Simulaciones de sistemas antidrónen HTZ Communications

28 Proyecto Fin de Carrera Ingeniería de Telecomunicación Formato de Publicación de la Escuela Técnica Superior de Ingeniería Autor: F. Javier Payán Somet Tutor: Juan José Murillo Fuentes Dep. Teoría de la Señal y Comunicaciones Escuela Técnica Superior de Ingeniería Universidad de Sevilla Sevilla, 2013 Trabajo Fin de Grado en Ingeniería de Electrónica, Robótica y Mecatrónica Simulaciones de sistemas antidrón en HTZ Communications Autor: Pablo Bazaga Ropero Tutor: Rafael Boloix Tortosa Dpto. Teoría de la Señal y Comunicaciones Escuela Técnica Superior de Ingeniería Universidad de Sevilla Sevilla, 2024 Trabajo Fin de Grado en Ingeniería de Electrónica, Robótica y Mecatrónica Simulaciones de sistemas antidrón en HTZ Communications Autor: Pablo Bazaga Ropero Tutor: Rafael Boloix Tortosa Profesor Titular Dpto. Teoría de la Señal y Comunicaciones Escuela Técnica Superior de Ingeniería Universidad de Sevilla Sevilla, 2024 Trabajo Fin de Grado: Simulaciones de sistemas antidrón en HTZ Communications Autor: Pablo Bazaga Ropero Tutor: Rafael Boloix Tortosa El tribunal nombrado para juzgar el trabajo arriba indicado, compuesto por los siguientes profesores: Presidente: Vocal/es: Secretario: acuerdan otorgarle la calificación de: El Secretario del Tribunal Fecha: Agradecimientos Con este trabajo pongo punto y final a una etapa que termina después de más de 4 años. Finalmente puedo decir que soy Ingeniero en Electrónica, Robótica y Mecatrónica. Esto no hubiera sido posible conseguirlo sin la ayuda y el apoyo de muchas de las personas que han estado junto a mí durante este periodo. Ha sido un camino largo y duro en muchos momentos, pero la satisfacción de haberlo conseguido ha merecido la pena. Quiero agradecer principalmente a mi familia. Su apoyo incondicional durante mis estudios ha sido fundamental para seguir adelante. Sin vosotros no hubiera sido capaz de sobrellevar toda la tensión vivida cuando algo no salía como yo quería. Y sobre todo por la alegría cuando aprobaba una asignatura que, por mucho que os explicara, no conseguíais entender de que iba. A mis amigos. Gracias por hacer amenos las horas que hemos pasado en la ETSI (algunos días demasiadas horas). Aunque sin duda, lo mejor ha sido disfrutar los momentos fuera de ella. Este trabajo pone fin también a otra etapa de mi vida: mi primera experiencia laboral. Me gustaría agradecer a Iván Maza por la oportunidad de trabajar en el proyecto COURAGEOUS durante 8 meses. Sin lugar a dudas, la experiencia obtenida será útil en mi futuro laboral. También agradecer a Rafael Boloix. Su orientación durante este trabajo ha sido fundamental. Gracias por enseñarme un área de conocimiento nueva para mi. Y agradecer tu paciencia en todas las veces que fui a tu despacho preguntando sobre radar o propagación de ondas. Por último, me gustaría agradecer a mis compañeros del Departamento de Teoría de la Señal y Comunicaciones, en especial a Miguel, Iván, Miguel, Elías y Juan Antonio. Gracias por la gran acogida y por todos esos buenos momentos pasados durante mi tiempo en el departamento. Sin duda alguna, las conversaciones durante las simulaciones eternas han hecho mucho más ameno mi trabajo. Pablo Bazaga Ropero Estudiante del Grado en Ingeniería Electrónica, Robótica y Mecatrónica Sevilla, 2024 I Resumen En los últimos años, el uso de drones ha crecido exponencialmente, principalmente debido a su versatilidad y accesibilidad. Aunque ofrecen múltiples beneficios en sectores como la agricultura, el transporte de mercancías y la seguridad, también representan una amenaza cuando son utilizados de manera malintencionada. Es por ello que surge la necesidad de desarrollar sistemas antidrón (C-UAS) capaces de detectar, identificar y neutralizar drones potencialmente peligrosos. El presente proyecto se enmarca dentro del proyecto COURAGEOUS. Este trabajo se centra en la simulación de sistemas antidrón utilizando HTZ Communications, mediante la elaboración de un entorno de trabajo en esta herramienta. Una vez elaborado el entorno, se realizan las simulaciones de diferentes tecnologías para la detección de drones. Los resultados obtenidos se comparan con resultados reales realizados en pruebas experimentales, con el fin de validar las simulaciones. Además, se elabora una metodología replicable para simular en HTZ Communications. III Siglas y acrónimos OTAN o NATO Organización del Tratado del Atlántico Norte UA Aeronaves no tripuladas (Unmmanned Aircraft) UAV Vehículos aéreos no tripulados (Unmanned Aerial Vehicle) UAS Sistemas aéreos no tripulados (Unmanned Aircraft Systems) SIGLO-CD Sistema Global Contra Drones C-UAS Counter-Unmanned Aircraft Systems GIS Sistema de información geográfica DEM Digital Elevation Model PNOA Plan Nacional de Ortofotografía Aérea ITU Unión Internacional de Telecomunicaciones P.I.R.E. Potencia Isotrópica Radiada Equivalente PSO Probability of Successful Operation XI 1 Introducción L os drones son algo cada vez más común en nuestros días. Su uso está ampliamente extendido entre la sociedad y se emplea en lugares diversos. Pero, ¿qué es un dron? Un dron, tal y como lo define la Real Academia Española de la lengua, es una aeronave no tripulada [1]. Esta definición contempla todo aquel dispositivo que es capaz de surcar los cielos de manera autónoma o guiada por una persona de forma remota. Para una mejor comprensión de lo que realmente es un dron se pueden buscar otras definiciones de otras instituciones. Por ejemplo, la Organización del Tratado del Atlántico Norte (OTAN o NATO en sus siglas en inglés) define a los drones de la siguiente manera: son aeronaves no tripuladas de uso civil que implican una comunicación con un individuo no necesariamente cualificado para su control remoto [2]. Para dispositivos militares, la OTAN suele emplear el término de aeronaves no tripuladas (Unmmanned Aircraft, UA) o vehículos aéreos no tripulados (Unmanned Aerial Vehicle, UAV). Cuando se habla del sistema completo, incluyendo otros componentes del sistema, el término que se utiliza es el de sistemas aéreos no tripulados (Unmanned Aircraft Systems, UAS).[2] Los drones son sistemas económicos, de facil acceso e increíblemente versátiles, con grandes ventajas en mercados tan diversos como la agricultura, el transporte de mercancías, la seguridad y las telecomunicaciones [3]. Debido a las múltiples ventajas, el mercado civil de drones, para su uso público o recreacional, ha crecido exponencialmente en los últimos años a nivel mundial. España no se ha quedado atrás en este aspecto. En la figura 1.1 se observa el crecimiento de los operadores de sistemas aéreos no tripulados (UAS por sus siglas en inglés) en el país, donde se puede ver que el crecimiento en los últimos años de dichos operadores ha crecido desde 5975 en el año 2020 hasta los 94033 en el año 2023. Este crecimiento también es fruto de la obligatoriedad de registrarse para poder utilizar UAS. Figura 1.1 Evolución de los operadores UAS registrados en AESA [4]. 1 2Capítulo 1. Introducción Sin embargo, la versatilidad de los drones o UAS es hoy en día una preocupación para las autoridades gubernamentales. Los grupos armados o terroristas utilizan UAS para su propio beneficio, modificando drones comerciales a armamento de bajo coste. De hecho, el uso de sistemas aéreos no tripulados como armas letales es algo que está sucediendo en conflictos actuales, como la guerra en Oriente Medio [5] o en la guerra de Ucrania [6]. No es el único problema al que se enfrentan las instituciones: un uso inadecuado de los drones puede generar multitud de problemas en territorios que no se encuentran en conflicto. En 2018, el aeropuerto de Gatwick tuvo que cancelar numerosos vuelos debido a la presencia de drones en las pistas, dejando a miles de personas en tierra [7]. Las autoridades están tomando diversas medidas para reducir las probabilidades de que ocurran y al mismo tiempo minimizar sus consecuencias. Se han creado diversas leyes y normativas para la regulación de los drones. En España se encuentra vigente el Real Decreto 517/2024. Otra medida adoptada por el país es la creación del Sistema Global Contra Drones (SIGLO-CD) [8]. Este sistema tiene como objetivo el detectar, identificar y seguir drones comerciales y, en caso de que fuera necesario, neutralizar si se considera una amenaza a algunas de las mayores instituciones del Estado. Actualmente el SIGLO-CD se está desplegando en 32 ciudades españolas, con antenas fijas, incluyendo 86 maletas de detección portátil. Otra medida que se han tomado es la creación de proyectos de investigación que permitan un mejor conocimiento de los drones y sus peligros. Algunos proyectos de ámbito europeo son el proyecto ASPRID [9] o el proyecto COURAGEOUS [10]. El proyecto ASPRID, llevado a cabo por instituciones españolas, francesas e italianas, tuvo como objetivo la mejora de la seguridad de los aeropuertos, así como protocolos a seguir en casos de incidentes con drones. Por otro lado, el proyecto COURAGEOUS fue creado para el desarrollo de una metodología de prueba estandarizada para la detección, seguimiento e identificación de drones maliciosos utilizando sistemas antidron para proteger el espacio aéreo. 1.1 Objetivos Este trabajo se enmarca dentro del proyecto COUTAGEOUS. El desarrollo de este trabajo incluirá la elaboración de una metodología de simulación que permita simular sistemas antidrón (Counter-Unmanned Aircraft Systems, C-UAS). El desarrollo de simulaciones permite obtener información acerca del comportamiento de los dispositivos, con menor tiempo que los ensayos reales y con un menor coste. Por ello, es indispensable utilizar un entorno de simulación que permita la recreación de drones, así como de C-UAS que sean capaces de detectar la presencia de dichos drones. Se ha optado por la utilización del programa HTZ Communications, desarrollado por ATDI.HTZ Communications es un programa dedicado a la planificación avanzada de redes de telecomunicación utilizando un amplio rango del espectro radiológico, desde unos pocos kilohercios hasta frecuencias de 1 THz, proporcionando simulaciones detalladas de las conexiones entre los diferentes emisores y receptores. Esta utilidad permite emplear dicho programa para analizar el comportamiento de los sistemas C-UAS en diferentes entornos como receptores de las señales emitidas o reflejadas por los drones. A lo largo de este trabajo se espera desarrollar: • El análisis de las diferentes tecnologías utilizadas por los sistemas antidrón que permitan ser simuladas por HTZ Communications. • El desarrollo de un entorno de trabajo que permita la simulación de dichos sistemas. Para ello, se buscará un modelo pesimista con la premisa de que todo resultado de la simulación sea aplicable. • La elaboración de una metodología para que a partir de los datos de los diferentes fabricantes se puedan realizar las simulaciones. • La comparación de los datos obtenidos en las simulaciones con datos reales obtenidos en pruebas del proyecto COURAGEOUS. 1.2 Estructura La estructura seguida en este trabajo es la siguiente: 1.2 Estructura 3 • En el capítulo 2 se analizan las diferentes tecnologías de los sistemas antidrón y como pueden ser implementadas en HTZ Communications. • En los capítulos 3 y 4 se desarrolla el entorno de simulación en HTZ Communications que permita las simulaciones deseadas. • En el capítulo 5 se elabora la metodología para simular a partir de los datos de los fabricantes al mismo tiempo que se desarrollan y comentan las diferentes simulaciones realizadas. • En el capítulo 6 se comparan los resultados obtenidos en las simulaciones con los datos reales obtenidos por sistemas antidrón en una de las pruebas de campo realizadas en el proyecto COURAGEOUS. • Finalmente, se añaden varios apéndices con simulaciones realizadas para el estudio del modelo que, por su extensión, no se han incluido en el trabajo. Los resultados de estas simulaciones sí se encuentran en el trabajo. 2 Sistemas antidron U n sistema antidron es un dispositivo especialmente diseñado para la detección, seguimiento e identificación de pequeños objetos voladores y para alterar, deshabilitar o controlar su funcionamiento de forma legal y segura si fuera una amenaza potencial [2][11]. Por ello, es una parte fundamental de las medidas que se pueden adoptar para evitar las amenazas que los drones puedan generar en el entorno. Para realizar las mejores simulaciones posibles, es imprescindible el conocimiento de las tecnologías que emplean dichos sistemas. Normalmente, cada uno de los sistemas antidrón implementan varias tecnologías diferentes. El uso de múltiples tecnologías en conjunto mejora considerablemente la detección de los drones y, si fuera necesario, la neutralización por el propio sistema o por agentes externos. Debido a la amplitud de la materia, este trabajo se centrará en las tecnologías dedicadas a la detección, seguimiento e identificación de los sistemas antidrón, dejando de lado los métodos de neutralización que se pueden emplear. 2.1 ¿Como contrarrestar los sistemas no tripulados (UAS) maliciosos? Para evitar los problemas y amenazas que puedan generar el uso incorrecto de drones, es importante establecer una metodología para tener una respuesta adecuada en función de las necesidades. Las diferentes respuestas que se pueden adoptar no necesariamente tienen que ser medidas activas de defensa, también es importante adoptar medidas preventivas cuando la amenaza no sea lo suficientemente peligrosa o cuando se disponga de tiempo suficiente. El uso de armamento para neutralizar drones solo debe suceder si no hay ninguna otra alternativa. En la figura 2.1 se muestra una metodología para responder a drones que puedan resultar una amenaza o sobrevuelen zonas no permitidas. Esta metodología es una recomendación realizada por la OTAN explicada en el libro A Comprehensive Approach to Countering Unmanned Aircraft Systems [2]. Aunque no es la única metodología que se puede emplear, otras instituciones utilizan métodos muy similares. Por ejemplo, el sistema SIGLO-CD utilizado por las fuerzas y cuerpos de seguridad del estado español utiliza una metodología muy similar [8]. El punto donde los sistemas antidrón entran en juego es a la hora de detectar los drones maliciosos. Esta detección es un punto crítico, ya que no ser capaces de detectar una amenaza implica que no se pueda ejercer una respuesta ante dicha amenaza. 