မှောင်လိုက်နှစ်လိုက်နေသော ဧရိယာများတွင် FPV UAV များကို စူးစမ်းရှာဖွေသည့် ဒရုန်း စူးစမ်းကိရိယာများ၏ တိကျမှုအဆင့်မှာ မည်မျှရှိပါသလဲ။

လက်တွေ့ မြို့ပြ ပတ်ဝန်းကျင်များတွင် ဒရုန်း စူးစမ်းကိရိယာ၏ တိကျမှုကို နားလည်ခြင်း

ဒရုန်း စူးစမ်းကိရိယာ စနစ်များ၏ အ контက်တွင် တိကျမှုကို အဓိပ္ပာယ်ဖွင့်ဆိုခြင်း

ဒရုန်းကို စောင့်ကြည့်ဖော်ထုတ်သည့် ကိရိယာများ၏ တိကျမှုသည် အပေါ်ယံတွင် ပျံသန်းနေသော ငှက်များ၊ ရာသီဥတုအခြေအနေများ သို့မဟုတ် မြို့ကြီးများတွင် နေ့စဉ်ဖြစ်ပေါ်နေသော လျှပ်စစ်သတင်းအချက်အလက် အလွဲအစားများကို မှားယွင်းစွာ ဖော်ထုတ်မှုမရှိဘဲ လေယာဉ်များကို မည်မျှကောင်းမွန်စွာ ဖော်ထုတ်နိုင်ခြင်းဆိုသည့် အချက်အပေါ်တွင် အခြေခံပါသည်။ ဤစနစ်များ၏ ထိရောက်မှုကို ကြည့်လျှင် အဓိက အချက်သုံးချက် ထင်ရှားပါသည်- ဒရုန်းများကို မည်မျှအကွာအဝေးအထိ ဖော်ထုတ်နိုင်ခြင်း (RF စင်ဆာများဖြင့် ၁ မှ ၅ ကီလိုမီတာအကွာအဝေးအတွင်း)၊ ပစ်မှတ်များကို မည်မျှယုံကြည်စွာ သတ်မှတ်နိုင်ခြင်း (ဓာတ်အားပေးစက်ရုံများ သို့မဟုတ် လေဆိပ်များကဲ့သို့သော နေရာများတွင် အများစုသည် ၈၅% အထက် တိကျမှုရှိပါသည်) နှင့် သံသယဖြစ်ဖွယ်ရာ တစ်စုံတစ်ရာ ပေါ်လာပြီးနောက် မည်မျှမြန်မြန် တုံ့ပြန်နိုင်ခြင်း (ပျက်စီးမှုမဖြစ်မီ လုံခြုံရေးအဖွဲ့များ တုံ့ပြန်နိုင်ရန် ၅ စက္ကန့်အတွင်း ဖြစ်ရန် လိုအပ်ပါသည်)။ သို့ရာတွင် လက်တွေ့ကမ္ဘာတွင် စမ်းသပ်မှုများက ကွဲပြားသော ဇာတ်လမ်းကို ပြောပြပါသည်။ ဓာတ်ခွဲခန်းများတွင် ကောင်းမွန်သော ရလဒ်များရရှိသော်လည်း လူသူများပြားသော မြို့ပြဧရိယာများရှိ အဆောက်အဦများတွင် စီးဆင်းနေသော အချက်ပြများကို ထည့်သွင်းလိုက်ပါက အရာဝတ္ထုများသည် အလွန်မြန်ဆန်စွာ ရှုပ်ထွေးလာပါသည်။ ပြီးခဲ့သည့်နှစ်က ပြုလုပ်ခဲ့သော လေ့လာမှုတစ်ခုအရ မြို့ပြဧရိယာများတွင် ဤကဲ့သို့သော အနှောင့်အယှက်များကြောင့် အောင်မြင်စွာ ဖော်ထုတ်နိုင်မှုများ တတိယတစ်ပုံခန့် ကျဆင်းသွားကြောင်း တွေ့ရှိခဲ့ပါသည်။

မြို့ပေါ်ဒရုန်းကို ဖမ်းဆီးသတ်မှတ်နိုင်စွမ်းကို လွှမ်းမိုးနေသည့် အဓိက အချက်များ

မြို့များတွင် ဖမ်းဆီးနိုင်စွမ်းကို ပုံဖော်ပေးသည့် အဓိက အချက် (၃) ချက်မှာ-

1. ဆင်ဆာ တပ်ဆင်မှု ပုံသဏ္ဍာန် : အဆောက်အဦများကြောင့် ဖြစ်ပေါ်လာသည့် အချက်ပြ အားနည်းမှုကို လျော့နည်းစေရန် ဗျူဟာမြောက် တပ်ဆင်ထားသည့် ထောင့်များက အထောက်အကူပြုပေးပါသည်
2. ပတ်ဝန်းကျင်ဆိုင်ရာ ဝင်ရောက်စွက်ဖက်မှု : ဆဲလ်လူလာ တာဝါများနှင့် Wi-Fi ကွန်ရက်များက -80 dBm ကျော်လွန်သည့် RF အသံမဲ့အဆင့်များကို ဖန်တီးပေးပြီး FPV ဒရုန်းများ၏ အားနည်းသော အချက်ပြမှုများကို ဖုံးကွယ်ပေးပါသည်
3. ဒရုန်း အသေးစိတ်အချက်အလက်များ : RCS (Radar Cross Section) နိမ့်ပါးပြီး ၅၀၀ဂရမ်အောက်ရှိ မိုက်ခရို-UAV များသည် ရိုးရာ ရေဒါစနစ်များကို စိန်ခေါ်မှုဖြစ်စေပါသည်

၂၀၂၃ ခုနှစ်က ကွင်းဆင်းလေ့လာမှုတစ်ခုအရ မြို့ပြဧရိယာများတွင် 5.8GHz အနာလောက် FPV ဒရုန်းများကို RF စကင်နာများက ဖမ်းဆီးနိုင်မှုမှာ 92% ရှိသည့် ပွင့်လင်းသော ဒေသများနှင့် နှိုင်းယှဉ်ပါက 61% သာ ရှိခဲ့ပြီး အချက်ပြနှင့် အသံအဆင့် အချိုး (signal-to-noise ratio) ပြဿနာများကြောင့် ဖြစ်ပါသည် ( မြို့ပြဒရုန်း ဖမ်းဆီးလေ့လာမှု ).

