Способ оценки местоположения мобильных объектов на основе метода роя частиц
DOI:
https://doi.org/10.5281/zenodo.14018499Ключевые слова:
способ, местоположение, мобильный объект, метод роя частицЛицензия
Аннотация
В работе представлено исследование способа определения местоположения мобильных объектов на основе метода роя частиц. Предлагаемый подход направлен на повышение точности, надежности и эффективности определения местоположения по сравнению с традиционными методами. В ходе исследования были проведены теоретический анализ, моделирование и экспериментальная оценка эффективности предложенного метода в сравнении с методом наименьших квадратов. Результаты исследования могут быть использованы для разработки новых систем определения местоположения, которые будут более точными, надежными и универсальными, чем существующие решения.
Скачивания
Библиографические ссылки
1. Ниженец, Т. В. Особенности проектирования и применения системы определения местоположения мобильных объектов в условиях ограниченного пространства / Т. В. Ниженец, А. Г. Лютов, Н. Н. Чернышев // Фундаментальные, поисковые, прикладные исследования и инновационные проекты : Сборник трудов Национальной научно-практической конференции, Москва, 10–11 ноября 2022 года / Под редакцией С.У. Увайсова. – Москва: МИРЭА - Российский технологический университет, 2022. – С. 102-104.
2. Ниженец, Т. В. Возможности применения радиочастотных технологий для определения местоположения объектов в складских помещениях / Т. В. Ниженец, Н. Н. Чернышев // Фабрика будущего: переход к передовым цифровым, интеллектуальным производственным технологиям, роботизированным системам для отраслей пищевой промышленности : Сборник научных докладов IV Международной специализированной конференции-выставки, Москва, 26 апреля 2023 года. – Москва: Федеральное государственное бюджетное образовательное учреждение высшего образования "Российский биотехнологический университет (РОСБИОТЕХ)", 2023. – С. 320-330.
3. Кирсанов, Э. А. Обработка информации в пространственно-распределенных системах радиомониторинга: статистический и нейросетевой подходы / Э. А. Кирсанов, А. А. Сирота. – Москва: Физматлит, 2012. – 343 с.
4. Чернышев, Н. Н. Алгоритм планирования пути в трехмерной детерминированной среде с препятствиями на основе метода роя частиц / Н. Н. Чернышев, Т. В. Ниженец // Вестник Воронежского государственного технического университета. – 2022. – Т. 18, № 6. – С. 7-14. – DOI 10.36622/VSTU.2022.18.6.001.
5. Kennedy, J. Particle swarm optimization / J. Kennedy, R. Eberhart // Proceedings of ICNN'95 – International Conference on Neural Networks. – 1995. – №4. – P. 1942–1948. – DOI 10.1109/ICNN.1995.488968
6. Eberhart, R. C. Particle swarm optimization: developments, applications and resources / R. C. Eberhart, Y. Shi // Proceedings of the 2001 Congress on Evolutionary Computation (IEEE Cat. No.01TH8546). – 2001. – №1. – P. 81–86. – DOI 10.1109/CEC.2001.934374.
7. Методы спутникового и наземного позиционирования. Перспективы развития технологий обработки сигналов / под ред. Д. Дардари, Э. Фаллетти, М. Луизе ; пер. с англ. Е. Б. Махияновой под ред. В. А. Турилова. – Москва: Техносфера, 2012. – 527 с.
8. Bibbo, L. An overview of indoor localization system for human activity recognition (HAR) in healthcare / L. Bibbo, R. Carotenuto, F. Della Corte // Sensors. – 2022. – V. 22(21). – №8119. – P. 1-33. – DOI 10.3390/s22218119.
9. Jwo, D. J. Artificial Neural Networks for navigation systems: A review of recent research / D. J. Jwo, A. Biswal, I. A. Mir // Applied Sciences. – 2023. – V. 13(7). – №4475. – DOI 10.3390/app13074475.
