Odhad parametrů FHSS radiových linek pro bezpilotní prostředky UAV

Abstract

V posledních letech došlo k masovému rozšíření drobných bezpliotních letounů (UAV), tzv. dronů. V této práci se zaměříme na drony ovládané uživatelem na dálku pomocí rádiového signálu využívajícího metodu rozprostřeného spektra frekvenčním skákáním (FHSS). Cílem práce je odhadnout parametry takto modulovaného signálu vyslaneho příslušným ovladačem dronu. Ke splnění tohoto cíle bude využito nejmodernějšího softwarově definovaného rádiového přijímače. Prvním krokem je představení a srovnání nástrojů pro časově-frekvenční analýzu, konkrétně krátkodobou Fourierovu transformaci, vlnkovou transformaci a Wigner-Villovu distribuci (WVD). S použitím patřičně nakonfigurovaného softwarově definovaného radiového přijímače provedeme měření a záznam skutečného signálu vyslaného ovladačem dronu. Po časově-frekvenční analýze měřeného signálu je představen adaptivní práh s použitím Constant False Alarm Rate (CFAR) algoritmu pro odhad parametrů fhss modulace. Závěr práce je věnován implementaci energetického detektoru na bázi STFT a vybraného CFAR algoritmu do FPGA pro detekování FHSS signálu v reálném čase.

Recently, there has been an expansion of unmanned aerial vehicles (UAV) - flying drones - in use. In this project, we focus on drones controlled by user's remote radio controller using a frequency-hopping spread spectrum (FHSS) modulation. The main goal is to estimate parameters of such modulated signal transmitted by a drone's controller. To accomplish the task, we are using a state-of-the-art software-de ned radio (SDR) receiver. The first step is to introduce and compare several time-frequency analysis tools, specifically the Short-time Fourier transform (STFT), the wavelet transform (wt) and the Wigner-Ville distributions (WVD). Deploying properly configured SDR receiver, a record of a realistic unknown drone controller's FHSS signal is taken. After time-frequency analysis of the recorded signal, we introduce an adaptive threshold based on a constant false alarm ratio (CFAR) algorithm to estimate the parameters of the recorded FHSS signal. At the end of our work, we implement an energy detector based on the STFT together with the selected CFAR algorithm into an FPGA to detect the UAV's FHSS signal in real-time.