ဓာတ်ခွဲခန်းတွင် အစီရင်ခံထားသည့် နှင့် လက်တွေ့ကမ္ဘာတွင် ဒရုန်းဖမ်းဆီးမှု တိကျမှန်ကန်မှုအကြား ကွာဟချက်

ထုတ်လုပ်သူများသည် အတားအဆီးကင်းသော ပျံသန်းမှုလမ်းကြောင်းဖြင့် စမ်းသပ်ခန်းအခြေအနေများအောက်တွင် ၉၅% နှင့်အထက် တိကျမှုရှိသည်ဟု မကြာခဏ ဆိုသည်။ သို့ရာတွင် မြို့ပြလုံခြုံရေးအဖွဲ့ (၁၄၂) မှ ဒေတာများက စွမ်းဆောင်ရည် ကျဆင်းမှုကို ဖော်ပြသည်-

ဤကွာဟချက်သည် RF လက်မှတ်များကို မမျှော်လင့်ဘဲ ထုတ်လွှတ်သော ယာယီတည်ဆောက်မှုနေရာများကဲ့သို့ မကြာခဏဖြစ်ပေါ်သော ကိန်းဂဏန်းများမှ ဖြစ်ပေါ်လာခြင်းဖြစ်သည်။ ထိုကွာဟချက်ကို ဖြည့်ဆည်းရန် အဆင့်မြင့် ပေးသွင်းသူများက အနာဂတ်တွင် RF ခွဲခြမ်းစိတ်ဖြာမှုနှင့် AI ဖြင့် မြှင့်တင်ထားသော ရေဒါ ပရိုဆက်ဆင်းကို ပေါင်းစပ်သည့် မျိုးစုံကင်မရာ ပေါင်းစပ်မှုကို အကြံပြုကြသည်။

FPV UAV အချက်ပြလက္ခဏာများနှင့် အချက်ပြရှာဖွေရေး စိန်ခေါ်မှုများ

FPV ဒရုန်းများသည် ထိန်းချုပ်မှုနှင့် ဗီဒီယိုထုတ်လွှင့်မှုအတွက် RF၊ ဆဲလ်လူလာနှင့် ဂြိုဟ်တုချိတ်ဆက်မှုများကို မည်သို့အသုံးပြုသနည်း

FPV ဒရုန်းအများစုသည် အချိန်နှင့်တစ်ပြေးညီ ထိန်းချုပ်မှုများကို လုပ်ဆောင်ပြီး ဗီဒီယိုဖိုင်များကို တစ်ပြိုင်နက် ထုတ်လွှင့်ရန်အတွက် ၂.၄ GHz နှင့် ၅.၈ GHz အတွင်းတွင် အဓိက လည်ပတ်နေသော ရေဒီယိုကြိမ်နှုန်း (RF) ချိတ်ဆက်မှုများကို အသုံးပြုကြသည်။ ဈေးပေါသော ဒရုန်းများသည် ယခုအချိန်အထိ အနာလောက်စနစ်များကို အသုံးပြုနေဆဲဖြစ်ပြီး အဆင့်မြင့် ဒစ်ဂျစ်တယ် HD ရွေးချယ်မှုများတွင် 30 မိလီစက္ကန့်အောက်သို့ နှောင့်နှေးမှုကို လျှော့ချနိုင်သော ပိုမိုကောင်းမွန်သည့် အကုဒ်ဖြေရှင်းစနစ်များ ပါဝင်သည်။ အမြင်လွှမ်းခြုံမှုအပြင်ဘက်တွင် ပျံသန်းရန်အတွက် ဆဲလ်လူလာကွန်ရက်ချိတ်ဆက်မှုများကို ထည့်သွင်းလာသည့် မော်ဒယ်အသစ်အချို့လည်း ရှိပါသည်။ သို့သော် အခြေခံအဆောက်အအုံဆိုင်ရာ ပြဿနာများကြောင့် လွန်ခဲ့သောနှစ်က Drone Defense Quarterly မှ ဖော်ပြချက်အရ စီးပွားဖြစ် FPV စနစ်များ၏ ၁၂% ခန့်သာ ဤလုပ်ဆောင်ချက်ကို အသုံးပြုလျက်ရှိပါသည်။ ဂြိုဟ်တုချိတ်ဆက်မှုများသည် ယနေ့ခေတ်တွင် အလွန်ရှားပါးပြီး ၅၀ ကီလိုမီတာကျော် အကွာအဝေးများကို ဖုံးလွှမ်းရန် လိုအပ်သော မစ်ရှင်များတွင်သာ အသုံးပြုလေ့ရှိသည်။ ပြဿနာမှာ ဂြိုဟ်တုများသည် သိသာထင်ရှားသော နှောင့်နှေးမှုကို ဖြစ်ပေါ်စေပြီး မြန်ဆန်စွာ လှည့်ပတ်ပျံသန်းမှုများတွင် အရေးကြီးဆုံးဖြစ်သော ချက်ချင်းတုံ့ပြန်မှုကို လိုအပ်သည့် အခြေအနေများတွင် အသုံးမဝင်တော့ပါ။

