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

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.

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