Kiek tikslūs yra žvalgybos prietaisai nustatant FPV bepiločius sudėtingose vietovėse?

Suprasti dronų aptikimo tikslumą realiomis miesto sąlygomis

Aptikimo sistemos tikslumo apibrėžimas dronų kontekste

Dronų aptikimo sistemų tikslumas iš esmės priklauso nuo to, kaip gerai jos gali atskirti tikras neįgulintas skrydžio priemones, nesumaišydamos jų su virš galvos skraidančiais paukščiais, keistais orų reiškiniais ar visu tuo atsitiktiniu elektroniniu triukšmu, kuris kasdien vyksta miestuose. Įvertinant, kas daro šias sistemas veiksmingomis, išsiskiria trys pagrindiniai veiksniai: koks yra dronų aptikimo nuotolis (paprastai tarp 1 ir 5 kilometrų naudojant radijo dažnių jutiklius), koks yra identifikavimo patikimumas (dauguma sistemų pasiekia daugiau nei 85 % tikslumą vietose, tokiuose kaip elektrinės ar oro uostai), ir kaip greitai sistemos reaguoja, kai pastebimas įtartinas objektas (pageidautina – per mažiau nei penkias sekundes, kad saugos komandos galėtų sureaguoti iki bet kokios žalos padarymo). Tačiau realaus pasaulio testavimas rodo kitokią situaciją. Laboratorijose gaunami puikūs rezultatai, tačiau sudėtingame miesto aplinkos signalų lauke, kai signalai atsimuša nuo pastatų, situacija labai greitai tampa sudėtinga. Pernai atliktas tyrimas parodė, kad tokie trukdžiai labai tankiuose miesto rajonuose sumažina sėkmingų identifikavimų skaičių apie trečdalį.

Pagrindiniai veiksniai, darantys įtaką bepiločių aptikimo priemonių našumui miestų aplinkose

Trys pagrindiniai veiksniai lemia aptikimo veiksmingumą miestuose:

1. Jutiklių išdėstymo geometrija : Strategiškai parinkti montavimo kampai padeda sumažinti signalo užblokavimą dėl pastatų
2. Aplinkos kišimasis : Mobilieji ryšio bokštai ir Wi-Fi tinklai sukuria RF triukšmo slenksčius, viršijančius -80 dBm, dėl ko silpnesni FPV bepiločių signalai pasislepia
3. Bepiločių charakteristikos : Mažo RCS (Radar Cross Section) konstrukcijos ir sub-500 g mikro-BVP sudaro sunkumų tradicinėms radarinėms sistemoms

2023 m. lauko tyrimas parodė, kad RF skeneriai miesto teritorijose aptiko tik 61 % 5,8 GHz analoginių FPV bepiločių, palyginti su 92 % atvirame landšafte, dėl signalo ir triukšmo santykio problemų ( Miesto bepiločių aptikimo tyrimas ).

Tarpas tarp laboratorijose nurodyto ir realaus bepiločių aptikimo tikslumo

Gamintojai dažnai teigia, kad tikslumas siekia 95 % arba daugiau idealiomis laboratorinėmis sąlygomis su neužtvertais skrydžio maršrutais. Tačiau duomenys iš 142 miestų saugumo komandų atskleidžia didelį našumo sumažėjimą:

Ši skirtumą sukelia neprognozuojami veiksniai, toki kaip laikini statybos aikštelės, skleidžiančios nestandartines RF signalizacijas. Norėdami jį pašalinti, vyraujantys tiekėjai dabar siūlo kelių jutiklių derinį, kuris sujungia RF analizę su dirbtinio intelekto patobulintu radariniu apdorojimu.

