AI teknik för drönaroperationer i telestörda miljöer
| Diarienummer | |
| Koordinator | Wireless P2P Technologies AB |
| Bidrag från Vinnova | 2 251 560 kronor |
| Projektets löptid | november 2024 - oktober 2025 |
| Status | Avslutat |
| Utlysning | Civil-militära synergier |
| Ansökningsomgång | Samverkansprojekt för civil-militära synergier |
Viktiga resultat som projektet gav
Målen uppfylldes delvis. Vi genomförde en genomförbarhetsstudie på en SDR-baserad kognitiv plattform och visade att PASAD upptäcker avsiktlig störning på labbdata i fem klasser: ren trafik, AWGN, smalbandig pulserande störning, bredbandig barrage-störning och analog VCO-jammer. OTA-AWGN från Arctic Warrior 2025 bekräftade syntetiska dataset. Fälttest nåddes inte. Övrigt: återanvändbara data/ML-pipelines, inspelnings/syntesverktyg, testharness, krav för framtida hotklassificering.
Långsiktiga effekter som förväntas
Resultaten väntas stärka robusthet i störda RF-miljöer och förbättra spektrumsituationsbilden. Metoder som idle/överföring-separering och bandvis övervakning kan överföras till fler jammer-typer. Arbetet lägger en praktisk grund för att ta AI-tekniken in i operativa system och stödjer nästa steg mot fälttestning och klassificering av hot.
Upplägg och genomförande
Projektet genomfördes som en genomförbarhetsstudie på en SDR-baserad kognitiv radioplattform. PASAD AI teknologi validerades på laboratoriedata (ren trafik, AWGN, smalbandig pulserande och bredbandig barrage-störning) och utökades med analog VCO-jammer till ett femklassigt dataset. Två pipelines användes: tidsdomän med idle/överföring-separering och frekvensdomän med bandvis FFT-övervakning. Over-the-air AWGN från Arctic Warrior 2025 bekräftade de syntetiska data. Fälttest kvarstår.