Detectie van signalen met lage onderscheppingswaarschijnlijkheid: LPI/LPD-uitdagingen

De meeste signalen kondigen zichzelf aan. Een smalband FM-uitzending, een radarpulstrein, een microgolfgegevensverbinding – elk levert een vermogenssprong op die een conventionele energiedetector vindt zodra hij op de juiste frequentie is afgestemd. Golfvormen met lage onderscheppingswaarschijnlijkheid (LPI) en lage detectiewaarschijnlijkheid (LPD) zijn juist zo ontworpen om het tegenovergestelde te doen. Ze spreiden hun energie zo dun uit – in frequentie, in tijd, of in beide – dat het vermogen in elke afzonderlijke resolutiecel onder de ruisvloer ligt die een niet-coöperatieve ontvanger kan meten. Voor de energiedetector die de meeste spectrummonitoring aanstuurt, is een LPI-signaal er gewoon niet. Dit artikel onderzoekt waarom LPI-golfvormen het standaard detectiepad verslaan, en wat een SIGINT-systeem anders moet doen – breedbandsensing, discipline rond de ruisvloer en op functie gebaseerde detectie – om een uitzending te vinden die specifiek was ontworpen om niet gevonden te worden.

Wat een signaal low-probability-of-intercept maakt

LPI is een eigenschap van de golfvorm, niet van de geheimhouding van de zender. Een ontwerper maakt een signaal moeilijk te onderscheppen door de piekvermogens-spectrumdichtheid (PSD) te verlagen op elk punt waar een tegenstander zou kunnen luisteren. Er zijn vier primaire technieken, die vaak worden gecombineerd.

Direct-sequence spread spectrum (DSSS). De data wordt vermenigvuldigd met een hogesnelheids pseudorandomchipsequentie, waardoor een smalbandsignaal wordt gespreid over een bandbreedte die vele malen groter is. De totale energie blijft onveranderd, maar de PSD daalt met de verwerkingswinst – de verhouding van de gespreide bandbreedte tot de databandbreedte. Een signaal met 30 dB verwerkingswinst heeft zijn PSD 30 dB omlaag gedrukt, vaak ruim onder de ruisvloer. Een coöperatieve ontvanger die de chipsequentie kent, despreekt en herstelt de volledige SNR; een niet-coöperatieve ziet ruis.

Frequency-hopping spread spectrum (FHSS). De draaggolf hopt snel over een grote hop-set op een pseudorandom schema. Op elk moment is het signaal smalband, maar het blijft nooit lang genoeg op een frequentie voor een smalbandige ontvanger om te vergrendelen en te karakteriseren. Snelle hoppers wisselen honderden tot duizenden keren per seconde van frequentie over tientallen of honderden megahertz.

Laag zendvermogen en vermogensbeheer. Veel tactische verbindingen stralen slechts het minimale vermogen uit dat nodig is om de verbinding te sluiten, en verminderen het vermogen adaptief naarmate de afstand kleiner wordt. De beoogde ontvanger is dichtbij en herstelt de verbinding; een onderschepper die verder weg is, ziet een signaal dat is verzwakt door het extra padverliezen.

Continu-golf- en ruisachtige golfvormen. LPI-radar gebruikt in het bijzonder frequentiegemoduleerde continue-golf (FMCW) of fasegecodeerde continue-golfgolfvormen die energie over zowel tijd als frequentie uitspreiden, en vervangt de gemakkelijk detecteerbare puls met hoog piekvermogen van een conventionele radar door een lage, constante emissie.

Waarom energiedetectie faalt

De energiedetector is het werkpaard van spectrummonitoring: integreer ontvangen vermogen in een kanaal, schat de ruisvloer en meld een detectie wanneer het vermogen een drempel boven die vloer overschrijdt. Zijn kracht is dat hij geen kennis van het signaal nodig heeft. Zijn zwakte is dat hij volledig afhankelijk is van vermogen, en LPI-golfvormen vallen vermogen direct aan.

Twee effecten versterken elkaar. Ten eerste ligt de PSD van het LPI-signaal door ontwerp onder de ruisvloer, zodat het geïntegreerde vermogen in de detectieband nauwelijks beweegt wanneer het signaal aanwezig is. Ten tweede – en dit is de val waar naïeve implementaties in trappen – verslechtert energiedetectie op niet-gracieuze wijze bij lage SNR. De detector is afhankelijk van het nauwkeurig kennen van het ruisvermogen om zijn drempel in te stellen. Elke onzekerheid in die schatting – door kalibratiedrift, temperatuur of storende zenders – creëert een ruisvermogensbodem waaronder de detector het signaal niet kan onderscheiden van een licht mis-geschat ruisniveau. Dit is de SNR-muur: een signaal-ruisverhouding waaronder geen toename van integratietijd betrouwbare detectie oplevert, omdat onzekerheid over het ruisvermogen – niet thermische ruis – nu domineert. Energiedetectoren hebben een relatief hoge SNR-muur, en LPI-golfvormen zijn ontworpen om eronder te werken.