5 6Capítulo 2. Sistemas antidron Figura 2.1 Metodología para la neutralización de drones maliciosos [2]. 2.2 Amenazas relacionadas con el uso de drones El uso de drones para actividades ilegales requiere un replanteamiento de los métodos de seguridad actuales, tal y como pasó con la llegada de los ordenadores y la ciberdelincuencia. La utilización de esta tecnología, por lo general, no implica nuevos delitos que no conozca la humanidad desde hace siglos: permite la utilización del espacio aéreo para cometer dichos delitos. A continuación, se muestra como el uso de los drones afecta en algunos de los delitos más comunes. 2.2.1 Allanamiento La incursión de forma no autorizada en lugares privados se ve afectada significativamente con la proliferación de los drones. Tradicionalmente, el uso de muros, vallas, puertas o personal de seguridad entre otros ha bastado a la hora de impedir el allanamiento a numerosas infraestructuras, tanto de uso público como de uso privado. Sin embargo, los drones son capaces de eludir la gran mayoría de medidas sin apenas problemas. Al usar el aire como medio de transporte, las vallas, muros o cualquier método de bloqueo terrestre puede ser superado sin dificultad. Al mismo tiempo, su reducido tamaño permite que pueda acceder a través de ventanas y, además, en las condiciones adecuadas puede eludir al personal de seguridad. Todo esto, proporciona al atacante una ventaja muy importante y deja al defensor en una situación de fragilidad. 2.2.2 Robo y espionaje Dos delitos relacionados con el allanamiento son robo y el espionaje industrial. Como se ha comentado en el apartado 2.2.1, si no se tiene un sistema adecuado para impedirlo, la entrada ilegal de drones en zonas o estructuras privadas es relativamente sencilla. Los drones pueden ser utilizados para transportar mercancías como se comentó en el capítulo 1, lo que permite que puedan sustraer objetos materiales de lugares privados. Esto se puede llevar a cabo gracias a que existen drones que utilizan cámaras para la visualizar el entorno o el desarrollo de contenido audiovisual. Este tipo de drones permite también el espionaje industrial, poniendo en riesgo la propiedad intelectual [12]. 2.3 Tecnologías de detección de los sistemas antidron 7 2.2.3 Daños materiales y humanos Los drones pueden ser utilizados como armas. Ya se han visto numerosos casos, como en la guerra de Ucrania, en donde los drones se han utilizado como vehículos kamicazes, generando daños importantes a infraestructuras críticas [6]. Esta amenaza es extendible a países o regiones donde predomina la paz. Los grupos terroristas pueden comprar drones por un bajo coste, añadirle explosivos y causar grandes destrozos de forma sencilla y muy barata en comparación con otros métodos tradicionales. Ya se han producido intentos de magnicidio con drones, tal y como sucedió en Venezuela en 2018 [13]. 2.3 Tecnologías de detección de los sistemas antidron Cinco diferentes tecnologías han sido propuestas y desarrolladas para la detección en los sistemas antidrón. Estas tecnologías son: detección por radar, detección por radio frecuencia, detección visual, detección acústica y la detección por múltiples datos. En 2014, las tecnologías empleadas para la detección de drones eran la acústica, el radar y la unión de ambas tecnologías. A partir de 2015 se añadió una nueva tecnología, la detección visual. La detección por frecuencia fue la última en utilizarse, empezando su uso en 2016. A partir de ese año, no se han añadido nuevos métodos empleados por los sistemas antidrón, sino que se han ido mejorando hasta nuestros días. Según su popularidad, el uso de múltiples tecnologías en los C-UAS destaca, seguido del radar y la detección por frecuencia. Los menos utilizados, principalmente por ser menos efectivos que los demás, son la detección visual y la acústica. 2.3.1 Detección por radar Los radares tienen numerosas ventajas para la detección de objetos voladores si se compara con otros sensores en términos de operativilidad durante el día y la noche, inclemencias del tiempo o la capacidad de medir velocidad y posición al mismo tiempo. Sin embargo, los radares convencionales no son capaces de detectar objetos con una sección equivalente inferior a 1 m2 . Los drones medianos y pequeños tienen secciones equivalentes menores a 1 m2 , siendo por tanto un problema a la hora de diseñar radares para su detección. Por otro lado, la mayoría de radares se diseñan teniendo en cuenta el efecto Doppler. Esto puede suponer un problema si el drone vuela a baja velocidad. [14] Para la detección de sistemas antidrón se suelen utilizar dos tipos de radares: los activos y los pasivos. Radares Activos Son los radares que emiten una señal y esperan a recibirla. Típicamente hay dos maneras de aumentar el rendimiento de radares para la detección de UAS: utilizar altas frecuencias en la onda portadora o utilizar sistemas MIMO. Figura 2.2 Tipos de detección de radares activos [11]. 14 Capítulo 3. Entorno de simulación Figura 3.5 Estudio de perfil con píxeles de 2m. 3.2 Elaboración del proyecto 15 3.2 Elaboración del proyecto Lo primero a tener en cuenta a la hora de desarrollar el proyecto es decidir cual va a ser el área de trabajo. En el marco del proyecto COURAGEOUS se han realizado 3 pruebas de validación obteniendo resultados reales de sistemas C-UAS [10]. Con el fin de utilizar los resultados obtenidos, se escogerá el entorno de una de estas pruebas. En abril de 2024 se realizó la última prueba en el Centro de Vuelos Experimentales Atlas, ubicado en Villacarrillo (Jaén). Esta será la ubicación que se utilizará para el desarrollo de las simulaciones. Para la elaboración del proyecto es importante tener en cuenta lo comentado en 3.1.1. ATDI proporciona mediante la herramienta Map Download Manager mapas a diferentes resoluciones para ser utilizados en el programa. En esta base de datos se encuentra que el mapa Spain Part 39 se corresponde con la zona de interés [26]. Se incluyen las capas de DEM, Clutter y Buildings con una resolución de 5m por píxel. Tener una resolución de 5m por pixel es tener una buena base para poder realizar las simulaciones. Sin embargo, hay que tener en cuenta que el uso de los sistemas C-UAS abarca unos pocos kilómetros, principalmente por su tamaño reducido. Esto implica que, si se consigue trabajar con una resolución menor, la mejora de los resultados sería significativa. Es por ello que se va a mejorar el mapa con el fin de trabajar con una resolución de 2m por píxel. Para ello se debe realizar cada una de las capas de cartografía por separado: la capa DEM, la capa Clutter, la capa Buildings y la capa de imagen. 3.2.1 Capa DEM La capa más importante es la capa DEM, tal y como se comentó en el apartado 3.1.1. Para mejorar la resolución se utilizará la base de datos del Instituto Geográfico Nacional, dependiente del Ministerio de Transportes y Movilidad Sostenible. Esta institución proporciona información geográfica del territorio nacional, pudiendo ser utilizada para el desarrollo del trabajo. Estos archivos se corresponden al Plan Nacional de Ortofotografía Aérea (PNOA). El objetivo de este proyecto es capturar la información tridimensional mediante sensores aerotransportados con tecnología LiDAR (Light Detection and Ranging) por todo el territorio de España, generando entre otros datos modelos digitales del terreno [27]. El procedimiento a seguir es el siguiente: 1. Se empezará descargando los archivos MDT02 correspondientes al Centro de Vuelos Experimentales Atlas y sus alrededores, en formato .tif. Estos archivos se corresponden con el modelo digital del terreno con resolución de 2 metros por cuadrícula de la segunda cobertura realizada en del PNOA. 2. Debido a que se encuentran varios archivos correspondientes al modelo digital del terreno, es conveniente unificarlos antes de introducirlos directamente en HTZ Communications. Para ello se utilizará QGIS, un programa para el diseño cartográfico que soporta archivos .tif. Para unificar los ficheros obtenidos se siguen los siguientes pasos: a) En el panel de QGIS se seleccionan los ficheros que se quieren unificar. Se deben añadir a la ventana principal. b) Se selecciona Raster –> Miscellaneous –> Merge c) En la ventana de Merge se debe seleccionar como entrada los archivos .tif que se van a reagrupar. Para la salida se escoge nombre para el archivo final. d) Por último se inicia el proceso de unión. Este proceso es muy largo, pudiendo durar varias horas, y el archivo final obtenido pesa varios GB (en este caso serían 4GB de mapa). 3. Una vez obtenido el mapa final, se debe convertir a un formato que pueda ser procesado por HTZ Communications. Es por ello que se utilizará la herramienta de Map Converter, para pasar los archivos de .tif a.ic2. Para ello se debe realizar en dos pasos: a) Se convertirá de .tif a ASCIIGrid. b) Se convertirá de ASCIIGrid a .ic2. Es necesario añadir un offset del upper left corner, ya que el resultado final, y debido posiblemente a las numerosas transformaciones de formatos no coincide 16 Capítulo 3. Entorno de simulación con las coordenadas reales. 4. Para introducir el archivo en un proyecto de HTZ Communications se seguirán las indicaciones del manual Create HR datasets for Germany from various sources [28]. Se creará un proyecto utilizando el mapa perteneciente a HTZ Communications Spain_39. Una vez creado este proyecto, se escogerá el área de interés mediante una selección rectangular, y se creará una matriz vacía. Esta matriz guardará los datos de coordenadas, pero dejará vacíos los datos de altura. 5. Por último, se añadirá el archivo .ic2 al proyecto. Para ello se hará Map –> Raster operations –> Geocoding –> Geocode to DTM layer. Este resultado se puede observar en la figura 3.6 Figura 3.6 Capa DEM. 3.2.2 Capa Clutter y capa Buildings Para la creación de la capa Clutter y de la capa Buildings se seguirán los pasos descritos en [29]. Según este manual es necesario descargar de una base datos la información del uso del terreno del área de interés. Para ello se utilizará OpenStreetMap [30]. Una vez descargada la información, se utiliza el OSM to SHP converter de HTZ Communications. Se crearán varios archivos de formato .shp que servirán para la obtención de ambas capas. A continuación, se abrirá el Clutter Builder, ubicado en Map –> Raster Operation –> Clutter Builder. Para la creación de la capa Clutter se seguirán las indicaciones situadas en la figura 3.7. Una vez creada la capa Clutter, se crea la capa Buildings con las opciones mostradas en la figura 3.8. En esta figura se muestran solo las modificaciones que se deben realizar en el Clutter Builder, los demás parámetros se mantienen iguales a los de la figura 3.7. Una vez realizada ambas capas, el proyecto resultante es el que se muestra en la figura 3.9. 3.2 Elaboración del proyecto 17 Figura 3.7 Ventana del Clutter Builder para la creación de la capa Clutter. Figura 3.8 Ventana del Clutter Builder para la creación de la capa Buildings. 18 Capítulo 3. Entorno de simulación Figura 3.9 Mapa implementado en HTZ Communications con la capa DEM, la capa Clutter y la capa Buildings. 3.2 Elaboración del proyecto 19 3.2.3 Capa de Imagen La última capa que se creará y que servirá de base para el proyecto es la capa de Imagen. Esta capa no es necesaria, pero es de utilidad a la hora de visualizar los resultados. Para incluir esta capa se seguirán las indicaciones del manual Online background maps perteneciente a HTZ Communications [31]. Las imágenes que se incluirán en el proyecto pertenecen a Bing Maps, que se encuentran incluidas en todos los productos ATDI. Esto proporciona una alta calidad de cartografía en el proyecto de forma gratuita. El procedimiento a seguir es muy sencillo. Se crea un fichero .BIM donde se especifican los datos deseados de la imagen. Este fichero se puede crear como un documento de texto tal y como se muestra en la figura 3.10. Una vez creado, se debe cargar el archivo al proyecto, añadiéndose la capa de imagen tal y como se muestra en la figura 3.11. Con la creación de esta última capa se completa el proyecto que servirá de base para la realización de este trabajo. Figura 3.10 Fichero .BIM. Figura 3.11 Mapa implementado en HTZ Communications con la capa Imagen. 4 Modelo de simulación La creación del proyecto con las correspondientes capas de cartografía realizado en el apartado 3.2 establece una base inicial para el desarrollo del trabajo. Sin embargo, no es el único aspecto a tener en cuenta para realizar simulaciones que aporten resultados coherentes. Es necesario establecer un modelo matemático que, junto a las diferentes capas cartográficas, establezcan una base sólida para que el programa pueda calcular dichos resultados. Como se comentó en el apartado 3.1, HTZ Communications es un programa destinado al análisis de sistemas de radiocomunicaciones, donde se incluyen numerosos modelos de propagación de ondas a disposición del usuario. En este capítulo se expondrá como el programa trabaja con los diferentes modelos, se analizarán y se realizarán varias simulaciones para determinar que modelo es óptimo para el estudio de sistemas antidron. Todo lo anterior se realizará con el objetivo de obtener un modelo que proporcione unos resultados pesimistas en comparación a la realidad. Este será el criterio que se adoptará a la hora de analizar los resultados. El motivo principal es que permite asumir que, si en la simulación la conexión entre dron y C-UAS se cumple, en la realidad dicha conexión se dará también con una baja probabilidad de fallo, a pesar de no incluir en las simulaciones fenómenos tales como la interferencia electromagnética u obviar el hecho de que los sistemas C-UAS actuales incluyen algoritmos predictivos para mejorar los resultados obtenidos mediante la radiocomunicación. 