darpa dense sense proposal
1.0.0
| Auftragsreferenz | Defense Advanced Research Projects Agency / Microsystems Technology Office / Commercial Performer Program Ankündigung / DARPA-PA-17-01 |
| Hauptorganisation | Skylight Digital LLC |
| Subunternehmer / Teaming -Arrangements | Die Ausführung der vorgeschlagenen Arbeiten umfasst mehrere Dritte, wie im dichten Sinneskostenmodell aufgeführt (siehe E -Mail -Excel -Anhang). Bei der Auswahlbenachrichtigung werden formelle Vorkehrungen getroffen. |
| Verwaltungsstelle | Chris Cairns |
| Technischer Kontaktpunkt | Geoff Mulligan |
| Titel der vorgeschlagenen Anstrengung | Dichtem Sinn - Dichtes, billiges Netzwerk kurzlebiger Netzwerksensoren mit niedriger Leistung in Flächengebieten |
| Technischer Bereich | Internet der Dinge, Netzwerksensoren mit geringem Stromweite, Cloud-basierte offene Daten und Analyseplattform |
| Platz und Periode der Leistung | Colorado Springs, CO; 12 Monate ab dem Datum der Vertragsausführung |
| Duns # | 080202677 |
Mit einer neueren Networking -Technologie (Niedrigkeitsweite Fläche) ist es nun möglich, ein Netzwerk von Batterie- oder Energieernotensoren aufzubauen, die unauffällig und einfach in einem Stadt- oder Zielgebiet platziert werden können. Da diese kostengünstig sein können und wenig Strom einsetzen können, ist es wirtschaftlich, eine sehr große Anzahl von Sensoren bereitzustellen, die wir als "dichter" Sensornetzwerk bezeichnen.
Ein Beispiel für diese neue Klasse von Sensoren kann einfache Audio -Wellenformen auf einen Cloud -Dienst erfassen und übertragen, in dem sie analysiert, audambigiert und trianguliert werden, um sowohl den Typ als auch den Ort und die Zeit eines bestimmten "Rauschens" zu identifizieren. Diese "Geräusche" können dann in der Wolke eingeteilt werden, und wenn sie als Schuss festgestellt werden, würden die Informationen an die entsprechenden Agenturen und möglicherweise anderen Sensorsysteme weitergeleitet. Andere Sensortypen können verschiedene andere Telemetriedaten wie Temperatur, Vibration, Strahlung, Luftqualität, Licht oder sogar menschliche Faktoren wie Herzfrequenz, Atmung oder Körpertemperatur übertragen. Ziel dieses Projekts ist es, ein einfaches, kostengünstiges, Strom -Sensor -Netzwerk als Open -Source -Basis und offene Protokoll -Basis -Plattform zu untersuchen, zu experimentieren, zu entwickeln und bereitzustellen, um Audiowellenformen und triangulierte Standortinformationen in eine Audioanalyse -Cloud von Offsite -Audioanalyse zur Klassifizierung und Warnungsaktionen weiterzuleiten.
Ein zusätzlicher Vorteil, dass die endgültige Verarbeitung in die Cloud verschoben wird, besteht darin, dass sie den Schutz sensibler Algorithmen und Daten gegen Penetrationsversuche bietet. Die Feldeinheiten können auf relativ elementare Funktionen beschränkt werden, die gleichgültig gegenüber Kompromissen sind.
Das Gesamtziel des Projekts ist es, die Verarbeitbarkeit koordinierter, zahlreicher Systeme mit geringer Leistungsensoren mit einem bestimmten Testfall von Audioempfang und -übertragung zur Identifizierung und dem Standort bestimmter Geräusche wie Schusswesen zu beweisen. Das endgültige System wird kostengünstig sein; Das heißt, zwei Größenordnungen in Capex, Installation und OPEX im Vergleich zu vorhandenen Ansätzen und verwenden Funktionen offener Standards, einschließlich 6LOWPAN, IP/TCP, COAP, MQTT und HTTP für Sensorkommunikation. Das System ermöglicht es Dritten, sein eigenes Fachwissen über eine veröffentlichte Cloud Application Programming Interface (API) zu integrieren, um eine verbesserte Datenanalyse, Klassifizierung und Warnungen bereitzustellen.
