Порівняння методів кореляції та штучних нейронних мереж для визначення положення об`єктів за допомогою надширокосмугових полів
Анотація
Актуальність. Системи глобального та локального позиціонування мають широкий спектр цивільних та військових застосувань. Транспорт, логістика, точне землеробство, промислові технології, системи безпеки потребують точного визначення положення об’єктів на площині та в об’ємі. Існуючі сучасні системи позиціонування мають певні недоліки експлуатації і обмеження в користуванні.
Мета роботи. Вдосконалити систему локального позиціонування на площині, що не потребує часової синхронізації, шляхом використання імпульсного надширокосмугового електромагнітного поля двох рознесених антен типу «метелик» та аналізу і розпізнавання часових форм прийнятих хвиль штучними нейронними мережами та методом взаємної кореляції. Провести дослідження стійкості роботи системи визначення положення об’єкта за наявності завади у вигляді адитивного білого шуму.
Матеріали та методи. Електродинамічне моделювання збудження та випромінювання антен проводиться методом кінцевих різниць у часовому просторі (FDTD). Класифікація форм прийнятих імпульсів за відомими зразками реалізується двома альтернативними методами: кореляційним підходом та штучними нейронними мережами.
Результати. Використання методу кореляції та штучних нейронних мереж (ШНМ) дозволило реалізувати систему позиціонування із кутовою роздільною здатністю 1 градус. Отримані імовірнісні розподіли кутів розпізнавання для різних рівнів адитивного шуму в прийнятих сигналах для цих двох методів.
Висновки. Порівняння ШНМ та методів кореляції для розпізнавання кутів показує, що штучні нейронні мережі можуть продемонструвати кращу точність, ніж кореляційний підхід. Навіть для співвідношення сигнал/шум 0 дБ ШНМ дає коректне розпізнавання кутів після статистичного усереднення результатів класифікації. ШНМ в числовому моделюванні демонструє час розрахунку на три порядки менший, ніж нам потрібно для розрахунку функції взаємної кореляції. Використання коротшого електромагнітного імпульсу підвищує якість класифікації кутів за наявності шуму для обох представлених методів.
Завантаження
Посилання
[2] Gangshan Wu, Chiyuan Chen, Ning Yang, Haifang Hui, Peifeng Xu. Design of differential GPS system based on BP neural network error correction for precision agriculture. Proceedings of 2019 Chinese Intelligent Automation Conference (CIAC–2019); 20-22 September, 2019; Jiangsu, China; LNEE 586, p. 426-438. https://doi.org/10.1007/978-981-32-9050-1_49
[3] Xuerong Cui, Jingzhen Li, Juan Li, Jianhang Liu, Tingpei Huang, Haihua Chen, Research on autocorrelation and cross-correlation analyses in vehicular nodes positioning. International Journal of Distributed Sensor Networks. 2019;15(4). https://doi.org/10.1177/1550147719843864
[4] Martinelli A, Dolfi M, Morosi S, Mucchi L, Paoli M, Agili A. Ultra-wide Band Positioning in Sport: How the Relative Height Between the Transmitting and the Receiving Antenna Affects the System Performance. International Journal of Wireless Information Networks. 2019;27:18-29. https://doi.org/10.1007/s10776-019-00470-7
[5] Harmuth HF. Nonsinusoidal Waves for Radar and Radio Communication. New York: Academic Press. 1981.
[6] Schantz HG, DePierre RE. System and method for near-field electromagnetic ranging. US Patent No.: US 6,963,301 B2, November 8, 2005.
[7] Schantz HG, Weil C, Unden AH. Characterization of error in a Near-Field Electromagnetic Ranging (NFER) Real-Time Location System (RTLS). 2011 IEEE Radio and Wireless Symposium. 2011. p. 379-382, https://doi.org/10.1109/RWS.2011.5725491
[8] Dumin OM, Plakhtii VA, Persanov ID, Kao Sh. Positioning system on pulsed ultra-wideband fields. Visnyk of V.N. Karazin Kharkiv National University, series “Radio Physics and Electronics” 2019;31:36-46. https://doi.org/10.26565/2311-0872-2019-31-04 [In Ukrainian].
[9] Shirokorad DV, Dumin AN, Dumina OA, Katrich VA. Analysis of impulse fields reflected from a layered medium with losses using an artificial neural network. Visnyk of V.N. Karazin Kharkiv National University, series “Radio Physics and Electronics”. 2009;15(883):35-40. [In Russian].
[10] Dumin O, Plakhtii V, Prishchenko O, Pochanin G. Comparison of ANN and Cross-Correlation Approaches for Ultra Short Pulse Subsurface Survey. 15th International Conference on Advanced Trends in Radioelectronics, Telecommunications and Computer Engineering (TCSET – 2020); Ukraine, February 2020. https://doi.org/10.1109/TCSET49122.2020.235459
[11] Taflove A, Hagness S. Computational Electrodynamics: The Finite- Difference Time-Domain Method. 3rd ed. Boston, London: Artech House, 2005.
[12] Dumin O, Plakhtii V, Persanov I, Shuaishuai C. Positioning System Using Classification of Ultra Short Electromagnetic Pulse Forms by ANN. 15th International Conference on Advanced Trends in Radioelectronics, Telecommunications and Computer Engineering (TCSET – 2020), Ukraine, February 2020. https://doi.org/10.1109/TCSET49122.2020.235460.
