Colsto ortet Kamera allein anhand leiser Propellerflugzeug-Geräusche

Von Doppler-Kurven zu möglichen Standorten

Colsto öffnete die Tonspur in einem Spektrogramm, das Frequenzen über die Zeit darstellt. Im passenden Frequenzbereich traten Kurven hervor, die vom Doppler-Effekt stammen – demselben Phänomen, das eine Krankenwagensirene beim Näherkommen höher klingen lässt. In einem vereinfachten Modell mit geradem Flug bei konstanter Geschwindigkeit verrät die Größe der Frequenzverschiebung das Tempo, und ihre Änderungsrate hilft, den minimalen Abstand zum Mikrofon abzuschätzen.

Er wählte zwei Überflüge im Abstand von etwa 920 Sekunden. Dann holte er ADS-B-Daten der Flüge über den zusammenhängenden USA an diesem Tag, schloss bekannte Jet-Modelle aus und legte ein Raster möglicher Orte im Abstand von 200 Metern an. Für jeden Punkt berechnete er, wann das Geräusch zu hören gewesen wäre – inklusive Schalllaufzeit, Flughöhe und Geländehöhe.

Auch die Stille dazwischen half: Orte, an denen in den knapp 15 Minuten ein weiteres Flugzeug hörbar gewesen wäre, schied er aus. Die Kandidaten sanken von etwa 73.000 auf 15.000. Danach simulierte er für jeden Punkt die erwarteten Kurven und verglich sie mit dem Spektrogramm. Nach der Verfeinerung auf 100 Meter stach eine Kombination aus Ort und Flügen klar hervor.

Grenzen der Methode

Bei einer erneuten Suche mit nur einer Minute Audio und der bekannten Aufnahmezeit 20:37 UTC genügte ein einziger Überflug, um dieselbe Zone zu finden. Street View bestätigte anschließend die genaue Kamera anhand der Baumsilhouette.

Eine Abkürzung ist das nicht. Colsto spricht von mehreren Monaten Arbeit, über 5.000 Zeilen Code und 50 GB Daten. Nötig sind zudem verwertbares Flugzeuggeräusch, verfügbare Flugdaten und genügend Informationen zur Eingrenzung. Seine Tests deuten darauf hin, dass die Kurve manche Filter und sogar einen Telefonanruf überstehen kann – das gilt aber nicht zwingend für jeden Filter oder jedes Gerät.