Pasywna geolokalizacja RF: techniki TDOA i FDOA wyjaśnione

Przeciwnik, którego nadajnik nigdy nie otrzymał impulsu zapytania, nie może wiedzieć, że jest lokalizowany. To właśnie operacyjna atrakcyjność pasywnej geolokalizacji: szacuje ona położenie emitera wyłącznie na podstawie energii, którą sam emituje, bez żadnego nadawania w kierunku celu. Ceną za tę tajność jest matematyka – nie można zmierzyć zasięgu do nadajnika, z którym się nie współpracuje, trzeba więc wnioskować o położeniu z różnic w sposobie, w jaki ten sam sygnał dociera do kilku rozdzielonych sensorów. Dwie mierzalne różnice niosące informację o położeniu to czas i częstotliwość: różnica czasu przybycia (TDOA) i różnica częstotliwości przybycia (FDOA). Artykuł wyjaśnia, jak obie działają, jak są rozwiązywane łącznie, co ogranicza ich dokładność i jak silnik geolokalizacji wpisuje się w szerszą architekturę platformy SIGINT.

Dlaczego pasywna metoda i dlaczego różnice

Aktywne systemy pozycjonowania – radar, wtórny nadzór, GPS – działają, ponieważ system kontroluje jeden koniec pomiaru czasu. Urządzenie nadające wie, kiedy nadało i mierzy, kiedy odpowiedź wróciła; różnica to zasięg. Niekooperujący emiter nie daje żadnej z tych informacji. Obserwujesz sygnał w nieznanym absolutnym czasie emisji, więc absolutny czas propagacji do jednego sensora jest nieznany. To, co jest znane, to różnica w czasie propagacji między dwoma sensorami, ponieważ nieznany czas emisji kasuje się przy odejmowaniu. Różnice, nie wartości absolutne, są walutą pasywnej geolokalizacji.

Pojedynczy pomiar TDOA między dwoma sensorami nie daje punktu – daje locus. Każdy punkt w przestrzeni, którego odległość do sensora A minus odległość do sensora B jest równa zmierzonej różnicy zasięgu, leży na hiperboloidzie obrotowej z dwoma sensorami jako ogniskami. Aby zredukować tę powierzchnię do punktu, potrzeba więcej niezależnych pomiarów: dodatkowych par sensorów (więcej hiperboloidów TDOA), ortogonalnej informacji z FDOA, ograniczenia wysokości z terenu lub ruchu w czasie. Pasywna geolokalizacja jest zasadniczo problemem przecinania się powierzchni ograniczeń przy jednoczesnym propagowaniu niepewności pomiarowej.

TDOA: hiperbole z czasu

TDOA wykorzystuje skończoną prędkość światła. Jeśli sygnał dociera do sensora A i sensora B z względnym opóźnieniem Δt, różnica długości drogi wynosi c · Δt, gdzie c to prędkość propagacji. Ponieważ jeden nanosekund odpowiada mniej więcej 30 centymetrom różnicy drogi, cała technika jest ograniczona precyzją, z jaką sensory uzgadniają czas. Pomiar pochodzi z korelacji krzyżowej dwóch odebranych sygnałów: szczyt korelacji pojawia się przy opóźnieniu najlepiej je wyrównującym i to opóźnienie jest szacunkiem TDOA.

Trzy właściwości sygnału i geometrii determinują jakość TDOA. Po pierwsze, szerokość pasma – szczyt korelacji jest ostrzejszy, a szacunek opóźnienia dokładniejszy, dla sygnałów szerokopasmowych; wąskopasmowy ton CW daje szeroki, dwuznaczny szczyt korelacji. Po drugie, czas integracji i stosunek sygnału do szumu (SNR), które wyznaczają zysk przetwarzania korelacji krzyżowej i tym samym o ile szczyt wznosi się ponad poziom szumów. Po trzecie, geometria: dwa sensory i cel prawie współliniowe dają hiperbolę prawie płaską blisko celu, więc mały błąd pomiaru czasu przekłada się na duży błąd pozycji. To geometryczne wzmocnienie to geometryczna dylatacja precyzji (GDOP) i często jest dominującym składnikiem błędu nawet przy doskonałej synchronizacji.

Synchronizacja: twarde ograniczenie

Dokładność TDOA jest ograniczona dokładnością pomiaru czasu jeszcze przed jakimkolwiek przetwarzaniem sygnałów. Wspólny wzorzec czasu jest obowiązkowy. Oscylatory dyscyplinowane GPS dają sensorom wspólny zegar dobry do dziesiątek nanosekund, co jest wystarczające dla wielu zastosowań szerokopasmowych. Gdzie wymagana jest wyższa precyzja – poniżej nanosekundy – sensory są połączone Precision Time Protocol (PTP) lub White Rabbit przez światłowód, dystrybuując wspólne odwołanie utrzymujące spójność sieci. Niezależnie od mechanizmu dystrybucji zawsze pozostaje resztkowe odchylenie zegara, a solidny solver traktuje przesunięcie zegara między sensorami jako uciążliwy parametr do estymacji łącznie z pozycją, używając gdy dostępny jest znany emiter referencyjny do kalibracji.