FPV UAV များကို RF ဖြင့် ရှာဖွေဖော်ထုတ်ခြင်းကို စိန်ခေါ်သည့် အချက်ပြ ဂုဏ်သတ္တိများ

FPV စနစ်များသည် ရှာဖွေဖော်ထုတ်မှုကို ရှုပ်ထွေးစေသည့် အချက်ပြ၏ အဓိက ဂုဏ်သတ္တိ (၃) ခုကို အသုံးပြုသည်:

• လွှတ်တင်မှု ပါဝါနိမ့် : 90% မှာ စည်းမဲ့ပိုင်းမဲ့ အာရုံခံမှုကို ရှောင်ရှားရန် အနားလိုင်း FPV လွှတ်တင်ကိရိယာများသည် mW 600 အောက်တွင် အလုပ်လုပ်ကိုင်ကြသည်
• ကြိမ်နှုန်း ပြောင်းလဲနိုင်မှု : 74% သော ပြိုင်ပွဲ ဒရုန်းများသည် 5.8 GHz ဘန်းဒ်အတွင်း 40 ကျော်သော ချန်နယ်များကို အလိုအလျောက် ခုန်ကူးကြသည်
• အတိုအတွင်း လွှတ်တင်ခြင်း : ဒစ်ဂျစ်တယ်စနစ်များသည် ဗီဒီယိုကို ms 4 အောက်ရှိ ဒေတာ အတိုအတွင်းများအဖြစ် ချုံ့ထားသည်

မြို့ပြများတွင် များပြားသော အရာဝတ္ထုများကြောင့် အချက်ပြမှု ပြန်ဟပ်မှုများက RF အချက်ပြ ဆီးနှင်း-အသံ အချိုးကို ပွင့်လင်းသော ဧရိယာများနှင့် နှိုင်းယှဉ်ပါက 60-80% အထိ ပိုမိုဆိုးရွားစေသည် (မြို့ပြ အချက်ပြ ပျံ့နှံ့မှု လေ့လာမှု၊ 2024)

FPV စနစ်များတွင် နိမ့်ပါးမှုနှင့် ကြိမ်နှုန်း ခုန်ကူးမှု အချက်ပြများ - ရှောင်ရှားမှု နည်းဗျူဟာများ လား?

ယနေ့ခေတ်ဈေးကွက်တွင်ရှိသော မျက်စိဖြင့်တိုက်ရိုက်မြင်ကွင်း (FPV) ဒရုန်းအများစုသည် ၁ ဝပ်အောက်ရှိ စွမ်းအင်နည်းစနစ်များနှင့် မှီခို၍ အသုံးပြုထားပြီး ထိုသို့သော နည်းပညာများက သူတို့အား ရှာဖွေမှုမှ လွတ်မြောက်စေပါသည်။ ၂၀၂၄ ခုနှစ် အစောပိုင်းတွင် ထုတ်ဝေခဲ့သော လတ်တလောသုတေသနအရ FHSS ပါသော ဒရုန်းများကို မှားယွင်းစွာ လွဲချော်မှုများသည် မျှော်လင့်ထားသည်ထက် ပိုမိုများပြားနေကြောင်း တွေ့ရှိရပါသည်။ ရေဒီယိုမှိန်းနှုန်းများ ပြည့်နှက်နေပြီး အလုပ်များနေသော ဧရိယာများတွင် မှားယွင်းစွာ လွဲချော်မှုနှုန်းသည် ၅ ရာခိုင်နှုန်းမှ ၄၃ ရာခိုင်နှုန်းအထိ မြင့်တက်သွားပါသည်။ သို့သော် အားနည်းချက်တစ်ခုလည်း ရှိပါသည်။ ဤကဲ့သို့သော ပုန်းကွယ်နိုင်သည့် ဂုဏ်သတ္တိများကို အသုံးပြုခြင်းသည် စျေးကြီးပါသည်။ အော်ပရေတာများသည် ၎င်းတို့၏ ထိန်းချုပ်မှုအကွာအဝေးသည် ၃၅ ရာခိုင်နှုန်းမှ ၆၀ ရာခိုင်နှုန်းအထိ ကျဆင်းသွားကြောင်း တွေ့ရှိရပါသည်။ ထို့ကြောင့် လွှဲမှားမှုမရှိဘဲ လုံခြုံစွာ ထိန်းချုပ်နိုင်ရေးနှင့် ပုန်းကွယ်နိုင်ရေးတို့ကြား အမြဲတမ်း ဟန်ချက်ညီအောင် လုပ်ဆောင်နေရပါသည်။

ဥပမာလေ့လာချက် - 5.8 GHz အနာလောက် FPV နှင့် ဒစ်ဂျစ်တယ် HD စနစ်များ (DJI O3, Walksnail) ကို ဆန်းစစ်ခြင်း

ကွင်းဆက်စမ်းသပ်မှုများအရ ဒစ်ဂျစ်တယ်စနစ်များထက် အနား ၁.၈ ဆ ပိုဝေးသော အကွာအဝေးမှ အနာလော့စနစ်များကို ဖမ်းဆီးရေး ပိုမိုတွေ့ရှိနိုင်ပြီး ဒစ်ဂျစ်တယ် HD ၏ ကြားကာလအလိုက် အကူးအပြောင်း ဆိပ်သင်္ကေတများသည် အလိုအလျောက် ဖမ်းဆီးရေး အယ်လ်ဂိုရိသပ်များ၏ ၃၄% ကို ပိုမို လွဲချော်နိုင်သည်။

မြို့များတွင် FPV ဒရုန်းများကို ဖမ်းဆီးရေးအတွက် သဘာဝပတ်ဝန်းကျင်နှင့် လုပ်ငန်းဆောင်တာ အတားအဆီးများ

