Дрон детекторлары күрделі аймақтарда FPV БҰС-тарды анықтауда қаншалықты дәл?

Нақты әлемдегі қалалық орталарда дрон детекторының дәлдігін түсіну

Дрондарды табу жүйелері контекстіндегі дәлдікті анықтау

Дрон детекторларының дәлдігі негізінен жоғарыдан ұшып бара жатқан құстарды, ауа райының ерекше жағдайларын немесе әр күні қалаларда болып тұратын электрондық сигналдардың кездейсоқ шуын жасанды зиянкестер ретінде қате анықтамай, нақтысындағы пилотсыз ұшу аппараттарын қаншалықты жақсы анықтай алатынына байланысты. Мұндай жүйелердің тиімділігін қарастырғанда, үш негізгі фактор бөлініп тұрады: олар дрондарды қандай қашықтықтан анықтай алады (радиожиілікті сенсорлармен әдетте 1-5 км аралығында), мақсатты объектілерді анықтауда қаншалықты сенімді болады (көптеген жүйелер электр станциялары мен әуежайлар сияқты мекемелерде 85%-дан астам дәлдікке жетеді) және күдікті объект пайда болған кезде қаншалықты тез реакция береді (идеалды түрде бес секундтан кем уақыт ішінде, сонда қауіп-қатер туындағанша қауіпсіздік қызметі уақытылы шешім қабылдай алады). Алайда, нақты әлемдегі сынақтар басқа нәтиже көрсетеді. Зертханалық жағдайларда тамаша нәтижелер алынады, бірақ тығыз қалалық аймақтардағы ғимараттардан сигналдар шағылып, көп мөлшерде интерференция туындаса, жағдай тез күрделенеді. Өткен жылы жарық көрген соңғы зерттеу бұл түрдегі интерференция тығыз қалалық аймақтарда сәтті анықтауларды шамамен үштен бір бөлігіне дейін азайтатынын көрсетті.

Қалалық жағдайларда дрон детекторларының өнімділігіне әсер ететін негізгі факторлар

Қалаларда табу тиімділігін үш негізгі фактор анықтайды:

1. Сенсор орналасуының геометриясы : Стратегиялық орнату бұрыштары ғимараттар салдарынан пайда болатын сигналдың блокталуын азайтуға көмектеседі
2. Экологиялық кедергілер : Ұялық желілер мен Wi-Fi желілері -80 дБм-нан жоғары болатын радиожиіліктік (RF) шу деңгейін туғызады, бұл әлсіз FPV дрон сигналдарын жасырады
3. Дрон спецификациялары : Төменгі РКҚ (радиолокациялық көлденең қима) конструкциялары мен 500 грамнан кем салмақты микро БҰАУ-лар дәстүрлі радиолокациялық жүйелерге қиындық туғызады

2023 жылғы жергілікті зерттеу қалалық аймақтарда RF сканерлерінің ашық жерлерде 92%-ға қарсы 5.8 ГГц аналогтық FPV дрондардың тек 61%-ын ғана тапқанын көрсетті, себебі сигнал/шу қатынасы мәселесі ( Қалалық Дрондарды Анықтау Жөніндегі Зерттеу ).

Зертханалық деректер мен нақты әлемдегі дрондарды анықтау дәлдігі арасындағы айырмашылық

Өндірушілер жиі дабыл беру жолдары бөгелмеген идеал зертханалық жағдайларда 95% немесе одан жоғары дәлдікті көрсетеді. Дегенмен, 142 қалалық қауіпсіздік тобының деректері өнімділіктің едәуір төмендеуін көрсетеді:

Бұл айырма уақытша құрылыс алаңдары сияқты болжамсыз айнымалылардан туындайды, олар аномальді RF сигналдарын шығарады. Осы айырманы жою үшін алдыңғы қатарлы қамтамасыз етушілер RF-талдауды AI-мен күшейтілген радиолокациялық өңдеумен үйлестіруді ұсынады.