Beim Aufbau eines funktionierenden Systems werden wir notwendigerweise testen und überprüfen:
Es gibt heute eine Reihe verschiedener HF-Technologien, aber die meisten Kompromisse mit geringer Leistung für begrenzte Entfernungen und daher erfordern daher Multi-Hop Mesh-Networking-Architekturen. Diese Entwürfe erhöhen die Netzwerkkomplexität. Es wurde kein wirklich und leicht skalierbares Sleeping Mesh -Knoten -RF -Netzwerk bereitgestellt. Alternativ sind die meisten aktuellen Sterntopologie -Netzwerke entweder eine extrem begrenzte Abstand (BT oder BTLE) oder eine Leistung hungrig (WiFi, zellulär). Neuere LPWAN-Technologien wie LORA versprechen, mehr Entfernung, Multipath-Isolation, niedrige/dauerhafte Leistung, eingebaute Verschlüsselung und einfache nicht entwickelte Installation zu bieten.
Gegenwärtig gibt es Schussanalysesysteme, nutzen jedoch keine LPWAN -Fähigkeit mit geringer Leistung und Langstrecken -LPWAN -Fähigkeiten und haben daher investiert, jeden Sensor extrem fähig, aber teuer und sperrig zu machen. Wir sind uns eines Systems nicht bewusst, das bis zu Hunderte oder sogar Tausende von Sensoren skalieren kann, um eine große Fläche mit niedrigen Kosten pro Sensoren genau abzudecken. Diese Networking -Fähigkeit könnte sich unsichtbar miteinander vernetzen, ohne die Gerätelast zu erhöhen und die Intelligenz der Schlachtfeld zu verbessern. Ein solches dichtes Sensornetzwerk kann theoretisch Geräusche zuverlässiger als eine kleine Anzahl von Sensoren.
Unser ultimatives Ziel ist es zu demonstrieren, dass die LPWAN -Technologie es ermöglicht, dass eine dichte Reihe von unauffälligen, kostengünstigen Sensoren über einem großen Bereich platziert und digitalisierte Audiosignale mit genügend Bandbreite übertragen, um eine nützliche Schusskennung durchzuführen. Unser ultimatives Ziel ist es, einen Sensorknoten in Höhe von 25 US -Dollar in der Größe eines Kartendecks zu erstellen, das von einem sich bewegenden LKW geworfen oder von Drohnen geliefert und lange in der Umgebung geliefert werden kann, um nützliche Fähigkeiten zu bieten. Die erfasste Fläche wird ungefähr 10 Quadratkilometer betragen und 4 bis 6 Basisstationen erfordern. Es ist nicht die Absicht dieses Projekts, das beste Schussanalysesystem zu entwickeln, sondern einen offenen Webhook für andere zur Bereitstellung einer ausgefeilten Analyse. Wir konzentrieren uns auf die IoT -Funktionen der LPWAN -Technologie.
Jeder Sensorknoten verfügt entweder über einen einzelnen Audiosensor oder einen kleinen Satz von Sensoren, um ein einzelnes Audiosignal zu erzeugen. Jeder Knoten verfügt über ein LORA -Radio und eine ausreichende Batterieleistung zum Testen mit einer optionalen Photovoltaik -Stromquelle. Jeder Knoten verfügt über ausreichende Audio -Digitalisierungs- und Signalverarbeitungsleistung, um das Audiosignal zu codieren und möglicherweise zu entscheiden, ob das Audiosignal übertragen wird. Ein anfängliches Design könnte ein einfaches Volumen sein, aber ein Frequenzbankfilter könnte später verwendet werden, um Schüsse genauer zu identifizieren.
Anfänglich wird jeder Audiosensorknoten mit einem GPS -System genau geoloziert. Wir werden die integrierten Geolokationsfunktionen der LORA-Technologie selbst gegen das GPS-System testen. Über 4-plus-Gateways werden das gesamte System über eine Reichweite demonstrieren, die 10 Quadratkilometer effektives "Hören" abdeckt. Die Sensorknoten übertragen ausreichend Audio (nach Möglichkeit verarbeitet, um Strom zu verarbeiten), um Schüsse innerhalb des Erkennungsbereichs zu Geolocode.
