CC BY
140
ОСОБЕННОСТИ ОБРАБОТКИ ИНФОРМАЦИИ СЕНСОРНЫХ ДАТЧИКОВ ГРУППЫ БЕСПИЛОТНЫХ ЛЕТАТЕЛЬНЫХ АППАРАТОВ
Шаров
Сергей Николаевич,
д.т.н., главный научный сотрудник ОАО «Концерн «Гранит-Электрон», г. Санкт-Петербург, Россия,
cri-granit@perterlink.ru Толмачев
Сергей Геннадьевич,
к.т.н., начальник научно-исследовательской лаборатории ОАО «Концерн «Гранит-Электрон», г. Санкт-Петербург, Россия, cri-granit@perterlink.ru
Ключевые слова:
многоканальная обработка информации; семантическое сжатие; освещение обстановки; продукционная модель; решающие правила.
?
О л л С
Рассматриваемый многофункциональный комплекс аппаратуры дистанционного наблюдения беспилотными аппаратами состоит из трёх основных частей: измерительная (сенсорная) часть, аппаратура линии связи и судовой программно-аппаратный комплекс автоматической или чаще автоматизированной обработки информации, с которым работают люди-операторы, решающие разнообразные задачи. Активное развитие комплексов аппаратуры освещения наземной, надводной и воздушной обстановки с различными информационными каналами приводит к увеличению загруженности линий связи информацией, обрабатываемой на автоматизированных рабочих местах операторами, выполняющими функции распознавания и принятия решений. По мере увеличения количества информационных датчиков и увеличения их разрешающей способности остро встает задача сокращения передаваемой информации от измерительной части к наблюдателю путём фильтрации её по приоритетам важности и достоверности, т.е. задача семантического сжатия информации. Предлагается решение на основе семантической продукционной модели, как одного из вариантов системы с искусственным интеллектом. В результате семантического отбора исходная информация датчиков физических полей проходит несколько этапов обработки в реальном масштабе времени с целью оперативного и качественного выполнения функций мониторинга.
На примере аппаратуры дистанционного мониторинга поверхности Земли и окружающей атмосферы группой беспилотных летательных аппаратов с различными датчиками показана возможность и целесообразность семантического сжатия исходной информации. Для каждого информационного канала используется собственная база данных в части признаков и их параметров для классификации наблюдаемых объектов, отсортированных в соответствии с их значимостью. Порядок сортировки может меняться оператором в процессе получения им результатов мониторинга или оперативного изменения задач наблюдения.
Рассмотренный вариант семантического сжатия передаваемой информации позволяет оперативно изменять правила отбора сообщений по приоритетам ценности информации и достоверности, которые априори закладывает оператор при составлении полётного задания беспилотных летательных аппаратов, а также изменять маршрут движения беспилотных летательных аппаратов. Предложена структурная схема семантической обработки информации мониторинга. Получены решающие правила для каждого этапа обработки. Приведены оценочные значения коэффициента сжатия.
Комплекс аппаратуры дистанционного наблюдения беспилотными аппаратами (БЛА) состоит из трёх основных частей: измерительная (сенсорная) часть, аппаратура линии связи и программно-аппаратный комплекс (ПАК) автоматической или чаще автоматизированной обработки информации, с которым на автоматизированных рабочих местах (АРМ) работают люди-операторы, решающие разнообразные задачи [1-7].
При большом объёме получаемой информации и скорости её обновления пропускная способность линии связи не позволяет передавать всю информацию, получаемую датчиками. Первичная информация, получаемая датчиками различной физической природы, представляется как относительное значение некоторой физической величины и, изменяющейся в координатах, например, X, У, 1 наблюдаемой площади или объёма. Величиной и может быть интенсивность эхо-сигнала для активных оптических и радиолокационных датчиков, интенсивность теплового излучения или отражения дневного света и т.д.