FPV UAV-ның радиожиіліктік сипаттамалары мен табу қиыншылықтары

FPV дрондарының басқару және бейне тарату үшін радиожиіліктерді, ұялы байланысты және серік байланысын қалай пайдалануы

FPV дрондарының көпшілігі нақты уақыт режиміндегі басқаруды ұстау және бейне жазбаларды тарату үшін радиожиілік байланысына, негізінен 2,4 ГГц және 5,8 ГГц диапазонында жұмыс істейді. Абайлап жиналған дрондар әлі де аналогтық жүйелерді пайдаланады, ал жоғары санатты сандық HD нұсқалары латенттілікті 30 миллисекундтан төмен түсіруге мүмкіндік беретін жақсы кодтаушыларға ие. Кейбір жаңа модельдерде көзге түспейтін ұшу үшін ұялы байланыс желілері енгізілуде, бірақ өткен жылғы Drone Defense Quarterly деректеріне сәйкес инфрақұрылым мәселелеріне байланысты коммерциялық FPV жүйелердің тек шамамен 12%-ында ғана осы функция таралды. Спутниктік байланыс қазіргі уақытта өте сирек кездеседі және әдетте миссиялар 50 километрден астам қашықтықты қамтиды деп есептелгенде ғана қолданылады. Мәселе спутниктер реакция жылдамдығы маңызды болатын тез маневрлеу ұшулары үшін оларды практикалық тұрғыдан тиімсіз ететін көрінетін кешігу уақытын қосуында.

FPV БҰС-тарды радиожиілікті байланыс арқылы анықтауды қиындататын сигнал сипаттамалары

FPV жүйелері анықтауды қиындататын үш негізгі сигнал сипаттамаларын қолданады:

• Төменгі шығыс қуаты : Аналогтық FPV трансляторлардың 90%-ы реттеу назарынан сақтану үшін 600 мВт-тен төмен жұмыс істейді
• Жиіліктің икемділігі : Жарыс дрондарының 74%-ы 5,8 ГГц диапазонында 40-тан астам канал бойынша автоматты түрде өзгереді
• Жарқыл түрінде беру : Сандық жүйелер бейнені 4 мс-тен кем уақытқа созылатын деректер жарқылдарына ықшамдайды

Қалаларда көпжолдық интерференция ашық аймақтармен салыстырғанда RF сигнал/дәуірлік қатынасын 60-80% төмендетеді (Қалалық сигнал таралуы бойынша зерттеу, 2024).

FPV жүйелеріндегі төмен қуатты және жиілікті секірмелі сигналдар: Қашу тактикасы?

Бүгінгі тауар нарығындағы бірінші адам көзқарасы (FPV) дрондарының көбісі 1 ватттан төмен жоқ қуатты жүйелерді және радиожиіліктердің ауысуының спектрлік технологиясын пайдаланады, бұл олардың анықталмауына көмектеседі. 2024 жылдың басында жарияланған соңғы зерттеулерге сәйкес, сигнал детекторлары FHSS-пен жабдықталған дрондарды күтілгеннен гөрі көбірек өткізіп жібереді. Радиожиіліктер тығыз және жиі қолданылатын аймақтарда жалған теріс көрсеткіш 5 пайыздан 43 пайызға дейін өседі. Бірақ мұның да кемшілігі бар. Осындай бейқамтама сипаттамалардың өзі бағаға түседі. Операторлар басқару қашықтығының 35 пен 60 пайыз аралығында төмендейтінін байқайды, сондықтан операциялар кезінде дронын жасыру мен оған сенімді басқару арасында әрқашан тепе-теңдік орнату керек болады.

Зерттеу мысалы: 5,8 ГГц аналогтық FPV және сандық HD жүйелерінің талдауы (DJI O3, Walksnail)

Жергілікті сынақтар аналогтық жүйелердің сандық аналогтарынан 1,8 есе ұзынырақ қашықтықта анықталатынын көрсетті, бірақ сандық HD-ның уақытша сигналдары автоматтандырылған анықтау алгоритмдерінің 34% артығынан қашып құтылады.

Қалаларда FPV дрондарын анықтаудың экологиялық және операциялық кедергілері

Төмен RCS-мен FPV дрондарын аз биіктікте анықтаудың физикалық шектеулері

Бүгінгі күнге дейінгі FPV дрондары 50 см-ден кіші рамалармен келеді және үлкен коммерциялық модельдермен салыстырғанда радиолокациялық белгісін шамамен екі үштен төрт бестен бір бөлігіне дейін азайтатын жеңіл құрамаларды пайдаланып жасалады. Осындай кішкентай ұшақтар жер бетінен 50 метрден төмен ұшқан кезде, олар тікелей барлық жергілікті дыбысқа жабысып кетеді де, нәтижесінде стандарттық радиолокаторлар оларды анықтауға қиындықтар көреді. Көру арқылы анықтау жүйелері де қосымша мәселелерге тап болады, себебі жиі ғимараттар, ағаштар және басқа құрылымдар кедергі болып тұрады. Өткен жылы жасалған соңғы сигналдарды талдау нәтижесі бойынша, FPV пилоттары ұшақтарын төмен ұстап, жергілікті ландшафт ерекшеліктерін жабын ретінде пайдаланса, олар дрондарды анықтай алатын көптеген стандарттық детекторлардың шамамен үш төрттенін айналып өте алады.