REFERENCES LIST
1. Nizhenets, T. V. Osobennosti proektirovaniia i primeneniia sistemy opredeleniia mestopolozheniia mobilnykh obieektov v usloviiakh ogranichennogo prostranstva / T. V. Nizhenets, A. G. Liutov, N. N. Chernyshev // Fundamentalnye, poiskovye, prikladnye issledovaniia i innovatsionnye proekty : Sbornik trudov Natsionalnoi nauchno-prakticheskoi konferentsii, Moskva, 10–11 noiabria 2022 goda / Pod redaktsiei S.U. Uvaisova. – Moskva: MIREA - Rossiiskii tekhnologicheskii universitet, 2022. – S. 102-104.
2. Nizhenets, T. V. Vozmozhnosti primeneniia radiochastotnykh tekhnologii dlia opredeleniia mestopolozheniia obieektov v skladskikh pomeshcheniiakh / T. V. Nizhenets, N. N. Chernyshev // Fabrika budushchego: perekhod k peredovym tsifrovym, intellektualnym proizvodstvennym tekhnologiiam, robotizirovannym sistemam dlia otraslei pishchevoi promyshlennosti : Sbornik nauchnykh dokladov IV Mezhdunarodnoi spetsializirovannoi konferentsii-vystavki, Moskva, 26 aprelia 2023 goda. – Moskva: Federalnoe gosudarstvennoe biudzhetnoe obrazovatelnoe uchrezhdenie vysshego obrazovaniia Rossiiskii biotekhnologicheskii universitet (ROSBIOTEKh), 2023. – S. 320-330.
3. Kirsanov, E. A. Obrabotka informatsii v prostranstvenno-raspredelennykh sistemakh radiomonitoringa: statisticheskii i neirosetevoi podkhody / E. A. Kirsanov, A. A. Sirota. – Moskva: Fizmatlit, 2012. – 343 s.
4. Chernyshev, N. N. Algoritm planirovaniia puti v trekhmernoi determinirovannoi srede s prepiatstviiami na osnove metoda roia chastits / N. N. Chernyshev, T. V. Nizhenets // Vestnik Voronezhskogo gosudarstvennogo tekhnicheskogo universiteta. – 2022. – T. 18, № 6. – S. 7-14. – DOI 10.36622/VSTU.2022.18.6.001.
5. Kennedy, J. Particle swarm optimization / J. Kennedy, R. Eberhart // Proceedings of ICNN95 – International Conference on Neural Networks. – 1995. – №4. – P. 1942–1948. – DOI 10.1109/ICNN.1995.488968
6. Eberhart, R. C. Particle swarm optimization: developments, applications and resources / R. C. Eberhart, Y. Shi // Proceedings of the 2001 Congress on Evolutionary Computation (IEEE Cat. No.01TH8546). – 2001. – №1. – P. 81–86. – DOI 10.1109/CEC.2001.934374.
7. Metody sputnikovogo i nazemnogo pozitsionirovaniia. Perspektivy razvitiia tekhnologii obrabotki signalov / pod red. D. Dardari, E. Falletti, M. Luize ; per. s angl. E. B. Makhiianovoi pod red. V. A. Turilova. – Moskva: Tekhnosfera, 2012. – 527 s.
8. Bibbo, L. An overview of indoor localization system for human activity recognition (HAR) in healthcare / L. Bibbo, R. Carotenuto, F. Della Corte // Sensors. – 2022. – V. 22(21). – №8119. – P. 1-33. – DOI 10.3390/s22218119.
9. Jwo, D. J. Artificial Neural Networks for navigation systems: A review of recent research / D. J. Jwo, A. Biswal, I. A. Mir // Applied Sciences. – 2023. – V. 13(7). – №4475. – DOI 10.3390/app13074475.
Загрузки
Опубликован
Выпуск
Раздел
Лицензия
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial» («Атрибуция — Некоммерческое использование») 4.0 Всемирная.
Статьи журнала «Вестник Донецкого университета. Серия 04. Технические науки» находятся в открытом доступе и распространяются в соответствии с условиями Лицензионного Договора с Донецким Государственным университетом, который бесплатно предоставляет авторам неограниченное распространение и самостоятельное архивирование.