Максимальный мгновенный объём информации Мк, получаемый одним датчиком, определяется мгновенным полем зрения ХПЗ, УПЗ, ¿ПЗ датчика, максимальным значе—нием наблюдаемого сигнала ин и разрешающей способностью АХ, АУ, А1 и Аи, т.е.
Мк = (ХПЗ УПЗ ¿пз ин)/(АХ АУ А1 Аи).
Объём информации МТ получаемый в одну секунду К датчиками с частотой обновления определяется как:
Мг=|>№ (1)
Величина (1) для современных и перспективных комплексов аппаратуры наблюдения может достигать значений 1010-1012 байт и обновляться с частотой десятков и даже сотен герц. Таким образом, наблюдается тенденция увеличения объёма и скорости обновления получаемой информации при ограничениях пропускной способности линии связи. Необходимость сжатия информации обостряется при мониторинге поверхности Земли группой БЛА, передающих данные наблюдения на АРМы операторов через ретранслятор. Естественным выходом из этого противоречия, является передача не первичной информации датчиков, а обработанной до уровня, необходимого потребителю. Например, потребителя не интересуют уровни и другие признаки эхо-сигналов, но интересует наличие судна-нарушителя в запретной зоне или прохода во льдах. Возникает своего рода информационный дуализм: наличие или отсутствие информации зависит от потребностей наблюдателя. Реализация этого подхода подразумевает полную автоматизацию обработки результатов наблюдений на месте размещения датчиков-измерителей. Предлагается решить задачу сокращения передаваемой информации от измерительной части на пост наблюдения на основе семантической продукционной модели, как одного из вариантов системы с искусственным ин-
теллектом. Исходная информация с датчиков физических полей проходит несколько этапов обработки в реальном масштабе времени с целью принятия решения о загрузке линии связи актуальной информацией. Принимаемые решения являются многокритериальными и носят вероятностный характер.
Семантическая продукционная модель комплекса аппаратуры дистанционного наблюдения
Продукционная модель комплекса дистанционного наблюдения содержит следующие основные части [8]: I; Q; Р; А=>В; Н, где:
I - имя информационных данных, с помощью которого данная продукция выделяется из всего множества продукций. В рассматриваемой задаче на конечном этапе это имя аномального явления (пожар, наводнение, концентрация вредного вещества и т.д.) и (или) измеряемого параметра с его числовой оценкой.
Q - признак значимости продукции (разложение получаемой информации по назначению: чрезвычайное происшествие (природное или техногенное), охрана, экология, научные исследования и т.д.).
Р - условие применимости ядра продукции. Когда Р принимает истинное значение, ядро активизируется.
А=>В - ядро, основной элемент продукции, правило принятия решения о наличии продукции и её числовой оценки. А показывает условия (детерминированные или стохастические), при которых возможно совершить действие В. Для рассматриваемой задачи В - условие целесообразности последующей обработки и комплексирования некоторой определённой части информации с информацией других каналов или передачи оператору.
Элементы N описывают постусловия продукции. Они активизируются только в том случае, если ядро продукции реализовалось. Постусловия описывают действия и процедуры, которые необходимо выполнить после реализации В.
В памяти аппаратуры БЛА и ретранслятора хранится система продукций. В этой системе заданы процедуры управления продукциями, с помощью которых происходит выбор выполняемых продукций из числа активизированных.
Система семантического сжатия передаваемой информации многоканального измерителя одного БЛА
Каждый из каналов, особенно использующих различные физические принципы индикации объектов мониторинга, имеет свои особенности обработки сигналов, оценку шумов, фона, признаков обнаружения и распознавания наблюдаемых объектов, свою тактовую частоту обновления информации. Рассмотрим приведенную модель на примере структурной схемы обработки информации многоканального наблюдателя-измерителя на рис. 1. В качестве примера, позволя-
ющего привести решающие правила принятия решений, используем бортовой лазерный локатор [1] как типовой локационный канал мониторинга.