FDOA: krzywe izodopplerowskie z częstotliwości

FDOA wykorzystuje efekt Dopplera. Gdy sensor porusza się względem emitera, odbierana nośna jest przesunięta częstotliwościowo proporcjonalnie do prędkości radialnej między nimi. Dwa sensory o różnych wektorach prędkości względem tego samego emitera obserwują różne przesunięcia dopplerowskie; różnica tych przesunięć to FDOA. Podobnie jak w TDOA, nieznana częstotliwość nadawania kasuje się w różnicy, więc FDOA jest mierzalna nawet gdy prawdziwa częstotliwość środkowa emitera jest nieznana – pod warunkiem, że sensory dzielą precyzyjny wzorzec częstotliwości.

Każdy pomiar FDOA definiuje powierzchnię izodopplerowską – locus pozycji emitera dających obserwowaną różnicę częstotliwości dla danych pozycji i prędkości sensorów. Co istotne, powierzchnie izodopplerowskie są ukierunkowane inaczej niż hiperboloidy TDOA. Tam gdzie TDOA ogranicza pozycję wzdłuż linii bazowej między sensorami, FDOA ogranicza ją zgodnie z geometrią ruchu względnego. Ta ortogonalność wyjaśnia, dlaczego obie metody są potężne razem: rozwiązanie oparte wyłącznie na TDOA może być słabo uwarunkowane w jednym kierunku, który FDOA ogranicza precyzyjnie i odwrotnie. FDOA błyszczy również dla sygnałów wąskopasmowych, gdzie rozdzielczość czasowa TDOA jest słaba, ale długointergracyjna rozdzielczość dopplerowska pozostaje ostra.

Funkcja wzajemnej dwuznaczności

TDOA i FDOA są zazwyczaj mierzone razem w jednej operacji: zespolonej funkcji wzajemnej dwuznaczności (CAF). CAF koreluje sygnały dwóch sensorów na dwuwymiarowej siatce kandydujących opóźnień czasowych i przesunięć częstotliwości, a jej szczyt daje łączny szacunek TDOA/FDOA dla tej pary sensorów. CAF jest obliczeniowo kosztowna – powierzchnia opóźnienie-Doppler dla każdej pary, na długich migawkach – co jest jednym z powodów, dla których silniki geolokalizacji opierają się na akceleracji GPU, dokładnie tak jak etapy kanalizacji i klasyfikacji. Ostrość i wysokość szczytu CAF dostarczają również kowariancji pomiaru, której solver strumieniowy potrzebuje do właściwego ważenia każdej pary.

Rozwiązywanie układu

Mając zestaw pomiarów TDOA i FDOA z wielu par sensorów, problem geolokalizacji polega na znalezieniu pozycji emitera – i prędkości, gdy w grę wchodzi FDOA – która najlepiej je wyjaśnia. Związek między pozycją a pomiarami jest nieliniowy, więc rozwiązanie jest iteracyjne. Typowy silnik najpierw oblicza zamknięty szacunek wstępny (na przykład rozwiązanie interpolacji sferycznej lub dwuetapowych ważonych najmniejszych kwadratów), aby wejść w właściwy obszar, a następnie doprecyzowuje iteracją Gaussa-Newtona lub Levenberga-Marquardta minimalizującą ważoną resztkę między przewidywanymi i zmierzonymi wartościami TDOA/FDOA.

Ważenie nie jest opcjonalne. Każdy pomiar niesie niepewność wynikającą ze szczytu CAF, a rozwiązanie z maksymalną wiarygodnością waży pomiary odwrotnością ich kowariancji – ostre pary o wysokim SNR dominują; słabe pary wnoszą mało. Wyjściem nie jest tylko współrzędna, ale kowariancja, która staje się elipsą ufności, którą widzi analityk. Określenie pozycji bez elipsy błędu jest operacyjnie niebezpieczne: zaprasza do fałszywej pewności co do liczby, której prawdziwa niepewność może sięgać kilometrów przy złej geometrii. Te same kompromisy TDOA, AOA i hybrydowe są omówione szczegółowo w naszym przeglądzie geolokalizacji RF w zastosowaniach obronnych.

Dokładność, geometria i CRLB

Osiągalna dokładność dowolnego systemu TDOA/FDOA jest ograniczona od dołu przez dolną granicę Cramera-Rao (CRLB), która łączy precyzję pomiarów (funkcję szerokości pasma, SNR i czasu integracji) z geometrią (GDOP). Żaden estymator nie może pokonać CRLB; dobrze zbudowany solver zbliża się do niej. Praktycznie, trzy dźwignie przesuwają granicę. Poprawa synchronizacji zacieśnia szum pomiarów czasu i częstotliwości. Zwiększenie szerokości pasma zbierania i czasu integracji podnosi zysk przetwarzania. Poprawa geometrii – rozmieszczenie sensorów tak, by powierzchnie ograniczeń przecinały się pod dużymi kątami blisko celu – zmniejsza GDOP. Z tych trzech, geometria jest tym, co najczęściej jest zaniedbywane i najczęściej jest czynnikiem ograniczającym, ponieważ rozmieszczenie sensorów jest ograniczone przez teren, dostępność platform i potrzebę pozostania poza świadomością celu.

