Multiple-input multiple-output radar for drone detection and localisation

Best, Aske Barnaby Rasborg

3. semester

Electronic Systems, Master

2025

2025-01-06

61

The growing use of small, low-cost suicide drones in modern warfare poses a significant threat to military assets. This project advances the design of Archangel: a system for drone detection and localization. The system combines a radar and a camera to collect spherical measurements—distance, angles relative to the sensor, and speed. A multiple-input multiple-output (MIMO) radar with several transmit and receive antennas is used to estimate azimuth (horizontal direction) in addition to range and velocity. We evaluate four signal processing methods for direction-of-arrival estimation of radar echoes: angle FFT, Bartlett and Capon beamformers, and the high-resolution MUSIC algorithm. Multiple data collections under varied environmental conditions assess radar target detection performance. To improve position estimates, we fuse radar and camera data by converting their spherical measurements to Cartesian coordinates (x, y, z) and applying a Kalman filter. The Kalman filter combines noisy measurements from both sensors over time, models approximately linear motion, and reduces random errors. The method provides reliable estimates of a drone’s location and velocity. We identify the key advantages and limitations of the approaches and lay the groundwork for an effective drone detection and localization system.

Den stigende brug af små og billige kamikazedroner (suicide-droner) i moderne krigsførelse udgør en væsentlig trussel mod militære aktiver. Dette projekt videreudvikler designet af Archangel: et system til at opdage og stedfæste droner. Systemet kombinerer en radar og et kamera for at indsamle sfæriske målinger—afstand, vinkler i forhold til sensoren og hastighed. En multiple-input multiple-output (MIMO) radar med flere sende- og modtageantenner bruges til at bestemme azimut (den vandrette retning) ud over afstand og hastighed. Vi undersøger fire signalbehandlingsmetoder til at anslå ankomstretningen for radarekkoet: angle FFT, Bartlett- og Capon-beamformere samt den højopløselige MUSIC-algoritme. Der er gennemført flere dataindsamlinger under varierende miljøforhold for at vurdere radarens måldetektion. For at forbedre stedfæstelsen fusionerer vi radar- og kameradata ved at omregne de sfæriske målinger til kartesiske koordinater (x, y, z) og anvende et Kalman-filter. Kalman-filtret kombinerer støjende målinger fra begge sensorer over tid, modellerer omtrent lineær bevægelse og dæmper tilfældige fejl. Metoden giver pålidelige estimater af dronens position og hastighed. Vi identificerer de grundlæggende fordele og begrænsninger ved metoderne og lægger grunden til et effektivt system til droneopdagelse og -lokalisering.

[This apstract has been rewritten with the help of AI based on the project's original abstract]

Rdar ; MIMO radar ; Target detection ; CA-CFAR ; Data fusion ; Kalman filter ; Tracking

Download PDF
View record in AAU Student Projects

Best, Aske Barnaby Rasborg:

• Drone localisation and tracking using a distributed FMCW MIMO radar network (2025)