На схеме рис. 1 обозначены: 1к - 4к - блоки обработки информации каждого к[1:К] - канала одного БЛА, 55ЛА - 65ЛА - блоки объединения информации всех датчиков одного БЛА, 5Р - 6Р - блоки объединения информации всех 5 [1:5] БЛА, размещённые на БЛА-ретрансляторе.
Блоки 1к - преобразователи текущего значения физической величины в электрический сигнал Ци(£) каждого к-ого канала. Это приёмные устройства оптического или электромагнитного излучения с каждого ¿-ого элемента разрешения наблюдаемой зоны, в координатах оптической или антенной системы к-ого канала, например, в полярных координатах уи, ик1, - углы и дистанция.
Здесь обнаружением является принятие решения о наличии или отсутствии сигнала Ц^) для его дальнейшего анализа в каждом разрешаемом объеме зоны поиска. При обнаружении допустимы только два решения: «сигнал есть» или «сигнала нет».
В реальных условиях параметры принимаемых сигналов являются величинами случайными, поэтому порог ип первичного обнаружения наблюдаемого сигнала Ц = ии(0 на входе каждого к-ого канала устанавливается в соответствии с критерием Неймана-Пирсона [1]. Исходя из заданной полётным заданием величины ложной тревоги РЛТ, которая для различных измерительных каналов изменяется в пределах от 10-2 до 10-6, значение ип выставляется автоматически путём подсчёта числа шумовых выбросов, превосходящих порог обнаружения. В процессе мониторинга оператор может менять величину РЛТ, увеличивая её при отсутствии сигналов обнаружения и уменьшая при увеличении числа обнаружений, оказавшимися помехами по результатам последующей обработки в блоках 2 - 4.
Оперативной оценкой качества обнаружения сигнала Ц является отношение ис/ип. Она дополняется
геометрическими координатами уи, ии, и временем обнаружения Продукцией этого этапа мониторинга является определение числа элементов пространства в направления зондирования, в которых наблюдается отражённый сигнал, превышающий порог обнаружения с заданной величиной РЛТ.
Информацией 11к блока 1к является факт обнаружения или не обнаружения отражённого сигнала в каждом элементе пространственного разрешения ¿(уи, ии, ). Наличие высокого уровня сигнала обратного рассеяния и порога обнаружения является информацией, свидетельствующей о низком уровне достоверности этого информационного датчика.
Условием Р применимости информации 11к блока 1к является качество qk : «хорошее», «нормальное» или «плохое». Лингвистическая переменная «качество информации» ^к) задается функциями принадлежности нечетких переменных, определяемых на множествах значений Цсор/Цп и .ш,
где Цсор - уровень сигнала обратного рассеяния, Цп -порог обнаружения, .ш (Цш/Цп) - число шумовых выбросов, превысивших порог обнаружения при одном зондирующем импульсе. Значение qk является составляющей Qk - признака значимости продукции канала к.
Следующий этап обработки сигналов реализуется в блоке 2к. Здесь решение о наличии сигнала и его классификационных признаках выносится на основе наблюдения эхо-сигналов нескольких зондирующих сигналов с одного направления от соответствующих элементов разрешения по дистанции.
Блоки 2к - накопители-сумматоры сигналов Цкхта в заданных координатах зоны наблюдения X, У, 1 (или географических координатах X, ф, Н).
Продукцией этого блока 12к являются параметры (средние значения и дисперсия) отражённого сигнала: дистанция, амплитуда, отношение сигнал / шум, форма, деполяризация и изменение во времени численных
Рис. 1. Структурная схема обработки информации мониторинга
значений этих признаков отражённого сигнала. Информация I2k представляет N2 одномерных массивов ип, соответствующих N2 обнаруженным сигналам и N1 измеренным параметрам отражённого сигнала ип^п, ФЛ, уЛ п(1:Ш)], где Dn - дистанция до отражающего элемента, ФЛ, уЛ - направление лазерного луча в вертикальной и горизонтальной плоскости, n(1:N1) - численные значения измеренных параметров отражённого сигнала.