4.1 Propagación de ondas de radio 4.1.1 Ecuación básica de propagación de ondas Para entender como funcionan los diferentes modelos de propagación incluidos en HTZ Communications, es necesario comprender como se propagan las ondas de radio. Para ello, se utilizarán como referencias las recomendaciones ITU-R P.341-7 e ITU-R P.525-5 correspondientes a la Unión Internacional de Telecomunicaciones o la International Telecommunication Union (ITU) [32][33]. El objetivo de las conexiones utilizando ondas de radio es la transmisión de información entre un emisor, Tx, y un receptor, Rx. Para ello, el emisor transmite una potencia de señal que debe ser captada por el receptor para considerar que la conexión ha sido exitosa. Sin embargo, a la hora de transmitir la señal siempre se producen pérdidas, dejando como resultado: Pr=P t−Ltotal (4.1) Donde: •Pres la potencia recibida por el receptor en unidades logarítmicas, por ejemplo dBm. •P tes la potencia emitida por el transmisor en unidades logarítmicas, por ejemplo dBm. •Ltotal son las pérdidas totales en la conexión en dB. 21 22 Capítulo 4. Modelo de simulación La potencia transmitida dependerá del diseño del emisor. Las pérdidas van a depender de numerosos factores, siendo crucial el estudio de ellos para un correcto modelado de las señales. Para este apartado se considerará que la potencia radiada es la misma en todas las direcciones, es decir, se considerará que las antenas emiten la señal de manera omnidireccional. Pérdidas en espacio libre La pérdida en espacio libre es aquella que se produciría en una conexión entre un emisor y un receptor en el vacío. Es una pérdida inversamente proporcional a la distancia entre los dos puntos de transmisión. Esta pérdida siempre existe ya que se debe a como se transmiten las ondas radiadas, creándose un gradiente de energía entorno al punto emisor. Suele ser una de las pérdidas más relevantes. Se describe en dB como: Lf sd =20log(4πd λ)(4.2) donde: •des la distancia entre el emisor y el receptor en metros. •λes la longitud de onda en metros. Pérdidas de básicas de propagación Las pérdidas dependerán del medio por el que se propague. Existen numerosos fenómenos que debilitan la señal, entre los que se pueden destacar entre otros muchos: •Difracción. •Absorción (debido a los gases de la atmósfera, fenómenos meteorológicos ,...). •Obstaculización debida al terreno o los edificios. •Dispersión. •Interferencias electromagnéticas. Con todos estos fenómenos diferentes se realiza un modelo, que permite modelar las pérdidas del sistema. La ecuación resultante sería: Lb=Lf sd +LmdB (4.3) En el apartado 4.2 se desarrollará comoHTZ Communications modela estas pérdidas. Pérdidas del sistema Los sistemas incluyen ganancias para la transmisión y recepción de las señales. La ecuación de las pérdidas del sistema sería: Ls=Lb−Gt−GrdB (4.4) donde: •Gtes la ganancia de la antena transmisora en dB. •Gres la ganancia de la antena receptora en dB. Pérdida total Los sistemas de transmisión y recepción de las señales también presentan pérdidas. Estas se deben a los diferentes componentes electrónicos que los componen. Añadiendo a la ecuación (4.4) las pérdidas de los diferentes sistemas, se obtiene la ecuación de las pérdidas totales: Ltotal =Ls+Ltc +Lrc dB (4.5) donde: •Ltc son las pérdidas del circuito de conexión entre el transmisor y su antena en dB. 4.2 Modelos de propagación en HTZ Communications [34] 23 •Lrc son las pérdidas del circuito de conexión entre el receptor y su antena en dB. 4.1.2 Relación entre el campo electromagnético y la potencia Otro aspecto a tener en cuenta en la propagación de señales es el campo electromagnético resultante en los diferentes puntos de recepción. Se puede relacionar directamente con la potencia de emisión, a través de la ecuación básica de intensidad de propagación del campo electromagnético: E=P t−20log10(d)+R−F(4.6) donde: •La distancia dentre el emisor y receptor se mide en km. •La potencia recibida P tse mide en dBW . •Ees la intensidad del campo electromagnético recibida en el punto de estudio en dB µV m. •R es el offset debido a la impedancia electromagnética en el vacío. Con estas unidades se correspondería con R=74.8dB. •F son las pérdidas de propagación distintas a las pérdidas en espacio libre (obstáculos, difracción, fenómenos meteorológicos, etc.), en dB. Si el transmisor emplea una antena no isotrópica, la potencia transmitida se sustituye por la Potencia Isotrópica Radiada Equivalente (P.I.R.E.), donde PIRE =P t+Gt . Si se sustituye esta definición en la ecuación (4.6), se obtiene: E=P t+Gt−20log10(d)+R−F=PIRE −20log10(d)+R−F(4.7) donde: •A mayor ganancia, mayor campo recibido. •La PIRE se mide en dBW. 4.2 Modelos de propagación en HTZ Communications [34] HTZ Communications incluye una gran cantidad de modelos que pueden ser implementados en simulaciones. Debido a esta gran variedad de modelos, es necesario estudiar cual es el más óptimo para cada situación. Estos modelos se pueden observar en la figura 4.1. Se pueden diferenciar dos grandes grupos: •Modelos determinístico desde 30 MHz a 1 THz. •Modelos de propagación empíricos y modelos mixtos. 30 Capítulo 4. Modelo de simulación Atenuación "Delta bullington" Este método está referenciado en las recomentaciones ITU-R 526, 452 y 1812 [37][38][39]. Es el método anterior aplicado a las subrutas. 4.5.3 Resultado de las simulaciones Una vez realizados los diferentes estudios de perfil utilizando la simulación descrita en el apartado 4.3, se muestran los siguientes resultados: Tabla 4.4 Estudio de perfil 1-2 con las diferentes antenas de referencia. Perfil 1-2 Subruta Difracción Deygout 94 Delta Bullington ITU-R 526 Round Mask ITU-R 526 Cylinders Fresnel integrals 21.1 dB 12.2 dB 24.4 dB 21.6 dB Standard 21.5 dB 12.6 dB 24.8 dB 22.0 dB Coarse 27.3 dB 18.4 dB 30.6 dB 27.8 dB Fine 14.4 dB 5.5 dB 17.7 dB 14.9 dB Area 27.3 dB 18.4 dB 30.6 dB 27.8 dB Delta bullington 27.3 dB 18.4 dB 30.6 dB 27.8 dB Tabla 4.5 Estudio de perfil 1-3 con las diferentes antenas de referencia. Perfil 1-3 Subruta Difracción Deygout 94 Delta Bullington ITU-R 526 Round Mask ITU-R 526 Cylinders Fresnel integrals 41.5 dB 41.5 dB 41.5 dB 41.5 dB Standard 41.8 dB 41.8 dB 41.8 dB 41.8 dB Coarse 41.8 dB 41.8 dB 41.8 dB 41.8 dB Fine 41.8 dB 41.8 dB 41.8 dB 41.8 dB Area 41.8 dB 41.8 dB 41.8 dB 41.8 dB Delta bullington 41.8 dB 41.8 dB 41.8 dB 41.8 dB Tabla 4.6 Estudio de perfil 1-4 con las diferentes antenas de referencia. Perfil 1-4 Subruta Difracción Deygout 94 Delta Bullington ITU-R 526 Round Mask ITU-R 526 Cylinders Fresnel integrals 40.8 dB 40.8 dB 40.8 dB 40.8 dB Standard 40.9 dB 40.9 dB 40.9 dB 40.9 dB Coarse 40.9 dB 40.9 dB 40.9 dB 40.9 dB Fine 40.9 dB 40.9 dB 40.9 dB 40.9 dB Area 40.9 dB 40.9 dB 40.9 dB 40.9 dB Delta bullington 40.9 dB 40.9 dB 40.9 dB 40.9 dB Todos los resultados que se encuentran en las tablas corresponden al PSO del estudio de perfil utilizando 4.5 Estudio posición de drones para la obtención de las pérdidas por difracción y las pérdidas de subruta 31 Tabla 4.7 Estudio de perfil 1-5 con las diferentes antenas de referencia. Perfil 1-5 Subruta Difracción Deygout 94 Delta Bullington ITU-R 526 Round Mask ITU-R 526 Cylinders Fresnel integrals 5.9 dB -4.0 dB 2.4 dB 12.9 dB Standard 7.0 dB -2.9 dB 3.5 dB 14.0 dB Coarse -1.9 dB -11.7 dB -5.4 dB 5.2 dB Fine 0.1 dB -9.8 dB -3.4 dB 7.1 dB Area -1.9 dB -11.7 dB -5.4 dB 5.2 dB Delta bullington 12.9 dB 3.0 dB 9.4 dB 19.9 dB Tabla 4.8 Estudio de perfil 1-6 con las diferentes antenas de referencia. Perfil 1-6 Subruta Difracción Deygout 94 Delta Bullington ITU-R 526 Round Mask ITU-R 526 Cylinders Fresnel integrals 7.3 dB -2.5 dB 6.6 dB 11.1 dB Standard 8.0 dB -1.8 dB 7.2 dB 11.8 dB Coarse 14.0 dB 4.2 dB 13.2 dB 17.8 dB Fine 1.0 dB -8.8 dB 0.3 dB 4.8 dB Area 14.0 dB 4.2 dB 13.2 dB 17.8 dB Delta bullington 14.0 dB 4.2 dB 13.2 dB 17.8 dB cada uno de los modelos. Debido a su extensión, los resultados del estudio de perfil completo se encuentran en los apéndices B, C, D, E y F. 4.5.4 Análisis de resultados Los resultados obtenidos se pueden dividir en dos bloques: los perfiles que presentan obstáculos en el primer elipsoide de Fresnel y los perfiles que no presentan ningún obstáculo. Los perfiles que no presentan ningún obstáculo en el primer elipsoide son los perfiles 1-3 y 1-4, a los que corresponden las tablas 4.5 y 4.6. En ambos casos, no aparecen pérdidas por difracción. Esto se puede observar en las tablas porque las columnas, que corresponden a las pérdidas de difracción, son iguales. En las pérdidas de subruta vuelve a suceder lo mismo, siendo el método de las integrales de Fresnel la única excepción, proporcionando valores menores que el resto de métodos. Por otro lado, los perfiles 1-2, 1-5 y 1-6 sí presentan obstáculos en el primer elipsoide de Fresnel. Las tablas 4.4, 4.7 y 4.8 muestran respectivamente los resultados de estos perfiles. Como se busca un modelo pesimista de la señal, en cada una de las tablas se han resaltado en rojo los valores más bajos. En las tablas 4.4 y 4.8, correspondientes a los perfiles 1-2 y 1-6, el resultado más pesimista de la simulación lo proporcionan el modelo Fine-Delta Bullington, mientras que en la tabla 4.7 correspondiente al perfil 1-5 el resultado más pesimista lo proporcionan los modelos Coarse-Delta Bullington y Area-Delta Bullington. Como los 3 modelos más pesimistas utilizan el mismo método de pérdidas de difracción, se utilizará el modelo Delta Bullington para las pérdidas de difracción. Para determinar un modelo de subruta, se comparan los resultados de los de modelos Fine, Coarse y Area junto con el modelo de difracción de Delta Bullington. Se utilizará el promedio de los resultados de los perfiles 1-2, 1-5 y 1-6 para determinar el modelo que se utilizará finalmente. Estos resultados se observan en la tabla 4.9. Analizando estos resultados, el promedio más pesimista de los tres es el proporcionado por el método "Fine" de pérdidas de subruta, siendo el que finalmente se utilice para el resto de las simulaciones. 32 Capítulo 4. Modelo de simulación Tabla 4.9 Análisis de los modelos Fine, Coarse y Area. Perfil Modelo Fine Coarse Area 1-2 5.5 dB 18.4 dB 18.4 dB 1-5 -9.8 dB -11.7 dB -11.7 dB 1-6 -8.8 dB 4.2 dB 4.2 dB Promedio -4.37 dB 3.63 dB 3.63 dB 4.6 Estudio con otros modelos Por último, se van a analizar modelos empíricos y modelos externos al programa. Como se comentó en el apartado 4.2.2, estos modelos no se utilizarán en las simulaciones, pero se analizarán sus resultados. Este análisis se realiza con el fin de buscar un modelo más pesimista y que, en futuras líneas de investigación, pueda ser analizado dicho modelo para determinar si es útil en el análisis de drones. Los métodos generales a utilizar son los siguientes: • ITU-R 525-526: Método estándar siguiendo las recomendaciones de la ITU-R 525 y ITU-R 526 [32][37]. • ITU-R 1546-6: Método de predicción utilizado para ondas VHF/UHF (30 MHz a 3000 MHz), descrito en la ITU-R 1546-6 [40]. • ITU-R 1812-7: Método de predicción utilizado para ondas desde 30 MHz a 6000 MHz, descrito en la ITU-R 1812-7 [39]. • ITU-R 452-18: Método de predicción utilizado para ondas desde 0.1 GHz a 50 GHz, descrito en la ITU-R 452-18 [38]. • ITU-R 528-5: Método de predicción de la propagación para los servicios móvil aeronáutico y de radionavegación aeronáutica que utilizan las bandas de ondas métricas, decimétricas y centimétricas [41]. • IMT NTIA: Predicción de transmisión troposférica en terreno irregular, también conocido como modelo Longley-Rice [42]. • BR Method: Es el método de Fresnel al que se le añade una atenuación adicional realizada por Thomson Broadcast services [34]. •Egli: Modelo de Egli para terreno irregular [43]. En la tabla 4.10 se muestran los resultados obtenidos. En azul se marcan los resultados más pesimistas para cada uno de los perfiles. Se puede observar que el modelo IMT NTIA obtiene resultados más pesimistas que los resultados obtenidos por el Fine-Delta Bullington en los perfiles que presentan obstáculos en su primera elipsoide de Fresnel, además de mantener concordancia en los perfiles que no presentan obstáculos en la primera elipsoide de Fresnel. Es por ello que, para futuras líneas de investigación, se propone analizar el modelo IMT NTIA para el análisis de drones. 4.6 Estudio con otros modelos 33 Tabla 4.10 Análisis de otros modelos. Modelo Perfil 1-2 1-3 1-4 1-5 1-6 ITU-R 525-526 18.4 dB 41.8 dB 40.9 dB 3.0 dB 4.2 dB ITU-R 1546-6 23.3 dB 17.8 dB 38.0 dB 11.8 dB 24.6 dB ITU-R 1812-7 18.4 dB 41.8 dB 40.9 dB 3.0 dB 4.2 dB ITU-R 452-17 18.4 dB 41.8 dB 40.9 dB 3.0 dB 4.2 dB ITU-R 528-5 46.2 dB 43.8 dB 42.9 dB 42.9 dB 41.6 dB IMT NTIA 1.4 dB 41.8 dB 40.9 dB -19.0 dB -17.9 dB BR Method 23.5 dB 38.0 dB 37.1 dB -5.7 dB 10.2 dB Egli 32.0 dB 22.7 dB 23.4 dB 11.4 dB 20.7 dB 5 Simulaciones de sistemas antidrón Una vez obtenidas las bases para poder realizar simulaciones en HTZ Communications, en este capítulo se realizarán y se analizaran los resultados de las simulaciones obtenidas. En el capítulo 3 se realizó el mapa que servirá de base en las simulaciones, mientras que en capítulo 4 se analizaron los modelos de HTZ Communications con el objetivo de encontrar un modelo que permita la obtención de resultados pesimistas, con la premisa de que los resultados obtenidos en las simulaciones se cumplan en la realidad. Para ello, en este capítulo se analizarán 3 de las tecnologías comentadas en el apartado 2 que emplean los sistemas antidrón para la detección de los drones. Estas técnicas son: •Detección por radar •Detección por frecuencia •Detección visual empleando cámaras Cada una de estas tecnologías tiene sus ventajas e inconvenientes, como se comentó en el capítulo 2. El uso conjunto de todas ellas permite que los sistemas antidrón obtengan mejores resultados. Es por ello que se analizarán estos 3 tipos de detección en HTZ Communications. 