Research of Video Stream Frame Delay in UAV FPV-Control Information Exchange Channel in Hybrid Communication Network Terrestrial Segment

Cover Page

Cite item

Full Text

Abstract

This research considers the dependence of the delay and loss of video stream frames compressed by neural network codec developed on the basis of neural network variation auto-encoder on the size of transmitted frames in the realization of information exchange channels between unmanned aviation system and external pilot station in the ground segment of hybrid orbital-terrestrial communication network taking into account the distance between them when using 3G and LTE data transmission technologies are used. The Relevance of the research is conditioned by the necessity to achieve a given level of service quality for FPV control of UAVs in communication networks.  Methods used. In this research, the applied transmission delays and frame loss of FPV control video stream when using neural network codecs are measured by in-situ experiment. The applied delays and losses take into account segmentation, packet recovery and transmission of multiple UDP packets for each payload. Additionally, the Rosenblatt-Parzen method reconstructs the probability density distributions of delay probabilities. Results. Estimates of average values of transmission delay and frame loss of video stream (compressed by neural network codec) when using 3G and LTE data transmission technologies taking into account different distances between the unmanned system and the external pilot's station are obtained. The distributions of video stream delay dependencies on the payload size are reconstructed. The character of video stream delay distribution formed by neural network codec is found. The Novelty of the obtained results lies in the study of the nature of delays and frame losses of the FPV-control service video stream transmitted through mobile communication networks at the application layer of the OSI model when using neural network codecs. Practical significance. The results can be used in modeling of information exchange channels for FPV control in order to form the optimal configuration of the used neural network codecs.

About the authors

A. A. Berezkin

The Bonch-Bruevich Saint Petersburg State University of Telecommunications

Email: berezkin.aa@sut.ru
ORCID iD: 0000-0002-1748-8642
SPIN-code: 5730-6084

R. M. Vivchar

The Bonch-Bruevich Saint Petersburg State University of Telecommunications

Email: vivchar.rm@sut.ru
ORCID iD: 0000-0003-3865-9102
SPIN-code: 7493-6643

A. A. Chenskiy

The Bonch-Bruevich Saint Petersburg State University of Telecommunications

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

R. V. Kirichek

The Bonch-Bruevich Saint Petersburg State University of Telecommunications

Email: kirichek@sut.ru
ORCID iD: 0000-0002-8781-6840
SPIN-code: 3253-4972

References

  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

Supplementary files

Supplementary Files
Action
1. JATS XML


Creative Commons License
This work is licensed under a 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».