Нумерация обнаруженных сигналов (сортировка) начинается с сигнала, полученного на меньшей дистанции, ип(1) - ближайшего к БЛА, до ип(Ш) - дальний от БЛА. Измерение параметров наблюдаемых сигналов с одного направления не даёт полного каталога признаков, используемых для распознавания (селекции и классификации) объектов.
Важным классификационным признаком являются геометрические размеры наблюдаемых объектов, определяемые в процессе сканирования пространства узким угловым полем зрения лазерного локатора.
Блоки 31{ определяют векторы наблюдаемых признаков сигналов ипхуи для каждого элемента разрешения в заданных координатах. Входные сигналы на рис. 1, обозначенные пунктирными стрелками означают запаздывание и возможно меньшую частоту поступления, относительно входных сигналов предыдущего блока.
Продукция этого блока I3k - правило логического объединения информации о численных значениях признаков в группах «подозрительных» отсчетов посредством усреднения их значений по всем рядом стоящим элементам пространственного разрешения, в которых наблюдаются отражённые сигналы, превысившие порог обнаружения.
Совокупность рядом расположенных элементов пространства, в которых обнаружен отражённый сигнал, или одиночный элемент, окружённый неотражающими элементами, принято называть обнаруженными объектами, обладающими рядом классификационных признаков, имеющими количественную оценку. Координаты обнаруженных объектов определяются по энергетическому или геометрическому центру отражений.
Выходная информация блока 3к представляет N3 одномерных массивов ип, соответствующая N3 обнаруженным объектам и N1 измеренным параметрам отражённого сигнала от объекта: ГОп[хп, уп, zn, п(1: N1)], где хп, уп, zn - координаты центра отражающих элементов объекта, п (1: N1) - численные значения измеренных параметров отражённого сигнала от объекта.
В базе данных БЛА имеется каталог признаков сигналов и диапазонов их значений, принадлежащих различным объектам мониторинга. Информация, сформированная в блоке 4 представляет массив из векторов, соответствующих числу обнаруженных N3 объектов и распложенных в порядке их важности. Она является первой частью ядра Ак информации к-ого канала: ^п^2^, xn, уп, zn, п(1^2), qk], где №пк - номер объекта по базе данных, соответствующий значимости объекта, qk - показатель качества продукции к-ого канала,
значение которого определено ранее в блоке 1. Эта информация хранится в блоке 4 и пополняется по мере появления новых обнаруженных объектов.
Блоки 41{ вырабатывают информацию, которая является продукцией верхнего уровня для измерительной части каждого к-ого канала. Содержащиеся здесь решающие правила являются ядром Ak =>Bk.
В блок 55ЛА из блока 4 передаётся сокращённый массив В] из N3 векторов
S № х, yn, *п> fc, qk].
(2)
формируемый из и4п путём удаления информации признаков классификации, заменив их условным наименованием канала, соответствующим физическому принципу обнаружения.
Численно значимость продукции канала можно оценить показателем Qk, например, соотношением Qk = qk ^Х^^2^, где qk - оценка качества обнаружения, Nk - число обнаруженных объектов, - сумма ко-
эффициентов значимости (номеров в принятом примере) обнаруженных объектов.
В блок 55ЛА поступает сформированная аналогично (2) информация каналов БЛА, использующих другие физические принципы обнаружения объектов, классификацию по другим признакам и другую оценку достоверности получаемой ими информации.
S
№ Уn, k (i:K) qkL
^ (1:К),п(1:№) 1 п] п'->п> п'
где [...] - массив данных всех объектов, об-
наруженных К каналами.