5.1 Comentarios previos a la simulación Uno de los grandes problemas que se han encontrado a la hora de realizar estas simulaciones es la falta de información sobre los drones y los sistemas antidrón a simular. Las diferentes empresas de fabricación y venta no proporcionan al usuario demasiada información acerca del funcionamiento de los sistemas, potencia emitida, rango,... Además, a pesar de existir varias investigaciones sobre sistemas antidrón, mucha de la información existente es confidencial. En este trabajo se trabajará en mayor medida con datos públicos sobre los diferentes sistemas antidrón a estudiar. En algunos casos, la información es confidencial perteneciente al proyecto COURAGEOUS y a las empresas asociadas. Esta información no se publicará pero se utilizará a la hora de la realización del trabajo. 5.2 Radar La primera tecnología a analizar es la detección de drones mediante radar. El radar es un sistema que transmite señales de radiofrecuencia y captura las señales reflejadas. Este modo de operación necesita una línea directa de visión entre el radar y el dron. Es un sistema que permite determinar la altura del dron así como su distancia. Uno de los grandes problemas que plantea esta tecnología, es que puede confundir los drones pequeños con pájaros debido a que el tamaño es bastante similar. Otro problema que plantea es que los radares que son capaces de detectar drones comerciales poseen un rango bastante limitado, no siendo mayor de 10 kilómetros. En este apartado se realizarán varios análisis de sistemas radar, a diferentes frecuencias y en diferentes 35 36 Capítulo 5. Simulaciones de sistemas antidrón tipos de funcionamiento. HTZ Communications permite varias simulaciones para los radares, entre las cuales se destacan dos simulaciones que pueden ser de interés para el análisis de drones: • Altura mínima de vuelo: Es la altura mínima a la que debe estar un dron para ser detectado por el radar. Este resultado se obtiene utilizando los parámetros de intensidad de potencia de campo y rango de alcance del radar, haciendo un barrido en la altura sobre el nivel del terreno a la que se encuentra el dron. A partir de diferentes parámetros, que se estudiarán para cada caso, HTZ Communications calcula el rango del radar. Posteriormente, para cada pixel del mapa que esté dentro del rango de distancia, calcula la intensidad de potencia de campo que recibiría el radar si se encuentra un dron en esa ubicación. Si el valor en dB µV m se encuentra por encima del umbral, correspondiente a 35dB µV m , significa que el sistema antidrón es capaz de detectar un dron en esa ubicación a esa determinada altura. El resultado de la simulación proporciona la altura mínima a la que se supera dicho umbral. El nombre de esta simulación es Radar Coverage y se puede realizar como se muestra en la imagen 5.1. • Intensidad de potencia de campo: Calcula la potencia de señal que recibiría el radar si se encuentra un obstáculo en esa posición a una determinada altura. A diferencia de la simulación anterior, en este tipo de simulación la altura es un valor fijo preestablecido y, además, el resultado pasa de ser una altura mínima a la intensidad de potencia recibida por el radar en cada uno de los puntos. Para evitar el inconveniente de tener una altura fija y permitir un mejor análisis de los resultados es conveniente realizar varias simulaciones para diferentes alturas. El nombre de esta simulación es Radar FS Coverage y se puede realizar tal y como se muestra en la imagen 5.1. Figura 5.1 Menú para las simulaciones de radar. El desarrollo de este apartado consistirá en el análisis de los parámetros de cada uno de los sistemas a analizar, la realización de los dos tipos de simulaciones previamente comentadas y el análisis de los resultados de cada una de las simulaciones. Se utilizarán el mapa y el modelo desarrollado en los capítulos 3 y 4. Además, para un mejor contraste entre los diferentes sistemas de radar, la posición del radar será fija para todos los sistemas. Esta posición se corresponde con EW -3.173701 NS 38.139272 para el sistema proyección geográfica 4DEC utilizando el elipsoide WGS-84. Para la simulación de la intensidad de potencia de campo, se realizarán a las alturas de 1m, 50m, 100m, 150m y 200m para analizar como varía la intensidad de campo en cada uno de los casos. 5.2.1 Parámetros de radar en HTZ Communications HTZ Communications permite una gran flexibilidad a la hora de realizar simulaciones de radar a través de la selección de múltiples parámetros. Esta flexibilidad permite una amplia variedad de entornos y condiciones de simulación. Sin embargo, el lado negativo de los múltiples parámetros seleccionables es que se debe conocer con mucha exactitud el funcionamiento del radar para poder obtener el mejor resultado posible. Como se comentó en el apartado 5.1, el conocer con exactitud los datos de los diferentes sistemas antidrón es realmente complicado y en algunos casos imposible. Es por ello que en este trabajo se han utilizado rangos de valores en ciertos parámetros en función de datos proporcionados con los fabricantes, principalmente con la ganancia de las antenas. En la imagen 5.2 se resaltan los parámetros utilizados las diferentes simulaciones. Hay que destacar que las simulaciones de radar en HTZ Communications están pensadas para radares pulsados. A pesar de ello, se pueden realizar simulaciones para radares de onda continua, tal y como se comprobará en los apartados 5.2.3 y 5.2.4. La función de cada uno de los parámetros es la siguiente: •Peak power (kW): Potencia de pico en kilovatios emitida por pulso. 5.2 Radar 37 Figura 5.2 Interfaz de ajuste de los parámetros de los radar en HTZ Communications. • Antenna gain (dBi) Tx/Rx: Ganancia de las antenas de emisión y recepción del radar. En este trabajo se utilizarán principalmente sistemas con misma ganancia de emisión y misma ganancia de recepción. Se utilizarán decibelios sobre una ganancia isotrópica. •Antenna height (m): Altura de la antena sobre el nivel del terreno en metros. • Bandwidth y Pulse width: Ancho de banda de la señal en kiloherzios y duración del pulso en microsegundos. Son dos parámetros que están inversamente proporcionados. En los radares de onda continua, se deben ajustar de forma que el parámetro ’Peak Power’corresponda con la potencia emitida en el tiempo correspondiente al parámetro ’Pulse width’. • Detection PD: Determina la probabilidad de fiabilidad a la hora de detectar un dron. En la mayoría de simulaciones se impondrá que la fiabilidad del sistema antidrón debe ser del 0.99 o del 99%. Que la fiabilidad del sistema antidrón sea tan alta permite que se pueda modular la ganancia y obtener resultados más realistas. • RCS ( m2 ): La sección radar equivalente permite modelar el área del dron que puede ser detectada por el radar. Este valor oscila entre drones medianos (1 m2) y drones pequeños (0.01 m2). Se va a considerar para este trabajo que el ruido y las pérdidas en el transmisor y receptor no son relevantes, ya sea porque el sistema funciona como un sistema ideal o porque el efecto de las ganancias de las antenas es superior a las consecuencias que tendríamos en las simulaciones por estos efectos. El resto de parámetros del sistema quedan determinados por los parámetros previamente comentados. La relación entre ellos es proporcionada por HTZ Communications en el manual Radars in ATDI tools [44]. En la tabla 5.1 se muestra un resumen de las relaciones entre los diferentes parámetros. 38 Capítulo 5. Simulaciones de sistemas antidrón Tabla 5.1 Relación entre los parámetros del radar en HTZ Communications. Parametro Descripción Formula Unidad G Ganancia total del radar TxGain+RxGain 2dB F Frecuencia Entrada MHz DPD Probabilidad de detección Entrada RL Pérdidas totales del radar TxLosses+RxLosses 2dB RCS Sección radar equivalente Entrada m2 noise Factor de ruido Entrada dB N Factor de ruido 10noise 10 B Ancho de banda de Rx 1.2ó1 Pulse Hz K Constante de Boltzmann T Temperatura K Pulse Tiempo de pulso Entrada segundos PCR Compresión del pulso Entrada P Potencia de pico Entrada W L Longitud de onda L=300 Fm KTBF Ruido térmico 10logN∗K∗T∗B∗1000 dBm S Superficie efectiva de la antena del radar 10 G 10 ∗L2 4πm2 LO Pérdidas totales 10RL 10 E Energía radiada P∗Pulse ∗PCR J Cálculo del rango del radar R0=0.03 ∗(E∗LO∗RCS N∗K∗T∗1 LO )1 4∗√S∗F∗0.5 DPD m 5.2.2 Lynx radar El primer sistema antidrón a analizar es el Lynx Anti-Drone System perteneciente a la empresa eslovena DAT-CON. Este sistema antidrón se puede configurar para frecuencias entre 300 MHz y 6000 MHz, con un radio de detección no inferior a 5 km [45]. Se configurará para trabajar en la banda de frecuencia S (entre 2 GHz y 4 GHz). Los parámetros utilizados para la realización de las simulaciones de este sistema son confidenciales y pertenecientes al proyecto COURAGEOUS. La primera simulación determinará la altura mínima de vuelo que necesita el dron mediano para ser detectado por el radar. Los resultados de esta simulación se encuentran en la figura 5.3, con la escala de colores correspondiente en la parte inferior. La altura mínima de vuelo es la altura sobre el nivel del terreno, a la que debe estar volando el dron para poder ser detectado. En la figura 5.3 se puede observar como varía la altura mínima de vuelo en función del terreno. Este patrón se repetirá en los demás sistemas antidrón, aunque los resultados variarán en función de los parámetros de cada uno de los sistemas. La simulación se limita al rango establecido por los parámetros del sistema antidrón. Este rango es de 5268 metros. Se observa que en la parte superior e inferior de la imagen existen zonas donde la altura mínima de detección es superior a 300 metros e incluso zonas superiores a los 500 metros. Esto se debe a la presencia de obstáculos que no permiten una línea directa entre el dron y el sistema antidrón. Estos obstáculos se corresponden con la propia elevación del terreno en la parte superior y con edificios en la parte inferior. En las zonas donde no se detectan obstáculos se puede observar que la altura mínima para poder ser detectado oscila entre 10 y 100 metros de altura. Posteriormente, se realizan simulaciones para determinar la intensidad de campo a varias alturas. Estas simulaciones se muestran en las imagenes 5.4, 5.5, 5.6, 5.7 y 5.8. El rango de alcance será el mismo que para la simulación de altura mínima. La figura 5.4 muestra la simulación de la intensidad de potencia de campo para drones que vuelan a una 5.2 Radar 39 Figura 5.3 Altura mínima de vuelo para la detección por Lynx Anti-Drone System. Figura 5.4 Intensidad de campo reflejado para drones situados a 1 metro de altura sobre el nivel del terreno. altura de 1 metro sobre el nivel del terreno. Se puede observar que, para el área de alcance del Lynx Radar, la potencia que recibiría el radar si detectara un dron es por lo general muy baja. Esto se puede apreciar debido a que los colores predominantes son el verde y el azul, los colores que menor potencia detectaría el radar. La única zona que tendría una buena detección sería la zona de la pista de aterrizaje de ATLAS, donde predominan el rojo y el amarillo. La figura 5.5 muestra la simulación de la intensidad de potencia de campo para drones que vuelan a una altura de 50 metros sobre el nivel del terreno. A diferencia del caso anterior, se puede observar que las zonas donde el Lynx Radar detectaría un dron (zonas amarillas y rojas) aumentan considerablemente, principalmente hacia el este y oeste del radar. Estas zonas, como se ha comentado con anterioridad, tienen 46 Capítulo 5. Simulaciones de sistemas antidrón (a) Sistema con ganancia 10 dB. (b) Sistema con ganancia 15 dB. Figura 5.12 Intensidad de campo reflejado para drones medianos situados a 50 metro de altura sobre el nivel del terreno. señal debido a la elevación del terreno ahí presente, con un umbral de detección de -127 dBm. Sin embargo, si se analiza la figura 5.5 correspondiente a la simulación del Lynx Radar para una altura de vuelo de 50 metros sobre el nivel del terreno, el radar sí detectaría drones en ese área con potencias de recepción superiores a -107 dBm. En la figura 5.13 se observa la potencia que recibiría el radar si se encuentra un dron mediano volando a una altura de 100 metros sobre el nivel del terreno para ganancias de antenas de 10 dB y 15 dB. Al igual que en la figura 5.12, las zonas donde el radar detecta mejor el dron es al este y oeste del mismo. Si se comparan las imágenes (a) y (b) de la figura 5.13 se puede observar que, a pesar de tener mayor rango el sistema con 15 5.2 Radar 47 (a) Sistema con ganancia 10 dB. (b) Sistema con ganancia 15 dB. Figura 5.13 Intensidad de campo reflejado para drones medianos situados a 100 metro de altura sobre el nivel del terreno. dB de ganancia en las antenas, la zona donde se detectan los drones es similar en ambos casos. Al igual que pasó con la altura de vuelo de 50 metros, los obstáculos afectan más al IRIS Radar que al Lynx Radar, algo que se puede observar si se compara esta figura con la 5.6. Como es lógico, la potencia máxima recibida por el radar disminuye en comparación con la figura 5.6, siendo 6 dB menos tanto en el caso (a) como en el caso (b). En la figura 5.14 se observa la potencia que recibiría el radar si se encuentra un dron mediano volando a una altura de 150 metros sobre el nivel del terreno para ganancias de antenas de 10 dB y 15 dB. En estas simulaciones se aprecia que la zona de detección adecuada es mayor que en las simulaciones anteriores 48 Capítulo 5. Simulaciones de sistemas antidrón (a) Sistema con ganancia 10 dB. (b) Sistema con ganancia 15 dB. Figura 5.14 Intensidad de campo reflejado para drones medianos situados a 150 metro de altura sobre el nivel del terreno. aunque, como era de esperar, la potencia máxima recibida es inferior. Además, como es lógico, las zonas donde puede llegar el radar es mayor debido a que a mayor altura existen menor cantidad de obstáculos. En la figura 5.15 se observa la potencia que recibiría el radar si se encuentra un dron mediano volando a una altura de 200 metros sobre el nivel del terreno para ganancias de antenas de 10 dB y 15 dB. Siguiendo la tendencia de las simulaciones anteriores, la potencia máxima recibida por el radar disminuye. En el caso de ganancia de 10 dB pasa de -40 dBm para una altura de vuelo de 50 metros a -52 dBm para una altura de vuelo de 200 metros, perdiendo 12 decibelios de señal en el rango de estudio. En el caso de ganancia de 10 dB pasa de -30 dBm para una altura de vuelo de 50 metros a -42 dBm en el caso de altura de vuelo de 200 5.2 Radar 49 (a) Sistema con ganancia 10 dB. (b) Sistema con ganancia 15 dB. Figura 5.15 Intensidad de campo reflejado para drones medianos situados a 200 metro de altura sobre el nivel del terreno. metros, perdiendo igualmente 12 dB. Si comparamos estos datos con los obtenidos para el Lynx Radar se puede observar que el nivel de potencia de señal discrepa bastante, habiendo diferencias de más de 30 dB entre las dos simulaciones. Esto se debe a varios motivos: • Robin Radars, fabricante del IRIS Radar, proporciona una mayor cantidad de datos que DAT-CON, fabricante de Lynx Radar, permitiendo que las simulaciones obtenidas tengan valores más realistas y al mismo tiempo con mayor cantidad de detalles. 