RCS နိမ့်ပြီး အနိမ့်ပျံသန်းသော FPV ဒရုန်းများကို ဖမ်းဆီးရေး၏ ရူပဗေဒ ကန့်သတ်ချက်များ

ယနေ့ခေတ် FPV ဒရုန်းများသည် စင်တီမီတာ ၅၀ အောက်ခန့် အရွယ်အစားရှိသော ဖရိမ်များဖြင့် ပြုလုပ်ထားပြီး ကုန်သွယ်ရေး မော်ဒယ်ကြီးများနှင့် နှိုင်းယှဉ်ပါက ရေဒါ အမှတ်အသားကို သုံးပုံနှစ်ပုံမှ ငါးပုံလေးပုံခန့် လျော့ကျစေသည့် ပေါ့ပါးသော ပေါင်းစပ်ပစ္စည်းများကို အသုံးပြု၍ တည်ဆောက်ထားပါသည်။ ဤငှက်ငယ်များသည် မီတာ ၅၀ အောက်တွင် ပျံသန်းနေစဉ်အတွင်း မြေပြင်အသံမှုန်စုတ်များအတွင်းသို့ အလုံးစုံဝင်ရောက်နေပြီး ပုံမှန်ရေဒါများအနေဖြင့် ၎င်းတို့ကို ခွဲခြားမှတ်သားရာတွင် အခက်အခဲများ ရှိနေပါသည်။ အဆောက်အဦများ၊ သစ်ပင်များနှင့် အခြားဖွဲ့စည်းပုံများက အကြိမ်ပေါင်းများစွာ အတားအဆီးဖြစ်စေသောကြောင့် မျက်မြင် ရှာဖွေမှုစနစ်များသည်လည်း ပိုမိုသော ပြဿနာများကို ရင်ဆိုင်နေရပါသည်။ ပြီးခဲ့သည့်နှစ်က ပြုလုပ်ခဲ့သော အချက်အလက် ဆိုင်ရာ ခွဲခြမ်းစိတ်ဖြာမှုအချို့အရ FPV ပျံသန်းသူများသည် ၎င်းတို့၏ ယာဥ်ကို နိမ့်နိမ့်ပျံသန်းကာ သဘာဝ ပတ်ဝန်းကျင်ရှိ အထောက်အကူဖြစ်စေသော အရာဝတ္ထုများကို အသုံးပြုပါက ပုံမှန် ဒရုန်း ရှာဖွေရေးကိရိယာများ၏ လေးပုံသုံးပုံခန့်ကို ကျော်လွန်နိုင်ကြောင်း တွေ့ရှိခဲ့ပါသည်။

မြို့ပြဧရိယာရှိ အမှိုက်များနှင့် များပြားသော လမ်းကြောင်း အနှောင့်အယှက်များက RF နှင့် ရေဒါ ရှာဖွေမှုစနစ်များကို အားနည်းစေခြင်း

မြို့ပြဧရိယာများတွင် ဒီဂရီဘယ်လ် ၁၅ မှ ၂၂ အထိရှိသော နောက်ခံ လျှပ်စစ်သံလိုက် အသံမြည်းများ အလွန်များပြားနေပြီး 2.4 GHz နှင့် 5.8 GHz တို့တွင်ရှိသော FPV ထိန်းချုပ်မှု အချက်ပေး အချက်လက်များ ကို ထိရောက်စွာ ဖြတ်သန်းရန် ခက်ခဲစေပါသည်။ ကွန်ကရစ်အဆောက်အဦများကြောင့် များပြားသော လမ်းကြောင်းများ (multipath errors) ဖြစ်ပေါ်လာပြီး ရေဒီယို မှန်းဆရာတို့က တည်နေရာရှာဖွေရာတွင် ၄၀ မီတာကျော် အမှားအယွင်းများ ဖြစ်ပေါ်စေပါသည်။ ထို့အပြင် အခြားဝိုင်ယာလက်စ် ကွန်ရက်များက လွတ်လပ်စွာ အသုံးပြုနိုင်သော bandwidth ၏ ၉၂% ခန့်ကို နေရာယူနေကြပါသည်။ လတ်တလောကာလတွင် မြို့များသည် ဒရုန်းများကို မည်သို့ကိုင်တွယ်ဖြေရှင်းသည်ကို လေ့လာသော လူအချို့က အဓိကတွေ့ရှိချက်တစ်ခုကို ဖော်ပြခဲ့ပြီး ၎င်းမှာ အလိုအလျောက်စနစ်များသည် အမှန်တကယ့် FPV ဗီဒီယိုစီးဆင်းမှုများကို Wi-Fi သို့မဟုတ် Bluetooth အချက်ပေးများအဖြစ် တတိယတစ်ခုခန့် မှားယွင်းစွာ ယူဆမိကြသည်။ ယင်းသည် ခေတ်မီမြို့ကြီးများကဲ့သို့သော ရှုပ်ထွေးသည့် ပတ်ဝန်းကျင်များတွင် စံနစ်တစ်ခုတည်းကိုသာ အားကိုးခြင်းသည် လုံလောက်သော အလုပ်မဖြစ်ကြောင်း ပြသနေပါသည်။

ပြိုင်ပွဲစီး ဒရုန်းများ၏ အမြန်နှုန်းနှင့် လှုပ်ရှားနိုင်မှုတို့သည် ဖမ်းဆီးမှုကာလကို လျော့နည်းစေခြင်း

