Detectar un dron pequeño en el cielo es más complejo de lo que parece. Mientras el ojo humano reconoce su forma, sonido y movimiento, los sistemas electrónicos deben distinguir ecos, píxeles o ondas de radio entre el ruido ambiental, sin una etiqueta clara que los identifique como tales.
El desafío crece con aparatos que vuelan bajo, donde el terreno, los edificios, la vegetación, las aves y las condiciones atmosféricas generan interferencias que dificultan su localización.
Detectar no es identificar: el proceso en etapas
Un estudio publicado en el International Journal of Critical Infrastructure Protection por Stephanie Johnson, Hunter Moore y Michael Porter analizó 33 investigaciones sobre cinco tecnologías de detección y concluyó que ninguna modalidad aislada ofrece prestaciones fiables en todos los entornos.
El proceso de localización implica cuatro tareas distintas: detectar (advertir un posible blanco), seguir (reconstruir su trayectoria), clasificar (asignarlo a una categoría) e identificar (determinar con precisión qué es el objeto). Un aviso inicial no equivale a leer «dron» en una pantalla.
Por ejemplo, un retorno de radar puede señalar un blanco sin aclarar si es un cuadricóptero o un ave. Una cámara puede contribuir después a discriminarlo, pero hacen falta pruebas suficientes para evitar falsas alarmas.
El reto de la relación señal-ruido
La dificultad principal radica en la relación señal-ruido: cuánto destaca el objeto de interés frente a las interferencias. Un dron pequeño no tiene una «detectabilidad» absoluta, ya que influyen sus dimensiones, materiales, orientación, lejanía, velocidad y posición respecto al sensor.
En entornos reales, el suelo, las construcciones o la vegetación generan retornos no deseados, conocidos como clutter. El receptor debe aislar el eco relevante de ese fondo, algo que en ensayos controlados puede parecer más sencillo.
El rendimiento nominal de los sistemas suele ser mejor que el obtenido en condiciones reales, donde oclusiones, rebotes múltiples de las ondas y obstáculos reducen su eficacia.
Radar, acústica y otras tecnologías: ventajas y limitaciones
Un radar emite ondas electromagnéticas y analiza la energía que regresa tras interactuar con los objetos, obteniendo datos sobre distancia y movimiento. Sin embargo, los drones pequeños presentan una sección radar equivalente (RCS) reducida, lo que dificulta su detección. Sus rotores, no obstante, pueden delatarlos al introducir modulaciones Doppler, patrones que ayudan a diferenciar hélices, aves u otros blancos.
Estudios como uno publicado en 2019 lograron detectar un micro-UAV a tres kilómetros con el sistema RAD-DAR, mientras que otro de 2021 identificó un DJI Phantom 4 a cinco kilómetros mediante un radar MIMO. Estos resultados, sin embargo, corresponden a configuraciones específicas y no son extrapolables a cualquier entorno.
Otras tecnologías, como la acústica, aprovechan los patrones sonoros de motores y rotores, pero el ruido ambiental (viento, tráfico, maquinaria) puede enmascarar estas señales. Las cámaras visibles y los sensores infrarrojos dependen de la iluminación, la meteorología y la ausencia de obstáculos, mientras que la radiofrecuencia falla ante drones autónomos sin transmisiones activas.
La fusión de sensores: la solución más prometedora
La combinación de múltiples tecnologías, como radar y sensores electroópticos/infrarrojos (EO/IR), aparece como la alternativa más madura, según el estudio de 2026. Esta estrategia integra fuentes distintas para generar una estimación más consistente, aunque no elimina por completo la incertidumbre.
Fusionar sensores implica sincronizar mediciones y determinar si dos observaciones pertenecen al mismo blanco. El beneficio no es abolir la incertidumbre, sino administrarla mejor, reduciendo falsos positivos y aumentando la precisión.
En definitiva, un pájaro y un dron pueden empezar siendo simplemente «algo». Solo la combinación de múltiples indicios —trayectoria, retorno electromagnético, firmas acústicas o imágenes— permite tomar decisiones más precisas.