50 Capítulo 5. Simulaciones de sistemas antidrón • La frecuencias utilizadas son diferentes. Al usar frecuencias mayores, el rango de emisión se reduce pero al mismo tiempo permite detectar con mayor precisión objetos pequeños. A mayor es la frecuencia, mayores son las pérdidas de propagación. (a) Sistema con ganancia 10 dB. (b) Sistema con ganancia 12.5 dB. Figura 5.16 Altura mínima de vuelo para la detección por IRIS Radar para drones pequeños. En la figura 5.16 se muestra el resultado de las simulaciones de las alturas mínimas de vuelo para el IRIS Radar, con ganancia de antenas de 10 dB y 15 dB para drones pequeños. El rango de estas simulaciones corresponde con los valores de 3168 metros para la simulación de 10 dB y 5634 metros para la simulación 5.2 Radar 51 de 15 dB. Estos valores son los que han servido de referencia a la hora de escoger la ganancia. En el caso donde la ganancia es de 10 dB, se puede observar como prácticamente todo el rango necesita una altura mínima inferior a 250 metros de altura sobre el nivel del terreno. La única excepción sería al sur del radar donde los edificios de ATLAS bloquearían la señal impidiendo una correcta detección. Por otro lado, para la simulación donde la ganancia es de 15 dB, la altura mínima de vuelo es inferior en las zonas al este y oeste del radar, teniendo más problemas en el norte por la elevación del terreno y en el sur por los edificios de ATLAS. Estos resultados guardan relación con los obtenidos para drones medianos, aunque el rango de detección es menor, como era de esperar. En la figura 5.17 se observa la potencia que recibiría el radar si se encuentra un dron pequeño volando a una altura de 1 metro sobre el nivel del terreno para ganancias de antenas de 10 dB y 15 dB. Al igual que se observó en casos anteriores para la misma altura de vuelo, la zona donde el dron sería detectado correctamente por el radar es la zona perteneciente a ATLAS y a sus alrededores. Como se ha comentado previamente, esto se debe a la baja altura a la que vuela el dron, que permite que sea muy sensible a los obstáculos presentes en el terreno. En la figura 5.18 se observa la potencia que recibiría el radar si se encuentra un dron pequeño volando a una altura de 50 metros sobre el nivel del terreno para ganancias de antenas de 10 dB y 15 dB. Analizando las imágenes, se puede determinar que el radar es capaz de detectar correctamente al este y al oeste los drones pequeños. Si se compara con la figura 5.12 se puede observar que la potencia máxima detectada es la misma en ambos casos, siendo la diferencia fundamental que al trabajar con drones pequeños el rango de detección es considerablemente menor. En la figura 5.19 se observa la potencia que recibiría el radar si se encuentra un dron pequeño volando a una altura de 100 metros sobre el nivel del terreno para ganancias de antenas de 10 dB y 15 dB. Se puede observar que para el caso (a), donde la ganancia del sistema es de 10 dB, el radar es capaz de detectar correctamente al dron en la gran mayoría del rango. En el caso (b), con ganancia de 15 dB, esto no se cumple, aunque en contraposición el rango de detección es mayor, principalmente hacia el este y oeste del radar. Si se compara con la figura 5.13, se observa que la potencia máxima de detección es la misma. Como en el caso de vuelo de 50 metros, esta potencia se da en las zonas cercanas al radar. Se puede llegar a la conclusión de que la potencia máxima que recibiría el radar no depende de el tamaño del dron. En la figura 5.20 se observa la potencia que recibiría el radar si se encuentra un dron pequeño volando a una altura de 150 metros sobre el nivel del terreno para ganancias de antenas de 10 dB y 15 dB. Al igual que en la figura 5.19, en el caso (a) el radar sería capaz de detectar correctamente el dron para prácticamente todo el rango de detección. En el caso (b), el radar detectaría teóricamente a los drones para todo el rango de detección, aunque en las zonas al norte del río y al sur de los edificios de ATLAS la detección sería a baja potencia, siendo bastante probable que en la práctica no se pueda detectar. Si se compara con la figura 5.14 se puede observar que la potencia máxima para el caso (b) es la misma, mientras que para el caso (a) discrepa por 5 dB. A pesar de esta discrepancia, se puede mantener la premisa de que el tamaño del dron no determina una variación de la potencia máxima recibida por el radar. Por último, en la figura 5.21 se observa la potencia que recibiría el radar si se encuentra un dron pequeño volando a una altura de 200 metros sobre el nivel del terreno para ganancias de antenas de 10 dB y 15 dB. En el caso (a), tal y como se observa para alturas de vuelos inferiores, el radar es capaz de detectar prácticamente para todo el rango de detección. En el caso (b) se podría detectar para todo el radar, aunque no de forma adecuada para todo el rango. Si se compara con la figura 5.20 se observa que las zonas donde se detectaría la señal son mayores para una altura de vuelo de 200 metros. Esto se debe a la falta de obstáculos que bloquean la señal a dicha altura de vuelo. Si se compara con la figura 5.15, se observa que la potencia máxima recibida por el radar es la misma. 52 Capítulo 5. Simulaciones de sistemas antidrón (a) Sistema con ganancia 10 dB. (b) Sistema con ganancia 15 dB. Figura 5.17 Intensidad de campo reflejado para drones pequeños situados a 1 metro de altura sobre el nivel del terreno. 5.2 Radar 53 (a) Sistema con ganancia 10 dB. (b) Sistema con ganancia 15 dB. Figura 5.18 Intensidad de campo reflejado para drones pequeños situados a 50 metro de altura sobre el nivel del terreno. 54 Capítulo 5. Simulaciones de sistemas antidrón (a) Sistema con ganancia 10 dB. (b) Sistema con ganancia 15 dB. Figura 5.19 Intensidad de campo reflejado para drones pequeños situados a 100 metro de altura sobre el nivel del terreno. 5.2 Radar 55 (a) Sistema con ganancia 10 dB. (b) Sistema con ganancia 15 dB. Figura 5.20 Intensidad de campo reflejado para drones pequeños situados a 150 metro de altura sobre el nivel del terreno. 62 Capítulo 5. Simulaciones de sistemas antidrón (a) Sistema con ganancia 6 dB. (b) Sistema con ganancia 12.5 dB. Figura 5.26 Intensidad de campo reflejado para drones medianos situados a 100 metro de altura sobre el nivel del terreno. puede observar que sigue la tendencia comentada para la simulación de vuelo de 50 metros de altura para drones pequeños de ART, para la simulación de altura de vuelo de 100 metros para drones pequeños de ART y para la simulación de altura de vuelo de 150 metros de altura para drones pequeños. Si se compara con la simulación para una altura de vuelo de 50 metros, se observa que la potencia máxima ha caído 12 dB, igual que pasó con drones medianos en ART y con el radar IRIS. Esta caída es por las pérdidas en espacio libre del radar. 5.2 Radar 63 (a) Sistema con ganancia 6 dB. (b) Sistema con ganancia 12.5 dB. Figura 5.27 Intensidad de campo reflejado para drones medianos situados a 150 metro de altura sobre el nivel del terreno. 64 Capítulo 5. Simulaciones de sistemas antidrón (a) Sistema con ganancia 6 dB. (b) Sistema con ganancia 12.5 dB. Figura 5.28 Intensidad de campo reflejado para drones medianos situados a 200 metro de altura sobre el nivel del terreno. 5.2 Radar 65 (a) Sistema con ganancia 6 dB. (b) Sistema con ganancia 12.5 dB. Figura 5.29 Altura mínima de vuelo para la detección por ART Midrange Radar para drones pequeños. 66 Capítulo 5. Simulaciones de sistemas antidrón (a) Sistema con ganancia 6 dB. (b) Sistema con ganancia 12.5 dB. Figura 5.30 Intensidad de campo reflejado para drones pequeños situados a 1 metro de altura sobre el nivel del terreno. 5.2 Radar 67 (a) Sistema con ganancia 6 dB. (b) Sistema con ganancia 12.5 dB. Figura 5.31 Intensidad de campo reflejado para drones pequeños situados a 50 metro de altura sobre el nivel del terreno. 68 Capítulo 5. Simulaciones de sistemas antidrón (a) Sistema con ganancia 6 dB. (b) Sistema con ganancia 12.5 dB. Figura 5.32 Intensidad de campo reflejado para drones pequeños situados a 100 metro de altura sobre el nivel del terreno. 5.2 Radar 69 (a) Sistema con ganancia 6 dB. (b) Sistema con ganancia 12.5 dB. Figura 5.33 Intensidad de campo reflejado para drones pequeños situados a 150 metro de altura sobre el nivel del terreno. 70 Capítulo 5. Simulaciones de sistemas antidrón (a) Sistema con ganancia 6 dB. (b) Sistema con ganancia 12.5 dB. Figura 5.34 Intensidad de campo reflejado para drones pequeños situados a 200 metro de altura sobre el nivel del terreno. 5.2 Radar 71 5.2.5 EchoShield radar El último radar por analizar es el EchoShield Radar, perteneciente a la empresa estadounidense Echodyne. La mayoría de información de este radar es confidencial y no puede ser revelada. Sin embargo es de interés realizar las simulaciones correspondientes para este radar. Esto se debe a que, según informa el fabricante en su datasheet [47], es un radar que trabaja en la banda Ku y, a diferencia del radar ART que trabaja en la misma frecuencia, es un radar pulsado. Es por ello que la comparación entre este radar y el de ART puede resultar de interés a la hora de entender sus correspondientes funcionamientos. (a) Sistema con ganancia 10 dB. (b) Sistema con ganancia 15 dB. Figura 5.35 Altura mínima de vuelo para la detección por EchoShield radar para drones medianos. 78 Capítulo 5. Simulaciones de sistemas antidrón (a) Sistema con ganancia 10 dB. (b) Sistema con ganancia 15 dB. Figura 5.42 Intensidad de campo reflejado para drones pequeños situados a 1 metro de altura sobre el nivel del terreno. aunque no se observan grandes variaciones. Si se compara con la detección para drones medianos en las mismas condiciones, el principal cambio que se observa es que el rango de detección disminuye. En la figura 5.44 se muestra la potencia recibida por el radar cuando detecta un dron pequeño a una altura de vuelo de 100 metros para el radar EchoShield Radar con ganancias de antena de 10 dB y 15 dB. Se observa que para este caso, y como era de esperar, la detección mejora. La potencia mínima detectada cae 6 dB en ambos casos, por las pérdidas asociadas al espacio libre. Si se compara con 5.32, se observa que la detección es en general mejor, aunque no se observan grandes variaciones. Si se compara con la detección 5.2 Radar 79 (a) Sistema con ganancia 10 dB. (b) Sistema con ganancia 15 dB. Figura 5.43 Intensidad de campo reflejado para drones pequeños situados a 50 metro de altura sobre el nivel del terreno. para drones medianos en las mismas condiciones, el principal cambio que se observa es que el rango de detección disminuye. En la figura 5.45 se muestra la potencia recibida por el radar cuando detecta un dron pequeño a una altura de vuelo de 150 metros para el radar EchoShield Radar con ganancias de antena de 10 dB y 15 dB. Se puede observar que, a pesar de que la detección mejora en zonas donde antes no se detectaba bien, el área al norte del C-UAS sigue sin ser un área donde se detecte correctamente. La potencia mínima detectada cae 4 dB en 80 Capítulo 5. Simulaciones de sistemas antidrón (a) Sistema con ganancia 10 dB. (b) Sistema con ganancia 15 dB. Figura 5.44 Intensidad de campo reflejado para drones pequeños situados a 100 metro de altura sobre el nivel del terreno. ambos casos respecto al caso anterior, por las pérdidas asociadas al espacio libre. Si se compara con 5.33, se observa que la detección es en general mejor, aunque no se observan grandes variaciones. Si se compara con la detección para drones medianos en las mismas condiciones, el principal cambio que se observa es que el rango de detección disminuye. En la figura 5.46 se muestra la potencia recibida por el radar cuando detecta un dron pequeño a una altura de vuelo de 200 metros para el radar EchoShield Radar con ganancias de antena de 10 dB y 15 dB. A esta 5.2 Radar 81 (a) Sistema con ganancia 10 dB. (b) Sistema con ganancia 15 dB. Figura 5.45 Intensidad de campo reflejado para drones pequeños situados a 150 metro de altura sobre el nivel del terreno. altura, mejora la detección del radar al norte y al sur de su posición. A pesar de esta mejora, sería necesaria una mayor altura para una correcta detección. La potencia mínima detectada, si se compara con la altura de vuelo de 50 metros, cae un total de 12 dB. Si se compara con 5.34, se observa que la detección es en general mejor, aunque no se observan grandes variaciones. 82 Capítulo 5. Simulaciones de sistemas antidrón (a) Sistema con ganancia 10 dB. (b) Sistema con ganancia 15 dB. Figura 5.46 Intensidad de campo reflejado para drones pequeños situados a 200 metro de altura sobre el nivel del terreno. 5.2.6 Análisis de resultados Analizando los resultados obtenidos, se pueden extraer las siguiente conclusiones: • El conocimiento de determinados parámetros es crítico para poder realizar una simulación aceptable. Estos parámetros críticos son: la frecuencia, la potencia de emisión y el rango de detección. 