FPV ပြိုင်ပွဲပျံသန်းမှုဒရုန်းများသည် တစ်နာရီလျှင် ၁၂၀ ကီလိုမီတာကျော်အထိ အရှိန်မြင့်နိုင်ပြီး ၁၀၀ မီလီစက္ကန့်အတွင်း sharp turns များ ပြုလုပ်နိုင်သည့် စက်ကိရိယာများဖြစ်သည်။ ထို့ကြောင့် အခြားအရာတစ်စုံတစ်ရာ ဖြစ်ပေါ်လာမှုမတိုင်မီ လုပ်ဆောင်သူများအတွက် တုံ့ပြန်ရန် စက္ကန့် ၈ သာ ကျန်ရှိပါသည်။ အများစုသော ဆင်ဆာစနစ်များသည် အချက်အလက်များကို စက္ကန့် ၁၂ မှ ၁၅ ခန့်ကြာအောင် စီမံခန့်ခွဲရသည်။ ဒရုန်းများကို တစ်ပြိုင်နက်တည်း ခြေရာခံရန် ကြိုးပမ်းနေစဉ်တွင် ဤအချိန်မှာ အလွန်နှေးကွေးလွန်းပါသည်။ ပစ်မှတ်များကို ၉၀% အထက် တိကျစွာ သတ်မှတ်ရန် အတွက် စောင့်ကြည့်မှုဆော့ဖ်ဝဲသည် စက္ကန့် ၃ အတွင်း ၈၀ ကျော်သော အချက်အလက်များကို စုစည်းခွဲခြမ်းစိတ်ဖြာရန် လိုအပ်ပါသည်။ ကံဆိုးစွာဖြင့် ဤအလုပ်တာဝန်ကြီးမားမှုသည် မြို့ပြပတ်ဝန်းကျင်များတွင် ပြဿနာများကို ဖြစ်ပေါ်စေပြီး မှားယွင်းသော အနုတ်လက္ခဏာများသည် ၂၇% ခန့် တက်လာပြီး ဤသေးငယ်သော ပျံသန်းနေသည့် ပြိုင်ပွဲဝင်များကို ခြေရာခံရန် ကြိုးပမ်းနေသူများအတွက် ပိုမိုခက်ခဲစေပါသည်။

ဒရုန်းများကို ပိုမိုကောင်းမွန်စွာ သတ်မှတ်ရန် RF နှင့် မျိုးစုံခွဲစိတ်ခြင်း စွမ်းရည်များ တိုးတက်လာခြင်း

စပ်ကြားစောင့်ကြည့်ခြင်းကို အသုံးပြု၍ RF အခြေပြု စွမ်းရည်များကို သတ်မှတ်ခြင်း၏ အခြေခံမူများ

FPV ဒရုန်းအများစုသည် ဤဘဏ္ဍာများတွင် အလုပ်လုပ်ကိုင်နေသည့်အတွက် စပက်ထရမ် အန်းလိုက်ဇာအများစုသည် 2.4 GHz မှ 5.8 GHz အတွင်းရှိ မှိုနီတာင်ဖရီကွန်စီများကို အဓိကထားလုပ်ဆောင်ကြသည်။ ဤကိရိယာများ၏ လုပ်ဆောင်ချက်များကို ကြည့်လျှင် ၎င်းတို့သည် မော်ဒူလေးရှင်း ပုံစံများနှင့် အချက်ပြအားကို ပြောင်းလဲခြင်းကဲ့သို့သော အရာများကို အခြေခံ၍ ဒရုန်းတစ်စင်းချင်းစီကို အခြားများမှ ခွဲခြားသတ်မှတ်နိုင်သည်။ ရေဒီယိုဖရီကွန်စီ ဖော်ထုတ်မှုနည်းလမ်းများကို သုတေသနပြုခြင်းအရ ဤကဲ့သို့သော ခွဲခြမ်းစိတ်ဖြာမှုသည် နိုင်ငံအသီးသီးတွင် လက်ရှိအကောင်အထည်ဖော်နေသော Remote ID စည်းမျဉ်းများ၏ အခြေခံကို ဖွဲ့စည်းပေးသည်ဟု တွေ့ရှိခဲ့ရပါသည်။ လွန်ခဲ့သောနှစ်က ပြုလုပ်ခဲ့သော အထူးသုတေသနတစ်ခုအရ စက်သင်ယူမှုနည်းလမ်းများနှင့် ပေါင်းစပ်ပါက စင်ဆာများသည် မြို့ပတ် Wi-Fi များမှ ဒရုန်းအချက်ပြများကို ၁၀၀ ကြိမ်တွင် ၉၄ ကြိမ်အထိ ခွဲခြားသတ်မှတ်နိုင်ကြောင်း တွေ့ရှိခဲ့ပြီး ဝိုင်ယာလက်စ်ပတ်ဝန်းကျင်များ မည်မျှပင် ပြည့်နှက်နေပါစေ ထိုအချက်မှာ ထူးချွန်လှပါသည်။

သိပ်သည်းသော အချက်ပြမှုပတ်ဝန်းကျင်များတွင် ဦးတည်ရာ ရှာဖွေခြင်းနှင့် တည်နေရာ တိကျမှု

မြို့များတွင် များပြားသော လမ်းကြောင်းဖြန့်ဝေမှုများသည် အနေအထား တိကျမှုကို 40-60% ခန့် ကျဆင်းစေပါသည်။ အဆင့်မြင့်စနစ်များသည် ဖေ့စ်ပြောင်းအင်တင်နာ အစီအစဉ်များနှင့် ကြာချိန်ကွာခြားမှု (TDoA) အယ်လ်ဂိုရီသမ်များကို အသုံးပြုသော်လည်း ကွန်ကရစ်အတားအဆီးများသည် စွမ်းအားနည်းသော FPV အချက်ပြမှုများအတွက် 30 မီတာကျော် အနေအထား အမှားများကို ဆက်လက်ဖြစ်ပေါ်စေနိုင်ပါသည်။

