DEVELOPMENT OF A SIGINT MODULE FOR ENHANCED MARITIME SURVEILLANCE

Abstract

The oceans and seas are crucial to the sustainability of the planet, but they are currently facing significant threats, such as climate change, intensive fishing and human trafficking, which put this unique resource at risk. To help with maritime monitoring, a low-cost prototype was developed to monitor the Very High Frequency (VHF) band and its communication channels, as well as decoding Automatic Identification System (AIS) messages to identify suspicious cases and alert the authorities. The Signals Intelligence (SIGINT) module uses a Software Defined Radio (SDR), BladeRF 2.0 micro xA4, and a Single Board Computer (SBC), Raspberry PI 4B, to perform spectral analysis using Fast Fourier Transform (FFT) algorithms. For channel detection, two methods were studied: one based on detecting the energy of each channel and another that analyzes the spectral characteristics of the signal after the FFT, using machine learning algorithms like Support Vector Machine (SVM) and K-Nearest Neighbors (KNN). Additionally, SIGINT allows for the decoding of AIS messages, using the specific protocol for their interpretation and operating simultaneously with channel monitoring. The results show that SVM was the best performing model, especially at 200 and 500 meters, detecting almost 100% of active channels. KNN also performed well at these distances, but only when external noise was low, as it is very susceptible to noise. The energy detection method, based on the Signal-to-Noise Ratio (SNR) analysis, only proved effective at short distances. At 1000 meters, all the models performed poorly due to the weak signal strength. One of the most damaging factors was the quality of the DC-DC converters, as they radiated high amounts of noise, affecting the detection of waveforms and the performance of the algorithms. When decoding AIS messages, the module performed acceptably over short distances, but showed limitations over long distances due to the weak signal received and the throttling of the SBC caused by the Central Processing Unit (CPU) heating up. In conclusion, SIGINT will be effective at detecting communication channels in the VHF band up to 500 meters with the SVM model, while it will only perform well at short distances when decoding AIS.

Os oceanos e mares são cruciais para a sustentabilidade do planeta, mas atualmente enfrentam ameaças significativas, como as alterações climáticas, a pesca intensiva e o tráfico humano que põem em risco este recurso único. Para ajudar na monitorização marítima, foi desenvolvido um protótipo de baixo custo para monitorizar a banda Very High Frequency (VHF) e os seus canais de comunicação, assim como a descodificação das mensagens de AIS, identificando casos suspeitos e alertando as autoridades. O módulo Signals Intelligence (SIGINT) utiliza um Software Defined Radio (SDR), BladeRF 2.0 micro xA4, e um Single Board Computer (SBC), Raspberry PI 4B, para realizar a análise espectral através de algoritmos Fast Fourier Transform (FFT). Foram estudados dois métodos para a deteção de canais: um baseado na deteção de energia de cada canal e outro que analisa as características espectrais do sinal após a FFT, utilizando algoritmos de machine learning, como o Support Vector Machine (SVM) e o K-Nearest Neighbors (KNN). Além disso, o SIGINT permite a descodificação de mensagens AIS, utilizando o protocolo específico para a sua interpretação e de modo a funcionar em simultâneo com a monitorização dos canais. Os resultados obtidos demonstram que o SVM foi o modelo com melhor desempenho, especialmente a 200 e 500 metros, detetando quase 100% dos canais ativos. O KNN também teve um bom desempenho nestas distâncias, mas apenas onde o ruído externo era menor, pois é muito suscetível ao ruído. O método de deteção de energia, baseado na análise na Relação Sinal-Ruído (SNR), mostrou-se eficaz apenas a curtas distâncias. A 1000 metros, todos os modelos tiveram um desempenho fraco devido à fraca potência dos sinais. Um dos fatores mais prejudiciais foi a qualidade dos conversores DC-DC, pois radiou elevadas quantidades de ruido, afetando a deteção das formas de onda e o desempenho dos algoritmos. Na descodificação de mensagens AIS, o módulo teve um desempenho aceitável a curtas distâncias, mas apresentou limitações a longas distâncias devido ao fraco sinal recebido e ao throttling do SBC causado pelo aquecimento da Central Processing Unit (CPU). Em conclusão, o SIGINT será eficaz na deteção de canais de comunicação na banda do VHF até 500 metros com o modelo SVM, enquanto que na descodificação de AIS apenas a curtas distâncias terá uma boa performance.