Cómo reconoce el radar antidrones a los drones

Pregunte a un fabricante de radares qué puede hacer su sistema y la primera cifra que oirá es un alcance de detección. Pregunte a los operadores qué es lo que realmente les amarga los turnos y la historia cambia: las falsas alarmas. Aves, insectos, bolsas de plástico, maquinaria giratoria: un radar que lo detecta todo pero no reconoce nada convierte cada turno en fatiga por alarmas, y los drones de verdad se ahogan en el ruido.

Por eso el reconocimiento de blancos se ha convertido en la capacidad que define al radar counter-UAS moderno. La detección responde a «¿hay algo ahí?». El reconocimiento responde a «¿qué es?», y en la defensa aérea de baja cota la segunda pregunta suele ser la difícil. Este artículo explica cómo funciona el reconocimiento por radar, por qué compite con la detección y qué debe verificar el comprador antes de fiarse de una ficha técnica.

Por qué el reconocimiento es el cuello de botella

La mayoría de los radares counter-UAS desplegados logran lo que los ingenieros llaman clasificación de nivel 2 (Tier-2): en condiciones de seguimiento estables pueden ordenar los blancos en clases gruesas — dron, ave, persona, vehículo, clutter. Suena suficiente hasta que se piensa en el entorno real de operación. Aeropuertos, humedales, azoteas urbanas y bordes de bosque están llenos de aves, y un ave pequeña en vuelo nivelado tiene aproximadamente la velocidad y la sección radar equivalente de un dron pequeño. Con solo los datos de trayectoria no hay forma de separarlos.

La consecuencia es estructural: si la clasificación no es fiable, el sistema solo puede elegir entre alarmar ante todo (y agotar a sus operadores) o subir el umbral de alarma (y arriesgarse a perder drones reales). Ninguna de las dos opciones es aceptable en una infraestructura crítica. La calidad del reconocimiento es lo que decide de qué modo de fallo va a sufrir el sistema.

Micro-Doppler: la huella del rotor

La característica que cambió este panorama es la firma micro-Doppler. El movimiento de traslación del blanco produce un único desplazamiento Doppler, pero las partes móviles del blanco — rotores que giran, alas que aletean, extremidades que oscilan — imprimen modulaciones de frecuencia adicionales y características sobre el eco. Los rotores de un cuadricóptero generan líneas espectrales densas, regulares y con forma de peine; el aleteo de un ave es un patrón de vaivén más lento que en el dominio tiempo-frecuencia tiene un aspecto completamente distinto. Para una introducción más amplia al fenómeno en sí, consulte nuestra guía para principiantes sobre el micro-Doppler y la más técnica explicación de la firma micro-Doppler.

Dos factores físicos determinan hasta qué punto un radar puede aprovechar el micro-Doppler:

La longitud de onda. Las longitudes de onda cortas son más sensibles a los movimientos de escala centimétrica. Los radares en banda Ku y Ka resuelven los rotores pequeños mucho mejor que los sistemas de menor frecuencia: una de las diferencias prácticas que tratamos en radar de banda Ku frente a banda Ka.
El tiempo de permanencia. Cuanto más tiempo permanece el haz sobre el blanco, más rica es la información micro-Doppler. Los radares de barrido rápido refrescan todo el volumen con frecuencia, pero dedican poco tiempo a cada blanco: un compromiso directo con la calidad de la clasificación, que desarrollamos más abajo.

En el lado del procesamiento, la cadena habitual aplica una transformada de Fourier de tiempo corto (STFT) para generar mapas tiempo-frecuencia y los alimenta a un clasificador entrenado, normalmente una red neuronal convolucional. La salida ya no es una simple traza en pantalla, sino una trayectoria con una etiqueta de clase y una confianza asociadas: dron, ave u otro.

