Дисертація присвячена розробленню та дослідженню способу визначення координат джерела акустичного сигналу на основі різницево-часового методу із використанням технологій машинного навчання для покращення метрологічних характеристик систем локалізації реалізованих за досліджуваним способом. В роботі представлено аналітичний огляд існуючих активних та пасивних методів визначення координат розташування фізичних об’єктів, зокрема, часовий, фазовий (активний та пасивний), частотний, доплерівський, амплітудний та різницево-часовий. Для кожного з методів наведено основні відомості, його суть та структурну схему реалізації систем на основі цих методів. За результатом аналізу методів встановлено, що застосування активних методів для визначення координат джерела акустичного сигналу практично неможливе. Оптимальним для вирішення задачі визначення координат джерела акустичного сигналу є різницево-часовий метод із використанням нейронної мережі в складі обчислювального компоненту. В роботі представлено структурну схему системи визначення координат джерела акустичного сигналу на основі різницево-часового методу та з використанням нейронної мережі. Для формування набору даних для навчання та перевірки нейронної мережі розроблено програмно-математичні моделі, які дозволяють відтворити процес проходження акустичного сигналу від джерела до сенсорів та розрахувати час його реєстрації. Із використанням описаних програмно-математичних моделей та алгоритмів було проведено дослідження похибок системи із параметрами за замовчуванням. За результатами дослідження для параметрів системи за замовчуванням максимальне значення абсолютної похибки не перевищує 16 м. Оскільки це значення суттєво перевищує подібні аналоги, то вирішено здійснити оптимізацію системи визначення координат джерела акустичного сигналу за критерієм мінімуму похибки для таких параметрів як кількість навчальних пар, кількість та структура прихованих шарів нейронної мережі, форма розташування сенсорів та їх кількість, алгоритм навчання нейронної мережі, відстань від сенсорів до периметру розташування джерел акустичного сигналу та спосіб визначення базового сенсору, відносно якого розраховуються різниці часу. Процес оптимізації здійснювався ітеративно, а оптимізовані на попередніх ітераціях параметри застосовувались для наступних ітерацій. За результатами оптимізації встановлено оптимальні параметри системи визначення координат джерела акустичного сигналу за яких отримано мінімум похибки. Здійснено порівняння систем із оптимізованими параметрами та параметрами за замовчуванням. Без врахування додаткових похибок максимальне значення абсолютної похибки визначення координат джерела акустичного сигналу для системи з оптимізованими параметрами є меншим на 4 порядки. Максимальне значення при цьому є меншим на 4 порядки. Окрім основних джерел похибки досліджено і додаткові. Одним з джерел є неоднозначність результатів визначення координат джерела акустичного сигналу, яка присутня майже у всіх системах локалізації об’єктів і призводить до суттєвого зростання похибки визначення координат. За результатами проведеного дослідження встановлено, що у системах побудованих на основі різницево-часового методу із нейронною мережею неоднозначність результатів визначення координат відсутня. Отримано залежність абсолютної похибки визначення координат джерела акустичного сигналу від температури та вологості. Встановлено, що найбільше зростання похибки зумовлене температурою (діапазон від -10°С до 50°С), а максимальне значення абсолютної похибки визначення координат становить 110 м та 20 м відповідно. За впливу вологості на зміну швидкості акустичного сигналу максимальне значення абсолютної похибки зростає до 3.5 м. Враховуючи суттєве зростання похибки застосовано корекцію, яка забезпечує зменшення впливу температури та вологості навколишнього середовища на результати визначення координат. Застосування корекції дозволило зменшити максимальне значення абсолютної похибки до 0.38 м за впливу температури та до 0.14 м за впливу вологості. З врахуванням попередніх результатів оптимізації та корекції було досліджено сумарну похибку із врахуванням похибки нейронної мережі, часу реєстрації акустичного сигналу, а також похибок, які зумовлені зміною температури та вологості повітря. Максимальне значення сумарної похибки не перевищує 1.5 м за координатою X, 0.25 м за координатою Y, 1.5 м для відстані та 0.031° для кута. Відносна похибка визначення відстані та кута до джерела акустичного сигналу є в 5 разів меншою в порівнянні з існуючими методами і не перевищує 0.08 %.