ရှုပ်ထွေးသောဧရိယာများတွင် နည်းလမ်းတစ်ခုတည်းကို အားကိုးမှုသည် ဘာကြောင့် မအောင်မြင်ခဲ့ရသနည်း

မြို့ပြဒရုန်းများကို ယုံကြည်စွာ ရှာဖွေရန် နည်းပညာတစ်ခုတည်းက မဖြစ်နိုင်ပါ။ ရေဒါသည် ကာဗွန်-ဖိုင်ဘာ ဖရိမ်များနှင့် ပြဿနာရှိပြီး၊ အော့ပ်တီကယ်စနစ်များသည် အမြင်အာရုံဆိုင်ရာ အခြေအနေမကောင်းပါက ပျက်ကွက်ပြီး RF စင်ဆာများသည် ရေဒီယို-တိတ်ဆိတ်သော ဒရုန်းများကို ခြေရာခံ၍ မရနိုင်ပါ။ စွမ်းဆောင်ရည်စမ်းသပ်မှုများအရ များစွာသော စင်ဆာများပါသည့် စနစ်များက ဖမ်းမိသော ဝင်ရောက်မှု 35% ကို တစ်မျိုးတည်းသော စနစ်များက လွဲချော်နေကြောင်း အတည်ပြုထားပါသည်။

ယုံကြည်စိတ်ချရသော ဒရုန်းရှာဖွေရေးအတွက် RF၊ ရေဒါနှင့် EO/IR စနစ်များ၏ ပူးပေါင်းဆောင်ရွက်မှု

RF အချက်ပြမှု သတ်မှတ်ခြင်း (90% တိကျမှု)၊ ရေဒါအကွာအဝေးတိုင်းခြင်း (ကီလိုမီတာ 3 အထိ) နှင့် လျှပ်စစ်-အော့ပ်တီကယ်/အင်ဖရာရက် (EO/IR) အတည်ပြုမှုတို့ကို ပေါင်းစပ်ခြင်းဖြင့် အမှားအယွင်း အချက်ပေးမှုများကို 72% လျှော့ချနိုင်ပါသည်။ ရေဒါသည် 360° စောင့်ကြည့်မှုကို ပေးပြီး EO/IR သည် ဒရုန်းများနှင့် ငှက်များကို အမြင်အာရုံဖြင့် ကွဲပြားစေပေးပါသည်။

တရန်းကွင်းဆက် RF စင်ဆာများနှင့် အချိန်ပြည့် ခြေရာခံခြင်းအတွက် ဒေတာပေါင်းစပ်ခြင်း: လားရာ

အီးဂျ်ကွန်ပျူတာဖြင့် ကွန်ရက်ချိတ်ဆက်ထားသော RF စင်ဆာများသည် တုံ့ပြန်မှု နှေးကွေးမှုကို 500 ms အောက်သို့ ရောက်ရှိစေပါသည်။ 2023 ခုနှစ် စွမ်းဆောင်ရည်စမ်းသပ်မှုများတွင် RF၊ ရေဒါနှင့် အပူချိန်ဒေတာများကို ဗဟိုချုပ်ကိုင်သော AI ဖြင့် ဆက်စပ်ခွဲခြမ်းစိတ်ဖြာခြင်းက လှုပ်ရှားမှုလမ်းကြောင်း ခန့်မှန်းမှုတိကျမှုကို 88% အထိ မြှင့်တင်ပေးနိုင်ခဲ့သည်။

AI အသုံးပြုသော မျက်စိဖြင့် ရှာဖွေမှုစနစ်- YOLO မော်ဒယ်များနှင့် စစ်မှုဆောင်တွင် စွမ်းဆောင်ရည်

FPV ဒရုန်းများကို မျက်စိဖြင့် မှတ်သားရှာဖွေရာတွင် နက်ရှိုင်းသော သင်ယူမှု (Deep Learning) ၏ အခန်းကဏ္ဍ

EO သို့မဟုတ် IR စင်ဆာများဖြင့် FPV ဒရုန်းများကို ရှာဖွေရေးတွင် နက်ရှိုင်းသော သင်ယူမှုနည်းလမ်းများသည် မရှိမဖြစ် အရေးပါလာပါသည်။ YOLOv7 နှင့် YOLOv8 တို့ကို ဥပမာထားပါ။ ဤမော်ဒယ်များသည် Extended Efficient Layer Aggregation Networks (E ELAN) ဟုခေါ်သော နည်းပညာကို အသုံးပြုကြပါသည်။ မကြာသေးမီက Nature ဂျာနယ်တွင် ထုတ်ဝေခဲ့သည့် သုတေသနအရ ယင်းတို့သည် စမ်းသပ်မှုများတွင် တိကျမှု ၉၁ ရာခိုင်နှုန်းအောက် မကျစေဘဲ ပုံရိပ်များကို ယခင်ဗားရှင်းများထက် ၂၈ ရာခိုင်နှုန်းခန့် ပိုမိုမြန်ဆန်စွာ စီမံနိုင်ပါသည်။ ဒီဇိုင်းများ၏ ထင်ရှားသော အင်္ဂါရပ်မှာ ပန်ကာလေးများ လည်ပတ်ပုံကို ကြည့်၍ ပုံမှန်ငှက်များက ထုတ်လုပ်နိုင်ခြင်း မရှိသော သတ်မှတ်လက္ခဏာများကို ဖမ်းယူခြင်းဖြင့် FPV ဒရုန်းများကို ငှက်များနှင့် ကွဲပြားစွာ ခွဲခြားနိုင်စွမ်းပဲဖြစ်ပါသည်။ စောင့်ကြည့်လေ့လာမှုများအတွင်း အန္တရာယ်ရှိသော အရာများနှင့် အပြစ်ကင်းသော တောရိုင်းတိရစ္ဆာန်များကို ခွဲခြားနိုင်ခြင်းသည် အချိန်နှင့် အရင်းအမြစ်များကို သက်သာစေနိုင်သောကြောင့် လက်တွေ့အသုံးချမှုများတွင် ဤစွမ်းရည်သည် အလွန်အရေးပါပါသည်။

