Точность оценивания в системе ГЛОНАСС параметров движущихся объектов на фоне помех в режиме реального времени является актуальной проблемой оценки состояния, которая включает в себя решение задачи фильтрации. В навигационной аппаратуре потребителей системы ГЛОНАСС выполняются измерения псевдодальности до четырех спутников ГЛОНАСС, а также прием и обработка навигационных сообщений, входящих в состав спутниковых навигационных сигналов. Точность позиционирования подвижного объекта зависит от многих факторов. В статье рассматривается задача вторичной обработки информации, то есть оценивания вектора состояния динамической системы в режиме реального времени на основании наблюдения ее выхода с учетом случайных возмущений и ошибок измерений. Среди недостатков традиционных методов фильтрации, в частности фильтра Калмана, следует отметить, что при реализации  требуется исчерпывающая априорная информация о свойствах оцениваемых процессов и ошибок их измерений. Поэтому применение и адаптация перспективных подходов к решению данной задачи с использованием нейросетевых технологий являются актуальными. Основная идея использования многослойного персептрона в качестве фильтра для сглаживания координат основывается на способности нейронных сетей проводить экстраполяцию временного ряда. Исследована возможность идентификации динамических объектов и измерения оценивания с использованием нейронных сетей, предложена структура многослойного персептрона как оптимальной архитектуры для решения поставленной задачи и разработан алгоритм обучения нейронной сети, основанный на вторичной обработке результатов фильтра Калмана в целях повышения качества обучения. Рассмотрена возможность применения методов параметрической идентификации, базирующихся на принципах регрессионного анализа и статистического синтеза.