De praktische les is dat meer integratietijd gooien naar een energiedetector het LPI-probleem niet oplost. Voorbij de SNR-muur levert een langere verblijftijd niets op. De oplossing is de detector te veranderen, niet dezelfde detector harder te laten werken.

Breedbandsensing: je kunt niet detecteren wat je niet observeert

Voordat een detector kan worden uitgevoerd, moet het front-end naar het signaal kijken. Voor LPI-golfvormen is dit een niet-triviale beperking. Een frequency-hopping-zender spreidt over een hop-set die veel breder is dan de verblijftijd op elke afzonderlijke hop; een smalbandige ontvanger die de band scant, zal met grote waarschijnlijkheid ergens anders zijn afgestemd tijdens een bepaalde hop. Het betrouwbaar vastleggen van FHSS vereist een instantane sensorbandbreedte die de volledige hop-set beslaat, zodat elke hop in de geobserveerde band valt, ongeacht wanneer hij optreedt.

De standaardarchitectuur is een breedbandige digitalisator die een polyfase filterbank voedt die de vastgelegde band opsplitst in honderden of duizenden smalle kanalen, elk parallel bewaakt. Dit is dezelfde kanaalisatiestap die wordt beschreven in SDR-signaalverwerkingspijplijnen, maar voor LPI-werk zijn de bandbreedte- en dynamische-bereikvereisten bikkelhard. De digitalisator moet een zwak spread-spectrum-signaal boven zijn kwantiseringsvloer houden, zelfs terwijl een sterke conventionele zender de band deelt – een dynamische-bereikeis die duwt naar ADC's met hoge bitdiepte en zorgvuldig front-end versterkingsbeheer.

Er is een directe relatie tussen sensorbandbreedte en detectiewaarschijnlijkheid voor hoppers. Als de instantane bandbreedte slechts een fractie van de hop-set beslaat, observeert de ontvanger slechts die fractie van de hops, en de detectiewaarschijnlijkheid per verblijf daalt proportioneel. De helft van de hop-set betekent ruwweg de helft van de geziene hops – en voor een snelle hopper met korte verblijftijden zijn de gemiste hops voor altijd verdwenen.

Cyclostationaire analyse: structuur waar energiedetectie niets ziet

Het beslissende gereedschap tegen LPI-signalen is cyclostationaire functiedetectie. Het principe is dat door mensen gemaakte gemoduleerde signalen verborgen periodiciteiten dragen – in hun draaggolffrequentie, symboolsnelheid, chipsnelheid of codering – die thermische ruis niet heeft. Deze periodiciteiten maken de statistieken van het signaal cyclostationair: zijn autocorrelatie is periodiek in de tijd. Witte Gaussiaanse ruis is stationair en heeft geen dergelijke periodiciteit. Een detector die cyclische structuur meet, kan daarom signaal van ruis scheiden op structuur in plaats van op vermogen.

De kernmeting is de spectrale correlatiefunctie (SCF), die de correlatie kwantificeert tussen twee spectrale componenten van het signaal gescheiden door een cyclische frequentie, aangeduid als alpha. Voor ruis is de SCF overal nul behalve bij alpha gelijk aan nul (waar hij samentrekt tot de gewone vermogensspectrumdichtheid). Voor een gemoduleerd signaal vertoont de SCF duidelijke pieken bij cyclische frequenties die zijn gekoppeld aan de symbool- of chipsnelheid en aan twee keer de draaggolf. Een direct-sequence-signaal dat begraven is onder de ruisvloer in de conventionele PSD produceert nog steeds een herkenbare piek in de SCF op zijn chipsnelheid.

Dit is wat cyclostationaire detectie in staat stelt om enkele decibels onder de SNR-muur van energiedetectie te werken. De kosten zijn berekening: de SCF is een tweedimensionale functie over frequentie en cyclische frequentie, en het berekenen ervan over een brede band is rekenintensief. Efficiënte algoritmen – de FFT-accumulatiemethode en het strip spectral correlation algorithm – maken het haalbaar, maar cyclostationaire detectie blijft een van de zwaarste stadia in een SIGINT-verwerkingsketen. Het wordt doorgaans selectief toegepast, aangestuurd door een goedkopere eerste-pasdetector of voor kanalen van blijvend belang, in plaats van continu over elk kanaal te worden uitgevoerd.

Verwante functiedetectors

Cyclostationaire analyse is de meest algemene structuurgebaseerde methode, maar verschillende lichtgewicht detectors benutten hetzelfde idee. De autocorrelatie-detector zoekt naar een piek op een bekende vertraging – effectief wanneer de symbool- of chipperiode bij benadering bekend is. Het aanpassingsfilter is optimaal wanneer de golfvorm volledig bekend is, maar die kennis is zelden beschikbaar bij een niet-coöperatieve LPI-zender. Hogere-orde statistieken, zoals vierde-orde cumulanten, onderdrukken Gaussiaanse ruis (waarvan de hogere cumulanten verdwijnen) terwijl ze die van het signaal bewaren, wat een andere route naar detectie onder de energievloer biedt. De juiste keuze hangt af van hoeveel er a priori bekend is over de doelgolfvorm.

