Подход к обоснованию требований к качеству видеопотока при FPV-управлении беспилотными системами

Обложка

Цитировать

Полный текст

Аннотация

В настоящее время ключевую роль в различных отраслях экономики РФ играют гибридные орбитально-наземные сети связи, важной составной частью которых являются беспилотные системы на FPV-управлении. Важным элементом таких систем являются каналы информационного обмена, в составе которых широкое распространение получило использование нейросетевых кодеков. Главным критерием успешности решения ими своих целевых задач является удовлетворение требований к качеству восстановленного видеопотока, что обусловливает особенную актуальность обоснования этих требований.Целью настоящей статьи является представление подхода к количественному обоснованию требований к качеству передаваемого видеопотока. Сущность представленного подхода заключается в том, что требуемые значения показателей качества передаваемого изображения, используемые для обоснования приемлемых нейросетевых кодеков, определяются путем анализа различных видеопотоков, на основе которых формировались воздействия по управлению беспилотными системами, позволившие достичь целей их функционирования. Рассмотрены основные этапы подхода и их логическая взаимосвязь. Предложенный подход базируется на использовании методов статистического и риск-анализа, теории планирования эксперимента и теории вероятностей. Научная новизна предложенного подхода заключается в том, что требования к качеству передаваемого от беспилотной системы к оператору видеопотока, используемые для обоснования приемлемых нейросетевых кодеков, рассчитываются путем анализа совокупности видеопотоков, позволивших достичь целей ее функционирования, что дает возможность избавиться от субъективизма присущего использующимся в настоящее время для решения этой задачи экспертным методам.Теоретическая значимость: доказана возможность использования имитационного моделирования каналов информационного обмена для решения задачи коррекции требований к показателям качества восстановленного видеопотока при FPV-управлении. Предложенный подход также вносит вклад в совершенствование научно-методического аппарата в области проектирования альтернативных кодеков сжатия видеопотока с потерями. Практическая значимость предложенного подхода заключается в том, что полученные с помощью него требования к показателям качества передаваемого видеопотока могут быть в дальнейшем использованы для обоснования оптимальных проектных решений по созданию каналов информационного обмена между беспилотными системами и оператором, что существенно повысит эффективность использования этих систем.

Об авторах

А. А. Березкин

Санкт-Петербургский государственный университет телекоммуникаций им. проф. М. А. Бонч-Бруевича,

Email: berezkin.aa@sut.ru
ORCID iD: 0000-0002-1748-8642
SPIN-код: 5730-6084

Р. М. Вивчарь

Санкт-Петербургский государственный университет телекоммуникаций им. проф. М. А. Бонч-Бруевича

Email: vivchar.rm@sut.ru
ORCID iD: 0000-0003-3865-9102
SPIN-код: 7493-6643

Р. В. Киричек

Санкт-Петербургский государственный университет телекоммуникаций им. проф. М. А. Бонч-Бруевича

Email: kirichek@sut.ru
ORCID iD: 0000-0002-8781-6840
SPIN-код: 3253-4972

Список литературы

  1. Гриценко А.А. Гибридные радиосети, или Третья технологическая волна в развитии спутниковых систем // Connect. 2023. № 11-12. С. 48‒53.
  2. Тихвинский В., Стрелец М. Перспективы создания спутникового сегмента 5G // Первая миля. 2018. № 1(70). С. 16‒25. doi: 10.22184/2070-8963.2018.70.1.16.25. EDN:YRTPCM
  3. Березкин А.А., Вивчарь Р.М., Слепнев А.В., Киричек Р.В., Захаров А.А. Метод сжатия видеопотока при управлении беспилотными системами в гибридных орбитально-наземных сетях связи // Электросвязь. 2023. № 10. С. 48‒56. doi: 10.34832/ELSV.2023.47.10.007. EDN:HRBGLL
  4. Матарас А.А., Гуляев И.Ю. Анализ применения FPV дронов в ходе боевых действий 2014-2023 гг. // Актуальные вопросы повышения эффективной огневой подготовки в силовых структурах: теория и практика (III Макаровские чтения), Пермь, Россия, 23 мая 2023: всероссийский сборник научно-практических материалов. Пермь: Пермский военный институт войск национальной гвардии Российской Федерации, 2023. Т. 3. С. 135–141. EDN:XCNJAX
  5. Kumar P., Parmar A. Versatile Approaches for Medical Image Compression: A Review // Procedia Computer Science. 2020. Vol. 167. PP. 1380–1389.doi: 10.1016/j.procs.2020.03.349
  6. Старовойтов В.В. Уточнение индекса SSIM структурного сходства изображений // Информатика. 2018. Т. 15. № 3. С. 41–55. EDN:XZOOHR
  7. Березкин А.А., Вивчарь Р.М., Киричек Р.В. Модель системы управления мобильными роботизированными комплексами различного назначения // Электросвязь. 2023. № 8. С. 12–18. doi: 10.34832/ELSV.2023.45.8.002. EDN:XXOJNM
  8. Звягин В.И., Птушкин А.И., Трудов А.В. Риск как одно из свойств качества решений, принимаемых в условиях неопределенности // Надежность. 2018. Т. 18. № 4(67). С. 45‒50. EDN:VNPHJG
  9. ГОСТ Р ИСО 11231-2013 Менеджмент риска. Вероятностная оценка риска на примере космических систем. М.: Стандартинформ, 2014.
  10. NASA/SP-2011-3421 (12/2011) Probabilistic Risk Assessment Procedures Guide for NASA Managers and Practitioners NASA.
  11. NetDisturb // ZTI Communications. URL: https://www.zti-communications.com/netdisturb (дата обращения 08.07.2024)
  12. Поршенев С.В. Копосов А.С. Использование аппроксимации Розенблатта-Парзена для восстановления функции распределения непрерывной случайной величины с ограниченным одномодальным законом распределения // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. 2013. № 92. С. 1–27. EDN:RNEGGN
  13. Маслаков М.Л., Терновая А.К. Построение плотности распределения вероятностей КАМ сигналов // Цифровая обработка сигналов. 2021. № 3. С. 36–40. EDN:FIACYQ
  14. Березкин А.А., Вивчарь Р.М., Киричек Р.В. Многокритериальная оценка эффективности управления беспилотными системами в гибридных сетях связи // Труды учебных заведений связи. Т. 10. № 1. 2024. С. 18–25. doi: 10.31854/1813-324X-2024-10-1-18-25. EDN:VLZDQC

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML


Creative Commons License
Эта статья доступна по лицензии Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».