Все статьи автора в журнале: Гадир Мэди

1. Гибридный алгоритм LSTM-KF для повышения точности интегрированной навигационной системы БИНС/СНС в условиях отсутствия спутниковых сигналов

   A hybrid algorithm (LSTM-KF) for improving the accuracy of an integrated inertial satellite navigation system (SINS/SNS) in the absence of satellite signals

   Номер: 2026 / 08

   Гадир Мэди | Gadir Medi | Лукьянов В.В. | Lukyanov V.V. | ghadeer.mady@yahoo.com, vdmlknv@yandex.rughadeer.mady@yahoo.com, vdmlknv@yandex.ru

   Авторы статьи

   Authors

   Гадир Мэди

   Gadir Medi

   Лукьянов В.В.

   Lukyanov V.V.

   ghadeer.mady@yahoo.com, vdmlknv@yandex.ru

   ghadeer.mady@yahoo.com, vdmlknv@yandex.ru

   ---

   Гибридный алгоритм LSTM-KF для повышения точности интегрированной навигационной системы БИНС/СНС в условиях отсутствия спутниковых сигналов

    

   УДК 681.513

   DOI: 10.36652/0869-4931-2026-80-8-428-432

    

   Рассмотрена проблема снижения точности интегрированных инерциально-спутниковых навигационных систем (БИНС/СНС) в условиях нестабильного или полного отсутствия сигналов спутниковых навигационных систем (СНС). Для ее решения предложен гибридный алгоритм, сочетающий классический фильтр Калмана (KF) и нейронную сеть с долгосрочной краткосрочной памятью (LSTM). Модель LSTM обучается в периоды устойчивого приема спутниковых сигналов для прогнозирования приращений координат на основе данных инерциальных датчиков. В моменты сбоев СНС обученная сеть генерирует псевдоизмерения, которые передаются в фильтр Калмана, что позволяет существенно подавить накопление ошибок чисто инерциального решения. Проведено имитационное моделирование, показавшее эффективность алгоритма LSTM-KF. Для проверки алгоритма использованы два тестовых сценария с длительностью перерыва сигнала СНС 60 и 120 с. Результаты моделирования подтверждают эффективность и перспективность использования архитектур глубокого обучения для повышения автономности и надежности навигационных систем.

   ---

   Ключевые слова

   интегрированная навигационная система, БИНС, СНС, фильтр Калмана, LSTM, искусственный интеллект

   A hybrid algorithm (LSTM-KF) for improving the accuracy of an integrated inertial satellite navigation system (SINS/SNS) in the absence of satellite signals

   The problem of decreasing the accuracy of integrated inertial-satellite navigation systems (SINS/SNS) in conditions of unstable or complete absence of satellite navigation system (SNS) signals is considered. To solve this problem, a hybrid algorithm combining a classical Kalman filter (KF) and a neural network with long short-term memory (LSTM) is proposed. The LSTM model is trained during periods of stable satellite signal reception to predict coordinate increments based on inertial sensor data. During SNS outages, the trained network generates pseudo-measurements, which are passed to a Kalman filter, significantly suppressing the accumulation of purely inertial solution errors. Simulation modeling demonstrated the effectiveness of the LSTM-KF algorithm. Two test scenarios with SNS signal interruptions of 60 and 120 seconds are used to validate the algorithm. The simulation results confirm the effectiveness and potential of using deep learning architectures to improve the autonomy and reliability of navigation systems.

   ---

   Keywords

   integrated navigation system, SINS, SNS, Kalman filter, LSTM, artificial intelligence