Vastleggen en karakteriseren van frequency-hopping-zenders

Het detecteren dat een LPI-signaal bestaat, is slechts het eerste doel; de inlichtingenwaarde komt van het karakteriseren ervan. Voor een frequency-hopping-zender betekent karakterisering het achterhalen van de hop-set (welke frequenties hij gebruikt), de verblijftijd per hop en de hopsnelheid, en vervolgens het reconstrueren van het tijdfrequentie-hoppatroon.

Met een breedbandige opname die is gekanaaliseerd in parallelle kanalen, registreert het systeem per-kanaaldetecties met nauwkeurige tijdstempels. Het correleren van deze detecties over kanalen en tijd reconstrueert de hopsequentie: een burst in kanaal A op tijdstip t, dan kanaal F op t plus de verblijftijd, dan kanaal C, enzovoort. Het gereconstrueerde patroon onthult de hopsnelheid en, over voldoende observatie, de structuur van de hop-set. Dezelfde correlatie over kanalen is wat één hopper van een andere scheidt wanneer er meerdere de band delen – afzonderlijke verblijftijden en hop-sets herkennen individuele zenders. Dit koppelen aan modulatie- en zenderanalyse, zoals besproken in signaalclassificatie met machine learning, levert een volledig beeld op van wat de zender is en, potentieel, welk apparaat het is.

Voor direct-sequence-signalen betekent karakterisering het schatten van de chipsnelheid uit de SCF, gevolgd door het zoeken naar de spreekcode. Zodra de code is hersteld, kan het signaal worden verspreid en zijn onderliggende modulatie worden gelezen. Blind despreiding – het herstellen van de code zonder voorafgaande kennis – gebruikt cyclostationaire en hogere-orde statistische technieken om de chipperiode en codelengte te schatten, gevolgd door code-acquisitiezoekactie om de reeks te vergrendelen.

Machine learning voor detectie bij lage SNR

Handmatig afgestelde functiedetectors vereisen dat een ontwerper anticipeert welke statistiek een bepaalde golfvorm het beste van ruis scheidt. Machine learning verschuift die last naar trainingsdata. Een neuraal netwerk getraind op gelabelde IQ-segmenten – of op afgeleide representaties zoals spectrale correlatieoppervlakken of kortttijd-Fouriertransformspectrogrammen – leert de handtekening van LPI-golfvormen direct. Convolutionele netwerken die werken op tijdfrequentiebeelden detecteren en classificeren direct-sequence- en frequency-hopping-signalen bij lage SNR en generaliseren over golfvormparameters waarvoor een parametrische detector opnieuw zou moeten worden afgesteld.

Twee beperkingen bepalen of ML in de praktijk helpt. De trainingsset moet de SNR-range en golfvormdiversiteit beslaan waarmee het systeem te maken krijgt; een netwerk dat alleen is getraind op sterke signalen faalt bij de zwakke die het meest van belang zijn voor LPI. En de fout-alarmsnelheid moet expliciet worden begrensd – een detector die puur is geoptimaliseerd voor nauwkeurigheid kan een dicht spectraal milieu overspoelen met alarmen. In productie worden ML-detectors het beste ingezet als cue-stadium dat de zwaardere cyclostationaire analyse voedt, niet als enige autoriteit, zodat een bevestigde detectie rust op interpreteerbare signaalstructuur.

Systeemimplicaties: vanaf het begin bouwen voor LPI

Het detecteren van LPI-signalen is een architectonische toewijding, niet een functie die op een smalband monitoringsysteem wordt ingeschakeld. Het front-end moet breedbanding en hoog-dynamisch-bereik zijn om de volledige hop-set te observeren zonder te satureren op conventionele zenders. De ruisvloer moet per kanaal worden gekalibreerd en bijgehouden, omdat de SNR-muur – niet de ruwe gevoeligheid – de detectielimiet bepaalt. De verwerkingsketen moet rekencapaciteit reserveren voor cyclostationaire en hogere-orde statistische detectors, die veel zwaarder zijn dan energiedetectie. En de analytische workflow moet detecties correleren over kanalen en tijd om hoppatronen te reconstrueren en reeksen te despreiken in plaats van elk kanaal afzonderlijk te behandelen. Een monitoringsysteem dat alleen is gebouwd rond energiedetectie kan niet worden omgevormd tot een LPI-detector; de eis reikt terug naar de antenne en de digitalisator.

Voor het gerelateerde probleem van het onderscheiden van opzettelijke storing van echte zenders, zie de bespreking van signaaldetectie bij elektronische oorlogsvoering, dat veel van de breedbandige sensing- en functiedetectiemachines deelt die hier worden beschreven.