Por qué detectar un pequeño dron puede ser más difícil de lo que parece: así funcionan los sistemas que intentan encontrarlos en el cielo
Publicado por César Noragueda
Periodista especializado en cine, ciencia y pensamiento crítico.
Creado: Actualizado:
A simple vista, una persona puede reconocer un cuadricóptero que zumba a poca altura. Disponemos de contexto: advertimos su forma, asociamos el ruido con unas hélices y seguimos su desplazamiento. Pero un equipo electrónico no recibe la etiqueta “dron”, sino que obtiene ecos, píxeles, ondas de radio o variaciones de presión que debe separar de todo cuanto ocurre alrededor.
El desafío aumenta con aparatos pequeños que vuelan bajo. El terreno, los edificios, la vegetación, las aves y hasta las condiciones atmosféricas añaden datos ajenos al objetivo.
Una revisión publicada en la revista científica International Journal of Critical Infrastructure Protection por Stephanie Johnson, Hunter Moore y Michael Porter examinó 33 trabajos sobre cinco grandes tecnologías y halló precisamente ese obstáculo: ninguna modalidad aislada mantiene unas prestaciones fiables en todos los escenarios degradados.
Así que la pregunta interesante no es únicamente hasta dónde alcanza un radar. Más bien, se trata de cómo localiza una máquina algo diminuto dentro de un espacio enorme cuando ni siquiera sabe exactamente dónde buscar. Para responder, hay que empezar por una distinción que solemos ignorar.
Encontrar algo no significa necesariamente saber qué es
Detectar, seguir, clasificar e identificar describen tareas diferentes. La primera consiste en advertir un posible blanco, el seguimiento reconstruye su trayectoria, clasificar supone asignarlo a una categoría y la identificación intenta determinar con mayor precisión qué objeto tenemos delante. Un aviso inicial, por tanto, no equivale a leer “dron” en una pantalla.
Pensemos en una silueta lejana que avanza por una calle. Primero, distinguimos algo que se desplaza. Al acercarse, inferimos que es una persona. Un poco después, apreciamos rasgos particulares y quizá acabemos identificando a un conocido. Cada etapa rebaja la incertidumbre gracias a nuevas pistas.
Con la vigilancia aérea sucede algo parecido. Un retorno de radar puede señalar un blanco sin aclarar si corresponde a un cuadricóptero o a un ave. Una cámara puede contribuir posteriormente a discriminarlo. La labor técnica no acaba al descubrir “algo”: hacen falta pruebas suficientes para saber qué es sin disparar falsas alarmas.
Un retorno de radar puede señalar un blanco sin aclarar si corresponde a un cuadricóptero o a un ave, y hacen falta pruebas suficientes para saber qué es sin disparar falsas alarmas.
El verdadero enemigo es distinguir una señal diminuta
Aquí aparece una idea fundamental: la relación señal-ruido. Dicho sin ecuaciones, expresa cuánto destaca aquello que interesa frente a las interferencias. Intentar escuchar un mosquito durante una fiesta sirve como analogía. El insecto emite sonido; nadie lo ha vuelto invisible. Simplemente, conversaciones, música y golpes pueden sepultar su zumbido.
Un dron tampoco posee una “detectabilidad” absoluta. Influyen sus dimensiones, materiales, orientación, lejanía, velocidad y posición respecto al instrumento que lo busca. También pesa el lugar. En vigilancia por radar, por ejemplo, suelo, construcciones o vegetación producen retornos no deseados, conocidos como clutter. El receptor ha de aislar el eco relevante de ese fondo.
Johnson y sus colegas subrayan justamente el contraste entre el rendimiento nominal y lo que sucede sobre el terreno. Oclusiones, rebotes múltiples de las ondas y obstáculos merman un rendimiento que, durante ensayos controlados, puede parecer mucho mejor.
Oclusiones, rebotes múltiples de las ondas del radar y obstáculos merman un rendimiento que, durante ensayos controlados, puede parecer mucho mejor.
La cuestión correcta deja entonces de ser si se puede detectar este dron y pasa a ser con qué tecnología, desde dónde y bajo qué circunstancias.
Qué “ve” un radar cuando busca un dron
Un radar no contempla el cielo como nosotros. Emite ondas electromagnéticas y analiza parte de la energía que regresa tras interactuar con los objetos. A partir del tiempo de retorno y de cambios en la frecuencia, puede obtener datos sobre distancia y movimiento. Funciona de día o de noche y no exige que el blanco transmita voluntariamente nada.
