Ein modernes SIGINT-System ist eine Software-Pipeline, die komplexe Basisband-Samples — IQ-Daten — konsumiert und Aufklärung produziert. Antennen und analoge Frontends existieren, um diese Samples sauber zu liefern; alles, was diese Samples in eine Spur, ein Transkript, eine Klassifizierung oder eine Geolokalisierung verwandelt, geschieht in Software. Dieser Artikel geht die Pipeline End-to-End durch: Hardware, Erfassung, Kanalisierung, Demodulation, Peilung, Beschleunigung, Integration mit dem operativen Lagebild und Speicherung. Die Zielgruppe sind Ingenieure und Programmleiter, die einen SDR-Stack (Software-Defined Radio) für die Verteidigung bauen oder bewerten.
Begleitende Lektüre: unser Überblick zu SIGINT-Plattformkomponenten behandelt die Systemebenen-Zerlegung; dieser Artikel zoomt in den Signalverarbeitungskern, der zwischen Antenne und Analyst sitzt.
1. Der SDR-Pipeline-Stack
Die Pipeline hat drei Schichten. Hardware-Frontend umfasst Antenne, rauscharmen Verstärker, Filterung, Mischung und Analog-Digital-Wandlung. In Verteidigungs- und Forschungs-Deployments ist die Ettus-USRP-Familie (X310, X410, N320) mit RFNoC das Arbeitspferd — große momentane Bandbreite, GPS-diszipliniertes Timing und ein FPGA-Fabric, der DSP auf das Funkgerät selbst verlagern lässt. ADALM-Pluto dient Training und COTS-Arbeit mit niedrigem Budget. Für taktischen embedded Einsatz kollabieren Microsemi/Microchip RFSoC-Varianten und integrierte AMD/Xilinx Zynq UltraScale+ RFSoC-Bausteine Frontend, ADC und FPGA in einen Chip — attraktiv für SWaP-beschränkte Knoten auf Drohnen oder Man-Pack-Sammlern.
Treiber- und Transportschicht exponiert das Funkgerät zur User-Space-Software. UHD ist die USRP-native API und die kanonische Referenz. SoapySDR ist eine herstellerneutrale Abstraktion, die dieselbe Pipeline mit einer Laufzeit-Konfigurationsänderung auf USRP, LimeSDR, BladeRF, HackRF oder Pluto zielen lässt — unschätzbar, wenn fielded Collectors heterogen sind. VITA 49 (VRT) ist das Standard-Wire-Format für gestreamtes IQ in größeren Architekturen; wenn Sie beabsichtigen, IQ zwischen Subsystemen oder über das Netzwerk zu teilen, planen Sie VITA 49 vom ersten Tag an, statt es nachzurüsten.
Verarbeitungs-Framework ist der Ort, an dem der DSP-Graph lebt. GNU Radio ist die Community-Standard-Python/C++-Flowgraph-Umgebung mit einer reichen Blockbibliothek — schnell für Prototyping und zunehmend produktionsfähig. REDHAWK, ursprünglich ein Projekt des US Naval Research Laboratory, ist das Framework, auf das Regierungs-SIGINT-Programme standardmäßig setzen: CORBA-basiertes Komponentenmodell, native FPGA-Integration und eine Deployment-Story, die auf Verteidigungs-IT ausgerichtet ist. Custom-Pipelines (rohes C++/CUDA oder Rust, wo Teams investiert haben) erscheinen, wenn Latenz- oder Determinismus-Budgets das übersteigen, was Flowgraph-Runtimes bieten.
2. IQ-Erfassung und -Speicherung
Das erste harte Problem ist Volumen. Die Speichermathematik ist erbarmungslos: Bytes pro Sekunde gleich Sample-Rate × 2 (I und Q) × Bytes pro Sample. Eine Aufnahme mit 100 MS/s bei 16-Bit-IQ sind 400 MB/s — 1,44 TB/Stunde, 34 TB/Tag, pro Empfänger. Verdoppeln Sie das für 32-Bit-Float-Zwischenstufen. Ein vierkanaliger kohärenter Sammler bei 200 MS/s sättigt einen 10-GbE-Link, bevor irgendeine Verarbeitung stattfindet.
Drei Hebel reduzieren die Rechnung. Erstens, mit der nativen Sample-Breite des Funkgeräts (12 oder 14 Bit gepackt) erfassen, statt am Kabel auf 16 oder 32 Bit zu promovieren. Zweitens, früh kanalisieren — nur die interessierenden Sub-Bänder aufzeichnen, nicht das volle Durchlassband. Drittens, SigMF (Signal Metadata Format) als Dateikonvention verwenden. SigMF speichert IQ in einer binären .sigmf-data-Datei neben einer JSON-.sigmf-meta-Datei mit Sample-Rate, Mittenfrequenz, Datentyp, Timing, Geolokalisierung und beliebigen Annotationen. Es ist das Nächste, was die Community an einem portablen IQ-Standard hat, und im Gegensatz zu herstellerproprietären Formaten überlebt es die Analysten-Pipeline.