FPV bepiločių orlaivių signalo charakteristikos ir aptikimo iššūkiai

Kaip FPV bepiločiai orlaiviai naudoja RF, mobiliąją ryšio ir palydovinę sistemas valdymui ir vaizdo perdavimui

Dauguma FPV bepiločių priklauso nuo radijo dažnių ryšio, dažniausiai veikiančių 2,4 GHz ir 5,8 GHz diapazone, kad būtų galima valdyti realaus laiko valdymą ir transliuoti vaizdo įrašus. Pigesni bepiločių modeliai vis dar naudoja analogines sistemas, tuo tarpu aukštesnės klasės skaitmeniniai HD variantai turi geresnius koderyje, kurie gali sumažinti vėlavimą iki mažiau nei 30 milisekundžių. Kai kurios naujos modelių versijos pradeda integruoti mobiliųjų tinklų ryšius skrydžiams už tiesioginio matomumo ribų, tačiau ši funkcija populiarėja tik apie 12 % komercinių FPV sistemų dėl infrastruktūros problemų, kaip nurodyta praėjusiais metais „Drone Defense Quarterly“. Palydoviniai ryšiai šiuolaikinėje praktikoje yra gan reti ir paprastai naudojami tik tuomet, kai misijos reikalauja įveikti atstumus, viršijančius 50 kilometrų. Problema ta, kad palydoviniai ryšiai sukelia pastebimą vėlavimą, todėl jie netinka greitiems manevrams, kai svarbiausia – greitas reakcijos laikas.

Signalų charakteristikos, kurios sudaro sunkumų RF pagrindu veikiančiam FPV UAV aptikimui

FPV sistemos naudoja tris pagrindinius signalo bruožus, kurie apsunkina aptikimą:

• Žema perdavimo galia : 90 % analoginių FPV siųstuvų veikia žemiau 600 mW, kad išvengtų reguliavimo dėmesio
• Dažnio lankstumas : 74 % lenktynių bepiločių automobilių automatiškai peršoka daugiau nei 40 kanalų 5,8 GHz ruože
• Impulsinis perdavimas : Skaitmeninės sistemos suspaudžia vaizdo įrašą į duomenų impulsus, trumpesnius nei 4 ms

Miestuose daugiakartinis trikdžių sklindimas dar labiau sumažina RF signalo ir triukšmo santykį 60–80 % lyginant su atvirais plotais (Miesto signalo sklidimo tyrimas, 2024).

Žemos galios ir dažnio šokinėjimo signalai FPV sistemose: Pasitraukimo taktika?

Dauguma šiandien rinkoje esančių pirmojo asmens vaizdo (FPV) bepiločių naudoja mažos galios sistemas, veikiančias mažiau nei 1 vato, kartu su dažnių peršokimo skleistiniu spektru technologija, kuri padeda jiems išvengti aptikimo. Pagal 2024 metų pradžioje paskelbtus tyrimus, signalų detektoriai dažnai praleidžia šiuos FHSS turinčius bepiločius daug dažniau nei tikėtasi. Klaidingai neigiamų atvejų rodiklis išauga nuo vos 5 procentų iki net 43 procentų srityse, kuriose radijo dažniai yra perkrauti ir intensyviai naudojami. Tačiau čia tikrai yra ir trūkumų. Šios pačios paslėptumo savybės turi savęs kainą. Operatoriai pastebi, kad jų valdymo riba sumažėja nuo 35 iki net 60 procentų, todėl visada tenka ieškoti pusiausvyros tarp pasislėpimo ir patikimo bepiločio valdymo operacijų metu.

Atvejo analizė: 5,8 GHz analoginio FPV ir skaitmeninių HD sistemų (DJI O3, Walksnail) palyginimas

Lauko tyrimai parodo, kad analogenės sistemos aptinkamos 1,8 karto didesniais atstumais nei skaitmeninės, tačiau skaitmeninių HD trumpalaikių signalų 34 % daugiau automatinės detekcijos algoritmai praleidžia

Aplinkos ir eksploatacinių kliūčių poveikis FPV dronų aptikimui miestuose

Fizikinės ribotumo sąlygos, trukdančios nustatyti mažo RCS ir žemai skrendančius FPV dronus

Šių dienų FPV bepiločiai turi mažas konstrukcijas, kurių plotis yra mažesnis nei 50 cm, ir yra pagamintos iš lengvų kompozitinių medžiagų, kurios sumažina jų radarinį signalą apie du trečdalius iki keturių penktadalių, palyginti su didesniais komerciniais modeliais. Kai šie maži skrydžiai vyksta žemiau 50 metrų aukščio, jie praktiškai pranyksta tarp viso žemės triukšmo, todėl standartinėms radarams sunku juos aptikti. Taip pat atsiranda papildomų problemų vizualinėms detekcijos sistemoms, nes pastatai, medžiai ir kitos struktūros dažnai trukdo. Pagal kai kurias naujausias praėjusiais metais atliktas signalų analizes, kai FPV pilotai laiko savo aparatus žemai ir naudoja natūralius reljefo elementus kaip dengimąsi, jiems pavyksta praslysti pro apie tris ketvirtadalius to, ką gali stebėti dauguma įprastų bepiločių detektorių.

