Wykrywanie dronów mikrofonem: Joanneum Research pasywnie nasłuchuje przestrzeni powietrznej

Typowy szum drona jest dla ludzkiego ucha ledwie słyszalny – matryca mikrofonowa natomiast rejestruje go precyzyjnie. Na tym opiera się wykrywanie dronów w Joanneum Research: naukowcy rozwijają systemy, które „nasłuchują” przestrzeni powietrznej, same nie emitując żadnych sygnałów. Sztuczna inteligencja (AI) uczy technologię rozróżniać wzorce dźwiękowe, tak aby niepożądane obiekty latające były niezawodnie wykrywane.

Od kilku tygodni z wielu krajów europejskich coraz częściej napływają doniesienia o nieznanych dronach. Zwłaszcza w północnej i wschodniej Europie odnotowano incydenty, w wyniku których trzeba było czasowo zamykać przestrzeń powietrzną i przekierowywać loty. Skąd pochodzi wiele z tych statków powietrznych, pozostaje niejasne; w niektórych przypadkach podejrzewa się związek z działaniami rozpoznawczymi lub dywersyjnymi.

Im więcej takich incydentów, tym wyraźniej widać, jak wiele zależy od niezawodnego i wczesnego wykrywania bezzałogowych obiektów latających. W Joanneum Research grupa badawcza Intelligent Acoustic Solutions ma wieloletnie doświadczenie w akustycznym wykrywaniu dronów – metodzie, która ma kilka zalet w porównaniu z innymi technologiami detekcji.

Kierownik projektu Martin Blass opisuje różnicę: „W przeciwieństwie do systemów aktywnych, takich jak radar, metoda akustyczna działa pasywnie – sama nie emituje sygnałów i dlatego pozostaje niewykryta. To czyni ją szczególnie cenną w scenariuszach krytycznych dla bezpieczeństwa”. Prace koncentrują się obecnie na półsferycznych matrycach mikrofonowych 3D, które potrafią precyzyjnie określić także wysokość drona. AI sprawia, że system stale się doskonali: wytrenowane na sygnaturach akustycznych różnych typów dronów modele niezawodnie rozpoznają charakterystyczne wzorce dźwiękowe – nawet przy silnym hałasie tła.

„Matryce mikrofonowe rejestrują źródła dźwięku z różnych kierunków, a z różnic w czasie propagacji sygnałów można wyznaczyć położenie drona”. Tak wyjaśnia to Franz Graf, który kieruje grupą badawczą i jest wynalazcą tzw. „uszu tunelowych” (akustycznego wykrywania wypadków w tunelach – AKUT).

„W przeciwieństwie do systemów aktywnych, takich jak radar, metoda akustyczna działa pasywnie – sama nie emituje sygnałów i dlatego pozostaje niewykryta. To czyni ją szczególnie cenną w scenariuszach krytycznych dla bezpieczeństwa”.
Kierownik projektu Martin Blass

Wykrywanie dronów rozproszonymi węzłami sensorowymi: projekt UAS-Check Point

Po pierwszych długofalowych sukcesach następuje kolejny etap rozwoju: w grudniu 2025 roku startuje projekt UAS-Check Point. Planowane są rozproszone, multimodalne węzły sensorowe, montowane jako tzw. punkty kontrolne na budynkach, masztach lub pojazdach i działające energetycznie autonomicznie na akumulatorach. Każdy węzeł zawiera moduły audio, wideo, globalnego systemu nawigacji satelitarnej (GNSS) i Remote ID, a także jednostkę obliczeniową (edge computing). Pozwala to weryfikować bezzałogowe obiekty latające w tzw. U-space za pomocą wielu sensorów.

Zalety tego podejścia w pigułce:

• Obserwacja dużego obszaru: dzięki rozproszonym sensorom ruchy dronów można rejestrować na dużym obszarze i śledzić na dłuższych dystansach.
• Odporność: ponieważ zdecentralizowane systemy są energetycznie autonomiczne, nie zależą od centralnej infrastruktury i działają nawet wtedy, gdy zawodzą sieci energetyczne i komunikacyjne.
• Bezpieczeństwo taktyczne: czujniki akustyczne działają pasywnie, są małe i łatwe do zamaskowania – potencjalni napastnicy nie mogą ich więc wykryć.

W projekcie UAS-Check Point uczestniczą AIT Austrian Institute of Technology, Airlabs Austria, Frequentis AG i Austro Control, a także producenci dronów Twins GmbH i Flightec GmbH. Finansowanie, przyznane w programie Take Off 2024, zapewnia Austriacka Agencja Wspierania Badań (FFG).

Podstawą wszystkich tych prac jest know-how Joanneum Research w zakresie akustycznego przetwarzania sygnałów i analizy opartej na AI. „Łączymy zrozumienie fizyki z inteligencją opartą na danych” – podkreśla Blass. „Tak powstają systemy, które nie tylko słyszą, ale też rozumieją, co słyszą”.