Die Audio-Wellenformen werden an Gateways übertragen, die über WLAN oder Ethernet an einen Netzwerkserver angeschlossen sind, der die Wellenformen zur Analyse in ein Cloud-basiertes System weiterleitet. Wir schlagen vor, zwei Benutzeroberflächen (Endbenutzer und Engineering) zu erstellen, die die Prüfung unseres eigenen Systems sowie die akustischen Verarbeitungssysteme von Drittanbietern unterstützen, wenn und wenn Unternehmen die Webhook-Schnittstelle verwenden. Die Endbenutzer-Schnittstelle wird für einen ersten Responder ausgelegt, um auf einen Schuss im Feld zu reagieren. Das heißt, sie vereinfachen die Daten auf das wichtigste Merkmal: Wo ist das Ereignis, wie hoch ist die Wahrscheinlichkeit des geografischen kreisförmigen Fehlers des Ereignisses und wie wahrscheinlich war es ein Schuss?
Die technische Schnittstelle dagegen bietet eine viel reichhaltigere Schnittstelle, die das von jedem Knoten empfangene Signal und Details des akustischen Ereignisses freigibt. Diese Benutzeroberfläche wird von uns und anderen erfahrenen Forschern verwendet, um das System zu testen. Die Benutzeroberflächen verwenden eine Standard-API-basierte architektonische Trennung, wodurch ein Drittanbieter ein erweitertes Analysesystem erstellt wird.
Unser primärer Schwerpunkt liegt auf dem Konzept der auf der LPWAN -Technologie basierenden digen, kostengünstigen Sensor -Netzwerke. Wir beabsichtigen, eine klare Trennung zwischen der Software beizubehalten, um die Audio -Streams zum Zwecke der Geolokalisierung und dem Rest des Übertragungssystems zu analysieren. Auf diese Weise können DARPA oder andere Organisationen wettbewerbsfähige oder bereits bestehende Schussanalysesysteme basierend auf unserer LPWAN-Hardware konstruieren oder verwenden. Wir werden eine ausreichende Audiogeolokation bereitstellen, um das System effektiv zu testen. Wir vermuten, dass andere Firmen oder anschließende Grantentwicklung mehr Schuss-Cloud-basierte Software für Schussanalysen bieten werden.
Die Cloud -Dienste verwenden Web -APIs und bieten eine gemeinsame Schnittstelle für den Zugriff auf Rohdaten, Aggregat und daraus resultierende Analyse. Diese niedrige Kosten und diese leichte API -Implementierung ermöglichen es, auf Daten auf die Daten zugreifen zu können, die über das Web auf sichere und dennoch bequeme Weise zugegriffen werden können, indem vorhandene API -Management -Praktiken verwendet werden, umfassen:
Projekt-APIs ermöglichen die Integration und Aggregation von System-zu-Systemen sowie die Entwicklung von Web-, Mobil- und anderen Geräteanwendungen, die die Funktionalität des Projekts erweitern. Dies wird das System für Forscher und andere Agenturen zur Analyse und Prüfung in verschiedenen Anwendungen und Kontexten sowie mit unterschiedlichen Analysetechnologie öffnen.
Wir glauben, dass die Verwendung des relativ neuen Lora Lpwan für diese Anwendung unerforscht ist. Daher wird es Herausforderungen im Zusammenhang mit der erfolgreichen Übertragung von Audiodaten zur Beantwortung der folgenden Fragen geben:
Eine Herausforderung für die Benutzeroberfläche besteht darin, den Audio -Streams ausreichende Einblicke zu geben, damit die Ermittler die Leistung und die Einschränkungen des Systems vollständig verstehen können. Die Benutzeroberfläche muss gut genug sein, damit ein ungelernter Benutzer die Geolokalisierung von Schüssen verstehen kann.
Nach Abschluss zeigt dieses Projekt, dass ein einfaches, kostengünstiges, verteiltes Sensor -Netzwerk problemlos bereitgestellt werden kann und zur Identifizierung und Lokalisierung von Schüssen verwendet werden kann. Sowohl Städte als auch das Militär könnten dieses feldverarmbare Design sowohl für schnelle, vorübergehend installierte Netzwerke als auch für die Langzeit-Sensor-Netzwerk-Installation verwenden. Basierend auf offenen Standards wird das System die Erweiterbarkeit demonstrieren und die Entwicklung neuer Funktionen, Funktionen und Funktionen ermöglichen. Die Fähigkeit, ein robustes Netzwerk kostengünstiger, unauffälliger Sensoren an mehr oder weniger zufälligen Orten zu platzieren und Schüsse genau zu erkennen, ermöglicht eine schnelle Reaktion auf gewalttätige Maßnahmen.
