Journal of Radio Electronics. eISSN 1684-1719. 2026. №3
Full text in Russian (pdf)
DOI: https://doi.org/10.30898/1684-1719.2026.3.9
COMPARATIVE ANALYSIS OF THE EFFECTIVENESS
OF GUIDING A FLYING APPLIANCE USING CLASSICAL METHODS
AND ARTIFICIAL INTELLIGENCE METHODS IN THE PRESENCE
OF UNPREDICTABLE ARTIFACT DISCREPANCIES
L.D. Dorosinsky, A.A. Ponomarev
Ural Federal University named after the first President of Russia B.N. Yeltsin,
620002, Russia, Yekaterinburg, Mira Street, 19
The paper was received February 18, 2026.
Abstract. This paper presents a comparative analysis of terrain-referenced navigation of an aircraft using classical correlation-extremal algorithms and artificial intelligence methods under conditions of unpredictable terrain distortions. The terrain is modeled as a stationary random field with local nonstationary perturbations absent from the reference map. It is shown that such distortions violate the statistical assumptions underlying classical navigation algorithms and lead to rare but critical navigation failures. To provide an adequate assessment of navigation performance, an integral navigation reliability metric is introduced, defined as the probability that the positioning error remains below a specified threshold. Based on numerical simulations, the methods are compared in terms of root mean square error, probability of catastrophic failures, and computational complexity. The results demonstrate that artificial intelligence methods exhibit significantly higher navigation reliability under unpredictable terrain distortions, while classical algorithms retain advantages in accuracy and computational efficiency under idealized conditions. The potential of hybrid navigation algorithms combining analytical and learning-based approaches is substantiated.
Key words: terrain-referenced navigation, aircraft guidance, radar altimeter, correlation-extremal algorithms, artificial intelligence, machine learning, terrain artifacts, navigation reliability.
Corresponding author: Dorosinskiy Leonid Grigor'evich, L.Dorosinsky@mail.ru
References
1. Аранович Г.П., Михайлин Д.А. Управление и наведение самолетов и ракет [Aranovich G.P., Mikhailin D.A.Control and guidance of aircraft and missiles] // 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 [Borisov N.N., Solodukhin M. Yu., and Godunov A.I. Platform-free inertial navigation system based on micromechanical sensors as part of tank-launched guided missiles] // 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 [Tolstikov A.S., Ushakov A.E. Countering spoofing and increasing the noise immunity of global navigation satellite system consumer equipment] // Интерэкспо Гео-Сибирь. – 2018. – №. 9. – С. 319-327.
4. Белозерова T.L. Исследование характеристик алгоритма корреляционно-экстремальной навигации для летательного аппарата [Belozerova T.L. Research of the characteristics of the correlation-extreme navigation algorithm for an aircraft] // 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 [Ponomarev A.A., Dorosinsky L.G. Comparison of correlation-extreme and neural network methods for guiding aircraft using digital terrain maps] // Инженерный вестник Дона. 2025. http://ivdon.ru/ru/magazine/archive/n11y2025/10531
6. Скобелев П.О. Корреляционно-экстремальные методы навигации летательных аппаратов [Skobelev P.O.Correlation-extreme methods of aircraft navigation] – М.: Радиотехника, 2005.
7. Доросинский Л.Г., Оптимальная обработка радиолокационных изображений, формируемых в РСА, [Dorosinsky L.G. Optimal processing of radar images generated in the RSA]. – Москва: Издательский дом Академии Естествознания, 2017, p. 212.
8. Тархов Д.А. Нейронные сети. Модели и алгоритмы [Tarkhov D.A. Neural Networks. Models and Algorithms] / Д.А. Тархов – М.: Радиотехника, 2005. – 256 с.
9. Хайкин С. Нейронные сети [Haikin S. Neural Networks] / С. Хайкин. – М.: Издательский дом «Вильямс», 2006. – 1103 с.
10. Рутковская Д. Нейронные сети, генетические алгоритмы и нечеткие системы [Rutkovskaya D. Neural Networks, Genetic Algorithms, and Fuzzy Systems] / Д. Рутковская, М. Пилиньский, Л. Рутковский. – М.: Горячая линия – Телеком, 2006. – 452 с.
11. Бишоп К.М. Распознавание образов и машинное обучение. [Bishop C.M. Pattern Recognition and Machine Learning]. – Диалектика, 2020.- 962 с.
12. Мередит Бруссард. Искусственный интеллект. Пределы возможного. [Meredith Broussard. Artificial Intelligence. The Limits of Possibility]. – М.: Альпина, 2020.-258с.
For citation:
Dorosinsky L.G., Ponomarev A.A. Comparative analysis of the effectiveness of aircraft guidance based on terrain maps using classical methods and artificial intelligence methods in the presence of unpredictable artifact distortions // Journal of Radio Electronics. – 2026. – № 3. https://doi.org/10.30898/1684-1719.2026.3.9 (In Russian)