Für Langzeit-Aufbewahrung liefert verlustfreie Komprimierung — FLAC, adaptiert für IQ, oder domänenspezifische Codecs wie Zstandard auf gepacktem Integer-IQ — 1,3–1,8× Reduktion bei voller Rekonstruierbarkeit. Verlustbehaftete Komprimierung (Quantisierung, Dezimierung, spektrales Pruning) ist nur akzeptabel, wenn die Downstream-Nutzung begrenzt ist; sobald Bits verworfen sind, kann die Demod-Kette nicht mit einer anderen Hypothese erneut laufen.
3. Kanalisierung
Breitband-SIGINT-Empfänger erfassen zehn oder hundert MHz auf einmal. Die Verarbeitungs-Pipeline operiert fast nie direkt auf dem vollen Durchlassband — sie teilt den Breitbandstrom in schmale Kanäle für die signalspezifische Analyse auf. Das ist Kanalisierung, und der bevorzugte Algorithmus ist der Polyphasen-Filterbank (PFB)-Channelizer.
Ein PFB-Channelizer kombiniert einen Prototyp-Tiefpassfilter, polyphasische Zerlegung und eine FFT, um N gleichmäßig beabstandete Schmalband-Ausgabeströme aus einer Breitbandeingabe zu erzeugen — zu einem Bruchteil der Kosten, die N unabhängige Down-Converter hätten. Der Kompromiss ist Starrheit: Kanalabstand ist durch die FFT-Größe und Eingangsrate fixiert, so dass ein 1024-Punkt-PFB auf einem 100-MS/s-Strom 1024 Kanäle von ~97,6 kHz liefert, ob Ihre Zielsignale in dieses Gitter passen oder nicht.
Für unregelmäßige Kanalpläne (ein Tetra-Cluster mit 25 kHz Abstand, mit LTE bei 1,4 MHz koexistierend) ist ein zweistufiger Ansatz Standard: ein grober PFB für die Breitband-Aufteilung, dann pro-Kanal beliebige Tuner und Resampler. FFT-basierte Channelizer (Overlap-Save mit Frequenzbereichs-Fenster) sind eine Alternative, wenn Kanäle dünn und unregelmäßig sind — Sie zahlen mehr pro Kanal, vermeiden aber den Prototyp-Filter-Designaufwand. Die richtige Wahl hängt von der Kanalbelegung ab: dichte uniforme Gitter favorisieren PFB, dünn cherry-picked Kanäle favorisieren FFT-Shift-Extract.
4. Demodulation und Decodierung
Sobald ein Signal in seinem eigenen schmalen Kanal isoliert ist, klassifiziert und demoduliert die Pipeline es. Die Wellenformen, denen Sie in der Verteidigungsarbeit wiederholt begegnen, umfassen Schmalband-FM und -SSB (Legacy-Sprache, Amateurfunk, maritim), DMR und dPMR (digitaler Landmobilfunk, weit verbreitet in Osteuropa und bei einigen Paramilitärs), TETRA (Behörden- und militärischer Bündelfunk), P25 (NATO/US-Behördenfunk) und LTE/5G NR (kommerzieller Mobilfunk, der zunehmend für taktische Kommunikation vereinnahmt wird). Jede hat eine bekannte Demod-Kette — Symbolzeit-Rückgewinnung, Trägersynchronisation, Entzerrung, Slot-Framing, Fehlerkorrektur — und eine veröffentlichte Spezifikation.
Der schwierige Teil ist, zu wissen, welche Demod-Kette zu betreiben ist. Automatische Modulationsklassifizierung (AMC) sitzt vor der Demodulation: gegeben ein unbekanntes Signal, die Modulationsfamilie (PSK, FSK, QAM, OFDM, GMSK, …) und Ordnung ableiten und an den passenden Demodulator dispatchen. Klassische AMC verwendet Kumulanten höherer Ordnung und zyklostationäre Merkmale; moderne AMC wird von CNN- und Transformer-Modellen dominiert, die auf synthetischen und over-the-air IQ-Datensätzen trainiert sind. Unser Artikel zur Signalklassifizierung mit ML behandelt die Modellseite tiefer; der Integrationspunkt mit der SDR-Pipeline ist ein Klassifizierer-Block, der einen fixen IQ-Tensor-Block konsumiert und ein Modulations-Label plus Konfidenz in den Metadatenstrom emittiert.