5.3 Frecuencia 83 • Se necesitan frecuencias que sean capaces de detectar drones pequeños. Como el RCS de un dron pequeño es de 0’01 m2 , se necesitan longitudes de ondas que puedan reflectar y ser recibidas con posterioridad. •Mientras mayor sera la frecuencia, peor será el rango de detección. • Al comparar el ART Midrange Radar y el EchoShield Radar, el primero de onda continua y el segundo de onda pulsada, no se han observado grandes diferencias. Si hablamos de potencia recibida por el radar, no se puede concluir con estas simulaciones cual es mejor. Se deberán tener en cuenta otros parámetros. • Con una altura inferior a 50 metros de vuelo sobre el nivel del terreno es bastante probable que un dron pueda volar sin ser detectado. En zonas urbanas este problema aumentaría considerablemente debido a la cantidad de objetos (edificios,... ) y ruido que puede afectar a la señal. 5.3 Frecuencia Otra tecnología que suelen utilizar los sistemas antidrón es la detección por frecuencia. En ella el sistema antidrón es un sistema receptor que intenta captar las señales emitidas por el dron para comunicarse con el piloto. Este tipo de tecnología no necesita que el sistema antidrón mantenga una linea directa visual con el dron, siendo una gran ventaja frente a los dispositivos radar. Sin embargo, uno de los grandes inconvenientes de esta tecnología es el ruido al que se ven sometidos estos sistemas antidrón. La gran mayoría de drones comerciales utilizan las bandas de 2’4 GHz y 5’725 GHz, bandas libres que suelen emplearse en comunicaciones de telefonía móvil y WiFi. Esto generará, principalmente en entornos urbanos, la detección de señales no deseadas por los sistemas antidrón. En estas simulaciones, se trabajará en un entorno rural donde se considerará que las interferencias que se puedan generar en los sistemas de detección de frecuencia no son relevantes para el comportamiento del dispositivo. 5.3.1 Simulación tipo Para estudiar el comportamiento de los sistemas antidrón que utilizan la detección en frecuencia se van a realizar dos tipo de simulaciones: •Simulación que determina la altura mínima de vuelo del dron para la detección por el sistema. • Simulación que proporciona la potencia de campo recibida por el sistema antidrón si se detectara un dron volando a una altura determinada en un punto determinado del mapa. Esta simulación se realizará para varias alturas de vuelo diferentes. Estas dos simulaciones son las equivalentes para detección en frecuencia a las realizadas en el apartado 5.2. Para facilitar la realización de las diferentes simulaciones, se trabajará utilizando el sistema antidrón como emisor. Aunque en la realidad el sistema antidrón sea el receptor, se puede demostrar que en radiocomunicación el canal entre los dos extremos, incluyendo las ganancias de las antenas, es intercambiable. Aprovechando esta propiedad, los parámetros del sistema antidrón se corresponderán con los parámetros de emisión de un dron comercial. Estos parámetros se han obtenido de la empresa china DJI, una de las empresas principales en la fabricación y venta de drones [36]. Los parámetros utilizados se recogen en la tabla 5.4. Se realizarán simulaciones para las dos bandas de comunicación más utilizadas por los drones: 2’400- 2’4835 GHz y 5’725-5’850 GHz. Para abreviar, se referirá a estas bandas como la banda de 2’4 GHz y 5’7 GHz (no confundir con la banda libre adyacente correspondiente a 5’470-5’725 GHz). DJI trabaja para la comunicación entre el dron y el piloto con potencias de 20 dBm para la banda de 2’4 GHz y 14 dBm para la banda de 5’7 GHz para la Unión Europea. Este valor está limitado por normativa, siendo variable en diferentes territorios. Debido a que esta potencia se corresponde con la P.I.R.E. del dron la 84 Capítulo 5. Simulaciones de sistemas antidrón Tabla 5.4 Parámetros de la simulación en frecuencia implementados en HTZ Communications. Parametro Valor Frecuencias 2’400-2’4835 GHz y 5’725-5’850 GHz Potencia nominal 0.1W para 2’4 GHz y 0.025W para 5’725 GHz Ganancia de las antenas 0 dB para Tx y 5 dB para Rx Altura de la antena (sistema antidrón) 2m Umbral de detección -125 dBm Radio de simulación 7 Km ganancia de la antena transmisora es de 0 dB. Por otro lado, se ha asumido que la ganancia de la antena receptora es de 5 dB. Esta ganancia no tiene porque corresponderse con la realidad, ya que los dispositivos de detección en frecuencia son muy variados entre sí, con antenas de diferentes tamaños y características. Sin embargo, en este trabajo se ha optado, como se ha comentado con anterioridad, a la realización de una simulación pesimista de los sistemas antidrón, buscando que si se cumple en la simulación se cumpla en la realidad. Es por ello que se ha optado por una ganancia baja aunque no nula, ya que en la realidad las antenas tienen una determinada ganancia. El último dato proporcionado por DJI es la distancia de la simulación. La distancia máxima de transmisión con interferencias es de entre 6 a 10 km. Por ello, las simulaciones se realizarán a un máximo de 7 km de distancia del sistema antidrón. Otro dato a comentar es que se ha trabajado con un umbral de -125 dBm de detección en frecuencia. Este umbral es relevante a la hora de la simulación mínima de vuelo, ya que marca la potencia mínima que el sistema detectaría en esta simulación. Como este umbral es bastante bajo, principalmente si se tiene en cuenta el ruido electromagnético que pueda existir en el entorno, es necesario comparar los resultados de la altura mínima de vuelo con la potencia recibida a una altura de vuelo en específico. Esta última simulación podrá proporcionar con mayor determinación si el sistema antidrón es capaz de detectar al dron analizando la potencia recibida en cada punto. Por último, la posición del sistema antidrón es ligeramente diferente a la posición utilizada en los radar. Esta nueva ubicación se corresponde con las coordenadas EW -3.173372 NS 38.138852. Esta ubicación está más cercana a los edificios de ATLAS, creándose un mayor número de interferencias por los mismos. Este cambio de ubicación será de utilidad para el próximo capítulo. Los parámetros comentados en la tabla 5.4 se implementan en HTZ Communications según la figura 5.47. 5.3 Frecuencia 85 (a) Parámetros para banda de 2’4 GHz. (b) Parámetros para banda de 5’7 GHz. Figura 5.47 Parámetros implementados en HTZ Communications para detección en frecuencia. 5.3.2 Simulación de altura mínima de vuelo para la detección por frecuencia En este apartado se muestran los resultados de las simulaciones correspondientes a la altura mínima de vuelo que necesitan los drones para poder ser detectados en frecuencia. Si se observan las figuras 5.48 y 5.49 el resultado obtenido es prácticamente idéntico. Se observa que al norte de la posición del C-UAS la altura mínima de detección aumenta debido al nivel del terreno. La detección al este y al oeste del sistema antidrón es bastante buena, estando en el rango de 1 metro de altura de vuelo y 100 metros de altura de vuelo. Sin embargo, al sur de la localización de C-UAS la detección es considerablemente peor. Esto se debe principalmente a los edificios del Centro de Vuelos Experimentales ATLAS. 86 Capítulo 5. Simulaciones de sistemas antidrón Figura 5.48 Altura mínima de vuelo para la detección por un sistema Rx trabajando en la banda de 2’4 GHz. 5.3 Frecuencia 87 Figura 5.49 Altura mínima de vuelo para la detección por un sistema Rx trabajando en la banda de 5’7 GHz. 94 Capítulo 5. Simulaciones de sistemas antidrón 5.4 Cámara Por último, se analizará la detección de drones utilizando cámaras. HTZ Communications permite calcular el área de visión de un dispositivo. Para ello, se emplea la simulación Coverage–>Network Calculation–>Intervisibility map. Esta simulación muestra el resultado de todos los puntos que no presentan ningún obstáculo en la linea directa entre el emisor (el sistema antidrón) y el sistema receptor (el drone). Además, permite modificar la altura a la que se encuentra el dron. A continuación se muestra en las figuras 5.62, 5.63, 5.64, 5.65, 5.66 y 5.67 la simulación correspondiente de visión directa para drones que se encuentran volando a una altura de 1 metro, 50 metros, 100 metros, 150 metros, 200 metros y 250 metros respectivamente. El área mostrada en azul es el área donde el sistema antidron detectaría un dron que vuele a la altura estimada. La posición del sistema antidrón es la misma utilizada en el apartado 5.3. Figura 5.62 Área de visualización del sistema antidron para drones que vuelan a 1 metro sobre el nivel del terreno. Figura 5.63 Área de visualización del sistema antidron para drones que vuelan a 50 metros sobre el nivel del terreno. 5.4 Cámara 95 Figura 5.64 Área de visualización del sistema antidron para drones que vuelan a 100 metros sobre el nivel del terreno. Figura 5.65 Área de visualización del sistema antidron para drones que vuelan a 150 metros sobre el nivel del terreno. 96 Capítulo 5. Simulaciones de sistemas antidrón Figura 5.66 Área de visualización del sistema antidron para drones que vuelan a 200 metros sobre el nivel del terreno. Figura 5.67 Área de visualización del sistema antidron para drones que vuelan a 250 metros sobre el nivel del terreno. 6 Comparación con resultados reales Una vez estudiados los diferentes tipos de sistemas antidrón, se procede a comparar los resultados obtenidos en la prueba realizada en ATLAS con los resultados simulados. Esto permitirá poder obtener un modelo/metodología que permita establecer redes de dispositivos antidrones utilizando la herramienta de HTZ Communications. Para esta comparación, se ha utilizado la aplicación diseñada para el proyecto ‘track2kml’ [48]. Esta herramienta permite transformar los datos obtenidos por las diferentes empresas, en formato json, a archivos kml para su visualizado en Google Earth. Esto permite visualizar las trayectorias que realizan los diferentes drones. Posteriormente, se han importado los datos de simulación a HTZ Communications. Como no se ha podido cargar directamente los archivos kml, se ha creado una aplicación en MATLAB para la conversión de archivos json a archivos visualizables en HTZ Communications. Esta aplicación permite añadir objetos Path de HTZ Communications con las trayectorias que ha seguido el drone, visualizadas previamente en Google Earth. Estos resultados se han comparado con las simulaciones obtenidas en el capítulo 5. 6.1 Importación de archivos en HTZ Communications En las pruebas realizadas en el proyecto COURAGEOUS se buscó la normalización la manera de guardar los resultados obtenidos por las diferentes empresas. Para ello, se optó por la utilización de JavaScript Object Notation(JSON), debido a la simplicidad del mismo a la hora de analizar y guardar información. Además, para una correcta visualización de los datos, se creó la aplicación track2kml. Esta aplicación permite la conversión de las trayectorias detectadas de los drones en los archivos JSON a archivos visualizables en Google Earth (KML). En este trabajo esta herramienta se ha utilizado para visualizar las diferentes trayectorias que los sistemas antidrón detectaron en la prueba realizada en ATLAS. Sin embargo, a la hora de utilizar dichos resultados, se ha comprobado que no todos se pueden visualizar correctamente. Es por ello que se han analizado todos los resultados obtenidos y se han utilizado aquellos que se pueden visualizar correctamente. Para implementar las trayectorias de los drones en HTZ Communications se ha utilizado el objeto Path. Este formato permite utilizar trayectorias de hasta 50 puntos en el entorno de simulación, pudiendo modificar la posición, la altura sobre el nivel del mar o la potencia de emisión, entre otros. Otro problema encontrado es la implementación de dichos archivos a HTZ Communications, ya que no es posible implementar directamente los archivos JSON. Es por ello que se ha realizado una conversión previa utilizando MATLAB. El código de dicha conversión es el que se encuentra en el código 6.1 Código 6.1 Conversión de archivos JSON a archivos Path de HTZ Communications. function json2htz(altura_origen,id_uas,fichero,nombre,modo) 97 98 Capítulo 6. Comparación con resultados reales %json2htz Transforma los json a archivos path de HTZ. % json2htz(altura_origen,id_uas,fichero,nombre,modo) Modo=1-->texto % "uas_id": numero, Modo=2 -->Texto "name": "numero" if modo==1 uas=sprintf(’"uas_id": %s,’,id_uas); else if modo==2 uas=sprintf(’"name": "%s"’,id_uas); end end texto=textscan(uas,’%c’); v_uas=cell2mat(texto); clear texto; drone=0; lines=readlines(fichero); %Fichero de texto fila=1; longitud=[’"lon":’]’; latitud=[’"lat":’]’; altura=[’"height_amsl":’]’; tabla=null(1,7); for i=1:length(lines) % Bucle para detectar en que posiciones de los datos se encuentra el % drone deseado aux=cell2mat(textscan(lines(i,1),’%c’)); if size(cell2mat(textscan(lines(i,1),’%c’)))==size(v_uas) if cell2mat(textscan(lines(i,1),’%c’))==v_uas drone=1; else if aux(1:9)==v_uas(1:9) drone=0; end end else if size(aux)>9 if aux(1:9)==v_uas(1:9) drone=0; end end end %Una vez que se tiene la posición del drone deseado en el código, se %elige que datos escoger en cada iteración if drone==1 && length(aux)>=6 if aux(1:6)==latitud tabla(fila,2)=str2double(aux(7:length(aux))); end if aux(1:6)==longitud tabla(fila,1)=str2double(aux(7:length(aux))); end end if drone==1 && length(aux)>14 if aux(1:14)==altura tabla(fila,3)=str2double(aux(15:length(aux)))+altura_origen; tabla(fila,4)=150; tabla(fila,5)=35; tabla(fila,6)=0; tabla(fila,7)=0; fila=fila+1; 6.1 Importación de archivos en HTZ Communications 99 end end end n_prom=ceil(length(tabla)/50); for aa=1:50 if(aa*n_prom<length(tabla)) for bb=1:n_prom if bb==1 suma=tabla(bb+n_prom*(aa-1),:); else suma=suma+tabla(bb+n_prom*(aa-1),:); end end media=suma/n_prom; tabla_f(aa,:)=media; end end writematrix(tabla_f,nombre,’Delimiter’,’;’) end El código analiza línea a línea del archivo JSON, al que previamente se debe convertir en un fichero de texto. Va leyendo cada línea hasta que aparece un objeto que se corresponda con el ID del dron. Una vez aparezca, guarda los datos de latitud, longitud y altura de vuelo (sobre el nivel del mar) en una tabla. Esta tabla tiene el siguiente formato: (x,y,z,p,e,tilt,a) •xse corresponde con la longitud en coordenadas 4DEC. •yse corresponde con la latitud en coordenadas 4DEC. •zse corresponde con la altura sobre el nivel del mar en metros. • pse corresponde con la potencia emitida por el dron. Aunque en el código se guarda con el valor de 150 W, este ha sido modificado posteriormente en HTZ Communications al valor correspondiente con la potencia máxima que puede emitir un dron en la banda de frecuencia determinada. •ese corresponde con el valor del campo electromagnético. El valor predeterminado es 35 dB µV m. • tilt se corresponde con el ángulo de inclinación de la antena. Se ha supuesto que la antena no está inclinada. • ase corresponde con la ganancia/amplificación de la antena. Como se utiliza la potencia máxima que pueden emitir los drones, esta ganancia se corresponde con 0 dB. Como mucho, se crearán 50 puntos diferentes de vuelo del dron debido a la limitación del objeto Path de HTZ Communications. Por ello, en caso de que el fichero JSON genere más de 50 puntos y para no perder información, se promedian los resultados si fuera necesario. Para utilizar esta función se deben realizar los siguientes pasos: • Primero se debe visualizar el fichero KML de la trayectoria del dron deseado, anotando el número de identificación de la trayectoria. Este dato se corresponde con id_uas. Se ve un ejemplo de esto en la figura 6.1. • Después se debe ver la altura a la que se encuentra sobre el nivel del mar el sistema antidrón que detecta al dron. Este dato se ha obtenido de ficheros JSON que proporcionan la posición y altura de los sistemas antidrón. Este dato se corresponde con altura_origen. • Lo último que se debe hacer antes de ejecutar el código es analizar como la empresa en cuestión ha codificado el nombre del dron. Esto se corresponde con el dato modo. Si la empresa ha codificado el dron como "uas_id" se debe seleccionar el modo 1. Si la empresa ha codificado el dron como "name" se debe seleccionar el modo 2. Esto se puede visualizar en la figura 6.2. 