М.Н. Крижановский1, Е.А. Чистяков2, О.В. Семёнова3

1–3 МИРЭА – Российский технологический университет (Москва, Россия)
1 krizhanovskij@mirea.ru

Постановка проблемы. В современном мире навигация – фундаментальная функция, необходимая для работы робототехнических беспилотных систем, решения логистических задач и ориентации пользователей на незнакомом ландшафте. В замкнутых помещениях, шахтах, карьерах, а также вблизи стратегических объектов не редка ситуация, когда отсутствует доступ к глобальным спутниковым навигационным системам (ГНСС). В таких случаях на помощь приходят локальные системы позиционирования, чьи базовые станции развертываются непосредственно в рабочей зоне позиционирования или рядом. Низкая точность позиционирования, связанная, как правило, с неравномерным покрытием рабочей зоны в связи с её геометрическими особенностями или наличием в её пределах массивных препятствий и стен – актуальная проблема для систем локального позиционирования. Ошибка измерений в данных системах формируется под влиянием различных факторов. Конфигурация расстановки базовых станций относительно позиционируемого устройства является одним из основных факторов, влияющих на величину погрешности определения координат. Существующие алгоритмы расстановки, учитывающие геометрический фактор приспособлены для выполнения автоматической расстановки станций только в рабочих зонах, не имеющих на своей площади массивных препятствий для распространения сигнала. Так же имеющиеся алгоритмы требуют длительного времени (порядка нескольких часов) для вычисления оптимальной конфигурации размещения базовых станций.

Цель. Разработать оптимизированный по времени выполнения алгоритм нахождения расположения базовых станций обеспечивающий минимизацию влияния геометрического фактора на погрешность; найти решение для применения данного алгоритма в условиях рабочей зоны разделенной препятствиями.

Результаты. Разработан и испытан программный алгоритм расстановки базовых станций в рабочей зоне, имеющий преимущество в точности и времени выполнения по сравнению с существующими программными решениями для расстановки базовых станций в рабочей зоне с минимальным средним значением геометрического фактора.

Практическая значимость. Разработанный программный алгоритм является удобным и точным инструментом, позволяющим быстро спланировать расстановку базовых станций в рабочей зоне, как на этапе монтажа всей системы, так и для её коррекции в связи с изменившейся геометрией зоны позиционирования.

Крижановский М.Н., Чистяков Е.А., Семёнова О.В. Алгоритм расстановки базовых станций локальной системы позиционирования // Успехи современной радиоэлектроники. 2025. T. 79. № 5. С. 53–59. DOI: https://doi.org/10.18127/j20700784-202505-06

1. Ninh D.B., He J., Trung V.T., Huy D.P. An effective random statistical method for Indoor Positioning System using WiFi fingerprinting. Future Generation Computer Systems. 2020 Aug; 109:238–48.
2. Qin F., Zuo T., Wang X. CCpos: WiFi Fingerprint Indoor Positioning System Based on CDAE-CNN. Sensors. 2021 Feb 5; 21(4):1114.
3. Bellavista-Parent V., Torres-Sospedra J., Perez-Navarro A. New trends in indoor positioning based on WiFi and machine learning: A systematic review. In: 2021 International Conference on Indoor Positioning and Indoor Navigation (IPIN). Lloret de Mar, Spain: IEEE. 2021.
4. Bai L., Ciravegna F., Bond R., Mulvenna M. A Low Cost Indoor Positioning System Using Bluetooth Low Energy. IEEE Access [Internet]. 2020; 1–8. Available from: https://ieeexplore.ieee.org/abstract/document/9662521/
5. Essa E., Abdullah B.A., Wahba A. Improve performance of indoor positioning system using BLE. In: 2019 14th International Conference on Computer Engineering and Systems (ICCES) [Internet]. IEEE; 2019. p. 234–7. Available from: https://ieeexplore.ieee.org/ document/9068142
6. Spachos P., N. Plataniotis K. BLE Beacons for Indoor Positioning at an Interactive IoT-Based Smart Museum. In: IEEE Systems Journal [Internet]. IEEE; 2020. p. 3483–93. Available from: https://ieeexplore.ieee.org/abstract/document/9001059/
7. Yang Dong Z., Ming Xu W., Zhuang H. Research on ZigBee indoor technology positioning based on RSSI. In: Procedia Computer Science [Internet]. [cited 2019 Jul 15]. p. 424–9. Available from: https://www.sciencedirect.com/science/article/pii/S1877050919308294
8. Ainul R.D. An enhanced trilateration algorithm for indoor RSSI based positioning system using zigbee protocol. Jurnal Infotel (Informatics, Telecommunication, and Electronics). 2022 Nov 26; 14(4):301–6.
9. Cheng C.H., Syu S.J. Improving area positioning in ZigBee sensor networks using neural network algorithm. Microsystem Technologies. 2019 Jan 22.
10. Tian D., Xiang Q. Research on Indoor Positioning System Based on UWB Technology. 2020 IEEE 5th Information Technology and Mechatronics Engineering Conference (ITOEC). 2020 Jun.
11. Li B., Zhao K., Sandoval E.B. A UWB-Based Indoor Positioning System Employing Neural Networks. Journal of Geovisualization and Spatial Analysis. 2020 Jul 6; 4(2).
12. Che F., Qasim Zeeshan Ahmed, Fontaine J., Ben Van Herbruggen, Shahid A., Eli De Poorter, et al. Feature-Based Generalized Gaussian Distribution Method for NLoS Detection in Ultra-Wideband (UWB) Indoor Positioning System. 2022 Oct 1; 22(19):18726–39.
13. Lopes S.I., Vieira J.M.N., Reis J., Albuquerque D., Carvalho N.B. Accurate smartphone indoor positioning using a WSN infrastructure and non-invasive audio for TDoA estimation. Pervasive and Mobile Computing. 2015 Jul; 20:29–46.
14. Ahlander J., Posluk M. Deployment Strategies for High Accuracy and Availability Indoor Positioning with 5G [Internet]. www.diva-portal.org. 2020 [cited 2024 May 16]. Available from: https://www.diva-portal.org/smash/record.jsf?pid=diva2:1440620
15. Крижановский М, Тихонова О. Методика расстановки базовых станций системы локального позиционирования в рабочей зоне с препятствиями. moitvivtru [Internet]. 2024 Jun 11 [cited 2024 Jun 19]; Available from: https://moitvivt.ru/ru/journal/article?id=1579