5. Peilung
Einen Emitter zu lokalisieren ist eine eigene Sub-Pipeline. Drei Techniken dominieren. Time Difference of Arrival (TDOA) nutzt zwei oder mehr räumlich getrennte Empfänger und nutzt die Pikosekunden-Differenz der Signalankunftszeit, um den Emitter hyperbolisch zu lokalisieren — genau bei langen Basislinien, erfordert enge Zeitsynchronisation. Angle of Arrival (AOA) nutzt ein Antennenarray an einem einzelnen Standort und Peilalgorithmen (MUSIC, ESPRIT, Watson-Watt), um die Peilung zu schätzen — günstiger zu deployen als TDOA, aber Genauigkeit verschlechtert sich mit Mehrwegausbreitung. Frequency Difference of Arrival (FDOA) nutzt Doppler-Differenzen zwischen bewegten Empfängern, nützlich für luftgestützte oder satellitengestützte Erfassung.
Alle drei benötigen synchronisierte Empfänger. GPS-disziplinierte Oszillatoren (GPSDOs) liefern ~10 ns RMS-Timing über ein Ad-hoc-Netzwerk; für höhere Genauigkeit sind OCXO- oder Rubidium-Referenzen mit PTP-über-Faser-Transport der nächste Schritt. White Rabbit drückt Sub-Nanosekunden-Sync, wo die Geometrie Faser tragen kann. Der Artikel zur Peilnetz-Architektur detailliert den Synchronisationsstack.
Die oft ignorierte Realität ist geometric dilution of precision (GDOP): selbst bei perfektem Timing und SNR bestimmt die Geometrie Ihrer Empfänger relativ zum Ziel die resultierende Positionsfehler-Ellipse. Eine lineare Basislinie liefert eine lange, dünne Ellipse senkrecht zur Linie — genau cross-track, nutzlos along-track. Erfassungsgeometrie zu planen ist ein SIGINT-Engineering-Problem, nicht nur ein Antennenproblem.
6. GPU- und FPGA-Beschleunigung
Bei Breitbandraten geht CPUs der Spielraum aus. Zwei Beschleunigungswege dominieren, und jeder hat eine Domäne, in der er gewinnt.
GPU (CUDA) gewinnt, wo die Workload datenparallel und latenzttolerant ist. Große FFTs, PFB-Kanalisierung, gebatchte Matched-Filter-Korrelation, ML-Inferenz und Breitbandsuche sind Lehrbuch-GPU-Workloads. cuFFT und NVIDIAs GPU-beschleunigte GNU-Radio-Blöcke machen das zugänglich; eine einzelne A100 oder L40 wird ein paar hundert MHz Spektrum bei Echtzeit-Raten kanalisieren und vor-klassifizieren. Die Kosten sind Latenz — PCIe-Transfer plus Kernel-Launch-Overhead bringen Sie in den Millisekundenbereich, was für Analyse in Ordnung ist, aber nicht für Closed-Loop-EW.
FPGA gewinnt, wo Latenz sub-Millisekunden ist oder die Pipeline fix und das Volumen zu hoch ist, um das Funkgerät zu verlassen. Initiale Kanalisierung auf RFNoC, Low-Latency-Demod für geschützte Datenverbindungen, Deinterleaving gepulster Radar-Emitter und jede Entscheidungsschleife, die einen einzelnen Funk-Frame schlagen muss, gehören auf das FPGA. Die Kosten sind Entwicklungszeit: ein FPGA-residenter Algorithmus ist das 3–10-Fache des Engineering-Aufwands des äquivalenten GPU-Kernels, und die Integration in den Toolchain (HLS, Simulation, Timing-Closure) verlangt spezialisierte Fähigkeiten. Unser Artikel zur Modelloptimierung für Edge-Inferenz behandelt die verwandte Frage, ML-Modelle in Edge-Klasse-Hardware zu quetschen.
Das praktische Muster ist ein Hybrid: FPGA für den Frontend-Channelizer und jede hart-Echtzeit-Schleife, GPU für den Großteil der Post-Kanalisierungs-Analytik, CPU für Steuerung und Orchestrierung. Vermeiden Sie es, CPU-vs-GPU-vs-FPGA im Abstrakten zu debattieren — wählen Sie pro Stufe, nach Latenzbudget und Stückkosten.