Miesto aplinkos netvarka ir daugiakartinis trukdžių sklaidymas, pabloginantys RF ir radarinę detekciją

Miestų teritorijos pasižymi labai aukštu elektromagnetinio triukšmo fonu, apie 15–22 decibelus, dėl ko sunku svarbiems FPV valdymo signalams 2,4 GHz ir 5,8 GHz dažniuose tinkamai prasiveržti. Betoniniai pastatai sukuria daugiakartinio kelio klaidas, siekiančias daugiau nei 40 metrų, bandant nustatyti vietą naudojant radijo dažnius. Be to, nereikia pamiršti, kad kitos belaidės tinklo sistemos nuolat užima juostos plotį, užimant apie 92 % viso turimo ploto. Nesenai atlikto tyrimo apie miestų elgseną su bepiločiais žmonės nustatė kažką įdomaus: automatinės sistemos dažnai sumišta, apie trečdalį atvejų tikrus FPV vaizdo srautus laikydamos paprastais senoviniais Wi-Fi arba Bluetooth signalais. Tai tik dar kartą parodo, kodėl pasikliauti vieno tipo jutikliu sudėtingose aplinkose, tokiomis kaip mūsų šiuolaikiniai miestai, nebus pakankamai veiksminga.

Lenktynių bepiločių greitis ir manevringumas sumažina aptikimo langus

FPV lenktynių bepiločiai yra itin greiti įrenginiai, kurie gali pasiekti greitį, viršijantį 120 kilometrų per valandą, ir atlikti staigius posūkius vos per 100 milisekundžių. Tai operatoriams palieka vos aštuonias sekundes reaguoti iki to, kai kas nors įvyksta. Dauguma jutiklių sistemų informaciją apdoroja per maždaug 12–15 sekundžių, kas yra per lėta, stebint kelis bepiločius vienu metu. Apsistatymo programinė įranga turi per tris sekundes apdoroti daugiau nei 80 skirtingų veiksnių, jei nori išlaikyti tikslumą aukščiau 90 % nustatant taikinius. Deja, tokia didelė apkrova sukelia problemų realiose miesto aplinkose, kur klaidingų neigiamų rezultatų skaičius padidėja apie 27 %, dar labiau apsunkinant tai, kas bando sekti šiuos mažus skraidančius lenktynininkus.

Pažangios RF ir daugiarežimės detekcijos plėtojimas pagerintai bepiločių identifikacijai

RF pagrįsto aptikimo principai, naudojant spektro stebėseną

Dauguma spektrų analizatorių sutelkia dėmesį į dažnių stebėjimą 2,4 GHz – 5,8 GHz diapazone, kadangi apie tris ketvirtadalius visų FPV bepiločių naudoja būtent šiuose diapazonuose. Tiriant, kaip veikia šie prietaisai, paaiškėja, kad jie esminiai tikrina moduliacijos modelius ir signalo stiprumo pokyčius, kad nustatytų, kas kiekvieną bepilotį skiria nuo kitų. Tyrimai, atlikti spinduliuotės aptikimo srityje, iš tikrųjų parodė, kad šis analizės metodas sudaro pagrindą daugeliui šiuo metu įvairiose jurisdikcijose taikomų nuotolinio identifikavimo (Remote ID) taisyklių. Tai patvirtina ir naujausi tyrimai. Vienas konkrečiai praėjusiais metais atliktas tyrimas parodė, kad sujungus šiuos jutiklius su mašininio mokymosi metodais, jie galėjo atskirti bepiločių signalus nuo įprasto miesto Wi-Fi tinklo apie 94 kartus iš 100, kas yra itin įspūdinga, atsižvelgiant į tai, kaip perpildytos tapo mūsų belaidės aplinkos.