Die Fähigkeit, extrem kostengünstige und einfach zu stellende Audiosensorfelde bereitzustellen, die eine einfache Identifizierung und den Standort -Schüsse ermöglichen, wird die Dynamik sowohl für Ersthelfer als auch für Militärpersonal in einem Operationstheater verändern.
Darüber hinaus könnte die Base Open Networking Foundation auch an andere Sensorfunktionen angepasst werden, um Geräusche oder Verkehrsniveaus, Wasserströmung oder Wasserverschmutzung, Vibrationsempfindung, schädliche Chemikalie oder Radioaktivitätsfindung zu umfassen.
Es ist die Absicht dieses Projekts, das Verständnis der LPWAN -Sensor -Networking -Funktionalität, -fähigkeiten, der Leistung und Kosten voranzutreiben, wie auf ein breites Spektrum von IoT -Anwendungsbereichen angewendet. Es ist nicht das Ziel dieses Projekts, diese spezifische Schussanwendung zu entwerfen, aufzubauen und zu kommerzialisieren, sondern der Branche eine praktikable Plattform für andere zu bieten, auf denen andere ein tieferes Verständnis der Kompromisse im Zusammenhang mit dem Stromverbrauch von On-Sensor-Verarbeitung im Verarbeitung vor dem Sensor im Vergleich zum Stromverbrauch von RAW-Sensordatenübertragung und Plattform für die Branche zur Verfügung stellen können.
Das ausgefüllte Sensor-Netzwerk umfasst eine kreisförmige Fläche von ungefähr 10 Quadratkilometern und umfasst die 4-6-Gateways und mindestens 30 dicht eingesetzte Sensoren, um die Geolokalisierung von Schüssen auf der Skala von 10 Meter in einer ländlichen Umgebung zu ermöglichen. Während des Projekts entwickelte Cloud -Dienste bieten die Datenanalyse für die Abgleichen von Wellenformanpassungen und Triangulation.
Da dieses Projekt eine Herausforderung sein wird, planen wir, diese Funktionalität in Phasen zu entwickeln, von denen jede zunehmende Fähigkeiten zeigt. Die im Sensorknoten verwendeten Hardwaresysteme in jeder dieser Stufen sind oben dargestellt.
Stufe 1: Simulieren Sie das Audio -Subsystem, testen Sie jedoch die Funkfunktionen. Wir werden 10 "Hörstationen" programmiert, um simulierte Audiosignale zu senden. Diese werden manuell mit einem Handheld -GPS -System geoloziert. Durch die Verwendung von 4+ Basisstationen können wir die Nicht-GPS-basierte "Zeit der Ankunftszeit" -Geolocation-Funktionalität von Lora testen und mit der GPS-Geolokalisierung vergleichen. Der MCUs der Hörstation wird so programmiert, dass sie alle 5 Sekunden einen "Knall" melden. Auf diese Weise können wir das System von End-to-End testen:
Eine wahrscheinliche Hardware-Verkörperung dieser Stufe ist die ST Nucleo-Lrwan1 oder die Adafruit Arduino-Feder.
Stufe Nr. 2: Wir werden ein echtes digitalisiertes Audio -Subsystem mit einer computergestützten Audio -Digitalisierung von 250 US -Dollar hinzufügen, mit der wir bereits Erfahrung haben. Diese werden mehr Strom verbrauchen als unser ultimatives Zielsystem, erlauben uns aber:
Stufe Nr. 3: Konzentriert sich auf:
Wenn dieses Projekt erfolgreich ist, würde eine Erweiterung (außerhalb des Geltungsbereichs dieses Zuschusses) versuchen, das Netzwerk vom einfachen Prototyp auf 100+ Knoten und 10+ Gateways zu skalieren, um die Kommunikationsleistung, die Interferenz und den Multipath -Schutz sicherzustellen. Ein weiterer wichtiger Test wird darin bestehen, in einem städtischen Umfeld mit mittlerem Risiko zu testen, das außerhalb des Rahmens seines Vorschlags liegt.
