Passive SDR Radar Project

Passive radar implementation using KrakenSDR.
Система пассивного радиолокационного наблюдения на основе KrakenSDR, Raspberry Pi 5 и центрального сервера

Quick start

docker build -t passive-radar .
docker run --rm passive-radar

или через docker-compose:

docker-compose up --build

🎯 Цель проекта

Разработать пассивный радар для обнаружения воздушных целей (БПЛА, ракеты) с использованием сигналов DVB-T2 и приёмников KrakenSDR.
Система должна:

• Отфильтровывать статические отражения
• Детектировать и сопровождать движущиеся цели
• Передавать данные в реальном времени для отображения на карте
• Как отделить статические отражения от динамических целей
• SDR & IQ sample

---

⚙️ Требования

• ОС: Linux (Ubuntu 20.04+), Windows 10/11
• Python: 3.9+
• Зависимости: см. requirements.txt
• Оборудование: KrakenSDR (5-канальный SDR), GPS/PPS для синхронизации

---

🚀 Установка и запуск

git clone https://github.com/Stanislav-sipiko/passive-sdr-radar.git
cd passive-sdr-radar
pip install -r requirements.txt
python main.py

---

📂 Структура проекта

passive_radar/
├─ capture/       # чтение и калибровка IQ данных
├─ caf/           # вычисление CAF
├─ preprocess/    # фильтры MTI, high-pass
├─ detect/        # CFAR детекция
├─ postprocess/   # морфология, кластеризация
├─ track/         # трекер (Kalman + Hungarian)
├─ output/        # сохранение результатов
├─ realtime/      # websocket сервер для карты
└─ tools/         # утилиты

---

Блок-схема

      ┌───────────────┐
      │  IQ Capture   │  (KrakenSDR: reference + surveillance)
      └──────┬────────┘
             │
             ▼
      ┌───────────────┐
      │      CAF      │  (Delay × Doppler)
      └──────┬────────┘
             │
             ▼
      ┌───────────────┐
      │  MTI / CFAR   │  (фильтрация + детектор)
      └──────┬────────┘
             │
             ▼
      ┌───────────────┐
      │ Clustering    │  (DBSCAN/HDBSCAN)
      └──────┬────────┘
             │
             ▼
      ┌───────────────┐
      │   Tracking    │  (Kalman + ID assignment)
      └──────┬────────┘
             │
             ▼
      ┌───────────────┐
      │  Output JSON  │ → WebSocket → Browser Map (Leaflet)
      └───────────────┘

---

Логика:

• capture/kraken_reader.py → читает и калибрует IQ.
• preprocess/filters.py → нормализует, фильтрует, убирает помехи.
• caf/caf.py → считает CAF.
• detect/cfar.py → находит пики.
• postprocess/morphology.py + clustering.py → чистка + объединение целей.
• track/tracker.py → сопровождение.
• output/saver.py → сохраняет результаты.
• realtime/ws_server.py → стрим в реальном времени.

---

🛰 Пример работы

Входные данные: IQ-файлы (reference + surveillance канал) Выходные данные: карта детекций + треки целей (JSON, WebSocket)

{
  "id": 12,
  "range": 15.2,
  "doppler": -45.3,
  "velocity": 140,
  "timestamp": "2025-10-02T18:24:12Z"
}

---

📊 Визуализации

• CAF карта (Delay × Doppler)
• Детекции после CFAR
• Треки целей на карте (Leaflet + WebSocket)

---

📌 TODO

• Подключение реальных данных с KrakenSDR
• Улучшение CFAR и фильтрации
• Трекинг с идентификацией целей

---

📜 Лицензия

GPL-3.0