100 Capítulo 6. Comparación con resultados reales •El parámetro fichero es el nombre del fichero de donde se obtiene la información. •El parámetro nombre se corresponde con el nombre que se desea poner al fichero resultante. Figura 6.1 Trayectoria de vuelo de dron en Google Earth. (a) Modo 1: "uas_id". (b) Modo 2: "name". Figura 6.2 Codificación del nombre en los diferentes archivos JSON. Una vez obtenido el resultado, el código genera un archivo TXT que se puede implementar directamente en HTZ Communications.Un ejemplo de esto se puede visualizar en la figura 6.3 6.2 Comparación de simulaciones con datos reales 101 Figura 6.3 Fichero TXT implementable en HTZ Communications. 6.2 Comparación de simulaciones con datos reales Para la comparación de los resultados obtenidos en simulaciones se han utilizado los datos reales obtenidos en la prueba experimental realizada en ATLAS. Uno de los problemas encontrados a la hora de realizar esta comparación es que la gran mayoría de datos reales obtenidos para radar no se pueden visualizar correctamente en Google Earth, impidiendo su implementación en HTZ Communications. Esto se debe a que las empresas partícipes del proyecto COURAGEOUS no codificaron correctamente los resultados obtenidos. Sin embargo, para la detección en frecuencia existen varios archivos de diferentes empresas que se pueden visualizar en Google Earth y permiten una buena implementación en HTZ Communications. En este apartado se comentarán las diferentes simulaciones existentes para comparar datos. Posteriormente se analizarán los diferentes resultados obtenidos tanto en simulación como en ATLAS. 6.2.1 Simulaciones para comparar datos Analizando las simulaciones que se pueden realizar en HTZ Communications para objetos Path se han encontrado dos simulaciones que pueden ser útil para dicho propósito. Prueba de simultaneidad Esta simulación calcula la cobertura para cada uno de los puntos del Path o camino seguido por el dron. Posteriormente, determina para cada uno de los píxeles del mapa cuantos puntos del camino se detectarían (es decir, que supere el umbral mínimo de detección). El resultado obtenido es el porcentaje de puntos del camino que se detectaría en cada uno de los píxeles del mapa. Para realizar esta simulación lo primero es cargar el vuelo del dron y la posición del sistema antidrón. Posteriormente, se va a realizar la simulación como Path–>Path coverage calculation–>Simultaneous Coverage. Así se obtendrá un mapa que muestre el porcentaje de puntos que se detectan en las diferentes áreas de interés. Teniendo en cuenta que todos los puntos del Path han sido obtenidos mediante pruebas experimentales, se puede determinar un mapa de porcentaje de detección bastante realista utilizando las potencias de emisión de los drones comerciales. Esta simulación se puede utilizar para caminos determinados tanto por radar como frecuencia, y posteriormente implementados en el objeto Path. En este trabajo solo se ha utilizado para detección en frecuencia debido a la falta de datos de radares. Simulaciones P2P Este tipo de simulaciones permite calcular de forma rápida y eficaz las conexiones entre una estación fija y un móvil. Proporciona la potencia recibida y el nivel de campo correspondiente. Para realizar estas simulaciones se deben hacer como Path–>Path P2P–>Receiving–>Max Hold. Esta simulación puede permitir en un futuro determinar en una red que receptor es el que emite más potencia. 102 Capítulo 6. Comparación con resultados reales La base fija en esta simulación se comporta como transmisora y la base móvil se comporta como receptora, por lo que habrá que fijar la ganancia del sistema receptor como la ganancia correspondiente al CUAS. Este tipo de simulación sólo se puede realizar para la detección en frecuencia. 6.2.2 Detección por frecuencia El objetivo de este apartado será la utilización de las simulaciones comentadas con anterioridad para comprobar que los resultados proporcionan un modelo pesimista. Si se comparan datos reales con datos simulados, y estos últimos proporcionan un peor resultado que la realidad, se podría asegurar que los resultados de las simulaciones se cumplirían en la realidad. Esto permite establecer una metodología para simular sistemas antidrón en HTZ Communications. Para comparar los datos mediante detección por frecuencia, se han utilizado los vuelos experimentales determinados por dos empresas. Estas empresas son la española Telefonica y la israelí Sentrycs. Debido a la falta de información pública de estas empresas sobre el funcionamiento de sus sistemas antidrón y no saber en que banda de frecuencia se trabaja, se han realizado las simulaciones para las dos bandas de frecuencia en las que suelen trabajar los drones: banda de 2’4 GHz y banda de 5’7GHz. Se han utilizado 5 detecciones de vuelos diferentes para esta comparación. Tres de los vuelos se corresponden con detecciones realizadas por un C-UAS de la empresa Telefónica. Las otras 2 detecciones utilizadas se corresponden con datos proporcionados por la empresa Sentrycs. Una vez obtenidos los correspondientes ficheros compatibles con los objetos Path se importan en HTZ Communications. En las figuras 6.4, 6.5, 6.6, 6.7 y 6.8 se muestran las diferentes trayectorias. Figura 6.4 Vuelo 1. Figura 6.5 Vuelo 2. 6.2 Comparación de simulaciones con datos reales 103 Figura 6.6 Vuelo 3. Figura 6.7 Vuelo 4. Figura 6.8 Vuelo 5. Prueba de simultaneidad A partir de las diferentes trayectorias obtenidas, se realiza la prueba de simultaneidad para diferentes frecuencias. En estas simulaciones la potencia emitida de los drones se corresponde con 0’1 W en la banda de 110 Capítulo 6. Comparación con resultados reales Tabla 6.3 Resultados de la simulación P2P para el vuelo 3. 2400 MHz 5725 MHz Punto Distancia (m) FS (dB µV m) PR (dBm) FS (dB µV m) PR (dBm) 1 1638.40 34.26 -110.6 24.46 -127.9 2 1491.29 33.81 -111 23.99 -128.4 3 996.76 36.99 -107.8 27.14 -125.2 4 754.26 80.89 -63.9 75.9 -76.5 5 694.22 65.36 -79.5 58.41 -94 6 757.64 49.4 -95.4 39.69 -112.7 7 849.06 39.85 -105 30.35 -122 8 1053.58 33.3 -111.5 23.84 -128.5 9 1308.63 36.04 -108.8 26.72 -125.7 10 1754.09 23.41 -121.4 13.74 -138.6 11 1584.35 34.35 -110.5 24.56 -127.8 12 1377.68 31.97 -112.9 22.42 -130 13 1191.07 27.6 -117.2 17.87 -134.5 14 1083.81 31.59 -113.2 21.95 -130.4 15 863.84 44.51 -100.3 34.96 -117.4 16 730.88 56 -88.8 55.12 -97.3 17 720.41 60.02 -84.8 48.57 -103.8 18 751.67 48.86 -96 39.12 -113.3 19 838.65 41 -103.8 31.25 -121.1 20 969.01 36.28 -108.5 26.47 -125.9 21 1219.18 37.01 -107.8 26.77 -125.6 22 1516.47 22.82 -122 12.94 -139.4 23 1516.47 22.82 -122 12.94 -139.4 24 1516.47 22.82 -122 12.94 -139.4 25 1516.47 22.82 -122 12.94 -139.4 26 1516.47 22.82 -122 12.94 -139.4 27 1516.47 22.82 -122 12.94 -139.4 28 1516.47 22.82 -122 12.94 -139.4 29 1516.47 22.82 -122 12.94 -139.4 30 1516.47 22.82 -122 12.94 -139.4 31 1516.47 22.82 -122 12.94 -139.4 32 1516.47 22.82 -122 12.94 -139.4 33 1516.47 22.82 -122 12.94 -139.4 34 1516.47 22.82 -122 12.94 -139.4 35 1516.47 22.82 -122 12.94 -139.4 36 1516.47 22.82 -122 12.94 -139.4 37 1525.53 32.24 -112.6 22.77 -129.6 6.2 Comparación de simulaciones con datos reales 111 Tabla 6.4 Resultados de la simulación P2P para el vuelo 4. 2400 MHz 5725 MHz Punto Distancia (m) FS (dB µV m) PR (dBm) FS (dB µV m) PR (dBm) 1 76.97 101.89 -42.9 95.55 -56.8 2 100.34 82.04 -62.8 74.03 -78.3 3 416.70 70.05 -74.8 63.46 -88.9 4 933.13 34.67 -110.2 24.86 -127.5 5 56.18 105.01 -39.8 99.3 -53.1 6 1390.60 31.06 -113.8 21.64 -130.7 7 40.05 107.9 -36.9 103.88 -48.5 8 40.05 107.9 -36.9 103.88 -48.5 9 40.05 107.9 -36.9 103.88 -48.5 10 40.05 107.9 -36.9 103.88 -48.5 11 40.05 107.9 -36.9 103.88 -48.5 12 44.04 106.75 -38.1 102.52 -49.9 13 40.05 107.9 -36.9 103.88 -48.5 14 44.04 106.75 -38.1 102.52 -49.9 15 44.04 106.75 -38.1 102.52 -49.9 16 40.05 107.9 -36.9 103.88 -48.5 17 40.05 107.9 -36.9 103.88 -48.5 18 56.18 105.01 -39.8 99.3 -53.1 19 96.75 98.82 -46 93.2 -59.2 20 314.21 71.56 -73.3 64.18 -88.2 21 311.22 53.49 -91.3 45.08 -107.3 22 152.05 61.72 -83.1 51.88 -100.5 23 434.26 54.44 -90.4 45.56 -106.8 24 1858.74 33.57 -111.3 24.39 -128 25 2484.60 28.4 -116.4 19.14 -133.2 26 322.54 72.6 -72.2 65.82 -86.6 27 105.00 98.03 -46.8 92.54 -59.8 28 40.25 107.83 -37 103.79 -48.6 29 48.04 105.74 -39.1 101.34 -51 30 121.92 95.04 -49.8 89.04 -63.3 31 185.61 60.52 -84.3 51.12 -101.3 32 449.46 65.52 -79.3 57.03 -95.3 33 576.14 66.19 -78.6 58.91 -93.5 34 1529.55 21.51 -123.3 13.21 -139.2 35 1203.15 34.74 -110.1 25 -127.4 36 1685.75 28.69 -116.1 19.91 -132.5 37 2442.95 30.55 -114.3 20.73 -131.6 38 2072.75 -11.17 -156 -21.55 -173.9 39 1940.12 22.7 -122.1 13.43 -138.9 112 Capítulo 6. Comparación con resultados reales Tabla 6.5 Resultados de la simulación P2P para el vuelo 5. 2400 MHz 5725 MHz Punto Distancia (m) FS (dB µV m) PR (dBm) FS (dB µV m) PR (dBm) 1 65.12 102.55 -42.3 97.24 -55.1 2 55.75 103.97 -40.9 99.27 -53.1 3 248.20 61.22 -83.6 51.49 -100.9 4 231.52 55.17 -89.7 47.1 -105.3 5 57.31 104.72 -40.1 99.02 -53.4 6 57.31 104.72 -40.1 99.02 -53.4 7 56.60 104.9 -39.9 99.19 -53.2 8 64.51 102.6 -42.2 97.27 -55.1 9 166.90 82.05 -62.8 77.4 -75 10 73.00 101.57 -43.3 95.82 -56.6 11 117.14 98.12 -46.7 92.89 -59.5 12 96.67 98.83 -46 93.49 -58.9 13 91.22 99.39 -45.4 93.76 -58.6 14 178.40 80.38 -64.4 75.13 -77.2 15 328.54 64.13 -80.7 55.02 -97.4 16 180.89 80.24 -64.6 75 -77.4 17 166.45 79.49 -65.3 73.24 -79.1 18 101.24 99.38 -45.4 93.45 -58.9 19 147.08 86.84 -58 87.36 -65 20 29.19 111.92 -32.9 114.48 -37.9 21 72.01 101.4 -43.4 96 -56.4 22 2666.51 18.83 -126 9.27 -143.1 23 895.08 64.9 -79.9 57.96 -94.4 24 1426.64 26.2 -118.6 16.38 -136 25 2119.61 -17.18 -162 -27.67 -180 26 717.22 35.74 -109.1 26.4 -126 27 766.84 39.13 -105.7 29.32 -123.1 28 73.76 101.46 -43.4 95.79 -56.6 29 73.76 101.46 -43.4 95.79 -56.6 30 69.86 101.77 -43.1 96.42 -56 31 465.07 56.31 -88.5 47.16 -105.2 32 418.65 63.82 -81 61.19 -91.2 33 359.42 72.21 -72.6 65.65 -86.7 34 70.89 101.61 -43.2 96.26 -56.1 35 58.27 104.74 -40.1 98.78 -53.6 36 538.93 51.92 -92.9 43.28 -109.1 37 216.98 76.27 -68.6 67.96 -84.4 6.2 Comparación de simulaciones con datos reales 113 Resultados obtenidos Para analizar los resultados de las conexiones en frecuencia, se va a utilizar el indicador de fuerza de la señal recibida (RSSI en sus siglas en inglés). Este indicador establece que mientras más cercano es el valor a 0 dBm de potencia, mejor es la señal recibida. Por otro lado, se establece que si la intensidad de campo es superior a 40 dB µV m , la conexión es buena. Si se encuentra en el rango entre 40 dB µV m y 35 dB µV m , la conexión es aceptable. Si se encuentra por debajo de 35 dB µV m, la conexión realizada es pobre. [49] Se puede observar analizando las diferentes figuras correspondientes a las simulaciones de simultaneidad (6.9, 6.10, 6.11, 6.12 y 6.13) que los resultados obtenidos son bastante pesimistas. Se debe tener en cuenta que, con una ganancia de 25 dB y suponiendo el umbral mínimo de detección, de 35 dB µV m , la simulación en ninguno de los casos detectaría el 100% de los puntos que debería obtener (puesto que los puntos se corresponden con resultados reales). Es por ello que, para las condiciones establecidas, se obtienen resultados pesimistas. Como el valor de la ganancia utilizado es arbitrario y depende del sistema antidrón, se debe analizar si es posible que un C-UAS pueda utilizar una ganancia de 25 dB. Para ello, se analizará a partir del tamaño de la antena parabólica. El tamaño de la antena esperado debe ser coherente con el tamaño de los sistemas antidrón, que suelen oscilar entre 1 metro y 5 metros [15] [46] [47]. Si analizamos el diámetro necesario para obtener una antena parabólica con esa ganancia, utilizando la ecuación de la antena parabólica 6.1 g= (πd λ)2e(6.1) Donde: •ges la ganancia de potencia de la antena en unidades naturales. •des el diámetro de la antena. •λes la longitud de onda de la señal. •e es la eficiencia de apertura de la antena. Para antenas parabólicas este valor oscila típicamente entre 0’55 y 0’7. Suponiendo que la eficiencia de la antena es de e=0′5 y una ganancia de 25 dB (316’23 en unidades naturales), se obtendrían antenas de 100’06 cm de diámetro para la banda de 2’4 GHz y 41’63 cm de diámetro para la banda de 5’7 GHz. Este tamaño es propicio para poder ser incorporado en sistemas antidrón portátiles, siendo de esperar que los sistemas antidrón tengan antenas de una ganancia superior a 25 dB. Por tanto, los resultados obtenidos en simulación se corresponden al porcentaje detectado para una conexión aceptable para sistemas antidrón. Esta simulación, tal y como se buscaba, muestra resultados pesimistas. Si se analizan los datos obtenidos en las tablas (6.1, 6.2, 6.3, 6.4 y 6.5) se puede corroborar lo comentado previamente. En ellas se proporcionan los valores de la intensidad del campo junto con los valores de la potencia obtenida. Todos los puntos que superen el valor de 35 dB µV m son los que se detectarían en el según la simulación anterior con una conexión aceptable. Si la intensidad de campo es menor a este valor, según la simulación no sería posible detectar este punto. Teniendo en cuenta todo lo anterior, se puede determinar que la simulación de sistemas de detección de drones utilizando frecuencia se pueden realizar siguiendo el método descrito en este apartado. Además, los resultados reales serán presuntamente mejores que los obtenidos en la simulación. 