Détecter les signaux à faible probabilité d'interception : défis LPI/LPD

La plupart des signaux s'annoncent d'eux-mêmes. Une transmission FM à bande étroite, un train d'impulsions radar, une liaison de données micro-onde — chacun produit un pic de puissance qu'un détecteur d'énergie conventionnel trouve dès qu'il se cale sur la bonne fréquence. Les formes d'onde à faible probabilité d'interception (LPI) et à faible probabilité de détection (LPD) sont conçues pour faire exactement le contraire. Elles diluent leur énergie si finement, en fréquence, dans le temps, ou dans les deux, que la puissance dans chaque cellule de résolution se situe sous le plancher de bruit qu'un récepteur non coopératif peut mesurer. Pour le détecteur d'énergie qui constitue le socle de la plupart des systèmes de surveillance spectrale, un signal LPI n'existe tout simplement pas. Cet article examine pourquoi les formes d'onde LPI mettent en échec la voie de détection standard, et ce qu'un système SIGINT doit faire différemment — détection large bande, discipline du plancher de bruit et détection basée sur les caractéristiques — pour trouver une transmission spécifiquement conçue pour ne pas être trouvée.

Ce qui rend un signal à faible probabilité d'interception

LPI est une propriété de la forme d'onde, non du secret de l'émetteur. Un concepteur rend un signal difficile à intercepter en réduisant sa densité spectrale de puissance (DSP) de crête en tout point où un adversaire pourrait écouter. Il existe quatre techniques principales, souvent combinées.

Étalement de spectre par séquence directe (DSSS). Les données sont multipliées par une séquence chip pseudo-aléatoire à débit élevé, étalant un signal à bande étroite sur une largeur de bande bien plus grande. L'énergie totale est inchangée, mais la DSP chute du gain de traitement — le rapport entre la largeur de bande étalée et la largeur de bande des données. Un signal avec 30 dB de gain de traitement voit sa DSP abaissée de 30 dB, souvent bien sous le plancher de bruit. Un récepteur coopératif qui connaît la séquence chip dé-étale et récupère le plein SNR ; un récepteur non coopératif ne voit que du bruit.

Étalement de spectre par saut de fréquence (FHSS). La porteuse saute rapidement sur un grand ensemble de sauts selon un calendrier pseudo-aléatoire. À chaque instant le signal est à bande étroite, mais il ne reste jamais assez longtemps sur une fréquence pour qu'un récepteur à bande étroite puisse s'y verrouiller et le caractériser. Les sauteurs rapides changent de fréquence des centaines à des milliers de fois par seconde sur des dizaines ou des centaines de mégahertz.

Faible puissance d'émission et gestion de puissance. De nombreuses liaisons tactiques rayonnent uniquement la puissance minimale nécessaire pour fermer la liaison, et réduisent adaptativement la puissance à mesure que la portée diminue. Le récepteur prévu est proche et maintient la liaison ; un intercepteur plus loin voit un signal atténué par la perte de trajet supplémentaire.

Formes d'onde à onde continue et à aspect bruité. Les radars LPI utilisent notamment des formes d'onde à onde continue modulée en fréquence (FMCW) ou à onde continue codée en phase qui diluent l'énergie dans le temps et la fréquence, remplaçant l'impulsion à haute puissance de crête facilement détectée d'un radar conventionnel par une émission faible et constante.

Pourquoi la détection d'énergie échoue

Le détecteur d'énergie est le pilier de la surveillance spectrale : intégrer la puissance reçue dans un canal, estimer le plancher de bruit et déclarer une détection lorsque la puissance dépasse un seuil au-dessus de ce plancher. Sa force est qu'il n'a besoin d'aucune connaissance du signal. Sa faiblesse est qu'il dépend entièrement de la puissance, et les formes d'onde LPI attaquent directement la puissance.

Deux effets se combinent. Premièrement, la DSP du signal LPI est sous le plancher de bruit par conception, de sorte que la puissance intégrée dans la bande de détection se déplace à peine quand le signal est présent. Deuxièmement — et c'est le piège qui prend en défaut les implémentations naïves — la détection d'énergie se dégrade de manière non gracieuse à faible SNR. Le détecteur s'appuie sur une connaissance précise de la puissance du bruit pour fixer son seuil. Toute incertitude dans cette estimation, due à la dérive de calibration, à la température ou aux émetteurs brouilleurs, crée un plancher de puissance de bruit sous lequel le détecteur ne peut pas distinguer un signal d'un niveau de bruit légèrement mal estimé. C'est le mur de SNR : un rapport signal sur bruit en dessous duquel aucune augmentation du temps d'intégration ne produit une détection fiable, car l'incertitude sur la puissance du bruit, et non le bruit thermique, domine désormais. Les détecteurs d'énergie ont un mur de SNR comparativement élevé, et les formes d'onde LPI sont conçues pour opérer en dessous.

