Year: 2025
Type: article
Abstract: АннотацияВ статье рассматривается задача восстановления координат подвижного объекта в условиях временного отсутствия или деградации сигналов позиционирования (blackout), характерного для сложных радиосред.Предложен метод, основанный на применении рекуррентной нейронной сети с длинной краткосрочной памятью (LSTM) для интерполяции и предсказания координат на основе последовательностей временных различий прихода сигналов (TDoA) от трех стационарных якорей.Разработанная модель обучалась на синтетических траекториях, моделирующих движение объекта, и демонстрирует высокую устойчивость к пропущенным данным, а также способность восстанавливать траекторию с минимальной медианной ошибкой менее 30 метров даже при значительном снижении качества сигнала.Проведен сравнительный анализ с другими методами, включая GRU, TCN и фильтр Калмана, что подтверждает превосходство архитектуры LSTM в условиях нестабильной среды и ограниченного числа измерений.Полученные результаты показывают перспективность предложенного подхода для применения в системах автономной навигации и позиционирования в реальном времени.
Authors: A.V. Minina, R.R. Nikulin, I.A. Sidorenko
Language: English
Subfield: Electrical and Electronic Engineering
Field: Engineering
Domain: Physical Sciences
Open Access status: diamond
OpenAlex ID: W4415247454
FWCI:
Cites:
Cited by:
Related to: