Radar casero para ver WiFi y drones

Si alguna vez pensaste que un radar solo sirve para aviones, barcos o autos, este proyecto te rompe esa idea rápido. QuadRF es un sistema de sensing por radio que puede detectar drones y también “ver” señales WiFi detrás de una pared, usando hardware que no suena a laboratorio militar ni a equipo imposible de conseguir. La gracia no está solo en lo que detecta, sino en que lo hace con componentes relativamente accesibles y con una lógica que cualquier maker con paciencia puede seguir.

Eso cambia la conversación. Ya no hablamos solo de medir temperatura, humedad o movimiento con sensores clásicos. Hablamos de leer el entorno por radio, de interpretar cómo rebota, se atenúa o se cuela una señal para inferir qué hay del otro lado. Y sí, eso abre preguntas técnicas, pero también prácticas: vigilancia de perímetros, domótica más fina, experimentación con RF y prototipos de seguridad que antes parecían reservados para equipos caros.

Qué hace QuadRF y por qué importa

QuadRF no es un radar “mágico” que te dibuja todo lo que pasa en una habitación. Lo que hace es más específico y, por eso mismo, más interesante: analiza el comportamiento de señales de radio para detectar cambios asociados a objetos en movimiento, como un dron, y para reconstruir patrones de actividad WiFi cuando hay una pared de por medio. En otras palabras, no está “viendo” como una cámara, sino interpretando el paisaje electromagnético.

Ese matiz importa mucho. En RF sensing, el objetivo no siempre es obtener una imagen perfecta del objeto. A veces basta con identificar una firma, un patrón de variación o una perturbación consistente. Si un dron con motores y hélices altera el campo de manera repetible, el sistema puede aprender a reconocerlo. Si una red WiFi detrás de una pared produce una señal que cambia en función del tráfico y la geometría del espacio, también se puede extraer información útil.

Lo atractivo del proyecto es que aterriza una idea que ha estado creciendo durante años: usar radiofrecuencia como sensor pasivo o semipasivo. No necesitas poner una cámara en cada esquina ni depender solo de sensores infrarrojos. Puedes aprovechar señales existentes o emitir las tuyas, medir la respuesta y extraer contexto. Eso no reemplaza a otros sistemas, pero sí los complementa con una capa distinta de percepción.

Por qué esto no es solo “otro detector”

Un detector de movimiento tradicional suele responder a calor, ultrasonido o interrupciones simples. QuadRF va un paso más allá porque trabaja con la estructura de la señal. Eso le permite distinguir entre tipos de movimiento y, en ciertos escenarios, entre objetos con firmas diferentes.

Piensa en una habitación donde entra una persona, luego un dron pequeño y después no pasa nada. Un sensor PIR puede detectar presencia humana, pero no te dirá si hay una aeronave de cuatro hélices zumbando cerca. Un sistema de RF bien afinado sí puede empezar a separar esos casos, siempre que tenga suficiente señal, calibración y procesamiento.

Detección de drones: el caso más llamativo

La detección de drones es probablemente el ejemplo que más llama la atención porque tiene impacto real en seguridad, privacidad y perímetros críticos. En aeropuertos, eventos, plantas industriales o incluso fincas grandes, saber si un dron está cerca puede ser más importante que saber si alguien abrió una puerta.

La ventaja del enfoque por radio es que no depende de luz visible. Un dron puede aparecer de noche, entre árboles o detrás de obstáculos parciales. Si el sistema capta su firma RF, puedes detectar actividad sin apuntar una cámara al cielo todo el tiempo. Eso sí, no significa que sea infalible: el entorno, la distancia y el ruido electromagnético pesan muchísimo.

Cómo funciona el sensing por radio en este proyecto

La idea básica del sensing por radio es medir cómo cambia una señal al interactuar con el entorno. Cuando una onda electromagnética rebota en objetos, atraviesa materiales o se mezcla con otras reflexiones, el receptor no ve una línea limpia. Ve una señal que contiene información sobre distancias, materiales, movimientos y obstáculos.

En un sistema como QuadRF, esa información se procesa para encontrar patrones. Si un dron se mueve, sus hélices generan variaciones rápidas y repetitivas. Si una red WiFi está detrás de una pared, el sistema puede capturar parte de esa energía y reconstruir un mapa de actividad suficiente para distinguir presencia, tráfico o posición aproximada. No es telepatía, es procesamiento de señales, y bastante trabajo de calibración.

La parte importante es que este tipo de proyecto mezcla hardware, firmware y análisis. No basta con comprar una placa y esperar milagros. Necesitas una cadena completa: antenas bien elegidas, muestreo estable, sincronización, filtrado y un algoritmo capaz de sacar sentido del ruido. Ahí es donde se separa una demo bonita de un sistema útil.

Componentes y señales involucradas

Aunque cada implementación cambia, el enfoque suele apoyarse en radios capaces de transmitir y recibir con suficiente control, además de una antena o conjunto de antenas que permitan capturar variaciones espaciales. En proyectos de este tipo, la elección de la frecuencia importa mucho, porque no se comporta igual una señal en 2.4 GHz que en otra banda.

En WiFi, por ejemplo, el entorno está lleno de interferencia: routers vecinos, teléfonos, Bluetooth, microondas y paredes con materiales distintos. Eso obliga a filtrar y a comparar patrones. En drones, además, el problema puede ser que el objeto es pequeño y rápido, así que la firma cambia con mucha velocidad. El sistema tiene que muestrear y procesar a una tasa suficiente para no perder esa información.

Flujo típico de trabajo

Un flujo razonable para un proyecto de este tipo suele verse así:

1. Capturar una señal de referencia o una señal ambiente.
2. Medir cómo cambia al introducir un objeto o al moverlo.
3. Filtrar ruido e interferencia para aislar variaciones relevantes.
4. Extraer características temporales o espectrales.
5. Clasificar el patrón con reglas, umbrales o modelos más avanzados.
6. Validar con escenarios repetibles, no solo con una prueba aislada.

Ese orden parece simple, pero en la práctica cada paso puede requerir varias iteraciones. Si cambias la antena, el ángulo o la distancia, el sistema puede comportarse distinto. Por eso los proyectos serios de RF sensing siempre terminan hablando de calibración, repetibilidad y condiciones de prueba.

Qué tan accesible es hacerlo en casa

La gran pregunta es si esto está al alcance de alguien que no trabaja en telecomunicaciones. La respuesta corta es: sí, pero con matices. Accesible no significa plug and play. Significa que ya no necesitas un presupuesto de laboratorio universitario para empezar a experimentar con sensing por radio.

Hoy existen placas, módulos SDR y herramientas de software que bajan bastante la barrera de entrada. Eso permite montar pruebas caseras, comparar señales, registrar datos y empezar a entender patrones reales. No vas a obtener una solución lista para producción en una tarde, pero sí puedes construir una base sólida para aprender y prototipar.

El costo final depende mucho de lo que quieras hacer. No cuesta lo mismo detectar presencia básica que intentar identificar un dron específico o reconstruir actividad WiFi a través de una pared de ladrillo. A mayor ambición, más exigencia en antenas, estabilidad, cómputo y validación.

Qué necesitas para empezar

Si quisieras replicar una idea parecida, estas son las piezas que normalmente tendrías en la mesa:

• Una plataforma de radio capaz de transmitir y recibir con control suficiente.
• Antenas acordes a la banda que vayas a usar.
• Una computadora para procesar y visualizar datos.
• Software de análisis de señales, desde scripts en Python hasta herramientas más especializadas.
• Un entorno de prueba controlado, idealmente con distancias conocidas.

No hace falta comprar todo de una vez. De hecho, conviene empezar con una prueba simple: medir cambios de señal cuando una persona cruza una habitación, luego cuando colocas una pared intermedia, y después cuando introduces un objeto en movimiento. Así entiendes qué parte del sistema responde al entorno y qué parte responde al ruido.

Tabla de referencia rápida

Lo que sí puede hacer y lo que no

Aquí conviene poner los pies en el suelo. Un sistema como QuadRF puede detectar y estimar, pero no reemplaza una cámara de alta resolución ni un radar profesional de defensa aérea. Si la señal está muy degradada, si hay demasiada interferencia o si el objeto no tiene una firma consistente, el sistema pierde precisión.

Tampoco significa que “vea a través de paredes” como en una película. Lo que hace es captar señales que llegan por caminos indirectos o que atraviesan materiales con cierta atenuación. Una pared de yeso no se comporta igual que una de concreto armado. Una señal WiFi en un apartamento no se lee igual que en una casa con muros gruesos. El contexto manda.

Aun así, el valor práctico es real. Con suficiente calibración, puedes usar este tipo de sensing para automatización, monitoreo de ocupación, detección de actividad no autorizada o experimentación con robótica. Y si trabajas en seguridad física o IoT, entender estas capacidades te ayuda a diseñar sistemas más robustos.

Limitaciones técnicas que no conviene ignorar

Hay cuatro límites que aparecen una y otra vez en este tipo de proyectos:

1. Multipath: las reflexiones crean señales mezcladas que complican la lectura.
2. Interferencia: otros dispositivos en la misma banda ensucian el resultado.
3. Calibración: un cambio pequeño en antena o posición altera todo.
4. Generalización: lo que funciona en una sala puede fallar en otra.

Si tu objetivo es aprender, estas limitaciones son parte del valor del proyecto. Te obligan a pensar en RF como un sistema físico, no como una app que siempre responde igual. Y eso te da una mejor base para cualquier cosa que hagas después con IoT, redes o automatización.

Qué nos dice este proyecto sobre el futuro del sensing

Lo más interesante de QuadRF no es solo el truco técnico. Es el mensaje que deja: el sensing por radio ya salió del terreno experimental puro y empezó a tocar problemas concretos con hardware que sí puedes conseguir. Eso no significa que todo esté resuelto, pero sí que la frontera bajó bastante.

Para Latinoamérica, esto tiene una lectura útil. Muchas veces hablamos de tecnología avanzada como si fuera inaccesible por definición. Y sí, hay equipos caros y laboratorios especializados. Pero también hay una capa intermedia donde makers, universidades y equipos pequeños pueden experimentar con resultados serios si combinan curiosidad, método y medición.

Si trabajas en seguridad, domótica, robótica o redes, vale la pena mirar este tipo de proyectos con atención. No porque vayas a montar un radar de drones mañana, sino porque la lógica detrás de él te enseña a leer el entorno de otra forma. Y eso puede terminar influyendo en cómo diseñas un sensor, un gateway o un sistema de monitoreo.

Dónde encaja mejor hoy

Este tipo de sensing tiene sentido en escenarios donde una sola fuente de información no alcanza. Por ejemplo:

• perímetros donde la cámara no siempre tiene línea de visión;
• espacios cerrados donde quieres detectar actividad sin instalar más sensores visibles;
• laboratorios y makerspaces donde buscas experimentar con RF;
• proyectos académicos de clasificación de señales;
• prototipos de seguridad para drones o presencia no autorizada.

No es la solución universal. Pero sí es una herramienta más, y bastante potente si sabes dónde ponerla.

Recursos para profundizar

Si quieres ir más allá del artículo y entender mejor la base técnica, estas fuentes son un buen punto de partida:

• Documentación de GNU Radio: https://www.gnuradio.org/
• Espacio de aprendizaje de Ettus Research sobre USRP: https://www.ettus.com/
• Documentación de Wi-Fi Alliance: https://www.wi-fi.org/

No necesitas dominar todo antes de probar. Lo útil es empezar por medir, comparar y anotar qué cambia cuando modificas distancia, orientación, materiales y banda de frecuencia.

Tabla resumen