№п] - номер по каталогу базы данных, присвоенный п-ому объекту к-ого канала,
хп], уп], znk - координаты п-ого объекта кого канала. Для каждого канала используется своя база данных в части признаков и их параметров для классификации наблюдаемых объектов, но сохраняется порядок нумерации объектов в соответствии с их значимостью для целей мониторинга, установленный при составлении полётного задания. Последовательность может меняться оператором в процессе получения им результатов мониторинга или оперативного изменения его задач по указанию вышестоящего руководящего звена (операторы Q (Q1, Q2, Q3) на рис. 2, где Q1 - приоритетная последовательность объектов, установленная полётным заданием, Q2 - оперативная корректировка приоритетной последовательности по результатам мониторинга, Q3 - изменение параметров решающих правил в отдельных каналах по текущим результатам мониторинга.
Блок 65ЛА формирует пакет информации для передачи из главного уровня и более низких уровней, выбирая данные из блоков 4, 3, 2 и загружая ими пропускную способность канала связи с ретранслятором.
Таким образом, блоки 55ЛА и 65ЛА реализуют семантический отбор информации для передачи ретранслятору и далее возможно операторам. Они могут быть построены по принципу систем с искусственным интеллектом [8, 10].
Приведём один из возможных вариантов алгоритмов реализации блоков 55ЛА и 65ЛА, схема которого приведена на рис. 2.
дения спк=1 и присваивается индекс качества канала k с большим значением qk= тах^и, qkj) и соответствующий ему номер объекта.
За счёт близости координатной идентификации объектов, обнаруженных различными каналами, общее число обнаруженных объектов сокращается и принимает вид РК - числа объектов обнаруженных одним БЛА с К информационными каналами:
РК[№П] Хпк, Упк, ^
Ш qпk, cпk],
(4)
Рис. 2. Схема этапа отбора информации на ретрансляторе для передачи по линии связи
При помощи оператора Q Q2, Q3) задаётся приоритетная последовательность всей возможной продукции 1т из общего их числа М. Q1 = ... Im ... Iu] устанавливает приоритет наименований продукции, Q2 = [к1 ... kk ... кК ] - определяет приоритет каналам получения информации, Q3 =[Г1 ... Тт ... Тм] - определяет интервалы времени Тт допустимой дискретности обновления данных. Последовательности Q1 и Q3 вводятся в постоянную память блока 55ЛА и могут изменяться по команде оператором с поста управления. Начальная последовательность Q2 также вводится оператором как среднестатистическая, а изменяется по информации достоверности каждого к-ого канала. Например, при наличии значительной облачности или тумана нет доверия оптическим каналам, а при большом уровне радиотехнических помех снижается приоритет радиолокационного канала. Свою значимость в приоритете каждый канал корректирует автоматически, например, как показано ранее значением qk или Qk.
К
В соответствии с приоритетами Q1 и Q2 из ^ в блоке 55ЛА формируется минимальная информация верх-
К
него уровня о продукции измерителей ^ QSk и направляется в блок 6 .
8ЛА
Объединение информации всех каналов в блоке 55ЛА происходит следующим образом.
Сортировка объектов по близости координат хп], Уп], zпk, например, по величине невязки
Ау=| У^р - [ХП] zпkj] < (ДИ + Akj) (3)
где Ду - величина невязки, расстояние между векторами [г ,., у ,., z , ] и [x ,., у ,., z , ] обнаруженных объек-
пкг ^ пкг пкН пк]' ^ П]]' пкj-,
тов, Д., ДК] - априорно известная ошибка определения координат обнаруженного объекта Ш и к) каналов, введённая полётным заданием.
Если Ду< (Ди+ Др & №пМ = №п]], то объект идентифицируется как один и присваивается индекс совпадения сп]=2 и индекс качества qk канала Ш | к), имеющего большее значение.
