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.

Предложена структура решения одного из подклассов некорректно поставленных задач, а именно обратных задач динамики систем управления, на основе применения калмановского оценивания состояния, которая может найти применение в диагностике объектов различной природы.

В отличие от прямых задач процесс решения в обратных задачах идет от выхода объекта ко входу, то есть по имеющейся информации на выходе объекта или процесса требуется дать оценку входных воздействий, приведших к наблюдаемому состоянию. Разработаны различные подходы к решению указанных задач, имеющие определенные ограничения в применимости, учитывающие те или иные особенности предметной области.

Новизна рассматриваемой структуры решения состоит в применении алгоритма калмановской фильтрации в обратном направлении, когда оценивается состояние входного процесса объекта управления на основе наблюдаемого выходного процесса. Для такого фильтра предложен термин «инверсный», характеризующий особенность его применения.

При реализации фильтра Калмана требуется построение модели исследуемого процесса в форме дифференциального или разностного уравнения, называемого формирующим фильтром, что в ряде случаев вызывает сложные расчеты, в частности, проведение факторизации спектральной характеристики процесса. Для преодоления этого затруднения предложена итерационная процедура параметрической настройки формирующего фильтра на базе нечеткого логического вывода, которая проводится на начальном этапе применения общего алгоритма решения обратной задачи.

Представлены результаты модельного эксперимента на основе программной реализации инверсного оценивания калмановского типа в среде MatLAB, которые показали возможность применения предлагаемого подхода к решению обратных задач, а также обозначены направления дальнейших исследований в рамках выбранной тематики.