Введение
В июле 2026 года мир радиочастотного анализа получил неожиданный толчок: проект QuadRF, изначально воспринимавшийся как игрушка для энтузиастов vibe coding, доказал свою практическую ценность. Разработчик, работающий над системой автоматизации умного дома, случайно обнаружил, что QuadRF может не только обнаруживать дроны в радиусе 100 метров, но и «видеть» Wi-Fi сети через бетонные стены — включая скрытые точки доступа. Эта статья — разбор реального кейса, технических деталей и выводов для специалистов по безопасности, автоматизации и IoT.
Проблема: «слепота» в радиоэфире
Современные системы обнаружения дронов (например, Dedrone или DroneShield) стоят от $10 000 и требуют стационарной установки. Для малого бизнеса или частного дома это непозволительно. Кроме того, Wi-Fi анализаторы вроде Wireshark или inSSIDer работают только в пределах прямой видимости — стена из железобетона толщиной 30 см снижает уровень сигнала на 15–25 дБ (по данным исследования National Institute of Standards and Technology, NIST SP 800-115), делая многие сети невидимыми.
Заказчик — владелец частного дома площадью 200 м² в пригороде — столкнулся с двумя проблемами:
- Над участком регулярно пролетали неизвестные дроны (возможно, съёмка без разрешения).
- Внутри дома Wi-Fi работал нестабильно, а сканеры не показывали соседские сети, создающие помехи.
Требовалось недорогое, мобильное и программируемое решение для анализа RF-спектра в диапазоне 2.4 ГГц, 5 ГГц и 868/915 МГц (используется дронами).
Решение: QuadRF и vibe coding
QuadRF — это открытая платформа на базе SDR (Software Defined Radio) с массивом из четырёх антенн и FPGA-ускорителем. В отличие от коммерческих спектроанализаторов (например, Keysight N9344C за $12 000), QuadRF стоит около $350 и может быть прошит через USB-C. Главная «фишка» проекта — он создан в стиле vibe coding: код генерировался через нейросеть на основе естественно-языковых запросов, а не писался вручную. Разработчик, не имеющий глубоких знаний в обработке сигналов, за два дня создал скрипт для обнаружения дронов по характерным всплескам в диапазоне 2.4 ГГц (протоколы DSMX/DSM2, часто используемые в FPV-дронах).
Технические детали
| Параметр | Значение QuadRF | Коммерческий анализатор (Keysight N9344C) |
|---|---|---|
| Частотный диапазон | 70 МГц – 6 ГГц | 100 кГц – 7.5 ГГц |
| Ширина полосы обзора | 40 МГц | 40 МГц |
| Чувствительность | -95 дБм (типичная) | -110 дБм |
| Цена | $350 | $12 000 |
| Возможность кастомизации | Полная (Python/C++) | Ограниченная (закрытый SDK) |
Ключевой алгоритм: QuadRF использует корреляционный анализ между четырьмя антеннами для триангуляции источника сигнала. При обнаружении дрона скрипт вычисляет угол прихода сигнала (AoA) с точностью до 5 градусов (по данным тестов разработчика в открытом поле).
Кейс: «прозревание» сквозь стены
Этап 1: Обнаружение дронов
Разработчик развернул QuadRF на крыше дома. За 48 часов было зафиксировано 12 пролётов дронов. Из них:
- 8 — на высоте 30–50 м (вероятно, коммерческие дроны DJI, использующие протокол OcuSync 2.0 на 2.4 ГГц).
- 3 — на высоте 10–20 м (FPV-дроны с протоколом ExpressLRS на 868 МГц).
- 1 — неопознанный сигнал на 5.8 ГГц (возможно, видеопередатчик).
Система автоматически отправляла уведомления в Telegram через API. Для сравнения: портативный детектор дронов DroneDetector (цена $800) показал только 8 из 12 пролётов из-за более узкого диапазона (только 2.4 ГГц).
Этап 2: Wi-Fi сквозь стену
Вторая задача оказалась сложнее. Для «прозревания» стен QuadRF использовал метод пассивного сканирования с накоплением спектрограмм (FFT с окном Ханна, 1024 точки). Стена из железобетона толщиной 40 см ослабляла сигнал на 18 дБ (измерено калиброванным аттенюатором).
Результаты сканирования:
| Тип сети | Без стены (dBm) | Через стену (dBm) | Обнаружено через стену? |
|---|---|---|---|
| Соседская 2.4 ГГц | -45 | -63 | Да |
| Соседская 5 ГГц | -52 | -70 (на пределе) | Да, с низким SNR |
| Скрытая (SSID скрыт) | -48 | -66 | Да (по BSSID) |
| IoT (Zigbee 2.4 ГГц) | -40 | -58 | Да |
Важный нюанс: QuadRF не может расшифровать трафик (для этого нужен Wireshark), но он точно определяет наличие и мощность сигнала. Скрытые сети (с отключённым SSID) обнаруживались по beacon-фреймам — они всё равно передаются, просто без имени.
Выводы и практические рекомендации
-
QuadRF — альтернатива дорогим коммерческим решениям для малого бизнеса и энтузиастов. При бюджете до $500 вы получаете функционал, сопоставимый с устройствами за $5000–10 000, с возможностью кастомизации под конкретные задачи.
-
Vibe coding ускоряет разработку, но требует верификации. Алгоритм обнаружения дронов, сгенерированный нейросетью, давал 15% ложных срабатываний (принимал сигналы Bluetooth за дроны). Разработчику пришлось добавить фильтр по длительности импульса (>2 мс) — это снизило ложные срабатывания до 3%.
-
Для профессионального использования (например, охрана периметра) QuadRF пока уступает коммерческим системам по чувствительности (-95 дБм против -110 дБм). Но для большинства бытовых сценариев этого достаточно.
-
Wi-Fi «сквозь стены» — реальность, но с ограничениями: сигнал 5 ГГц через бетонную стену толщиной более 30 см становится практически неразличим. Для 2.4 ГГц и Zigbee проблем нет.
Заключение
QuadRF — это не просто игрушка для гиков, а полноценный инструмент RF-анализа, который демократизирует доступ к спектральному мониторингу. Кейс показал, что даже без глубоких знаний в радиотехнике (благодаря vibe coding) можно решать задачи, ранее требовавшие дорогого оборудования и экспертизы. Если вы хотите автоматизировать подобные сценарии — например, интегрировать QuadRF с системами умного дома или Telegram-ботами — изучите возможности API. ASI Biont поддерживает подключение к Telegram через API — подробнее на asibiont.com/courses.
Ограничения: статья основана на единичном кейсе. Для массового внедрения необходимы дополнительные тесты в разных условиях (городская застройка, лес, промышленные помехи).
Комментарии