Los límites honestos del reconocimiento basado en clasificadores

El reconocimiento basado en clasificadores funciona, pero sus límites merecen la misma atención:

Alcance. Las características micro-Doppler necesitan una relación señal/ruido saludable, así que el alcance de clasificación siempre es menor que el de detección. Un radar que detecta a 5 km un dron de RCS 0,01 m² puede que solo lo clasifique con fiabilidad dentro de 3-4 km. Al comparar productos, pida las dos cifras: la misma disciplina que recomendamos en alcance de detección frente a alcance de seguimiento.
Datos de entrenamiento. Un clasificador vale lo que vale su conjunto de entrenamiento. Los modelos entrenados con un puñado de drones populares pueden fallar ante plataformas desconocidas, y la extracción de características dentro de una red profunda no es interpretable: cuando clasifica mal, no puede decirle por qué. Las afirmaciones de los fabricantes en este punto son las que más inflación comercial acumulan de toda la ficha técnica.
Permanencia frente a barrido. El reconocimiento pide permanencias largas; la vigilancia de área amplia pide revisitas rápidas. Un radar de barrido mecánico de una sola cara que se queda mirando un blanco para clasificarlo está, durante ese instante, dejando de barrer todo lo demás. Cómo equilibra una arquitectura la tasa de refresco y el tiempo de revisita frente a la permanencia de reconocimiento es uno de los verdaderos factores de diferenciación entre productos.

De lo serie a lo paralelo: cómo resuelven el compromiso las arquitecturas modernas

Los diseños antiguos manejaban detección, seguimiento y reconocimiento como una cadena en serie: primero detectar, después seguir y al final clasificar, con el radar detenido sobre un único blanco mientras lo clasificaba. Los diseños actuales ejecutan cada vez más estas funciones como procesos paralelos que interactúan entre sí. La unidad de reconocimiento procesa los ecos dentro del haz actual sin esperar a que se establezca una trayectoria, y los resultados de la clasificación realimentan la detección y el seguimiento: una trayectoria confirmada como ave puede pasar a menor prioridad y liberar tiempo de permanencia para los contactos desconocidos, mientras que un dron confirmado eleva al instante su propia prioridad de revisita.

El resultado práctico es una salida de trayectorias que transporta identidad además de posición, lo que a veces se llama percepción 4D: distancia, velocidad, posición y atributo. Para el operador, la pantalla muestra «dron, 2,8 km, aproximándose» en lugar de un punto anónimo, y la distinción entre detección y seguimiento se extiende de forma natural hacia la clasificación.

Qué debe verificar el comprador

El reconocimiento es la especificación con más probabilidades de lucir bien en la demostración y mal en el despliegue. Tres comprobaciones eliminan la mayor parte del riesgo:

Exija una prueba de clasificación en vivo. Haga volar drones reales — idealmente los suyos propios o modelos habituales alquilados — en el entorno real de despliegue, con aves presentes, y mida la tasa de acierto de la clasificación y la tasa de falsas alarmas. Los vídeos de demostración del fabricante se graban en condiciones elegidas por el fabricante.
Pida el alcance de clasificación por separado. Alcance de detección, alcance de seguimiento y alcance de clasificación son tres cifras distintas. Cualquier fabricante que se niegue a separarlas le está vendiendo la mejor de las tres.
Escriba el reconocimiento en la aceptación. «Tasa de acierto de clasificación ave/dron ≥ X % a Y km en el entorno de despliegue» tiene que figurar en la prueba de aceptación en sitio, junto a los criterios de alcance de detección y seguimiento que las licitaciones ya suelen incluir.

Nuestros radares de vigilancia de baja cota de la serie CR realizan la clasificación basada en micro-Doppler y adjuntan la clase del blanco y su confianza directamente a cada trayectoria entregada, de modo que las plataformas de mando pueden filtrar las alertas por clase. El CR-PK05B, por ejemplo, reporta la clasificación junto a sus datos de trayectoria de 360°: el sistema de mando ve qué es cada contacto, no solo dónde está.

Conclusión

El alcance de detección gana folletos; el reconocimiento gana despliegues. La física está zanjada — el micro-Doppler da al radar una vía fiable para separar rotores de alas —, pero el rendimiento en el mundo real depende de la elección de banda, la estrategia de permanencia, el entrenamiento del clasificador y una especificación honesta. Evalúe el reconocimiento como evalúa el alcance: con sus drones, en su entorno y contra criterios de aceptación escritos.

Cómo reconoce el radar antidrones a los drones: micro-Doppler, ATR y el equilibrio entre detección y reconocimiento