К.А. Неусыпин, В.А. Пролетарская, А.Д. Белявская

(Московский государственный технический университет им. Н.Э. Баумана)

СПОСОБЫ АЛГОРИТМИЧЕСКОЙ КОРРЕКЦИИ СПУТНИКОВЫХ НАВИГАЦИОННЫХ СИСТЕМ

Компенсацию погрешностей измерительных сигналов спутниковых навигационных систем (СНС) можно осуществлять с помощью алгоритмов оценивания и прогноза. Погрешности сигналов оцениваются или прогнозируются, а затем компенсируются в выходной информации системы. Процесс оценивания осуществляется с помощью хорошо отработанных на практике алгоритмов, например адаптивных модификаций фильтра Калмана.

Для осуществления прогноза необходимо иметь модель погрешностей исследуемой измерительной системы. В условиях полета при исчезновении полезного сигнала осуществляется построение модели, как полезного сигнала, так и модели погрешностей.

Модель погрешностей может быть построена с помощью алгоритмов самоорганизации, генетических алгоритмов (ГА) и др.

Сделан выбор типа алгоритмов, которые целесообразно использовать для коррекции выходного сигнала СНС в различных условиях функционирования спутниковой системы.

Рассмотрены случайные помехи, представляющие собой дискретные аналоги белого гауссового шума с различными интенсивностями.

Исследованы случаи кратковременного исчезновения сигналов от спутников, обусловленные сменой рабочего созвездия, а также потери сигналов на длительных интервалах, связанные с активными и пассивными помехами.

Для краткосрочной коррекции целесообразно использовать линейные тренды, резервированные тренды алгоритма самоорганизации, а также модели алгоритма самоорганизации, полученные на последнем ряду селекции (последний ряд селекции определяется моментом осуществления корректирующего воздействия в выходном сигнале СНС).

При использовании долгосрочной коррекции системы СНС предпочтительно применять классический алгоритм самоорганизации и ГА.

При реализации алгоритмов краткосрочной коррекции необходимо учитывать жесткие временные требования, предъявляемые к алгоритмам построения прогнозирующих моделей.

Краткосрочная коррекция СНС предполагает модификацию классического алгоритма самоорганизации. В ансамбль критериев селекции алгоритма самоорганизации включен критерий выделения трендов, позволяющий выделять тренды различного уровня подробности.

Недостатком алгоритмов самоорганизации и ГА, который ограничивает их применение на практике, является существенные требования вычислительных ресурсов при реализации.

Имеющиеся вычислительные ресурсы позволяют реализовать компактные алгоритмы самоорганизации и ГА.

Упрощение алгоритма самоорганизации может быть проведено с помощью сокращения количества базисных функций, ужесточением отбора и введением высокого уровня селекционного дифференциала. Естественно точность таких модифицированных алгоритмов при этом снижается.

Сокращение вычислительных затрат при реализации ГА осуществляется с помощью применения компактной процедуры кроссинговера, использования ограниченного базиса генов и др.

На современном этапе развития вычислительной техники использование нейронных сетей для построения моделей погрешностей СНС нецелесообразно. Это связано со сравнительно большими вычислительными затратами, необходимыми для реализации нейронных сетей. Незначительное сокращение вычислительных затрат при реализации нейронных сетей достигается путем модификации с использованием на начальных этапах работы нейронной сети подхода самоорганизации. Применение подхода самоорганизации возможно для нейронных сетей Вольтера, которые имеют специфическую структуру.

Однако, следует признать, что при увеличении производительности перспективных спецвычислителей и бортовых цифровых вычислительных машин использование нейронных сетей для коррекции выходной информации СНС будет актуально, так как нейронные сети обладают высокой точностью.