Исследование задержки кадров видеопотока в канале информационного обмена наземного сегмента гибридной сети связи при FPV-управлении

Обложка

Цитировать

Полный текст

Аннотация

В настоящем исследовании рассматриваются зависимости величины задержки и потери кадров видеопотока, сжатых нейросетевым кодеком, разработанным на основе нейросетевого вариационного автокодировщика, от размера передаваемых кадров при реализации каналов информационного обмена между беспилотной авиационной системой и станцией внешнего пилота в наземном сегменте гибридной орбитально-наземной сети связи с учетом расстояния между ними при использовании технологий передачи данных 3G и LTE. Актуальность исследования обусловлена необходимостью достижения заданного уровня качества обслуживания услуги управления беспилотными летательными аппаратами от первого лица в сетях связи. Используемые методы. В ходе исследования натурным экспериментом измерены прикладные задержки передачи и потери кадров видеопотока FPV-управления при использовании нейросетевых кодеков. Прикладные задержки и потери учитывают сегментацию, восстановление пакетов и передачу нескольких UDP-пакетов для каждой полезной нагрузки. Дополнительно методом Розенблатта ‒ Парзена восстановлены распределения плотности вероятности задержек. Результаты. Получены оценки средних значений задержки передачи и потерь кадров видеопотока (сжатых нейросетевым кодеком) при использовании технологий передачи данных 3G и LTE с учетом различных расстояний между беспилотной системой и станцией внешнего пилота. Восстановлены распределения зависимостей задержек видеопотока от размера полезной нагрузки. Найден характер распределения задержки видеопотока, формируемого нейросетевым кодеком. Новизна полученных результатов заключается в исследовании характера задержек и потерь кадров видеопотока услуги FPV-управления, передаваемого через мобильные сети связи, на прикладном уровне модели OSI при использовании нейросетевых кодеков.Практическая значимость. Полученные результаты могут быть примененены при моделировании каналов информационного обмена для FPV-управления с целью формирования оптимальной конфигурации используемых нейросетевых кодеков.

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

А. А. Ченский

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

Email: chenskii.aa@sut.ru
ORCID iD: 0009-0005-0832-8590
SPIN-код: 3783-5874

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. Просвирина Н.В. Анализ и перспективы развития беспилотных летательных аппаратов // Московский экономический журнал. 2021. № 10. С. 560‒575. doi: 10.24411/2413-046X-2021-10619. EDN:PPWXEF
  2. Мещанинова Е.Г., Николюкина В.О. Перспективы использования БПЛА при осуществлении земельного надзора // Экономика и экология территориальных образований. 2018. Т. 2. № 3. С. 122‒128. doi: 10.23947/2413-1474-2018-2-3-122-128. EDN:UVLPBE
  3. Курносенко Д.В. Перспективы применения беспилотных летательных аппаратов (БПЛА) при тушении лесных пожаров // Молодые ученые в решении актуальных проблем безопасности. 2023. С. 280‒281. EDN:RULHAI
  4. Чмелев В.С., Калюка В.И., Дмитренко М.Е. Обзор систем управления беспилотных летательных аппаратов общего пользования // Научно-практическая конференция «Технологии. Инновации. Связь» (Санкт-Петербург, Российская Федерация, 19 апреля 2021 г.). СПб.: ВАС, 2022. С. 279‒286. EDN:KZXWEH
  5. Гончерова Н.П., Примачук В.С. Беспилотные летательные аппараты в современном мире. Краткий обзор и перспективы развития // Символ науки. 2023. № 6-2. С. 12‒14. EDN:WXXJBD
  6. ITU-T H.264. Advanced Video Coding for Generic Audio-Visual Services. 2003.
  7. ISO/IEC 23008-2. High Efficiency Video Coding. 2013.
  8. Mousavi A., Patel A.B., Baraniuk R.G. A deep learning approach to structured signal recovery // Proceedings of the 53rd Annual Allerton Conference on Communication, Control, and COMPUTING (Allerton, Monticello, USA, 29 September ‒ 02 October 2015). IEEE, 2016. PP. 1336‒1343. doi: 10.1109/ALLERTON.2015.7447163
  9. Li Y., Mandt S. Disentangled Sequential Autoencoder // arXiv:1803.02991v2. 2018. doi: 10.48550/arXiv.1803.02991
  10. Березкин А.А., Ченский А.А., Киричек Р.В., Захаров А.А. Исследование конфигураций нейросетевых кодеков для адаптивной системы сжатия кадров FPV-видеопотока при управлении беспилотными системами. Часть I. Методика // Электросвязь. 2024. № 9. С. 42‒51. doi: 10.34832/ELSV.2024.58.9.004. EDN:MWXFXN
  11. Березкин А.А., Ченский А.А., Киричек Р.В., Захаров А.А. Исследование конфигураций нейросетевых кодеков для адаптивной системы сжатия кадров FPV-видеопотока при управлении беспилотными системами. Часть II. Эксперимент // Электросвязь. 2024. № 10. С. 59‒69. doi: 10.34832/ELSV.2024.59.10.009. EDN:IWGJLY
  12. Behnam M., Marau R., Pedreiras P. Analysis and optimization of the MTU in real-time communications over Switched Ethernet // Proceedings of the 16th International Conference on Emerging Technologies and Factory Automation (ETFA2011, Toulouse, France, 05‒09 September 2011). IEEE, 2011. PP. 1‒7. doi: 10.1109/ETFA.2011.6059021
  13. Rajkumar K., Swaminathan P. Combining TCP and UDP for secure data transfer // Indian Journal of Science and Technology. 2015. Vol. 8. Iss. S9. PP. 285‒291. doi: 10.17485/ijst/2015/v8iS9/65569
  14. Garcia N.M., Freire M.M., Monteiro P.P. The Ethernet Frame Payload Size and Its Effect on IPv4 and IPv6 Traffic // Proceedings of the International Conference on Information Networking (Busan, South Korea, 23‒25 January 2008). IEEE, 2008. PP. 1‒5. doi: 10.1109/ICOIN.2008.4472813
  15. Milanovic A., Srbljic S., Sruk V. Performance of UDP and TCP communication on personal computers // Proceedings of the 10th Mediterranean Electrotechnical Conference. Information Technology and Electrotechnology for the Mediterranean Countries (MeleCon 2000, Lemesos, Cyprus, 29‒31 May 2000). IEEE, 2000. Vol. 1. PP. 286‒289. doi: 10.1109/MELCON.2000.880422
  16. Вивчарь Р.М., Птушкин А.И., Соколов Б.В. Методика многокритериального оценивания эффективности функционирования стохастических сложных технических систем // Авиакосмические приборостроение. 2022. № 7. С. 3‒14. doi: 10.25791/aviakosmos.7.2022.1286. EDN:XCYDAI
  17. 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
  18. Parzen E. On Estimation of a Probability Density Function and Mode // The Annals of Mathematical Statistics. 1962. Vol. 33. Iss. 3. PP. 1065‒1076. doi: 10.1214/aoms/1177704472
  19. Bowman A.W., Hall P., Titterington D. M. Cross-validation in nonparametric estimation of probabilities and probability densities // Biometrika. 1984. Vol. 71. Iss. 2. PP. 341‒351. doi: 10.1093/biomet/71.2.341. EDN:ILOHEZ

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать


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».