EO ဖီးဒ်များမှ အချိန်ပြည့် ဒရုန်းရှာဖွေရေးတွင် YOLO အခြေပြု မော်ဒယ်များ၏ စွမ်းဆောင်ရည်

မြို့ပြနေရာများတွင် ဒရုန်းများကို စောင့်ကြည့်ခြင်းအတွက် အထူးသဖွယ် စိန်ခေါ်မှုများရှိပြီး YOLOv10 သည် ၁၅၀ မီတာအမြင့်အောက်ရှိ FPV ဒရုန်းများကို ဖမ်းမိရာတွင် ၈၆% အတိုင်းအတာအထိ တိကျမှုရှိသည်။ သို့သော် အမြင့်ပိုင်းတွင် ပို၍ ခက်ခဲလာပြီး ဒရုန်းငယ်များသည် ကောင်းကင်နှင့် ရောနှောနေချိန်တွင် ဖမ်းမိနှုန်း ၆၃% သို့ ကျဆင်းသွားသည်။ နောက်ဆုံးပေါ် စမ်းသပ်မှုအချို့က စိတ်ဝင်စားဖွယ် အချက်ကို ဖော်ထုတ်ပေးခဲ့သည် - YOLO ၏ ကွန်ပျူတာမြင်ကွင်းနှင့် ရေဒါအချက်အလက်များကို ပေါင်းစပ်ပါက မှားယွင်းသော အလားအလာများ အနီးစပ်ဆုံး တစ်ဝက်ခန့် ကျဆင်းသွားပြီး အမှားပြုလုပ်မှု ၄၁% လျော့နည်းသွားခြင်းကို သတိပြုမိစေသည်။ အရှိန်အလည်း မမေ့ပါနှင့်။ စနစ်သည် 4K ဗီဒီယိုများကို တိုးတက်ကောင်းမွန်စွာ ကိုင်တွယ်နိုင်ပြီး တစ်ဖရိမ်လျှင် 33 မီလီစက္ကန့်သာ ကုန်ကျသည်။ ဤအရှိန်မှာ ချက်ချင်းတုံ့ပြန်မှုလိုအပ်သော လုံခြုံရေးအသုံးချမှုအများစုအတွက် လုံလောက်သည်။

လေ့ကျင့်ရေး စိန်ခေါ်မှုများ- ပြည်သူ့ဒရုန်းဒေတာစုများ၏ ရရှိနိုင်မှု

ထိရောက်စွာ ဒီစနစ်တွေကို အသုံးပြုဖို့ကြိုးစားရာမှာ မတူညီတဲ့ လေ့ကျင့်ရေးဒေတာရှားပါးမှုက အတားအဆီးဖြစ်နေပါတယ်။ DroneRF မှာ RF နမူနာ ၁၅၀၀၀ ခန့်နဲ့ MultiDrone မှာ အကွက်ချထားသော EO ဓာတ်ပုံများ ၈၂၀၀ ခန့်ပါဝင်တဲ့ ဒေတာများကို အသုံးပြုနေပါပြီ။ ဒါပေမယ့် နီးကပ်စွာ ကြည့်လိုက်ရင် လေယာဉ်ပျံတွင် ရုတ်တရက် yaw ပြောင်းခြင်း (yaw changes) သို့မဟုတ် ကြိမ်နှုန်းပြောင်းလဲမှု (frequency hopping interference) တို့ကဲ့သို့ ယနေ့ခေတ်မှာ လူတွေ ဆွေးနွေးနေကြသည့် FPV အခြေအနေများကို ၁၂ ရာခိုင်နှုန်းထက် နည်းနေပါတယ်။ ဒီကွာဟမှုကြောင့် ဖွံ့ဖြိုးရေးသမားအများစုဟာ သူတို့ရဲ့ လေ့ကျင့်ရေးဒေတာတွေရဲ့ သုံးပုံနှစ်ပုံခန့်ကို စမ်းသပ်မှုနည်းလမ်းများဖြင့် ဖန်တီးနေကြရပါတယ်။ အမှန်အကန် ပြောရရင် ဒီနည်းလမ်းဟာ မော်ဒယ်တွေကို အနာဂတ်မှာ ကုန်းပေါ်မှာ ကြုံတွေ့ရမယ့် အမှန်ကျသော အခြေအနေများထက် အတုအယောင် အခြေအနေများကို ပိုမိုနှစ်သက်စေတဲ့ အခြေအနေကို ဖြစ်စေပါတယ်။

ငြင်းခုံမှု ဆန်းစစ်ချက် - ထိန်းချုပ်ထားသော ဒေတာများတွင် Overfitting ဖြစ်ခြင်း နှင့် ကွင်းဆင်းတွင် ခိုင်မာမှု