Если Ду<(Ди+ Дч) & №пИ ф №п] , то объект идентифицируется как один и присваивается индекс совпа-
где №п] - номер объекта, соответствующий заданной классификации важности объекта, [хп], у zпk] - координаты объекта, qk и ск - параметры, определяющие качество полученной информации. Таким образом в блоке 65ЛА реализуется вторая фаза ядра А5=>В5, и подготовка продукции Р верхнего уровня БЛА. также в блоке 65ЛА происходит оценка требуемого времени для передачи информации верхнего уровня и сравнение её с предоставленным ретранслятором временем для связи.
Если число обнаруженных наименований и их параметры, представляющие верхний уровень значимости больше пропускной способности канала связи, происходит ограничение путём исключения наименований продукции нижних уровней приоритетов. Обнаружение одновременно в наблюдаемой зоне всеми К измерителями всех МБД наименований продукций базы данных практически невозможно. Наиболее вероятная ситуация, когда в блок 65ЛА поступает малое число наименований информации с одного или двух измерителей. В этом случае резерв пропускной способности канала связи заполняется информацией более низкого уровня с каналов, где активизировалось ядро А5=>В5, т.е. с блоков 4, 3 и даже 2. Таким образом, в блоке 6бЛА реализуется последняя фаза ядра А5=>В5, и окончательное формирование продукции Рм (£).
Элементы Q в блоке 65ЛА описывает логику дальнейшего отбора информации после реализации последней фазы ядра А5=>В5 (или его отсутствия за определённый период времени). Элементы Q могут корректировать приоритетную последовательность объектов и решающее правило отбора по командам с поста управления по результатам приёма и оценки оператором продукции Р(0.
Отбор информации в ретрансляторе аналогичен отбору многоканальной информации на каждом БЛА. В блоке 5р происходит сортировка обнаруженных объектов всеми БЛА по приоритетам, установленных полётным заданием каждому БЛА аналогично (2). Отметим задача существенно упрощается, когда приоритетная последовательность объектов одна для всех БЛА, как ранее она была одна для всех информационных каналов одного БЛА. Разные БЛА могут наблюдать один объект, что обнаруживается достаточной близостью координат (3) местонахождения. В этом случае объединение происходит с увеличением индекса с и принятия № объекта и qk наибольшими из двух объединяемых Р5ЛА.
В блоке 6р все массивы информации, поступившие со всех БЛА и отсортированные в блоке 5р, оцениваются по объёму памяти, занимаемой каждым объектом из массива:
Рм с^м ^ „,,Л№ , , х, , у . , z , , к, q , , с, , М, ], (4)
(1:5), (1:К), Ц:^)1- пк,' пк,'^ пк,' пк,' ^ ~пк,' пк,' пк,-1' 4 у
где №пк5 - номер объекта, соответствующий заданной классификации важности объекта, [хпк5, у znks] - координаты объекта, qnks и с^ - параметры, определяющие качество полученной информации, к - тип канала обнаружения, Мп] - объём информации единичного объекта, необходимый для передачи оператору.
При помощи оператора Q3 можно изменить правило отбора сообщений, например, следить за самыми малыми обнаруженными объектами на водной поверхности.
Заключение
Рассмотренный вариант семантического сжатия передаваемой информации, можно трактовать как фильтрацию или отбор информации по приоритетам ценности информации и достоверности, которые априори закладывает оператор при составлении полётного задания БЛА. На основании анализа получаемой информации оператор может оперативно изменять маршрут движения БЛА, особенно, если в группе работают БЛА с различным набором информационных каналов. Это позволяет наблюдать обнаруженный объект с разных ракурсов сенсорами, обладающими различными физическими принципами индикации, что существенно повышает качество мониторинга.
Практически линия связи оперативно загружается наиболее полезной информацией. Семантическое сжатие позволяет снизить объём передаваемой информации, облегчив работу линии связи и людей-операторов дистанционного наблюдения. При отсутствии обнаружения приоритетных и других значимых объектов ПАК накапливает статистический материал по наблюдаемому фону поверхности и окружающей среды, что позволяет оптимизировать не только пороги обнаружения, решающие правила для селекции и классификации наблюдения объектов.