Қалалық ластану және көпжақты интерференция радиожиілікті және радиолокациялық анықтауды нашарлатады

Қалалық аймақтарда электромагниттік шу деңгейі өте жоғары, шамамен 15-22 децибеллік шамада болады, бұл 2,4 ГГц және 5,8 ГГц жиіліктегі маңызды FPV басқару сигналдарының таза өтуіне кедергі келтіреді. Темірбетон ғимараттар радиожиілік арқылы орын анықтау кезінде 40 метрден астам көпжолдық қателіктер туғызады. Сонымен қатар, басқа да сымсыз желілер қолжетерлік жолақтың шамамен 92%-ын үнемі алады. Бір топ зерттеушілер соңғы кездері қалалардағы дрондармен жұмыс істеу туралы зерттеу жүргізді және қызықты нәтиже алды: автоматтандырылған жүйелер жиі шатастырып, нақты FPV бейне ағынын шамамен үштен бір жағдайда қарапайым Wi-Fi немесе Bluetooth сигналдары деп қабылдайды. Бұл заманауи қалалар сияқты күрделі орталарда тек бір ғана сенсор түріне сүйенудің жеткіліксіз екенін көрсетеді.

Жарыс дрондарының жылдамдығы мен басқарылуы детекциялау терезелерін қысқартады

FPV гонка дроны сағатына 120 километрден астам жылдамдықпен ұша алатын, бар болғаны 100 миллисекунд ішінде тікелей бұрылулар жасай алатын өте жылдам құрылғылар. Бұл операторларға бірдеңе болмас бұрын реакция жасау үшін тек сегіз секундтай уақыт қалдырады. Көбінесе сенсорлық жүйелер ақпаратты өңдеуге 12-15 секундтай уақыт жұмсайды, ал бір мезгілде бірнеше дрондарды бақылау кезінде бұл өте ұзақ уақыт. Мақсаттарды 90% дәлдікпен анықтау үшін детекциялық бағдарламалық жабдық үш секунд ішінде 80-нен астам әртүрлі факторды өңдеуі керек. Өкінішке орай, бұл үлкен жүктеме шаһарлардағы нақты әлемде проблемалар туғызады, онда жалған теріс нәтижелер шамамен 27%-ға өседі, осылайша осы кішкентай ұшатын жарысшыларды бақылау кез келген адам үшін одан да күрделі болып табылады.

Дрондарды анықтауды жақсарту үшін РЧ және көп модальды детекцияны дамыту

Спектрді бақылау арқылы радиожиілікті (РЧ) детекциялау принциптері

Барлық FPV дрондардың шамамен үштен бірі осы жиілік диапазонында жұмыс істейтіндіктен, көбінесе спектр анализаторлар 2,4 ГГц пен 5,8 ГГц аралығындағы жиіліктерді бақылауға бағытталған. Мұндай құрылғылардың қалай жұмыс істейтінін қарастырғанда, олар негізінен әр дронның басқалардан ерекшелігін анықтау үшін модуляция үлгілері мен сигнал күшіндегі өзгерістер сияқты нәрселерді зерттейді. Радиожиілікті табу әдістеріне арналған зерттеулер нақты осы талдаудың әртүрлі аймақтарда қазіргі уақытта енгізіліп жатқан Remote ID нормативтерінің негізі болып табылатынын көрсетті. Соңғы зерттеулер де осыны растайды. Өткен жылы жүргізілген нақты бір талдау машиналық үйрену әдістерімен біріктірілгенде, сенсорлар қалалық әдеттегі Wi-Fi-дан дрондардың сигналын жүзден тоқсан төрт рет дұрыс ажыратуы мүмкін екенін көрсетті, бұл қазіргі уақыттағы сымсыз ортаның қаншалықты тығыз болып кеткенін ескерсек, өте елеулі нәтиже.

