Czujnik za kilkaset dolarów rozpoznaje drona po magnetycznym śladzie silników

Mały dron nad płotem zakładu, więzienia albo lotniska zwykle zdradza się dopiero wtedy, gdy ktoś go zobaczy albo usłyszy. Radar potrafi go wypatrzyć, ale sam świeci w eterze jak latarnia. Mikrofony gubią się w szumie ulicy. Zespół z Florida International University, Uniwersytetu Ruhuna na Sri Lance i Brookhaven National Laboratory poszedł inną drogą. Badacze nie wysyłają żadnego sygnału. Słuchają tego, czego dron nie umie wyłączyć: słabego, bardzo wolno zmiennego pola magnetycznego, które wytwarzają jego wirujące silniki.

Wynik opisali w „IEEE Sensors Journal”. Antena w kształcie pętli, czuły wzmacniacz i sieć neuronowa rozpoznały drona na otwartym terenie z trafnością do 98,5 procent, z odległości do 15 metrów. Co więcej, w wielu przypadkach system mówił też, jaki to model. Całość, według uczelni, kosztuje kilkaset dolarów.

Rozbierzmy ten wykrywacz na części.

Część pierwsza: silnik, który nadaje, choć nie powinien

Prawie każdy mały dron wielowirnikowy lata na silnikach bezszczotkowych. W środku kręci się wirnik z magnesami trwałymi, zwykle z metali ziem rzadkich. Wokół niego leżą uzwojenia, a sterownik przy każdym obrocie wiele razy przełącza w nich prąd, żeby pole magnetyczne ciągnęło magnesy dalej w kółko. Tak działa napęd. Efekt uboczny jest taki, że cały silnik staje się małym, rytmicznie pulsującym źródłem pola magnetycznego.

To pole ma bardzo niską częstotliwość. Inżynierowie mówią o paśmie ELF, czyli fal skrajnie niskiej częstotliwości. Takie sygnały nie przypominają radia z telefonu czy kontrolera drona. Nie da się ich po prostu wyłączyć przyciskiem, bo powstają przy samym wytwarzaniu ciągu. Dron może zamilknąć w eterze, lecieć bez łączności z operatorem i bez GPS, a jego silniki i tak będą pulsować.

Arjuna Madanayake z FIU ujął to w komunikacie prasowym prosto: każda obecna metoda wykrywania coś zdradza. Radar nadaje, czujniki akustyczne tłumi hałas tła. Jego zespół postanowił tylko odbierać.

Pomysł nie spadł z nieba. Madanayake w swoim wpisie o publikacji opisuje, że wyrósł z projektu finansowanego przez amerykańską National Science Foundation. Badano w nim antenę mechaniczną, czyli wirujący magnes, który przesyła informację w paśmie ELF pod wodą i pod ziemią. W pewnym momencie badacze zauważyli, że silnik bezszczotkowy w dronie robi dokładnie to samo, tylko nieświadomie. Jest małym, wirującym nadajnikiem, którego nikt nie zaprojektował.

Część druga: ucho z drutu

Pierwszym elementem wykrywacza jest antena: okrągła pętla zaprojektowana tak, żeby czuła zmiany pola magnetycznego w paśmie ELF. Za nią stoi wzmacniacz o niskim poziomie szumów. To ważne, bo sygnał z drona jest słaby, a wokół pełno innych pól: sieci energetycznej, kabli, samochodów.

Tu leży główne ograniczenie, o którym autorzy piszą otwarcie. Pole magnetyczne źródła tak małego, jak silnik drona, słabnie z odległością bardzo szybko, znacznie szybciej niż fala radiowa. Dlatego eksperymenty sięgają 15 metrów, nie kilometrów. Madanayake sam przyznaje, że zasięg metody jest na razie ograniczony.

Część trzecia: rytm zamiast głośności

Najciekawsza część wykrywacza siedzi w obróbce sygnału. Badacze nie szukają po prostu „głośnego” pola. Szukają rytmu.

Sterownik silnika przełącza prąd w powtarzalnym cyklu, więc statystyka sygnału też zmienia się okresowo. Inżynierowie nazywają takie sygnały cyklostacjonarnymi. Do ich badania od lat 80. służy funkcja korelacji widmowej, opisana między innymi przez Williama Gardnera. Pokazuje ona, które częstotliwości w sygnale „chodzą w parze” i powtarzają się w tym samym takcie. Szum tła zwykle takiego wzoru nie ma.

