlinienerfassung werden Alarmschwellen konservativ eingestellt und in der ersten Betriebswoche nach unten angepasst, während die Fehlalarmrate gemessen und verfeinert wird.

Langfristige Fehlalarmverwaltung erfordert laufende Klassifikatoraktualisierungen, wenn neue Drohnenmodelle in die Bedrohungsumgebung eintreten. Ein DJI Avata 2, der nach dem letzten Training des Klassifikators veröffentlicht wurde, wird nicht durch seine spezifische Protokollsignatur erkannt — er kann noch als unbekannter 5,8-GHz-Emitter erkannt werden, aber die Klassifizierungskonfidenz wird gering sein. Die Pflege einer aktuellen Signaturbibliothek, ähnlich der Pflege von Antivirussignaturen, ist eine operative Anforderung statt einer einmaligen Einrichtungsaufgabe.

Corvus.Sense für RF-Signalklassifizierung

Die Corvus.Sense-Plattform von Corvus Intelligence bietet automatisierte RF-Signalklassifizierungsfähigkeiten, die für Counter-UAS-Operationen anwendbar sind. Die Plattform nimmt IQ-Datenströme von Breitband-SDR-Empfängern auf und wendet trainierte Signalklassifizierungsmodelle an, um Drohnen-Steuerverbindungen, Video-Downlinks und Telemetriekanäle im Bereich von 400 MHz bis 6 GHz zu identifizieren. Klassifizierungsausgaben umfassen Signaltyp, Konfidenzbewertung und Protokollfamilie, die es nachgelagerten Alarmierungs- und Spurverwaltungssystemen ermöglichen, auf strukturierten Erkennungsereignissen statt auf rohen Spektrumdaten zu arbeiten.

Für Organisationen, die C-UAS-Erkennungsinfrastruktur aufbauen oder einsetzen, bietet Corvus.Sense die Signalaufklärungsschicht — die Komponente, die rohes RF in umsetzbare Drohnenklassifizierungen transformiert — während sie sich über Standard-Datenschnittstellen in bestehende Radar-, Kamera- und Führungssysteme integriert. Die Plattform unterstützt sowohl Feststandort-Einsätze mit breitbandigen Mehrkanaligen SDR-Frontends als auch tragbare Konfigurationen mit Einkanal-SDRs für mobile oder Schnelleinsatz-Szenarien. Für einen umfassenderen Blick darauf, wie RF-Klassifizierung in die gesamte SIGINT-Systemarchitektur passt, lesen Sie unsere Diskussion über das Design der SIGINT-Plattformarchitektur.