La leçon pratique est qu'ajouter davantage de temps d'intégration à un détecteur d'énergie ne résout pas le problème LPI. Au-delà du mur de SNR, une résidence plus longue ne rapporte rien. La solution consiste à changer le détecteur, non à faire tourner le même détecteur plus intensément.

Détection large bande : on ne peut pas détecter ce qu'on n'observe pas

Avant qu'un détecteur s'exécute, le front-end doit observer le signal. Pour les formes d'onde LPI, c'est une contrainte non triviale. Un émetteur à saut de fréquence s'étend sur un ensemble de sauts bien plus large que le temps de résidence sur un seul saut ; un récepteur à bande étroite balayant la bande sera, avec forte probabilité, accordé ailleurs pendant tout saut donné. Capturer le FHSS de manière fiable exige une largeur de bande instantanée qui couvre l'intégralité de l'ensemble de sauts, de sorte que chaque saut atterrit dans la bande observée quel que soit le moment où il se produit.

L'architecture standard est un numériseur large bande alimentant un banc de filtres polyphases qui divise la bande capturée en centaines ou milliers de canaux étroits, chacun surveillé en parallèle. C'est la même étape de canalisation décrite dans les pipelines de traitement de signal SDR, mais pour le travail LPI les exigences en largeur de bande et en plage dynamique sont sans concession. Le numériseur doit maintenir un signal à étalement de spectre faible au-dessus de son plancher de quantification même lorsqu'un émetteur conventionnel fort partage la bande — une demande de plage dynamique qui pousse vers des CAN haute résolution et une gestion soigneuse du gain en front-end.

Il existe une relation directe entre la largeur de bande de détection et la probabilité de détection pour les sauteurs. Si la largeur de bande instantanée ne couvre qu'une fraction de l'ensemble de sauts, le récepteur n'observe que cette fraction des sauts, et la probabilité de détection par résidence diminue proportionnellement. La moitié de l'ensemble de sauts signifie environ la moitié des sauts vus — et pour un sauteur rapide avec des résidences courtes, les sauts manqués sont perdus à jamais.

Analyse cyclostationnaire : structure là où la détection d'énergie n'en voit pas

L'outil décisif contre les signaux LPI est la détection de caractéristiques cyclostationnaires. Le principe est que les signaux modulés d'origine humaine portent des périodicités cachées — dans leur fréquence porteuse, leur débit symbole, leur débit chip ou leur codage — que le bruit thermique ne possède pas. Ces périodicités rendent les statistiques du signal cyclostationnaires : son autocorrélation est périodique dans le temps. Le bruit gaussien blanc est stationnaire et n'a pas une telle périodicité. Un détecteur qui mesure la structure cyclique peut donc séparer le signal du bruit par la structure plutôt que par la puissance.

La mesure centrale est la fonction de corrélation spectrale (SCF), qui quantifie la corrélation entre deux composantes spectrales du signal séparées par une fréquence cyclique, notée alpha. Pour le bruit, la SCF est nulle partout sauf à alpha égal zéro (où elle se réduit à la densité spectrale de puissance ordinaire). Pour un signal modulé, la SCF présente des pics distincts aux fréquences cycliques liées au débit symbole ou chip et au double de la porteuse. Un signal à séquence directe enfoui sous le plancher de bruit dans la DSP conventionnelle produit néanmoins un pic reconnaissable dans la SCF à son débit chip.

C'est ce qui permet à la détection cyclostationnaire d'opérer plusieurs décibels en dessous du mur de SNR de détection d'énergie. Le coût est le calcul : la SCF est une fonction bidimensionnelle sur la fréquence et la fréquence cyclique, et la calculer sur une large bande est coûteux. Des algorithmes efficaces — la méthode d'accumulation FFT et l'algorithme de corrélation spectrale par bandes — la rendent praticable, mais la détection cyclostationnaire reste l'une des étapes les plus lourdes d'une chaîne de traitement SIGINT. Elle est généralement appliquée de manière sélective, lancée par un détecteur de premier passage moins coûteux ou sur des canaux d'intérêt permanent, plutôt qu'exécutée en continu sur chaque canal.

Détecteurs de caractéristiques connexes

L'analyse cyclostationnaire est la méthode basée sur la structure la plus générale, mais plusieurs détecteurs plus légers exploitent la même idée. Le détecteur d'autocorrélation recherche un pic à un décalage connu — efficace lorsque la période symbole ou chip est approximativement connue. Le filtre adapté est optimal lorsque la forme d'onde est entièrement connue, mais cette connaissance est rarement disponible face à un émetteur LPI non coopératif. Les statistiques d'ordre supérieur, comme les cumulants du quatrième ordre, suppriment le bruit gaussien (dont les cumulants supérieurs s'annulent) tout en préservant ceux du signal, offrant une autre voie de détection sous le plancher d'énergie. Le bon choix dépend de ce qui est connu a priori sur la forme d'onde cible.

