Определение навигационных параметров динамических объектов на основе адаптивной сенсорной интеграции в интеллектуальных транспортных системах

Цель исследования. Цель работы заключается в разработке и анализе архитектуры локальной навигационной подсистемы для беспилотных авиационных и транспортных платформ, основанной на адаптивной интеграции данных разнородных сенсоров. Исследование направлено на повышение точности определения навигационных параметров в условиях деградации или недоступности спутниковых навигационных сигналов.
Методы. Методологическая основа включает системный анализ, вероятностные методы оценки состояния, модели динамики и наблюдения, а также подходы адаптивной фильтрации. Для объединения данных инерциальных измерительных устройств, спутниковой навигации и координатных источников интеллектуальной транспортной системы применяются расширенный фильтр Калмана и фильтр частиц с механизмом автоматического переключения на основе анализа статистики невязки.
Результаты. Сформирована архитектура подсистемы позиционирования с синхронизацией данных, системой предварительной обработки и адаптивным алгоритмическим ядром. Показано, что переход к фильтру частиц при превышении доверительных границ нормированной невязки позволяет компенсировать выбросы GNSS и временные провалы сигнала. Моделирование продемонстрировало снижение среднеквадратичной ошибки позиционирования с 4,2 до 2,1 м и ограничение максимальных отклонений до 2,4 м. Проанализированы режимы работы подсистемы при различных комбинациях доступных источников навигационной информации.
Заключение. Предложенная методика адаптивной сенсорной интеграции обеспечивает определение навигационных параметров динамических объектов и может быть использована в составе систем управления беспилотных авиационных платформ и интеллектуальных транспортных комплексов. Архитектура и алгоритмические решения обеспечивают требуемую точность и отказоустойчивость при работе в сложных условиях городской среды.

1. Elmas E.E., Alkan M. Multi-sensor data fusion for autonomous unmanned aerial vehicle navigation in GNSS-denied environments // International Journal of Computing. 2024; 23(4): 625-636. https://doi.org/10.47839/ijc.23.4.3762.

2. Fengyun Z., Jia L., Xiaoqing Z., Shukai D., Shuang-Hua Y. Indoor fusion positioning based on “IMUUltrasonicUWB” and factor graph optimization method. arXiv. 2025; arXiv:2503.12726. https://doi.org/10.48550/arXiv.2503.12726.

3. Multi-sensor fusion and semantic map-based particle filtering for robust indoor localization / Y. Xu, X. Huang, Y. Zhang, Z. Liu, Y. Pang // Measurement. 2025; 242(Part A): 115874. https://doi.org/10.1016/j.measurement.2024.115874.

4. Localization method for autonomous vehicles with sensor fusion using extended and unscented Kalman filters / S. Feraco, S. Favelli, A. Tonoli, A. Bonfitto, et al. // SAE Technical Paper. 2021; 2021-01-5089. https://doi.org/10.4271/2021-01-5089.

5. Fault-tolerant sensor fusion in mobile robots using multiple-model Kalman filters / M. Kheirandish, E. Azadi Yazdi, H. Mohammadi, M. Mohammadi // Robotics and Autonomous Systems. 2023; 161: 104343. https://doi.org/10.1016/j.robot.2022.104343.

6. Ziye Z. Extended Kalman filter fusion model for localization // Proceedings of SPIE 13107, Fourth International Conference on Sensors and Information Technology (ICSI 2024). 2024; 131072J. https://doi.org/10.1117/12.3029373.

7. A probabilistic approach to estimating allowed SNR values for automotive LiDARs in smart cities / R.V. Meshcheryakov, A.Yu. Iskhakov, M.V. Mamchenko, M.A. Romanova, S.U. Uvaysov, E.N. Amirgaliyev, K.G. Gromaszek // Sensors. 2022; 22(2): 609.

8. Advanced sensor fusion and localization techniques for autonomous systems: a review and new approaches / O. Morayo, C.P. Efunniyi, O.S. Osundare, S.O. Folorunsho, L.A. Akwawa // International Journal of Frontline Research in Engineering and Technology. 2024; 52-60.

9. Mishra S., Saripalli S. Extrinsic calibration of LiDAR, IMU and camera. arXiv. 2022; arXiv:2205.08701.

10. Karol A., Williams M.A. Distributed sensor fusion for object tracking // Lecture Notes in Computer Science. 2005; 4020: 504-511. https://doi.org/10.1007/11780519_47.

11. A two-level fusion framework for cyber-physical anomaly detection / Guarino S., Vitale F., Flammini F., Faramondi L., Mazzocca N., Setola R. // IEEE Transactions on Industrial Cyber-Physical Systems. 2023. https://doi.org/10.1109/TICPS.2023.3336608.

12. Karaked P., Saengphet W., Tantrairatn S. Multi-sensor fusion with extended Kalman filter for indoor localization system of multirotor UAV // Proceedings of the 19th International Joint Conference on Computer Science and Software Engineering (JCSSE). 2022; 15. https://doi.org/10.1109/JCSSE54890.2022.9836275.

13. Gakne P., OKeefe K. Tightly coupled GNSS/INS integration using extended Kalman filter for UAV navigation in urban environments // Sensors. 2018; 18(7): 21-24. https://doi.org/10.3390/s18041244.

14. Farrell J.A. Aided Navigation: GPS With High Rate Sensors. New York: McGraw-Hill, 2008. 530 p.

15. Titterton D.H., Weston J.L. Strapdown Inertial Navigation Technology. 2nd ed. London: Institution of Engineering and Technology, 2004. 576 p.

16. GNSS-denied UAV navigation: computational complexity, sensor fusion, and localization methodologies / I. Jarraya, A. Al-Batati, M.B. Kadri, M. Abdelkader, A. Ammar, W. Boulila, A. Koubaa // Satellite Navigation. 2025; 6(1): 9. https://doi.org/10.1186/s43020-025-00162-z.

17. Advanced sensor fusion and localization techniques for autonomous systems: new approaches / M. Ogunsina, C.P. Efunniyi, O.S. Osundare, S.O. Folorunsho, L.A. Akwawa // International Journal of Frontline Research in Engineering and Technology. 2024; 2(1): 51-60.

18. Durrant-Whyte H., Bailey T. Simultaneous localization and mapping: Part I // IEEE Robotics & Automation Magazine. 2006; 13(2): 99-110. https://doi.org/10.1109/MRA.2006.1638022.

19. Adarsh S., Swaroop S.K.M. Sensor fusion using Kalman filter in autonomous vehicles // International Research Journal of Engineering and Technology (IRJET). 2024; 11(03): 750-759.

20. Error-state extended Kalman filter multi-sensor fusion for UAV localization in GNSSdenied environments / M. Lovro, M. Kovac, R. Milijas, M. Car, S. Bogdan // Preprint. 2023.