7. Integration mit dem operativen Lagebild
Eine SIGINT-Pipeline, die freistehende Detektionen produziert, ist halb gebaut. Die Ausgaben — Emitter-Spuren, Modulations-Labels, Geolokalisierungs-Ellipsen, decodierte Payloads — müssen in das breitere gemeinsame operative Lagebild fließen, wo sie mit EO/IR, Radar und anderen Quellen fusioniert werden. Behandeln Sie jede SIGINT-Detektion als eine Spur mit denselben Feldern, die eine Radar-Spur tragen würde: Identifikator, Position mit Unsicherheit, Zeit, Klassifizierung und Quellenzuschreibung. Das ist der Vertrag, den Fusions-Engines (Link 16, NATO STANAG, custom Track-Manager) erwarten; der Leitfaden zur Verteidigungs-Datenfusion behandelt die empfangende Seite.
Die Klassifizierungs-Behandlung zählt operativ. Rohe IQ ist häufig klassifiziert; abgeleitete Produkte (eine Peilung, ein Modulations-Label, eine Netzwerk-ID) sind oft weniger klassifiziert als die Quell-IQ. Die Pipeline muss pro-Produkt-Klassifizierungsmetadaten tragen und Freigaberegeln an der Fusionsgrenze durchsetzen — wenn Sie rohe IQ in einen unklassifizierten Track-Stream leaken lassen, ist das Programm vorbei. Die erste Stufe einer Fusions-Pipeline (Quellen und Schemata) ist der Ort, an dem Klassifizierungs-Labels zu durchsetzbaren Schemafeldern werden.
Cross-Cueing ist das hochwertige Muster: eine SIGINT-Detektion triggert einen EO/IR-Sensor zum Schwenken und Bestätigen, oder eine Radar-Spur triggert einen direktionalen SIGINT-Empfänger zum Lauschen auf der Peilung. Das erfordert, dass die Pipeline Detektionen schnell genug veröffentlicht — innerhalb von Sekunden nach erster Detektion — damit der empfangende Sensor handeln kann, bevor der Emitter sich bewegt oder aufhört zu senden.
8. Speicherung, Abruf und Replay
SIGINT-Systeme halten drei Datenstufen vor. Die Hot-Stufe hält aktuelle IQ (Stunden bis Tage), typischerweise auf NVMe-Arrays, die für die volle Aufnahmerate dimensioniert sind; hier passieren forensisches Replay und Re-Demodulation. Die Warm-Stufe hält reduzierte Produkte — kanalisierte Schmalband-Aufnahmen, Detektions-Metadaten, als interessant klassifizierte Clips — auf Objektspeicher mit Stunden Abruf-Latenz. Die Cold-Stufe hält Langzeitarchive auf Band oder Deep-Objektspeicher, in der Regel nur den Metadaten-Index plus selektiv zurückgehaltene IQ-Snippets.
Query-Engines für die Metadatenschicht teilen sich entlang einer bekannten Achse. kdb+ bleibt die Wahl für tick-artige Zeitreihen mit Sub-Millisekunden-Abfragelatenz über riesige Fenster — finanzielle Wurzeln, aber eine natürliche Passung für Emitter-Pulszüge und dichte Detektionsströme. ClickHouse ist der Open-Source-Schwergewichts-Hitter: Spaltenspeicher, beschämend schnell bei Aggregationen und nun weit verbreitet in Verteidigungs-SIGINT-Analytik, wo Lizenzbudgets zählen. Custom-Zeitreihen-Engines (zweckgebaut über Parquet plus Track-Index) erscheinen, wenn das Schema zu unregelmäßig für eine der Off-the-Shelf-Optionen ist.
Das Replay-Muster ist die operative Auszahlung. Ein Analyst markiert eine Detektion um 14:32; die Pipeline ruft das passende IQ-Fenster aus der Hot-Stufe ab, führt den Demod mit der Hypothese des Analysten (andere Modulation, anderes Framing, anderer Equalizer) erneut aus und präsentiert das Ergebnis neben der ursprünglichen Detektion. Derselbe Replay-Pfad unterstützt Training: synthetische Detektionen, in archiviertes IQ injiziert, werden zu einer Regressions-Suite für den Klassifizierer. Bauen Sie Replay vom ersten Tag an ein — es später nachzurüsten, bedeutet, die Speicherschicht neu zu bauen.
Von IQ zur Aufklärung, ehrlich
Die obige Pipeline ist nicht exotisch. Jedes ausgereifte SIGINT-Programm betreibt irgendeine Version davon, und die Engineering-Latte ist gut verstanden. Was eine kompetente SDR-Pipeline von einer brüchigen unterscheidet, ist Disziplin an den Grenzen — SigMF statt bespoke Binär-Blobs, VITA 49 statt ad-hoc UDP, klassifizierungs-bewusste Schemata statt Plaintext-Metadaten, Replay als erstklassiges Feature statt nachträglich. Diese Entscheidungen sind am Tag 1 billig und am Tag 800 teuer.