Тығыз сигналды ортада бағытты анықтау және географиялық орналасудың дәлдігі

Қалалардағы көпжолды тарату геожағдай дәлдігін 40-60%-ға төмендетеді. Күрделі жүйелер фазалық антенналық жинақтар мен уақыт бойынша әрекет ету алгоритмдерін (TDoA) қолданады, бірақ темірбетон кедергілері төмен қуатты FPV сигналдары үшін 30 метрден астам орын ауытқуларын тудыруы мүмкін.

Күрделі аймақтарда бір ғана анықтау әдісіне сенудің неге сәтсіз болуы

Бір ғана технология қалалық дрондарды сенімді түрде анықтай алмайды: радар көміртек талшықты рамалармен қиындық туғызады, оптикалық жүйелер көрінетіндіктің нашар болуында сәтсіз аяқталады, ал RF-сезгіштер радиосаңылау дрондарды бақылай алмайды. Жергілікті сынақтар дербес жүйелердің көпсенсорлық жинақтар ұстап алған шабуылдардың 35%-ын өткізіп жіберетінін растайды.

Сенімді дрон анықтау үшін RF, радар және EO/IR жүйелерінің синергиясы

RF сигналын анықтау (90% нақтылық), радарлық қашықтық өлшеу (3 км-ге дейін) және электронды-оптикалық/инфрақызыл (EO/IR) растауды үйлестіру жалған тревогаларды 72%-ға қысқартады. Радар 360° бақылау қамтамасыз етеді, ал EO/IR дрондар мен құстарды визуалды ажыратуға мүмкіндік береді.

Тренд: Нақты уақытта бақылау үшін желілік RF-сезгіштер мен деректерді біріктіру

Шекаралық есептеулермен торлы RF-сезгіштер желісі 500 мс аз жауап беру уақытына ие болады. RF, радиолокациялық және жылулық деректерді орталықтандырылған AI арқылы байланыстыру 2023 жылғы өрістегі сынақтарда траекторияны болжау дәлдігін 88%-ға жеткізді.

AI-мен қуатталған көру арқылы анықтау: YOLO модельдері мен өрістегі жұмыс сапасы

FPV дрондарын визуалды анықтауды жақсартуда терең үйренудің рөлі

Электрлі-оптикалық немесе инфрақызыл сенсорларды қолданып FPV дрондарын анықтау үшін терең үйрену әдістері маңызды болып табылады. Мысалы, YOLOv7 және YOLOv8 осындай нұсқаулар кеңейтілген әсерлі қабатты агрегаттап желілерді, қысқаша айтқанда E ELAN деп атайды. Өткен жылы Nature журналында жарияланған зерттеулерге сәйкес, олар алдыңғы нұсқалармен салыстырғанда кем дегенде 91% дәлдікті сақтай отырып, суреттерді шамамен 28 пайызға тезірек өңдей алады. Олардың ерекшелігі - роторлардың айналуына қарап және құстарда жоқ сипаттамалық сигнал үлгілерін анықтау арқылы FPV дрондарын құстардан ажырату қабілеті. Бұл мүмкіндік бақылау операциялары кезінде нақты қауіп пен аң-құстарды ажырату арқылы уақыт пен ресурстарды үнемдеуге мүмкіндік береді.

EO ағымдарынан деректерді нақты уақыт режимінде дрондарды анықтауда YOLO негізіндегі модельдердің өнімділігі

Қалалық жағдайлар FPV дрондарды 150 метрден төмен биіктікте анықтаған кезде YOLOv10 жүйесінің дәлдігі шамамен 86% құрайтын, дрондарды анықтау үшін ерекше қиындықтар туғызады. Алайда, биікте осындай кішігірім ұшу құралдары аспанға қарсы көрінуі қиындайтындықтан, анықтау деңгейі тек 63%-ке дейін төмендейді. Бірақ соңғы зерттеулер қызықты нәтиже көрсетті — YOLO компьютерлік көруді радарлық ақпаратпен үйлестірген кезде, жалған хабарландырулар саны жартысына жуық төмендейді, яғни қателер 41% азаяды. Сонымен қатар, жылдамдықты да ұмытпау керек. Жүйе 4K бейнені өте жақсы өңдейді, бір кадрға тек 33 миллисекунд уақыт жұмсайды, бұл көбінесе дер кезінде реакция талап ететін қауіпсіздік қолданбалары үшін жеткілікті тез жұмыс істеуге мүмкіндік береді.

