Studio di tecniche di rivelazione di bersagli navali per radar passivi multistatici basati su satelliti di navigazione
| Componente | Categoria |
|---|---|
| Debora Pastina | Tutor di riferimento |
Questo studio mira alla definizione e validazione sperimentale di tecniche di rivelazione di bersagli navali per radar passivi multistatici che sfruttano come sorgenti opportunistiche i segnali trasmessi dai sistemi globali di navigazione satellitare (GNSS). Oltre ai noti vantaggi di un sistema radar passivo (basso cosso, ridotto inquinamento elettromagnetico e operazioni silenti), questo tipo di sorgenti sono particolarmente interessanti nell'ambito della sorveglianza marittima poiché offrono una copertura globale, cosicché un radar passivo basato su tali segnali è potenzialmente in grado di fornire un monitoraggio permanente sia di aree costiere che in mare aperto.
La principale limitazione è la bassa potenza irradiata, che richiede l'integrazione dei segnali riflessi da bersagli in movimento per tempi lunghi, fino a decine di secondi. Negli ultimi anni, sono state sviluppate delle tecniche di moving target detection MTD adatte allo scopo, che hanno dimostrato la fattibilità di tale sistema in una configurazione bistatica (singolo ricevitore/singolo trasmettitore).
Ogni costellazione è progettata in modo tale in ogni momento 6-8 satelliti siano simultaneamente sopra l'orizzonte (24-32 se si considerano GPS, GLONASS, Galileo e BeiDou). Un singolo ricevitore può quindi processare congiuntamente o separatamente i segnali provenienti da diversi satelliti, formando così un radar passivo multistatico in grado di incrementare le prestazioni del sistema (quali copertura, affidabilità e accuratezza).
A partire dai risultati ottenuti per la configurazione bistatica, in questo progetto saranno definite opportune tecniche MTD nel caso in cui si utilizzino satelliti GNSS multipli (con particolare riguardo alla costellazione Europea Galileo). Verrà valutato l'incremento di prestazioni ottenibili rispetto al caso bistatico. Infine, dati reali attualmente disponibili saranno utilizzati per validare e raffinare le tecniche sviluppate.