Комплексы мониторинга поверхности Земли, создаются как многофункциональные, предназначенные для решения различных хозяйственных задач, включая обеспечение жизнедеятельности в арктической зоне. Это требует пополнения и уточнения базы данных информационных признаков и их статистических характеристик для большого числа новых объектов и явлений
природного и техногенного характера, использования активных и пассивных, оптических и радиоканалов в широком спектре частот. Для комплексирования их информации необходима разработка оптимальных решающих правил, обеспечивающих достоверные результаты мониторинга.
Литература
1. Шаров С.Н. Локационные управляющие системы беспилотных летательных аппаратов. СПб.: БГТУ «Во-енмех». 2009. 312 с.
2. Tomashevich S., Andrievsky B. Stability and Performance of Networked Control of Quadrocopters Formation Flight. 6th International Congress on Ultra Modern Telecommunications and Control Systems and Workshops (ICUMT). 2014. Рр. 338-342.
3. Zheng Y., Li S., Qiu H. Networked coordination-based distributedmodel predictive control for large-scale system. IEEE Trans. Contr.Syst. Technol. 2013. Vol. 21. No. 3. Pp. 991-998.
4. Xiaofeng W., Hovakimyan N. Distributed control of uncertain networked systems: A decoupled design. IEEE Trans. Automat. Contr. 2013. Vol. 58. No. 10. Pp. 2536-2549.
5. Fradkov B., Andrievsky B., Peaucelle D. Estimation and control under information constraints for LAAS helicopter benchmark. IEEE Trans. Contr. Syst. Technol. 2010. Vol. 18. No.5. Pp. 1180-1187.
6. Maza F., Caballero J., Capitan J., Martinez de Dios R., Ollero A. A distributed architecture for a robotic platform with aerial sensor transportation and self-deployment capabilities. J. Field Robotics. 2011. Vol. 28. No. 3.Pp. 303-328.
7. Acevedo J., Arrue B., Maza I. Cooperative perimeter surveillance using aerial robots and fixed ground stations. In Proc. 2nd IFAC Workshop on Research, Education and Development of Unmanned Aerial Systems (RED-UAS). Compiegne, France: IFAC. 2013, Pp. 330-336.
8. Нариньяни А.С., Яхно Т.Г. Продукционные системы // Представление знаний в человеко-машинных и робототехнических системах. М.: ВЦ АН СССР, ВИНИТИ, 1984. С. 136-177.
9. Ларичев О.И. Теория и методы принятия решений. М.: Логос. 2000. 300 с.
10. Шаров С.Н., Толмачев С.Г. Семантическое сжатие в системах мониторинга движением судов. XIII МНТК Кибернетика и высокие технологии XXI века. Воронеж. 2012. Т.1. С. 42-51.
11. Skolnik M.I. Radar handbook. Third Edition. The McGraw-Hill Companies. 2008. 1352 p.
Для цитирования:
Шаров С.Н., Толмачев С.Г. Особенности обработки информации сенсорных датчиков группы беспилотных летательных аппаратов // Наукоемкие технологии в космических исследованиях Земли. 2016. Т. 8. № 1. С. 32-38.