Оқыту қиындықтары: Қоғамдық дрон деректерінің қолжетімділігі

Әртүрлі оқыту деректерінің жетіспеушілігі бұл жүйелерді тиімді енгізу кезінде шынымен кедергі болып табылады. DroneRF атты, шамамен 15 000 радиожиіліктік (RF) үлгілері бар және MultiDrone атты, шамамен 8 200 белгіленген EO кескіндері бар дайын дерекжинақтар бар. Бірақ жақыннан қарағанда, бүгіндері барша адамдар үнемі айтатын нақты FPV жағдайлардың — мысалы, ұшу кезіндегі кенеттен бұрылу немесе жиіліктің секіруінен туындайтын кедергілермен күресу — тек 12 пайызын ғана қамтиды. Осы септіктен, көбінесе әзірлеушілер оқыту деректерінің шамамен үш төрттен бірін модельдеу әдістері арқылы жасайды. Және бұл тәсіл нақты өмірдегі жағдайларға қарағанда, моделдерді жасанды сценарийлерге бейімдейтінін мойындайық-ақ.

Қарама-қайшылық талдауы: Бақыланатын дерекжинақтардағы оверфиттинг пен өрісте төзімділік

Көру моделдері мұқият таңдалған деректер жинақтарында оқытылған кезде, әдетте бақыланатын зертханалық жағдайларда 90%-дан астам дәлдікке жетеді. Бірақ оларды нақты қала ортасына шығарсаңыз, олардың тиімділігі 58% мен 67% арасына дейін төмендейді. 2024 жылғы зерттеушілер ВизиоДект деректерімен құрылған модельдер туралы қызықты нәрсе ашты - олар белгілі бір жарық жағдайларына тым көп назар аударады. Зерттеу күн шыққандағы жағдайлармен салыстырғанда күн батқан кезде тиімділіктің 29% құлап төмендеуін көрсетті. Саладағы көптеген мамандар біздің жүйелерді тексеру әдістері FPV операторлары қолданатын бірнеше айқын хил келушіліктерді өткізіп жіберетінін атап өтеді. Дрондардағы арнайы шағылдырғыш материалдар немесе болжамсыз қозғалыс үлгілері сияқты заттар стандарттық анықтау әдістерін толығымен бұзады, бұл жүйелердің сынақтан тыс ортада қаншалықты сенімді екендігі туралы маңызды сұрақтар туғызады.

Сұрақтарға жауаптар (FAQs)

• Қалалық ортада дрондарды анықтаудың негізгі қиыншылықтары қандай? Қалалық орталар ғимараттардың радиосигналдарын бөгеу, ұялы желілер мен Wi-Fi желілерінен туындайтын жоғары радиожиілікті (RF) шу деңгейлері және төменгі РЛС-пен жасалған дрондардың конструкциялық шектеулері сияқты қиыншылықтар туғызады.
• Дрон детекторларының нақты дүниедегі дәлдігі зертханалық жағдайлармен салыстырғанда неге төмен? Нақты дүниедегі дәлдік уақытша құрылыс алаңдарының радиожиілікті (RF) сигналдар шығаруы немесе қалалық ластану арқылы пайда болатын сигналдардың бөгеуленуі сияқты болжамсыз факторларға байланысты төмендейді, бұл зертханадағы бақыланатын бақыланатын жағдайлардан әжептәуір ерекшеленеді.
• FPV дрондары радиожиілікті (RF) сигналдарды қалай пайдаланады? FPV дрондары, әдетте, нақты уақыт режиміндегі басқару мен бейне тарату үшін 2,4 ГГц және 5,8 ГГц диапазонындағы радиожиілікті (RF) сигналдарды пайдаланады, алайда кейбіреулері ұзақ қашықтықта жұмыс істеу үшін ұялы желілер мен серіктаспалардың байланысын қолдануы мүмкін.
• FPV дрондарын табу неге қиын? FPV дрондары төменгі шығыс қуаты, жиілік икемділігі және импульсті тарату арқылы радиожиілікті ортада жасыруға мүмкіндік беретін қасиеттерге ие болғандықтан табу қиын.