6.2.3 Detección por radar Para comparar los datos mediante la detección por radar se ha encontrado un problema: no existen archivos de detección por radar que se puedan implementar directamente en HTZ Communications utilizando la herramienta desarrollada en el apartado 6.1. Es por ello que se analizarán resultados grabados en vídeo de las pruebas realizadas. Algunas empresas que utilizaban la tecnología radar guardaron sus resultados en vídeos, mostrando hasta que zona del mapa eran capaces de detectar los drones. Además, en algunas grabaciones, se pueden observar 114 Capítulo 6. Comparación con resultados reales datos relevantes como la posición, la altura de vuelo o la velocidad. Estos datos permiten la utilización de ficheros Path de HTZ Communications a través de la implementación de un fichero TXT como el que se encuentra en la figura 6.3. La trayectoria implementada es la que se puede observar en la figura 6.15. Una vez obtenida una trayectoria seguida por un dron real y su posterior implementación en HTZ Communications se simulan los sistemas antidrón del apartado 5.2. Se usarán los parámetros detallados en las tablas 5.2 y 5.3 junto con las ganancias utilizadas para el radar de EchoShield. El objetivo será obtener la potencia mínima que necesita el radar en esas condiciones para poder detectar el dron. Esto permitirá obtener un umbral de detección ajustado a la realidad. Además, se definirán rangos de señal que permitan analizar los resultados de las simulaciones. Estos rangos proporcionan información de la detección esperada a partir de los datos reales obtenidos. Figura 6.15 Trayectoria real detectada por radar. A partir de la trayectoria obtenida y los valores detectados de altura de vuelo sobre el nivel del terreno, se obtiene la potencia que detectarían los radares simulados con una trayectoria real. Se utilizará la simulación de intensidad de potencia de campo empleada en el apartado 5.2. Lo primero que se debe hacer es analizar cual de todos los puntos del objeto Path detecta una potencia menor. Este punto es el número 1, que se encuentra a una distancia de 2288 metros del sistema antidrón y a una altura sobre el nivel del terreno de 634 metros. Esta altura será la que se utilizará para las simulaciones. En la tabla 6.6 se recogen todos los valores mínimos de potencia obtenidos en simulación para cada uno de los radares. Si no es posible detectar el punto con los parámetros de dicho radar, se indica con ’F.R.’ó fuera de rango. Tabla 6.6 Potencia mínima detectada en la trayectoria real. IRIS Radar ART Midrange 3D EchoShield Radar RCS (m2)1 0.01 1 0.01 1 0.01 Ganancia antenas (dB) 15 10 15 10 12.5 6 12.5 6 15 10 15 10 Pot. mínima (dBm) -65.5 -70.5 -65.5 -70.5 -71.6 -78.6 -71.6 F.R. -59.4 -64.4 -59.4 F.R. A partir de los datos obtenidos en la tabla se puede establecer ciertos rangos donde la detección por radar sería adecuada. Estos rangos se contemplan en la tabla 6.7. 6.3 Metodología para simular sistemas antidrón 115 Tabla 6.7 Rangos para simulaciones en radar. Detección Potencia Descripción Detección segura Superior a -59 dBm Este rango está por encima de la potencia detectada en las pruebas reales. Se supone que si la simulación proporciona que el radar recibe una potencia de señal en este rango, en la realidad tampoco deben existir problemas para la detección. Detección estimada Entre -59 dBm y -79 dBm Es el rango donde se encuentran todas las medidas obtenidas en la comparación con los datos reales. Se supone que si se obtiene un valor de la señal en este rango en la simulación, se detectaría también en la realidad. Sin embargo, el margen de confianza disminuye frente al rango anterior. Posible detección Entre -79 dBm y -82 dBm Se considera que en este rango la detección es posible, pero no se asegura debido a que no se tienen datos reales para contrastar. Se establece este margen según la caída de 3 dB desde el último valor real obtenido. Mala detección Entre -82 dBm y -126 dBm En este rango la probabilidad de detección es muy baja, siendo posible no detectar nada a pesar de estar en estos valores. Este rango se establece entre el valor mínimo real que se tiene menos 3 dB y el valor umbral de HTZ Communications. 6.3 Metodología para simular sistemas antidrón Una vez comparados los diferentes resultados de las simulaciones realizadas con los datos reales obtenidos en las pruebas correspondientes a ATLAS, se puede realizar una metodología que estandarice la simulación de sistemas antidrón en HTZ Communications. Aunque esta metodología se ha desarrollado para HTZ Communicatons, es posible que pueda ser implementada en diferentes herramientas comerciales para la planificación de redes de telecomunicaciones. Los pasos a seguir para realizar simulaciones de sistemas antidrón en HTZ Communications son los siguientes: 1. Lo primero que se debe obtener un mapa inicial con una buena resolución. Lo ideal es tener una resolución de 2 metros cuadrados. Se pueden utilizar las herramientas de Map Download Manager integrada en HTZ Communications que contiene numerosos mapas de diferentes zonas a nivel internacional. También se pueden usar contenidos provenientes de fuentes institucionales como el Instituto Geográfico Nacional. En caso de hacerlo, se conviene seguir los pasos empleados en el capítulo 3. 2. Una vez creado el proyecto, se debe seleccionar el modelo determinístico con pérdidas de difracción Delta Bullington y con pérdidas de subruta de Fine. 3. Se colocarán los diferentes sistemas antidrón que se desean simular: detección de frecuencia, detección por radar o detección por cámara. 4. Los parámetros que se seleccionen para las diferentes simulaciones deben ser lo más realistas posibles. Mientras más información se dispone del fabricante del equipo, mejor serán las simulaciones. Se recomienda realizar el método de trabajo empleado en el capítulo 5. 5. Para realizar la simulación en frecuencia se recomienda establecer una ganancia mínima de 25 dB (si se desconoce el dato) y un umbral de detección de 35 dB µV m. 6. Para la simulación correspondiente a radar se recomienda tener el mayor número de parámetros posibles. Los datos más importantes son la frecuencia de funcionamiento y la distancia de detección para drones medianos/pequeños. Con estos datos se pueden realizar simulaciones aceptables ajustando la ganancia o la potencia del sistema antidrón. 116 Capítulo 6. Comparación con resultados reales 7. Para comprobar los resultados de las diferentes tecnologías se deben seguir las diferentes simulaciones: • En detección de cámaras se considera que, en ese terreno y a esa altura de vuelo, la simulación proporciona los lugares visibles por el sistema antidrón. • En detección por frecuencia, si un sistema antidrón tiene una ganancia superior a 25 dB y, según la simulación, la cobertura de la señal es superior a 35 dB µV m , el sistema detectaría un dron que sobrevuela dicha área. En un entorno sin perturbaciones, es bastante probable que el rango de detección obtenido en la simulación sea mayor en la realidad. •En detección por radar, se recomienda seguir las indicaciones detalladas en la tabla 6.7 7 Conclusiones y futuras líneas de investigación Este trabajo detalla el procedimiento a seguir para simular sistemas antidrón en HTZ Communications. La realización de este trabajo ha buscado allanar el camino para futuras investigaciones sobre drones maliciosos, proporcionando la utilización de una herramienta que permita realizar simulaciones en un terreno real. Los resultados obtenidos durante las diferentes simulaciones han permitido la elaboración de una metodología de simulación. Esta metodología puede ser de utilidad para la realización de redes de sistemas antidrón o estudiar el terreno ante posibles amenazas con drones, entre otros. 7.1 Futuras líneas de investigación Durante el desarrollo del trabajo se han planteado temas que, debido a su complejidad y/o extensión, no se han podido analizar. Estos temas abren nuevos frentes de cara a futuras investigaciones. Uno de los primeros aspectos que se podrían mejorar es el modelo utilizado. En este trabajo se ha buscado un modelo pesimista. Esto permite asumir que, al obtener resultados peores a la realidad, todo resultado obtenido en simulación se cumplirá. Sería interesante la realización de un modelo matemático que permita obtener simulaciones más precisas. El siguiente aspecto que, por falta de tiempo, no se ha podido analizar es como las interferencias afectan a los diferentes resultados. Estudiar todas las perturbaciones que puedan afectar a un sistema antidrón mejoraría los resultados ya obtenidos durante la realización de este trabajo. Otro futuro desarrollo sería la utilización de la metodología detallada en el 6.3 para elaborar una red de diferentes sistemas con varias tecnologías. Esto permitiría analizar zonas del terreno idóneas para colocar sistemas antidrón o mejorar redes ya existentes analizando los puntos débiles de las mismas. Por último, sería interesante el análisis en entornos urbanos. En este trabajo, y debido a los datos disponibles, se ha trabajado en un entorno rural. En un entorno urbano los obstáculos incrementarían. Esto hace que algunos factores poco relevantes en este trabajo como la posición del sistema o la reflexión de las señales tomen una mayor importancia. 117 Apéndice A Estudios de perfil del modelado de antenas En este apéndice se muestran los estudios de perfil utilizados en el modelado de antenas. Los resultados obtenidos (PSO) se encuentran en la tabla 4.3 para una mejor visualización. Figura A.1 Perfil entre puntos 1-2 con antena isotrópica.. Figura A.2 Perfil entre puntos 1-2 con antena dipolo de Hertz.. 119 126 Apéndice B. Estudios de perfil entre los puntos 1-2 para el modelado de pérdidas de difracción y pérdidas de subrutas Figura B.2 Perfil con modelo de difracción "ITU-R 526 Cylinders" y método de subruta "Coarse". Figura B.3 Perfil con modelo de difracción "ITU-R 526 Cylinders" y método de subruta "Delta Bullington". Figura B.4 Perfil con modelo de difracción "ITU-R 526 Cylinders" y método de subruta "Fine". 127 Figura B.5 Perfil con modelo de difracción "ITU-R 526 Cylinders" y método de subruta "Integrales de Fresnel". Figura B.6 Perfil con modelo de difracción "ITU-R 526 Cylinders" y método de subruta "Standard". Figura B.7 Perfil con modelo de difracción "Delta Bullington" y método de subruta "Area". 128 Apéndice B. Estudios de perfil entre los puntos 1-2 para el modelado de pérdidas de difracción y pérdidas de subrutas Figura B.8 Perfil con modelo de difracción "Delta Bullington" y método de subruta "Coarse". Figura B.9 Perfil con modelo de difracción "Delta Bullington" y método de subruta "Delta Bullington". Figura B.10 Perfil con modelo de difracción "Delta Bullington" y método de subruta "Fine". 129 Figura B.11 Perfil con modelo de difracción "Delta Bullington" y método de subruta "Integrales de Fresnel". Figura B.12 Perfil con modelo de difracción "Delta Bullington" y método de subruta "Standard". Figura B.13 Perfil con modelo de difracción "Deygout 94" y método de subruta "Area". 130 Apéndice B. Estudios de perfil entre los puntos 1-2 para el modelado de pérdidas de difracción y pérdidas de subrutas Figura B.14 Perfil con modelo de difracción "Deygout 94" y método de subruta "Coarse". Figura B.15 Perfil con modelo de difracción "Deygout 94" y método de subruta "Delta Bullington". Figura B.16 Perfil con modelo de difracción "Deygout 94" y método de subruta "Fine". 131 Figura B.17 Perfil con modelo de difracción "Deygout 94" y método de subruta "Integrales de Fresnel". Figura B.18 Perfil con modelo de difracción "Deygout 94" y método de subruta "Standard". Figura B.19 Perfil con modelo de difracción "ITU-R 526 Round Mask" y método de subruta "Area". 132 Apéndice B. Estudios de perfil entre los puntos 1-2 para el modelado de pérdidas de difracción y pérdidas de subrutas Figura B.20 Perfil con modelo de difracción "ITU-R 526 Round Mask" y método de subruta "Coarse". Figura B.21 Perfil con modelo de difracción "ITU-R 526 Round Mask" y método de subruta "Delta Bullington". Figura B.22 Perfil con modelo de difracción "ITU-R 526 Round Mask" y método de subruta "Fine". 133 Figura B.23 Perfil con modelo de difracción "ITU-R 526 Round Mask" y método de subruta "Integrales de Fresnel". Figura B.24 Perfil con modelo de difracción "ITU-R 526 Round Mask" y método de subruta "Standard". Apéndice C Estudios de perfil entre los puntos 1-3 para el modelado de pérdidas de difracción y pérdidas de subrutas En este apéndice se muestran los estudios de perfil utilizados en el modelado de pérdidas de difracción y pérdidas de subrutas en el perfil 1-3. Los resultados obtenidos (PSO) se encuentran en la tabla 4.5 para una mejor visualización. Figura C.1 Perfil con modelo de difracción "ITU-R 526 Cylinders" y método de subruta "Area". 135