FEATURES OF INFORMATION PROCESSING SENSORS GROUP OF UNMANNED AERIAL VEHICLES
Sharov Sergey Nikolaevich,
St. Petersburg, Russia, cri-granit@perterlink.ru
Tolmachev Sergey Gennadievich,
St. Petersburg, Russia, cri-granit@perterlink.ru
Abstrart
Consider a multifunctional complex equipment remote surveillance unmanned spacecraft consists of three main parts: the measuring (sensory) part of the equipment of communication lines and marine hardware-software complex of automatic or more automatic processing of information with which people work-the operators that solve a variety of tasks. Active development of the complexes of the instrument lighting ground, surface and air situation from different information channels leads to an increase of congestion of communication lines of information processed on workstations operators, which perform the functions of recognition and decision making. At least increase the amount of information sensors and increase their resolution sharply raises the task of reducing the transmitted information from the measuring part to the observer by filtering it according to the importance priorities and the reliability, i.e. the problem of semantic data compression. Proposed solution based on the semantic production rules model, as one of variants of system with artificial intelligence. As a result of the selection of initial semantic information of sensors of physical fields through several stages of processing in real time for timely and quality performance monitoring functions. For example, apparatus for remote monitoring of the Earth's surface and the surrounding atmosphere by a group of unmanned aerial vehicles (UAV) with various sensors shows the possibility and feasibility of semantic compression of the original information. For each information channel uses its own database in terms of features and their parameters for the classification of the observed objects, sorted in accordance with their importance.
The order can be changed by the operator in the process of receiving monitoring results or operational changes observation tasks.The proposed structural scheme of the semantic processing of monitoring information. The obtained decision rules for each stage of processing. Provide estimates of the compression ratio.
Keywords: multi-channel information processing; seman-
tic compression; the lighting environment; a production model; the decision rules.
References
1. Sharov S.N. Radar control systems of unmanned aerial vehicles. SPb.: BSTU "Voenmech". 2009. 312p. (In Russian).
2. Stanislav Tomashevich,_ Boris Andrievsky. Stability and Performance of Networked Control of Quadrocopters Formation Flight. 6th International Congress on Ultra Modern Telecommunications and Control Systems and Workshops (ICUMT). 2014. Pp. 338-342.
3. Zheng Y., Li S., Qiu H. Networked coordination-based dis-tributedmodel predictive control for large-scale system. IEEE Trans. Contr.Syst. Technol. 2013. Vol. 21. No. 3. Pp. 991-998.
4. Xiaofeng W., Hovakimyan N. Distributed control of uncertain networked systems: A decoupled design. IEEE Trans. Automat. Contr. 2013. Vol. 58. No. 10. Pp. 2536-2549.
5. Fradkov B., Andrievsky B., Peaucelle D. Estimation and control under information constraints for LAAS helicopter benchmark. IEEE Trans. Contr. Syst. Technol. 2010. Vol. 18. No. 5. Pp. 1180-1187.
6. Maza F., Caballero J., Capitan J., Martinez de Dios R., Ollero A. A distributed architecture for a robotic platform with aerial sensor transportation and self-deployment capabilities. J. Field Robotics. 2011. Vol. 28. No. 3.Pp. 303-328.
7. Acevedo J., Arrue B., Maza I. Cooperative perimeter surveillance using aerial robots and fixed ground stations. In Proc. 2nd IFAC Workshop on Research, Education and Development of Unmanned Aerial Systems (RED-UAS). Compiegne, France: IFAC. 2013, Pp. 330-336.
8. Nariniani A. S., Yakhno T. G. Production systems. Knowledge Representation in man-machine and robotic systems. M.: VTS an USSR. VINITI. 1984. Pp. 136-177. (In Russian).
9. Larichev O.I. Theory and methods of decision making. M.: Logos. 2000. 300 p. (In Russian).
10. Sharov S.N., Tolmachev S. G. Semantic compression in systems for monitoring vessel traffic. XIII IRTC Cybernetics and high technologies of the XXI century. Voronezh, 2012. Vol. 1. Pp. 42-51. (In Russian).
11. Skolnik M.I. Radar handbook. Third Edition. The McGraw-Hill Companies. 2008. 1352 p.
Information about authors:
Sharov S.N., Ph.D., main research associate JSC "Concern "Granit-Electron;
Tolmachev S.G., Ph.D., head of scientific research laboratory JSC "Concern "Granit-Electron.
For citation:
Sharov S.N., Tolmachev S.G. Features of information processing sensors group of unmanned aerial vehicles. H&ES Research. 2016. Vol. 8. No. 1. Pp. 32-38. (in Russian).