Konkretna intuicja: przy synchronizacji klasy nanosekundowej, szerokopasmowym sygnale i trzech lub czterech dobrze rozproszonych sensorach, określenia TDOA rzędu kilkudziesięciu metrów przy zasięgach kilkudziesięciu kilometrów są realistyczne. Zdegradowanie któregokolwiek wejścia – zawężenie sygnału, ustawienie sensorów współliniowo lub pozwolenie na dryft odchylenia zegara – może sprawić, że elipsa urośnie o rząd wielkości. Ta wrażliwość wyjaśnia, dlaczego pasywna zdolność geolokalizacyjna jest równie dużym problemem inżynieryjnym rozmieszczenia sensorów i synchronizacji, co problemem przetwarzania sygnałów.

Minimalna liczba sensorów zależy od wymiarowości problemu i dostępnych obserwowalnych. Przy samym TDOA każda para daje jedną hiperboloidę; dwie niezależne linie bazowe (trzy sensory) ograniczają wyznaczenie 2D przy założeniu wysokości lub modelu terenu eliminującego nieznaną pionową, a cztery sensory są potrzebne do nieograniczonego wyznaczenia 3D. Dodanie FDOA wprowadza niezależną obserwowalną na parę, więc poruszająca się para sensorów może w zasadzie zlokalizować nieruchomy emiter tam, gdzie statyczna para nie może. W praktyce silnik łączy każdy dostępny pomiar, a nie tylko spełnia minimum, ponieważ redundancja zarówno zacieśnia szacunek, jak i dostarcza statystyk resztki potrzebnych do wykrywania i odrzucania pomiarów odstających spowodowanych wielodrogowością lub interferencją.

Wielodrogowość, obciążenie i odrzucanie wartości odstających

Rzeczywiste środowiska rzadko dostarczają czystych sygnałów w linii prostej. Odbicia od terenu i obiektów tworzą składowe wielodrogowe docierające po ścieżce bezpośredniej, rozmazując lub dzieląc szczyt wzajemnej dwuznaczności i obciążając długo szacunek opóźnienia. Geometrie miejskie i górskie są najgorszymi przypadkami. Produkcyjny solver chroni się przed tym przez robustną estymację – iteracyjnie przekształcone najmniejsze kwadraty, konsensus w stylu RANSAC nad podzbiorami pomiarów lub bramkowanie innowacji w filtrze śledzącym – tak aby jedna uszkodzona para nie zdominowała całego wyznaczenia. Ta sama maszyneria estymująca resztkowe odchylenie zegara ujawnia też pomiary, których reszty są statystycznie nieprawdopodobne, co jest często pierwszą wskazówką, że sensor utracił synchronizację lub że założone powiązanie emitera jest błędne.

Trudne emitery: przeskoki, impulsy i niski współczynnik wypełnienia

Nowoczesne wojskowe emitery są celowo trudne do zlokalizowania. Radia z przeskokową częstotliwością rozkładają energię na szerokie pasmo z krótkim przebytem na każdym kanale; nadajniki impulsowe emitują krótko i milkną. Oba skracają spójne okno dostępne do korelacji krzyżowej, osłabiając zarówno rozdzielczość czasową TDOA, jak i rozdzielczość dopplerowską FDOA. Środkiem zaradczym jest akumulacja statystyczna: wykrywanie i lokalizowanie poszczególnych przeskoków lub impulsów, kojarzenie ich z wspólnym emiterem za pomocą klasyfikacji i odcisków palca emitera, i łączenie wynikowych słabych wyznaceń w czasie za pomocą estymatora wsadowego lub Kalmana. Każdy impuls jest słabym ograniczeniem; wystarczająca ich liczba, poprawnie skojarzona, zbiega do dokładnego śladu. Szerokopasmowe zbieranie danych obejmujące pełny zestaw przeskoków we wszystkich sensorach jednocześnie jest wymaganiem sprzętowym warunkującym tę zdolność.

Od wyznaczenia do obrazu

Silnik geolokalizacji nie działa samodzielnie. Jest konsumentem potoku przetwarzania sygnałów – detekcje i otagowane czasowo migawki IQ wpływają do niego – i producentem inteligencji geoprzestrzennej wypływającej z niego. Obliczone wyznaczenia pozycji, z elipsami błędu i powiązaniami emiterów, są zapisywane w bazach danych namiarów i metadanych, gdzie korelują z wynikami klasyfikacji i identyfikacji. Produktem jest geoprzestrzenny order of battle: nie tylko gdzie są sygnały, ale co to jest i do których sieci należą. Bieżące ślady są przekazywane do wspólnego obrazu operacyjnego dla użytkowników operacyjnych. Architektura otaczająca i zasilająca silnik geolokalizacji – zbieranie danych, kanalizacja, baza danych namiarów, przepływ pracy analityka – jest omawiana kompleksowo w naszym przewodniku po architekturze platformy SIGINT.