Os UAVs são amplamente utilizados em operações civis e militares pela sua versatilidade e autonomia. Em contextos militares, são valiosos para reconhecimento, combate e apoio logístico, oferecendo vantagem na recolha de informações e resposta rápida.
O Alferes-Aluno Tiago Silva apresentou em 2024 a sua Dissertação de Mestrado em Engenharia Electrotécnica Militar com especialização em Telecomunicações; na dissertação avalia o desafio de manter a comunicação dentro de um enxame de UAVs em condições de interferência. A questão principal que esta investigação busca responder é: Pode um enxame de UAVs, operando em formação coordenada, adotar medidas eficazes de anti-jamming, otimizando conjuntamente parâmetros de comunicação como a formação e a configuração da antena, sem comprometer a missão?
O trabalho foi desenvolvido com a orientação do Professor Associado António Manuel Raminhos Cordeiro Grilo, da Unidade de Investigação do INESC-ID. Atualmente, o Alf-Aluno está a concluir o seu tirocínio para oficial de Transmissões no Regimento de Transmissões. O texto que se divulga foi publicado na revista “Mensagem” – Boletim Informativo do Regimento de Transmissões – Edição 2025 (págs. 104 a 111).
Resumo – A utilização de Unmanned Aerial Vehicles (UAV) expandiu-se significativamente nos sectores civil e militar para a realização de tarefas estratégicas. Em comparação com as abordagens tradicionais, esta investigação explora a eficácia das técnicas Anti-Jamming para UAVs, tirando partido da Inteligência Artificial (IA) baseada no comportamento de enxame.
O estudo estabelece uma base teórica abrangente para a compreensão da investigação proposta, fornecendo uma análise aprofundada dos avanços atuais da Electronic Warfare (EW). Além disso, identifica ferramentas essenciais para a investigação, tais como modelos de antenas realistas e metodologias avançadas de IA.
Através de testes experimentais e simulações, este trabalho valida as hipóteses formuladas, resultando em provas concretas da eficácia das estratégias. As conclusões indicam que os algoritmos genéticos produzem bons resultados, embora incorram em tempos de simulação elevados. Em comparação, a abordagem “Reinforcement Learning” (RL) demonstra resultados promissores quando pré-treinada com dados realistas, alcançando eficiência dentro de restrições práticas de tempo.
Para continuar a ler o artigo ver em Divulgação – Apresentações e “Papers” – Ano 2024