УДК 004.891.2
СОВЕРШЕНСТВОВАНИЕ МЕТОДОВ ПОЗИЦИОНИРОВАНИЯ В БЕСПРОВОДНЫХ СЕТЯХ С ПРИМЕНЕНИЕМ МАШИННОГО ОБУЧЕНИЯ
М. В. Филиппов, к.т.н., доцент кафедры «Программное обеспечение ЭВМ и информационные технологии» МГТУ им. Н.Э. Баумана, Москва, Россия; spin 3781-5276, e-mail: Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.
Д. Ю. Пудов, аспирант кафедры «Программное обеспечение ЭВМ и информационные технологии» МГТУ им. Н. Э. Баумана, Москва, Россия;
orcid.org/0000-0003-0980-1317, e-mail: Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.
Д. А. Калачев, студент кафедры «Радиоэлектронные системы и устройства» МГТУ им. Н.Э. Баумана, Москва, Россия;
orcid.org/ 0009-0001-7187-6128, e-mail: Этот адрес электронной почты защищён от спам-ботов. У вас должен быть включен JavaScript для просмотра.
Рассмотрена задача оценки расстояния между устройствами в беспроводных сетях на основе показателя RSSI на примере BLE. Цель исследования – разработка и обоснование эффективного метода оценки расстояния с использованием математических моделей фильтрации и машинного обу-чения. Проведен сравнительный анализ различных подходов к решению задачи, включая фильтр Калмана, LSTM-сети, полиномиальную регрессию и метод случайного леса (Random Forest). Экспериментальные исследования на реальных данных показали, что комбинированная модель с предварительной фильтрацией Калмана и методом случайного леса демонстрирует показатели точности со среднеквадратичной ошибкой менее 0,5 м. Практическая значимость работы заключается в возможности использования разработанного метода для создания эффективных систем позиционирования в замкнутых пространствах.
Ключевые слова: RSSI, Bluetooth Low Energy, оценка расстояния, машинное обучение, фильтр Калмана, Random Forest, позиционирование, беспроводные сети, LSTM.