Krypties nustatymas ir geografinės vietos tikslumas tankiose signalų aplinkose

Miestuose daugiakryptis sklidinimas sumažina geolokacijos tikslumą 40–60 %. Pažangios sistemos naudoja fazuotas antenas ir laiko skirtumo nustatymo (TDoA) algoritmus, tačiau betoninės kliūtys vis tiek gali sukelti padėties klaidas, viršijančias 30 metrų, silpniems FPV signalams.

Kodėl pasikliovimas vienintele aptikimo priemone nepavyksta sudėtingose vietovėse

Jokia atskira technologija neleidžia patikimai aptikti dronų miestuose: radarams sunku aptikti anglies pluošto rėmus, optinės sistemos neveikia esant prastam matomumui, o RF jutikliai negali sekti be radijo ryšio veikiančių dronų. Bandomieji bandymai parodė, kad atskirai veikiančios sistemos praleidžia 35 % įsibrovimų, kuriuos aptinka daugiajutiklių masyvų sistemos.

RF, radarų ir EO/IR sistemų sinergija patikimam dronų aptikimui

Sujungus RF signalų identifikavimą (90 % specifiškumas), radarų nutolimo matavimą (iki 3 km) ir elektro-optinį/infraraudonųjų spindulių (EO/IR) patvirtinimą, klaidingų įspėjimų skaičius sumažėja 72 %. Radaras užtikrina 360° stebėseną, o EO/IR leidžia vizualiai atskirti dronus nuo paukščių.

Tendencija: susieti RF jutikliai ir duomenų sujungimas realaus laiko sekimui

Ląsteliniai RF jutiklių tinklai su kraštine skaičiavimo technologija pasiekia reakcijos vėlavimą mažesnį nei 500 ms. Centralizuota dirbtinio intelekto koreliacija RF, radarinių ir šiluminių duomenų 2023 metų lauko bandymuose padidino trajektorijos prognozavimo tikslumą iki 88 %.

Dirbtinio intelekto valdomas vaizdinis aptikimas: YOLO modeliai ir vietos veikimas

Giliųjų mokymosi vaidmuo FPV dronų vaizdiniame identifikavime

Norint aptikti FPV dronus, naudojant elektrooptinius arba infraraudonųjų spindulių jutiklius, giluminio mokymosi technikos pasirodė būtinos. Paimkime pavyzdžiui YOLOv7 ir YOLOv8 – šios architektūros naudoja tai, kas vadinama išplėstinių efektyvių sluoksnių agregavimo tinklais, arba trumpai E ELAN. Pagal praeitais metais publikuotą tyrimą žurnale „Nature“, jie sugeba apdoroti vaizdus apie 28 procentais greičiau nei ankstesnės versijos, nepasiekiant tikslumo ribos žemiau nei 91 procentų bandymuose. Tai, kas juos išskiria, yra gebėjimas atskirti FPV dronus nuo paukščių tik stebint, kaip sukasi rotoriai, bei pastebint tuos būdingus signalų modelius, kurių įprasti paukščiai tiesiog negamina. Ši savybė turi didelę reikšmę realiomis situacijomis, kai skirti tikrus pavojus nuo nekaltos laukinės gamtos gali sutaupyti tiek laiko, tiek išteklių stebėsenos operacijų metu.

YOLO pagrįstų modelių našumas realaus laiko dronų aptikime iš EO srautų

Miesto aplinkose ypatingai sunku aptikti dronus, kai YOLOv10 tikslumas pastebint FPV dronus aukščiau 150 metrų siekia apie 86 %. Tačiau situacija darosi sudėtingesnė esant dideliams aukščiams – aptikimo rodikliai nukrenta iki tik 63 %, nes šie maži aparatai tampa sunkiai pastebimi danguje. Tačiau naujausi bandymai parodė kažką įdomaus: kai YOLO vaizdo apdorojimą sujungiame su radariniais duomenimis, klaidingų įspėjimų skaičius sumažėja beveik dvigubai, o tai reiškia 41 % mažiau klaidų – skirtumas akivaizdus. Nepamirškime ir greičio. Sistema gana gerai tvarkosi su 4K vaizdu, apdorodama vieną kadro per 33 milisekundes, kas yra pakankamai greita daugumai saugumo sistemų, reikalaujančių nedelsiant reaguoti.