Zespół liczy tę funkcję szybką metodą opartą na transformacie Fouriera. Wynikiem jest dwuwymiarowa mapa, coś w rodzaju odcisku palca sygnału. Każdy model drona ma inną budowę silników i inny sposób sterowania, więc zostawia nieco inny odcisk.

Część czwarta: sieć, która czyta odciski

Mapy trafiają do splotowej sieci neuronowej opartej na znanej architekturze VGG16, tej samej rodziny, której używa się do rozpoznawania obrazów. Sieć ma odpowiedzieć na dwa pytania. Czy w pobliżu jest dron? A jeśli tak, który z trzech znanych modeli?

Badacze przetestowali system na trzech komercyjnych mikrodronach. Na otwartej przestrzeni wykrywanie samej obecności drona osiągnęło do 98,5 procent trafności. Zadanie trudniejsze, czyli wybór jednej z czterech odpowiedzi (jeden z trzech dronów albo brak drona), dało łącznie 83,5 procent. Najgorzej szło z najmniejszym dronem, bo jego silniki wytwarzają najsłabsze pole.

Te dwie liczby warto czytać razem. 98,5 procent to najlepszy wynik dla pytania „jest czy nie ma”. Rozpoznanie modelu działa wyraźnie słabiej i zależy od wielkości maszyny. W komunikacie uczelni zostało głównie pierwsze zdanie, a drugie zniknęło.

Madanayake tłumaczy, czemu rozpoznanie typu ma znaczenie: różne drony mogą nieść różny ładunek i stwarzać różne zagrożenie. Im więcej obrońca wie o tym, co nadlatuje, tym lepiej może zareagować.

Dlaczego zwykłe metody nie wystarczają

Żeby docenić ten pomysł, warto zobaczyć, jak dziś łapie się małe drony. Autorzy wymieniają w artykule trzy główne podejścia: radar, kamery i mikrofony. Każde ma słaby punkt.

Radar musi nadawać, a mały dron z plastiku odbija niewiele energii. Leci nisko, między drzewami i budynkami, gdzie echo ginie w odbiciach od otoczenia. Uczelnia pisze wprost, że takie maszyny są dla zwykłego radaru niemal niewidoczne. Do tego nadawanie wymaga zezwoleń i zdradza położenie stacji.

Kamera potrzebuje widoku. Wystarczy mgła, noc, dach albo gałąź, a obraz przestaje pomagać. Mikrofony słyszą brzęczenie śmigieł, ale w mieście przykrywa je ruch uliczny, wiatr i każda kosiarka.

Jest jeszcze czwarta droga, której autorzy nie analizują szczegółowo: nasłuch łącza między dronem a operatorem. Działa dobrze, dopóki dron rozmawia z pilotem przez radio. Z wojny w Ukrainie wiadomo jednak, że drony coraz częściej latają samodzielnie według zaprogramowanej trasy albo są sterowane przez cienki światłowód rozwijany ze szpuli. Takiej maszyny nasłuch radiowy nie usłyszy. Silnik i tak musi się kręcić, więc magnetyczny ślad zostaje.

Część piąta: co z tego jest gotowe

Na skali gotowości technologii (TRL) ten wynik plasuje się mniej więcej na poziomie 4. Działa układ zbudowany w laboratorium i sprawdzony w terenie, na kilku modelach dronów, w kontrolowanych warunkach. Nie ma jeszcze urządzenia, które stoi miesiącami na płocie i odróżnia drona od przejeżdżającej ciężarówki, tramwaju albo linii wysokiego napięcia.

Historia samej pracy jest dość skromna. Według wpisu zespołu na LinkedIn zaczęła się jako projekt dyplomowy studentów inżynierii na Uniwersytecie Ruhuna. Wstępną wersję wyników zespół opublikował w grudniu 2025 roku jako preprint, a recenzowany artykuł ukazał się w lutym 2026 roku w wersji elektronicznej. FIU informuje, że zespół pracuje już z amerykańskim przemysłem nad dalszym rozwojem.

Tło finansowe w USA jest ogromne. Uczelnia przypomina, że amerykański resort obrony poprosił w budżecie na rok 2027 o 74 miliardy dolarów na drony i obronę przed nimi. Tania, cicha warstwa czujników, nawet krótkiego zasięgu, ma w takim świecie swoje miejsce.

