СОВЕРШЕНСТВОВАНИЕ МЕТОДОВ ПОВЫШЕНИЯ КАЧЕСТВА GNSS-СИГНАЛОВ НА ОСНОВЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА
https://doi.org/10.53360/2788-7995-2026-3(23)-4
Аннотация
В канале GNSS при слабом сигнале точность слежения за фазой и частотой, несущей в приёмнике резко, ухудшается, что снижает устойчивость и качество навигационного решения. Целью данной работы является улучшение качества слабого GNSS-сигнала, то есть повышение чувствительности системы автоматической регулировки, несущей в условиях низкого качества сигнала и динамических воздействий, а также уменьшение фазовых/частотных ошибок. Объект исследования – базовый I/Q-сигнал на выходе коррелятора GNSS-приёмника и работа контура слежения за несущей. В предложенном методе вместо традиционной длительной когерентной интеграции используется блочно-когерентная интеграция (БКИ). Общее время интеграции T сохраняется, сигнал делится на BBB коротких блоков, и по результатам Ib,Qb формируется матрица Z[k]. Эта матрица сохраняет изменения амплитуды и фазы и точнее описывает влияние частотного рассогласования и динамики. Далее нейросетевой дискриминатор (CNN+MLP), обрабатывающий данные, оценивает фазовую ошибку, которая затем фильтруется PI-подобным loop-filter и в замкнутой обратной связи обновляет параметры численно управляемого генератора (NCO). Научная новизна заключается в представлении информации БКИ в виде 2D-матрицы, замене классического дискриминатора контура фазовой синхронизации нейросетевым дискриминатором в замкнутой структуре BCI–NPLL, а также в численном обосновании чувствительности через связь CRLB и фазового джиттера. Результаты моделирования показали, что предложенный подход сохраняет устойчивость слежения в области слабых сигналов, фазовая ошибка концентрируется около нуля, а точность оценки частоты является высокой (RMSE≈0.084 Гц). В результате метод позволяет улучшить качество слабого GNSS-сигнала и повысить устойчивость трекинга приёмника.
Об авторах
Н. П. СапарходжаевКазахстан
Нурбек Пажарбекович Сапарходжаев – PhD, ассоциированный профессор, председатель правления-Ректор, Рудненский индустриальный университет
г. Рудный, Костанайская область, ул. 50 лет Октября, 38
А. Хабай
Казахстан
Анар Хабай – PhD, ассоциированный профессор, кафедра
«Электротехники и космической техники телекоммуникаций»
050013, Республика Казахстан, г. Алматы, ул. Сатпаева, 22
М. Ж. Иген
Казахстан
Магжан Жаксылыкович Иген – магистрант, кафедра «Электротехника и космическая техника Телекоммуникации»
050013, Республика Казахстан, г. Алматы, ул. Сатпаева, 22
Е. А. Тулешов
Казахстан
Еркебулан Амандыкович Тулешов – к. т. н., ассоциированный профессор, кафедра робототехники и технических средств автоматики, Институт автоматики и информационных технологий
050013, Республика Казахстан, г. Алматы, ул. Сатпаева, 22
Республика Казахстан, г. Алматы, ул. Шевченко, 28
Ж. Н. Исабеков
Казахстан
Жанибек Назарбекович Исабеков – PhD, ассоциированный профессор, кафедра робототехники и технических средств автоматики, институт автоматики и информационных технологий
050013, Республика Казахстан, г. Алматы, ул. Сатпаева, 22
Список литературы
1. Jing S. Weak and dynamic GNSS signal tracking strategies for flight missions in the space service volume / S. Jing et al // Sensors. – 2016. – Vol. 16, № 9. – Art. 1412. https://doi.org/10.3390/s16091412.
2. Scientific and methodological bases of GPS monitoring of intensive movements of the Earth’s crust in the earthquake-prone regions of Kazakhstan / Zh.Sh. Zhantayev et al // News of the National Academy of Sciences of the Republic of Kazakhstan. Series of Physics and Mathematics. – 2020. – Vol. 3, № 331. – P. 177-182. https://doi.org/10.32014/2020.2518-1726.51.
3. A two-stage Kalman filter-based carrier tracking loop for weak GNSS signals / Y. Cheng et al // Sensors. – 2019. – Vol. 19, № 6. – Art. 1369. https://doi.org/10.3390/s19061369.