Die Designziele dieses Projekts sind ein sehr dichtes Sensor -Netzwerk mit geringer Leistung mit stationären Basisstationen und stationären Sensoren. In einer anderen Sensor -Netzwerkuntersuchung (nicht Teil dieses Projekts) würde die gleiche grundlegende Technologie verwendet, sondern anstelle von Audio würden die Sensoren und das Netzwerk die Telemetrie (Mensch- oder Gerätegesundheit) von beweglichen Sensoren weiterleiten. Das Projekt würde die Geolokalisierung und Lokalisierung von beweglichen Sensoren untersuchen.
Die insgesamt vorgeschlagenen Projektkosten betragen 500.808 USD (ohne die vorgeschlagene Kostenbeteiligung). Weitere Informationen finden Sie im E -Mail -Excel -Anhang "Dense Sense Cost Model", um eine vollständige Aufschlüsselung und Grundlage für die Kosten zu erhalten.
Wenn wir gemäß den verschiedenen verfügbaren Akquisitionsbehörden zulässig sind, würden wir einen festgestellten Preisvertrag mit einheitlichen monatlichen Fortschrittszahlungen bevorzugen.
Als neues Startup -Unternehmen würde es ein gewisses finanzielles Risiko darstellen, 50% der vorgeschlagenen Kosten zu absorbieren. Wir können jedoch 30% der Kosten (oder 150.242 US -Dollar) für insgesamt 350.566 US -Dollar für insgesamt 30% der Kosten ( oder 150.242 USD) absorbieren.
Geoff Mulligan ist ein IoT- und Internet -Protokollforscher und der Schöpfer des 6Lowpan -Protokolls. Er gründete die IPSO -Allianz, half IPv6, war der US -amerikanische Vertreter des ISO Smart and Sustainable Cities Project und ist Vorsitzender der Lora Alliance. Geoff war über 10 Jahre als Air Force Officer tätig und war 2013 als Innovationsstipendiatin für Präsidentschaftsnovation. 2017 trat er als Partner als Partner ein.
Robert L. Read, PhD , ist Software -Architekt, Erfinder und Autor. Er war 2013 als Stipendiatin für Innovation innovativ und war Mitbegründer von 18F. Er ist der Gründer von Public Invention, der einen radikalen Ansatz für die Robotik untersucht. Seit 2001 war er als Partner 2017 als Partner als Partner zu Skylight Digital LLC beigetreten.
Martin Leo Smith hat einen Abschluss in Geophysik von Caltech und einen Doktortitel im selben Bereich der Princeton University. Er hat an der University of Colorado in Boulder, Colorado, gearbeitet. das Amoco Research Center in Tulsa, Oklahoma; und im Jahr 2008 als Chefwissenschaftler aus New England Research in Vermont im Ruhestand. Er ist Inhaber von Blindgoat Geophysics, seiner Beratungsfirma. Er ist amerikanischer Staatsbürger und diente mehrere Jahre als Ingenieuroffizier der US -Armee.
Es wird erwartet, dass wir Hardware für kommerzielle Off-the-Shelf-Hardware für die Sensorplattform und die Gateways verwenden werden. Offene Standardprotokolle werden verwendet, um offene und erweiterbare Netzwerke zu gewährleisten. Alle von uns entwickelnden Software werden öffentlich zugänglich gemacht (dh Creative Commons Zero Lizenz). Die Webhook -API, die wir produzieren, wird für die Dauer dieses Stipendiums vollständig dokumentiert und unterstützt, wenn sich jemand während dieses Zuschusss entscheidet.
Maher, Robert C. "Akustische Charakterisierung von Schüssen". Signalverarbeitungsanwendungen für öffentliche Sicherheit und Forensik, 2007. Safe'07. IEEE Workshop on . IEEE, 2007.
Chacon-Rodriguez, Alfonso et al. "Bewertung von Schuss -Erkennungsalgorithmen." IEEE-Transaktionen zu Schaltungen und Systemen I: Reguläre Papiere 58.2 (2011): 363-373.
Beutel, Kurt Gavin. "Power Utility Remote -Gerätekommunikation mit einem LPWAN (Low -Power Wide Area Network) basierend auf dem LORA -Kommunikationsstandard." (2016).
Lorawan 101
Semtex SX1272 Datenblatt
P-Nucleo-Lrwan1
Adrafruit Feather Board
Ti MSP430F5529 Ultra Low-Power MCU
Mutlitech Langstrecken -HF -Module