Część szósta: gdzie to pasuje, a gdzie nie

Uczciwie trzeba powiedzieć, czego ta metoda nie zrobi. Nie zastąpi radaru, który widzi drony z kilometrów. Nie obroni miasta przed dużymi dronami wojskowymi lecącymi wysoko. Przy 15 metrach zasięgu to raczej czujnik ostatniej linii niż system wczesnego ostrzegania.

Taka ostatnia linia też jest jednak potrzebna. Wyobraźmy sobie sieć tanich pętli rozstawionych wzdłuż ogrodzenia więzienia, wokół rozdzielni, przy wlocie do hali magazynowej albo na dachu budynku rządowego. Każda pilnuje kawałka przestrzeni i sama niczego nie wysyła, więc przeciwnik nie wie, że tam jest. Dron, który zawisa nisko, żeby coś zrzucić albo nagrać, wchodzi w zasięg właśnie wtedy, gdy jest najgroźniejszy.

Druga zaleta to brak nadawania. Radar wymaga zgody na emisję i sam bywa celem. Pasywny czujnik nie potrzebuje częstotliwości, nie zakłóca innych urządzeń i można go zostawić włączonego na stałe.

Polska perspektywa

W Polsce drony przestały być tematem z poradników. We wrześniu 2025 roku grupa wojskowych bezzałogowców wleciała nad nasz kraj od wschodu, część zestrzelono, a na kilka godzin zamknięto lotniska w Warszawie, Modlinie, Rzeszowie i Lublinie. To były jednak duże maszyny wojskowe, nie mikrodrony. Na nie potrzeba radarów i myśliwców, a nie pętli z drutu.

Mikrodrony to inny problem: przemyt do zakładów karnych, loty nad lotniskami, rozpoznanie nad jednostkami wojskowymi i zakładami przemysłowymi. Polskie firmy już budują systemy antydronowe, na przykład gdyńska Advanced Protection Systems czy WB Group. Zwykle łączą one radar, kamery i nasłuch radiowy. Pasywny czujnik magnetyczny mógłby być w takim zestawie tanim, dodatkowym zmysłem. Działa tam, gdzie kamera nic nie widzi przez mgłę, a nasłuch radiowy milczy, bo dron leci bez łączności.

Jest też praktyczny haczyk. Polska sieć energetyczna pracuje na 50 hercach, a przewody i transformatory też wytwarzają pole w paśmie ELF. Czujnik postawiony przy stacji transformatorowej musiałby odróżniać rytm silnika drona od rytmu sieci. Analiza oparta na rytmie sygnału daje tu szansę, ale autorzy tego w artykule nie sprawdzali. To otwarte zadanie dla każdego, kto chciałby tę metodę wdrożyć.

Czego jeszcze nie wiemy

Lista pytań jest konkretna. Czy da się wydłużyć zasięg czulszą anteną albo siecią wielu czujników? Jak system radzi sobie w mieście, pełnym kabli, tramwajów i samochodów elektrycznych? Czy rozpozna model drona, którego nie widział w danych treningowych? I co się stanie, gdy producenci zaczną celowo ekranować silniki albo zmieniać sposób sterowania?

Na razie wynik pokazuje coś prostego i ważnego. Dron, nawet całkiem cichy radiowo, nosi w sobie nadajnik, którego nie da się wyłączyć: własny silnik. Wystarczy go usłyszeć.

Bibliografia

Herath D., Ganegoda S., Ranasinghe S., Silva H., Seneviratne C., Mandal S., Madanayake A. ELF Passive Radio Sensing and AI-Perception of Micro-UAS. IEEE Sensors Journal 26(7), 11387–11398 (2026). DOI: 10.1109/jsen.2026.3665766
Herath D. i in. ELF Passive Radio Sensing and AI-Perception of Micro-UAS (preprint). TechRxiv (2025). DOI: 10.36227/techrxiv.176581714.47754819/v1
Gardner W. A. Measurement of spectral correlation. IEEE Transactions on Acoustics, Speech, and Signal Processing (1986). DOI: 10.1109/TASSP.1986.1164951
Drucker D. (Florida International University). Engineers develop stealthy, low-cost tech to detect drones. Tech Xplore, 25.10.2026. techxplore.com
Madanayake A. Wpis o publikacji w IEEE Sensors Journal (LinkedIn, kwiecień 2026). linkedin.com
2025 Russian drone incursion into Poland. Wikipedia (dostęp 26.10.2026). en.wikipedia.org