Aquí entra la sección radar equivalente, o RCS. No representa simplemente el tamaño físico: describe, de manera simplificada, cuánta energía de las ondas incidentes devuelve un objeto hacia el radar bajo unas condiciones determinadas.
Imaginemos dos superficies de dimensiones parecidas iluminadas por una linterna; según su material y su orientación, una puede devolver mucha más luz hacia nosotros. La física del radar es distinta, pero el ejemplo preserva la intuición.
Los drones pequeños plantean complicaciones porque suelen presentar RCS reducidas y volar a velocidades modestas frente a aeronaves convencionales. Sus rotores, paradójicamente, pueden delatarlos. Al girar, introducen pequeñas modulaciones Doppler —el cambio de frecuencia asociado al movimiento— que componen las llamadas firmas micro-Doppler. Esos patrones proporcionan claves para diferenciar hélices, aves u otros blancos.
No existe, aun así, una cifra universal de alcance. Un experimento publicado en 2019 con el sistema RAD-DAR consiguió detectar y seguir un micro-UAV a tres kilómetros; y otro estudio, aparecido en 2021, logró hacerlo con un DJI Phantom 4 hasta cinco kilómetros mediante un radar MIMO. Son resultados de configuraciones concretas, no promesas extrapolables a cualquier entorno operativo.
Los drones pequeños plantean complicaciones porque suelen devolver poca energía hacia el radar y volar a velocidades modestas frente a aeronaves convencionales.
Escuchar el cielo: las hélices también dejan una pista
Hay otra propiedad aprovechable antes incluso de observar: el sonido. Motores y rotores generan patrones acústicos característicos, y conjuntos de micrófonos pueden rastrearlos y estimar desde qué dirección llegan. La experiencia cotidiana sirve de referencia puesto que, por ejemplo a veces sabemos que se aproxima una motocicleta mucho antes de verla.
Esta estrategia es pasiva —no precisa irradiar energía— y puede contribuir a reconocer aparatos cercanos. Pero el aire real está lejos de un laboratorio silencioso. Viento, tráfico, maquinaria, multitudes o reverberaciones en calles y edificios enmascaran la firma buscada. Además, la intensidad sonora decae conforme aumenta la separación.
Por eso, la acústica incorpora otra pieza, no una respuesta infalible. Su fortaleza y su debilidad nacen del mismo principio: escucha una característica física ajena a la examinada por el radar. Esa complementariedad conduce hacia otras maneras de interrogar el espacio.
Viento, tráfico, maquinaria, multitudes o reverberaciones en calles y edificios enmascaran la firma acústica buscada y su intensidad decae si aumenta la separación.
Buscar su silueta, su calor o sus comunicaciones
Las cámaras visibles brindan algo especialmente valioso: imágenes que permiten apreciar contornos y detalles. A cambio, dependen de iluminación, meteorología, resolución, campo de visión y ausencia de obstáculos. Un punto minúsculo ocupa pocos píxeles; niebla, contraluz o noche pueden degradar todavía más la escena.
Los equipos infrarrojos explotan otro indicio: no “ven el calor” como si fuese una sustancia: registran radiación infrarroja y aprovechan contrastes entre el aparato y sus alrededores. Eso amplía las posibilidades cuando la luz visible escasea, aunque tampoco elimina las restricciones ambientales.
La radiofrecuencia abre una vía diferente. Muchos drones intercambian señales con un controlador, conque un receptor puede rastrear esas emisiones y extraer indicios útiles. Es como localizar a un mensajero no por su aspecto, sino escuchando la conversación que mantiene mientras camina. El inconveniente se deduce de la propia metáfora: sin intercambio aprovechable, ese recurso queda mermado. El análisis de 2026 señala que los métodos RF pueden fallar por inútil ante plataformas autónomas sin transmisiones activas.
Las cámaras dependen de iluminación, meteorología, resolución, campo de visión y ausencia de obstáculos; los equipos infrarrojos no eliminan las restricciones ambientales y la radiofrecuencia puede fallar por inútil ante plataformas autónomas sin transmisiones activas.
Cada técnica interroga, en definitiva, un rasgo particular. Precisamente por eso, resulta tentador combinarlas.
Cuando varios sensores se hacen preguntas entre sí
La fusión de sensores integra fuentes distintas para generar una estimación más consistente que cualquiera de ellas por separado. No implica que dos instrumentos mediocres se vuelvan mágicamente infalibles. Una pista puede confirmar, matizar o cuestionar lo registrado por otra.
