ЖУРНАЛ РАДИОЭЛЕКТРОНИКИ. eISSN 1684-1719. 2026. №3

УДК: 621.396.96.001 (07)

СРАВНИТЕЛЬНЫЙ АНАЛИЗ ЭФФЕКТИВНОСТИ НАВЕДЕНИЯ

ЛЕТАТЕЛЬНОГО АППАРАТА ПО КАРТАМ РЕЛЬЕФА МЕСТНОСТИ

КЛАССИЧЕСКИМИ МЕТОДАМИ И МЕТОДАМИ ИСКУССТВЕННОГО

ИНТЕЛЛЕКТА ПРИ НАЛИЧИИ НЕПРОГНОЗИРУЕМЫХ

АРТЕФАКТНЫХ ИСКАЖЕНИЙ

Л.Г. Доросинский, А.А. Пономарев

Уральский федеральный университет имени первого президента России Б.Н. Ельцина,

620002, Россия, Екатеринбург, ул. Мира, 19

Статья поступила в редакцию 18 февраля 2026 г.

Аннотация. В работе проведен сравнительный анализ эффективности наведения летательного аппарата по картам рельефа местности с использованием классических корреляционно-экстремальных алгоритмов и методов искусственного интеллекта в условиях наличия непрогнозируемых артефактных искажений рельефа. Рельеф местности моделируется как стационарное случайное поле с локальными нестационарными возмущениями, отсутствующими в эталонной карте. Показано, что такие искажения приводят к нарушению статистических предположений, лежащих в основе классических методов навигации, и вызывают редкие, но критические навигационные сбои. Для адекватной оценки качества навигационных алгоритмов введен интегральный показатель навигационной надежности, определяемый как вероятность нахождения ошибки позиционирования ниже заданного порога. На основе численного моделирования выполнено сравнение методов по среднеквадратической ошибке, вероятности катастрофических сбоев и вычислительной сложности. Показано, что методы искусственного интеллекта обладают более высокой навигационной надежностью в условиях непрогнозируемых искажений рельефа, тогда как классические алгоритмы сохраняют преимущество по точности и вычислительной эффективности в идеализированных условиях. Обоснована перспективность гибридных навигационных алгоритмов, сочетающих аналитические и обучаемые подходы.

Ключевые слова: навигация по рельефу, наведение ЛА, радиовысотомер, корреляционно-экстремальные алгоритмы, искусственный интеллект, машинное обучение, артефакты рельефа, навигационная надежность.

Автор для переписки: Доросинский Леонид Григорьевич, L.Dorosinsky@mail.ru

Литература

1. Аранович Г.П., Михайлин Д.А. Управление и наведение самолетов и ракет // Московский авиационный институт. – 2013.

2. Борисов Н.Н., Солодухин М.Ю., Годунов А.И. Бесплатформенная инерциальная навигационная система на базе микромеханических датчиков в составе танковых управляемых ракет // Известия высших учебных заведений. Поволжский регион. Технические науки. – 2024. – №. 3 (71). – с. 55-63.

3. Толстиков А.С., Ушаков А.Е. Противодействие спуфингу и повышение помехоустойчивости аппаратуры потребителя глобальных навигационных спутниковых систем // Интерэкспо Гео-Сибирь. – 2018. – №. 9. – с. 319-327.

4. Белозерова Е.Д. Исследование характеристик алгоритма корреляционно-экстремальной навигации для летательного аппарата // Инженерный журнал: наука и инновации. 2023. №4. с. 1-14.

5. Пономарев А.А., Доросинский Л.Г. Сравнение корреляционно-экстремального и нейросетевого методов наведения летательных аппаратов по цифровым картам рельефа местности // Инженерный вестник Дона. 2025. http://ivdon.ru/ru/magazine/archive/n11y2025/10531

6. Скобелев П.О. Корреляционно-экстремальные методы навигации летательных аппаратов. – М.: Радиотехника, 2005.

7. Доросинский Л.Г., Оптимальная обработка радиолокационных изображений, формируемых в РСА, Москва: Издательский дом Академии Естествознания, 2017, 212 с.

8. Тархов Д.А. Нейронные сети. Модели и алгоритмы. – М.: Радиотехника, 2005. – 256 с.

9. Хайкин С. Нейронные сети. – М.: Издательский дом «Вильямс», 2006. – 1103с.

10. Рутковская Д. Нейронные сети, генетические алгоритмы и нечеткие системы / Д. Рутковская, М. Пилиньский, Л. Рутковский. – М.: Горячая линия – Телеком, 2006. – 452с.

11. Бишоп К.М. Распознавание образов и машинное обучение. Диалектика, 2020. – 962с.

12. Мередит Бруссард. Искусственный интеллект. Пределы возможного. – М.: Альпина, 2020.-258с.

Для цитирования:

Доросинский Л.Г., Пономарев А.А. Сравнительный анализ эффективности наведения летательного аппарата по картам рельефа местности классическими методами и методами искусственного интеллекта при наличии непрогнозируемых артефактных искажений // Журнал радиоэлектроники. – 2026. – № 3. https://doi.org/10.30898/1684-1719.2026.3.9