Новое исследование предложило метод на основе машинного обучения, который повышает точность спутниковой навигации. Речь идет о так называемом разрешении неоднозначности — ключевом этапе для высокоточной геопозиции. Вместо устаревших эмпирических тестов ученые использовали алгоритм SVM, который анализирует сразу несколько параметров.

Это дало впечатляющий результат: точность определения позиции выросла до 83%, а время, необходимое для расчета, сократилось в разы.

Неоднозначность (ambiguity) в GNSS — это ситуация, когда приемник не может точно определить, сколько длин волн радиосигнала прошло между спутником и антенной. Представьте, что вы меряете комнату рулеткой, но не знаете, сделали 10 или 11 шагов — так и тут.

Точные навигационные системы — например, для мониторинга смещения мостов или автономного вождения — зависят от фазы несущего сигнала спутников. Но традиционные методы вроде R-ratio и W-ratio работают на усредненных пороговых значениях. Из-за этого в сложных условиях — скажем, в городе с высотками или при плохой видимости спутников — точность падает.

В журнале Satellite Navigation вышла статья, где исследователи из Королевской обсерватории Бельгии и Китайской академии наук представили новый подход. Они обучили SVM-модель на семи параметрах, включая R-ratio и ADOP, и проверили ее в реальных условиях. Результат: 92% успешных определений в движении против 82% у старых методов. Ошибка прогноза времени сходимости упала с 5 минут до 1.

Что это дает

• Автомобильные навигаторы смогут точнее работать в плотной застройке.
• Мониторинг конструкций (мостов, плотин) станет надежнее.
• Метод подходит для разных спутниковых систем — GPS, ГЛОНАСС, BeiDou.

Правда, 5% неоднозначностей алгоритм пока не решает. Как говорит соавтор работы Цзянхуэй Гэн:

Наша модель — это шаг вперед. Машинное обучение не просто повышает точность, но и адаптируется под любые условия.

Исследование решает конкретную проблему: спутниковая навигация часто «ошибается» в сложных условиях. Если метод внедрят в автопилоты, машины станут увереннее ездить в тоннелях или „каньонах“ из небоскребов. Для геодезистов это значит меньше ручных проверок. А в авиации — более плавные посадки при плохой видимости.

Главный вопрос — как модель поведет себя при экстремальных помехах: например, в грозу или при работе глушилок. В статье тесты проводились в штатных условиях, а реальность часто сложнее.

Ранее мы писали, почему колонизировать Луну без системы лунной навигации невозможно.