မျက်မြင်မော်ဒယ်များကို ဂရုတစိုက်ရွေးချယ်ထားသော ဒေတာအစုများပေါ်တွင် လေ့ကျင့်ပေးပါက ထိန်းချုပ်ထားသော ဓာတ်ခွဲခန်းအတွင်း ၉၀% ကျော် တိကျမှုကို ရရှိလေ့ရှိပါသည်။ သို့သော် ၎င်းတို့ကို မြို့ပတ်ဝန်းကျင်များအတွင်း ထည့်သွင်းလိုက်ပါက ၅၈% မှ ၆၇% အတွင်းသို့ စွမ်းဆောင်ရည် ကျဆင်းသွားပါသည်။ ၂၀၂၄ ခုနှစ်မှ သုတေသီများသည် VisioDect ဒေတာဖြင့် တည်ဆောက်ထားသော မော်ဒယ်များနှင့် ပတ်သက်၍ စိတ်ဝင်စားဖွယ် တွေ့ရှိချက်တစ်ခုရှိခဲ့ပြီး ၎င်းတို့သည် အလင်းရောင်အခြေအနေအချို့ကို အလွန်အမင်း အာရုံစိုက်လွန်းကြောင်း တွေ့ရှိခဲ့ပါသည်။ လေ့လာမှုအရ နေ့ချိန် တောက်ပသောအလင်းရောင်နှင့် နှိုင်းယှဉ်ပါက နေဝင်ချိန်တွင် ၂၉% အထိ စွမ်းဆောင်ရည် ကျဆင်းမှုကို တွေ့ရှိခဲ့ပါသည်။ ဤနယ်ပယ်ရှိ ကျွမ်းကျင်သူအများစုက FPV အော်ပရေတာများက အသုံးပြုသော ရှင်းလင်းသည့် လှည့်ကွက်များကို ကျွန်ုပ်တို့၏ လက်ရှိစမ်းသပ်မှုနည်းလမ်းများက လွဲချော်နေကြောင်း ညွှန်ပြကြပါသည်။ ဒရုန်းများပေါ်တွင် အထူး အလင်းပြန်ပစ္စည်းများ သို့မဟုတ် မမျှော်လင့်သော ရွေ့လျားမှုပုံစံများကဲ့သို့သော အရာများသည် စံသတ်မှတ်ထားသော ဖော်ထုတ်မှုနည်းလမ်းများကို လုံးဝ ကျော်လွန်သွားပြီး စမ်းသပ်မှုပတ်ဝန်းကျင်များအပြင် တပ်ဆင်ထားသောအခါ ဤစနစ်များ၏ ယုံကြည်စိတ်ချရမှုအပေါ် အမှန်တကယ် မေးခွန်းထုတ်စရာ ဖြစ်လာစေပါသည်။

မေးမြန်းပြီး ဖြေဆိုရမည့် မေးခွန်းများ (FAQs)

• မြို့ပတ်ဝန်းကျင်များတွင် ဒရုန်းဖော်ထုတ်ခြင်း၏ အဓိက စိန်ခေါ်မှုများမှာ အဘယ်နည်း အဆောက်အဦများကြောင့်ဖြစ်ပေါ်လာသော စIGNAL ဝင်ရောက်တားဆီးမှု၊ ဆဲလ်ကူလာတိုင်များနှင့် Wi-Fi ကွန်ယက်များမှ အမြင့်ဆုံး RF အသံဆူညံမှုများနှင့် RCS နိမ့်သော ဒရုန်းဒီဇိုင်းများကြောင့် ကန့်သတ်ချက်များကဲ့သို့သော စိန်ခေါ်မှုများကို မြို့ပြပတ်ဝန်းကျင်များတွင် တွေ့ရှိရပါသည်။
• ဘာကြောင့် ဒရုန်းရှာဖွေရေးကိရိယာများ၏ လက်တွေ့တိကျမှုသည် ဓာတ်ခွဲခန်းတွင် တိကျမှုထက် နိမ့်ကျနေခြင်း ဖြစ်ပါသလဲ။ တိုးချဲ့ထားသော အကွာအဝေး လုပ်ဆောင်မှုများအတွက် ဆဲလ်ကူလာနှင့် ဂြိုဟ်တုချိတ်ဆက်မှုများကို တစ်ခါတစ်ရံ ပေါင်းစပ်အသုံးပြုသော်လည်း FPV ဒရုန်းများသည် အများအားဖြင့် အချိန်ပြည့် ထိန်းချုပ်မှုနှင့် ဗီဒီယိုလွှင့်ပြောင်းမှုအတွက် 2.4 GHz နှင့် 5.8 GHz အတွင်းရှိ RF အချက်ပြများကို အသုံးပြုလေ့ရှိပါသည်။
• FPV ဒရုန်းများသည် RF အချက်ပြများကို မည်သို့အသုံးပြုပါသလဲ။ FPV ဒရုန်းများသည် အများအားဖြင့် 2.4 GHz နှင့် 5.8 GHz အတွင်းရှိ RF အချက်ပြများကို အချိန်ပြည့် ထိန်းချုပ်မှုနှင့် ဗီဒီယိုလွှင့်ပြောင်းမှုအတွက် အသုံးပြုလေ့ရှိပါသည်။ သို့သော် တိုးချဲ့ထားသော အကွာအဝေး လုပ်ဆောင်မှုများအတွက် ဆဲလ်ကူလာနှင့် ဂြိုဟ်တုချိတ်ဆက်မှုများကို တစ်ခါတစ်ရံ ပေါင်းစပ်အသုံးပြုလေ့ရှိပါသည်။
• FPV ဒရုန်းများကို ရှာဖွေရေးသည် ဘာကြောင့် ခက်ခဲရပါသလဲ။ FPV ဒရုန်းများသည် ပေးပို့မှုစွမ်းအားနိမ့်ပါးခြင်း၊ ကြိမ်နှုန်းပြောင်းလဲနိုင်မှုနှင့် ပေါက်ကွဲသော ပေးပို့မှုများကြောင့် ရှာဖွေရန် ခက်ခဲပါသည်။ ဤလက္ခဏာများသည် RF ပြည့်နှက်နေသော ပတ်ဝန်းကျင်များတွင် ပိုမိုကောင်းမွန်စွာ လွဲရှောင်နိုင်စေပါသည်။