Capturer et caractériser les émetteurs à saut de fréquence

Détecter qu'un signal LPI existe n'est que le premier objectif ; la valeur renseignement vient de sa caractérisation. Pour un émetteur à saut de fréquence, la caractérisation signifie récupérer l'ensemble de sauts (quelles fréquences il utilise), le temps de résidence par saut et le débit de saut, puis reconstruire le schéma de saut temps-fréquence.

Avec une capture large bande canalisée en canaux parallèles, le système enregistre les détections par canal avec des horodatages précis. La corrélation de ces détections entre canaux et dans le temps reconstruit la séquence de sauts : une rafale dans le canal A au temps t, puis le canal F à t plus le temps de résidence, puis le canal C, et ainsi de suite. Le schéma reconstruit révèle le débit de saut et, avec suffisamment d'observation, la structure de l'ensemble de sauts. Cette même corrélation entre canaux est ce qui sépare un sauteur d'un autre lorsque plusieurs partagent la bande — des temps de résidence et des ensembles de sauts distincts caractérisent les émetteurs individuels. Relier cela à l'analyse de modulation et d'émetteur, comme traité dans la classification de signaux par apprentissage automatique, donne une image complète de ce qu'est l'émetteur et, potentiellement, quel dispositif il est.

Pour les signaux à séquence directe, la caractérisation consiste à estimer le débit chip à partir de la SCF, puis à rechercher le code d'étalement. Une fois le code récupéré, le signal peut être dé-étalé et sa modulation sous-jacente lue. Le désétalement aveugle — récupérer le code sans connaissance préalable — utilise des techniques cyclostationnaires et de statistiques d'ordre supérieur pour estimer la période chip et la longueur du code, puis une recherche d'acquisition de code pour verrouiller la séquence.

Apprentissage automatique pour la détection à faible SNR

Les détecteurs de caractéristiques réglés manuellement exigent qu'un concepteur anticipe quelle statistique sépare le mieux une forme d'onde donnée du bruit. L'apprentissage automatique déplace cette charge vers les données d'entraînement. Un réseau de neurones entraîné sur des segments IQ étiquetés — ou sur des représentations dérivées comme des surfaces de corrélation spectrale ou des spectrogrammes de transformée de Fourier à court terme — apprend directement la signature des formes d'onde LPI. Les réseaux convolutionnels opérant sur des images temps-fréquence détectent et classifient les signaux à séquence directe et à saut de fréquence à faible SNR et se généralisent à des paramètres de forme d'onde pour lesquels un détecteur paramétrique nécessiterait un réajustement.

Deux contraintes déterminent si l'apprentissage automatique aide en pratique. L'ensemble d'entraînement doit couvrir la plage de SNR et la diversité des formes d'onde auxquelles le système sera confronté ; un réseau entraîné uniquement sur des signaux forts échoue sur les signaux faibles qui comptent le plus pour LPI. Et le taux de fausse alarme doit être borné explicitement — un détecteur optimisé uniquement pour la précision peut inonder un environnement spectral dense d'alarmes. En production, les détecteurs par apprentissage automatique sont mieux déployés comme étape de déclenchement alimentant l'analyse cyclostationnaire plus lourde, non comme seule autorité, de sorte qu'une détection confirmée repose sur une structure de signal interprétable.

Implications systèmes : concevoir pour LPI dès le début

Détecter les signaux LPI est un engagement architectural, non une fonctionnalité activée sur un système de surveillance à bande étroite. Le front-end doit être large bande et à haute plage dynamique pour observer l'ensemble de sauts complet sans saturer sur les émetteurs conventionnels. Le plancher de bruit doit être calibré et suivi par canal, car le mur de SNR — non la sensibilité brute — fixe la limite de détection. La chaîne de traitement doit réserver de la puissance de calcul aux détecteurs cyclostationnaires et de statistiques d'ordre supérieur, qui sont bien plus lourds que la détection d'énergie. Et le flux de travail de l'analyste doit corréler les détections entre canaux et dans le temps pour reconstruire les schémas de saut et dé-étaler les séquences plutôt que de traiter chaque canal isolément. Un système de surveillance construit uniquement autour de la détection d'énergie ne peut pas être reconfiguré en détecteur LPI ; l'exigence remonte jusqu'à l'antenne et au numériseur.

Pour le problème connexe de distinguer le brouillage délibéré des émetteurs authentiques, voir la discussion sur la détection de signaux en guerre électronique, qui partage une grande partie de la machinerie de détection large bande et basée sur les caractéristiques décrite ici.