Kostengünstiger Sensor erkennt anfliegende Drohnen an den Magnetfeldern ihrer Motoren
Ingenieure der Florida International University erreichen 98,5 Prozent Erkennungsgenauigkeit mit passiver Niederfrequenz-Funksensorik und künstlicher Intelligenz
Von Letizia Giugliano
2 Min. LesezeitHuman-Edited, AI-Assisted
Automatisch aus dem englischen Original übersetzt Original lesen

Ingenieure der Florida International University haben ein passives Erkennungsverfahren entwickelt, das fliegende Drohnen allein anhand der magnetischen Signaturen ihrer Elektromotoren identifiziert. Die Hardware kostet in der Montage nur wenige hundert Dollar und bestimmt auf kurze Distanz das Drohnenmodell mit bis zu 98,52 % Genauigkeit – eine Alternative zu aktivem Radar und störanfälligen akustischen Systemen.
Den unsichtbaren magnetischen Fußabdruck der Drohnenmotoren lesen
Kleine, massenhaft herstellbare unbemannte Luftfahrzeuge, sogenannte Micro-UAS, stellen auf modernen Schlachtfeldern eine große Herausforderung für die Erkennung dar, weil sie oft unter der Schwelle konventioneller Radargeräte fliegen. Um diese Schwachstelle anzugehen, griffen Forscher der Florida International University auf ein unvermeidliches physikalisches Nebenprodukt des Multirotorflugs zurück: die extrem niederfrequenten (ELF) Magnetfelder, die rotierende Elektromotoren erzeugen, wie TechXplore berichtet. Da kommerzielle und taktische Drohnen unterschiedliche Motorenzahlen, Geometrien und elektrische Layouts aufweisen, sendet jedes Modell im Flug eine eigene elektromagnetische Signatur aus.
„Jede derzeit eingesetzte Erkennungsmethode verrät etwas. Radar sendet ein Signal aus. Akustische Systeme werden von Hintergrundgeräuschen überlagert. Wir sind einen ganz anderen Weg gegangen.“
— Arjuna Madanayake, Professor an der Florida International University
Maschinelles Lernen und passive Antennenarchitektur
Statt aktive Funkstrahlen auszusenden, arbeitet das Erkennungsgerät völlig lautlos. Eine spezialisierte Empfangsantenne fängt die eintreffenden Umgebungsemissionen ein, die anschließend von einem Modell der künstlichen Intelligenz und des maschinellen Lernens ausgewertet werden, das auf die Erkennung spezifischer Motormuster trainiert ist, so TechXplore. In Feldversuchen, die im Fachjournal IEEE Sensors Journal unter dem Titel ELF Passive Radio Sensing and AI-Perception of Micro-UAS veröffentlicht wurden, erreichte das System im Freien auf Entfernungen von bis zu 15 Metern (49 Fuß) eine Genauigkeit von 98,52 % und meldete nicht nur die Anwesenheit eines Luftfahrzeugs, sondern identifizierte auch dessen genaue Marke und Modell.
Geringe Produktionskosten und keine Signalemission
Herkömmliche Verfolgungssysteme bringen strukturelle Kompromisse mit sich: Radarstationen senden Signale aus, die den Standort des Bedieners preisgeben, optische Kameras benötigen Sichtverbindung, und akustische Mikrofone haben in windigen oder lauten Gefechtsumgebungen Schwierigkeiten. Der Prototyp der FIU hingegen hört passiv zu, ohne eine Rücksignatur auszusenden, und hinterlässt keinerlei nachweisbare elektronische Spur, wie TechXplore berichtet. Geleitet wurde die Entwicklung von Professor Arjuna Madanayake vom Department of Electrical & Computer Engineering der FIU, gemeinsam mit dem in Sri Lanka tätigen Forscher Chatura Seneviratne und Soumyajit Mandal vom Brookhaven National Laboratory.
Industriekooperation und künftiger Einsatz
Die wirtschaftliche Hürde für die Drohnenabwehrüberwachung könnte deutlich sinken, wenn die Technologie skaliert wird, da die zugrunde liegende Hardware nur wenige hundert Dollar kostet und kein spezialisiertes Bedienpersonal vor Ort erfordert, so TechXplore. Nachdem das Kriegsministerium (Department of War) der Vereinigten Staaten in seinem Haushalt für das Fiskaljahr 2027 74 Milliarden Dollar für Drohnen- und Drohnenabwehrsysteme beantragt hat, arbeitet die Forschungsgruppe der Universität aktiv mit amerikanischen Industriepartnern zusammen, um die Erkennungsreichweite zu erweitern und die Erfindung zur passiven Verfolgung in kommerzielle Verteidigungsanwendungen zu überführen.
Lesen Sie auch bei The Patent: Im Labor gezüchtete Neuronen entschlüsseln Braille und steuern Roboterhunde