Treniravimo iššūkiai: viešų dronų duomenų rinkinių prieinamumas

Įvairaus mokymo duomenų trūkumas tikrai trukdo, kai bandoma efektyviai diegti šias sistemas. Jau egzistuoja keletas duomenų rinkinių, pavyzdžiui, DroneRF su apie 15 000 RF pavyzdžių ir MultiDrone, kuriame yra apie 8 200 pažymėtų EO vaizdų. Tačiau atidžiau pažiūrėjus, paaiškėja, kad mažiau nei 12 procentų iš jų faktiškai apima tas specifines FPV situacijas, apie kurias dabar tiek kalbama – pavyzdžiui, staigius posūkius skrydžio metu ar kovą su dažnais dažnių perjunginėjimais. Dėl šios spragos dauguma kūrėjų galiausiai apie tris ketvirtadalius savo mokymo duomenų sukuria naudodami imitavimo metodus. Ir pripažinkime, toks požiūris linkęs modelius nukreipti į dirbtines scenarijus, o ne į realias sąlygas, su kuriomis jiems galiausiai teks susidurti praktikoje.

Prieštaringumo analizė: Perdidelis pritaikymas kontroliuojamuose duomenų rinkiniuose kontra lauko patvarumas

Kai vaizdo modeliai apmokomi naudojant kruopščiai atrinktus duomenų rinkinius, jie paprastai pasiekia daugiau nei 90 % tikslumą kontroliuojamose laboratorinėse sąlygose. Tačiau perkėlus juos į realias miesto aplinkas, jų veikimas smunka iki 58–67 %. 2024 metų tyrėjai atskleidė kažką įdomaus apie su VisioDect duomenimis sukurtus modelius – pastebėta, kad jie pernelyg koncentruojasi į tam tikras apšvietimo sąlygas. Tyrimas parodė milžinišką 29 % efektyvumo sumažėjimą saulei leidžiantis, palyginti su ryškia dienos šviesa. Daugelis srities ekspertų teigia, kad dabartiniai šių sistemų testavimo būdai praleidžia gana akivaizdžius FPV operatorių triukus. Dėl to tokios priemonės kaip specialios atspindinčios medžiagos ant bepiločių ar netikėti judėjimo modeliai visiškai apeina standartines aptikimo priemones, kas kelia rimtų abejonių dėl to, kaip patikimi šie sprendimai iš tiesų yra, kai juos naudojama už testavimo aplinkų ribų.

Dažnai užduodami klausimai (Prašymai)

• Kokie pagrindiniai iššūkiai naudoti bepilotėms skrydžio priemonėms aptikti urbanistinėje aplinkoje? Miesto aplinkos sukelia iššūkius, tokius kaip signalų trukdžiai dėl pastatų, aukštas RF triukšmo lygis nuo mobiliųjų ryšio bazių stočių ir Wi-Fi tinklų bei apribojimai, susiję su žemo RCS skraidmenų konstrukcija.
• Kodėl realiojo pasaulio tikslumas skraidmenų detektoriams yra žemesnis nei laboratorinėse sąlygose? Realiojo pasaulio tikslumą veikia nenuspėjami kintamieji, tokie kaip laikini statybos aikštelės, skleidžiančios RF signalus, ir miesto netvarka, sukelianti signalų trukdžius, kurie labai skiriasi nuo kontroliuojamų sąlygų laboratorinėse sąlygose.
• Kaip FPV skraidmenys naudoja RF signalus? FPV skraidmenys paprastai naudoja RF signalus 2,4 GHz ir 5,8 GHz diapazone realaus laiko valdymui ir vaizdo perdavimui, nors kai kurie gali integruoti ląstelinius ir palydovinius ryšius ilgesniam nuotoliui.
• Kodėl sunku aptikti FPV skraidmenis? FPV skraidmenis sunku aptikti dėl žemos siuntimo galios, dažnių lankstumo ir impulsinio perdavimo. Šios savybės leidžia geriau išvengti aptikimo užimtuose RF tinkluose.