Nosotros hacemos algo semejante continuamente. Oímos un ruido detrás, giramos la cabeza, divisamos una figura móvil y reconocemos una bicicleta; el oído llama la atención, la vista añade características y el conjunto despeja parte de la duda.
Una arquitectura antidrones puede encadenar una lógica comparable: el radar cubre una zona amplia, marca un candidato y una cámara orientada hacia esas coordenadas suministra después elementos para clasificarlo.
El examen de 2026 concluye que ninguna de las cinco modalidades estudiadas —radar, electroóptica/infrarroja, acústica, radiofrecuencia y LiDAR, que emplea pulsos láser para medir distancias— resulta robusta en todas las situaciones degradadas.
No obstante, la combinación de radar y sensores electroópticos e infrarrojos (EO/IR) aparece como la alternativa multimodal más madura entre las analizadas, aunque también pierde eficacia si coinciden adversidades como oclusión y rebotes múltiples.
Instrumentos mediocres no se vuelven infalibles; una pista puede confirmar, matizar o cuestionar lo registrado por otra y ninguna modalidad estudiada resulta robusta en todas las situaciones degradadas.
Fusionar trae, además, sus propios escollos. Hay que sincronizar mediciones y determinar si dos observaciones pertenecen realmente al mismo blanco. El beneficio no consiste en abolir la incertidumbre, sino en administrarla mejor.
Un pájaro y un dron pueden empezar siendo simplemente “algo”
Supongamos que surge un punto móvil. La trayectoria proporciona una pista y el retorno electromagnético, otra. Los rotores quizá dejen micro-Doppler. Una imagen puede revelar geometría, mientras una emisión de radio reforzaría la hipótesis. Ningún indicio aislado tiene que sostener toda la decisión.
Este proceso explica por qué los falsos positivos importan tanto como la sensibilidad. Un sistema que avisara ante cualquier ave, bolsa arrastrada por el viento o cuerpo en desplazamiento acabaría inundando al operador de alertas. Hallar más cosas no garantiza comprender mejor qué atraviesa el espacio vigilado.
El reto reside en conservar la capacidad de descubrir blancos débiles sin confundir continuamente el fondo con aquello que buscamos. Ahí, la detección pasa a ser una tarea de elección bajo incertidumbre.
Detectar un dron es también una lección sobre cómo conocemos el mundo
Existe una última paradoja. Elevar la sensibilidad permite captar señales más tenues, pero puede incrementar también cuanto exige ser descartado. El progreso no depende únicamente de “ver más lejos”: requiere criterios más refinados para separar, contrastar e integrar indicios. Esa es la razón de que estudios recientes insistan tanto en evaluaciones realistas y sistemas multimodales.
Un pequeño dron termina enseñándonos algo que desborda la seguridad aérea. Tendemos a imaginar que los objetos están ahí fuera, perfectamente definidos, esperando a que una máquina los descubra. Los sensores reciben algo bastante menos ordenado: ecos, radiación, sonido, emisiones y ruido. Después, toca convertir esas huellas físicas en una conclusión razonable.
Eso también modifica la manera de entender la palabra “detectar”. No significa solo mirar con tecnología, sino también extraer información de un medio incierto y juzgar cuándo las pruebas bastan para sostener que allí hay algo y qué puede ser. En un cielo lleno de interferencias, encontrar un dron no consiste tanto en verlo como en aprender a reconocerlo.
Referencias
- Stephanie Johnson, Hunter Moore y Michael Porter. "Toward resilient multi-modal drone detection in cluttered environments: A systems survey of EO/IR, radar, acoustic, LiDAR and RF modalities". International Journal of Critical Infrastructure Protection, septiembre de 2026. DOI: 10.1016/j.ijcip.2026.100870.
- Fawei Yang, Feng Xu, Francesco Fioranelli, Julien Le Kernec, Shaoqiang Chang y Teng Long. "Practical Investigation of a MIMO radar system capabilities for small drones detection". IET Radar, Sonar and Navigation, 26 de abril de 2021. DOI: 10.1049/rsn2.12082.
- Álvaro Duque, Fernando Ibáñez Urzaiz, Javier Gismero y Alberto Asensio. "Drone detection and radar-cross-section measurements by RAD-DAR". IET Radar, Sonar and Navigation, 1 de agosto de 2019. DOI: 10.1049/iet-rsn.2018.5646.
KioskNews shows a cleaned-up reading view extracted from the publisher’s page — the original always lives on their site, not ours.