4. Guo K. Effects of GNSS receiver tuning on the PLL tracking jitter estimation in the presence of ionospheric scintillation / K. Guo, M. Aquino, S. Vadakke Veettil // Space Weather. – 2020. – Vol. 18, № 7. – Article e2019SW002362. https://doi.org/10.1029/2019SW002362.
5. Examining the tolerance of GNSS receiver phase tracking loop under the effects of severe ionospheric scintillation conditions based on its bandwidth / I.P. Portella et al // Radio Science. – 2021. – Vol. 56, № 6. – P. 1-11. https://doi.org/10.1029/2020RS007160.
6. Bochkati M. Use of ultra-low-bandwidth tracking loops for improved GNSS receiver phase tracking under thermal stress / M. Bochkati, J. Dampf, T. Pany // NAVIGATION: Journal of the Institute of Navigation. – 2026. – Vol. 73. – Article navi.744. https://doi.org/10.33012/navi.744.
7. Evaluation of adaptive loop-bandwidth tracking techniques in GNSS receivers / I. Cortés et al // Sensors. – 2021. – Vol. 21, № 2. – Art. 502. https://doi.org/10.3390/s21020502.
8. A carrier estimation method based on MLE and KF for weak GNSS signals / H. Zhang et al // Sensors. – 2017. – Vol. 17, № 7. – Art. 1468. https://doi.org/10.3390/s17071468.
9. Stevanovic S. A GPS phase-locked loop performance metric based on the phase discriminator output / S. Stevanovic, B. Pervan // Sensors. – 2018. – Vol. 18, № 1. – Art. 296. https://doi.org/10.3390/s18010296.
10. O’Driscoll C. Choosing the coherent integration time for Kalman filter-based carrier-phase tracking of GNSS signals / C. O’Driscoll, M.G. Petovello, G. Lachapelle // GPS Solutions. – 2011. – Vol. 15. – P. 345-356. https://doi.org/10.1007/s10291-010-0194-4.
11. Improved GNSS vector tracking loop to enhance the navigation performance of USV / W. Liu et al // Ocean Engineering. – 2022. – Vol. 258. – Art. 111865. https://doi.org/10.1016/j.oceaneng.2022.111865.
12. Weak GPS signal tracking using block coherent integration based on NN discriminator / Z. Gong et al // Research Square. – 2025. – Preprint. https://doi.org/10.21203/rs.3.rs-6350123/v1.
13. Borio D. A non-coherent architecture for GNSS digital tracking loops / D. Borio, G. Lachapelle // Annals of Telecommunications. – 2009. – Vol. 64, № 9-10. – P. 601-614. https://doi.org/10.1007/s12243-009-0114-1.
14. Zhao W. Adaptive multiple-model Kalman filter for GNSS carrier phase and frequency estimation through wideband interference / W. Zhao, S. Khanafseh, B. Pervan // NAVIGATION: Journal of the Institute of Navigation. – 2024. – Vol. 71, № 2. – Article navi.646. https://doi.org/10.33012/navi.646.
15. Guillard A. Using convolutional neural networks to detect GNSS multipath / A. Guillard, P. Thevenon, C. Milner // Frontiers in Robotics and AI. – 2023. – Vol. 10. – Art. 1106439. – https://doi.org/10.3389/frobt.2023.1106439.
Рецензия
Для цитирования:
Сапарходжаев Н.П., Хабай А., Иген М.Ж., Тулешов Е.А., Исабеков Ж.Н. СОВЕРШЕНСТВОВАНИЕ МЕТОДОВ ПОВЫШЕНИЯ КАЧЕСТВА GNSS-СИГНАЛОВ НА ОСНОВЕ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА. Вестник Университета Шакарима. Серия технические науки. 2026;(3(23)):31-42. https://doi.org/10.53360/2788-7995-2026-3(23)-4
For citation:
Saparhodzhaev N.P., Khabay A., Igen M.Zh., Tuleshov E.A., Issabekov Zh.N. IMPROVING ARTIFICIAL INTELLIGENCE–BASED METHODS FOR ENHANCING GNSS SIGNAL QUALITY. Bulletin of Shakarim University. Technical Sciences. 2026;(3(23)):31-42. (In Kazakh) https://doi.org/10.53360/2788-7995-2026-3(23)-4
JATS XML















