O NAVSTAR-GPS, com uma grande variedade de conjuntos receptores e sua aplicabilidade prática em diversas áreas, transformou-se no mais difundido dos sistemas de posicionamento. Porém, necessidades cada vez maiores em termos de precisão trouxeram consigo o ônus de um custo elevado com a aquisição de equipamentos de dupla freqüência. Este trabalho consiste no desenvolvimento de um método que possibilite a modelagem das observáveis GPS, através de Redes Neurais Artificiais, bem como a agregação destes dados a um arquivo gerado por um receptor de uma freqüência, conferindo-lhe características específicas de arquivos gerados por receptores de dupla freqüência e código P. Isto possibilita que dados gerados por receptores de uma freqüência, a imensa maioria dos receptores utilizados no Brasil, possam ser processados como vetores de bases longas. Os resultados obtidos indicam que o uso de modelos neurais, treinados por algoritmos de aprendizado supervisionado, são uma alternativa promissora para estimar dados GPS.

The NAVSTAR-GPS, with a great variety of receivers and its practical aplicabillity in several areas, transformed itself in the most known positioning system. But the necessity of improving the results precision brings with it a cost increasing caused by the use of equipments of dual frequency equipments. This work consist on the development of a method that makes possible the GPS data modelling using Neural Networks, as well as the aggregation of these data into a file generated by single frequency receiver, providing to the system specific characteristics of files generated by double frequency an P code receiver. This makes possible that data generated by receivers of single frequency, the majority of receivers in Brazil, can be processed as vectors of long bases. The results obtained indicate that the use of Neural Network models, with algorithms of supervised learning are a promissing alternative to estimate GPS data.