基于星载GNSS的低轨卫星精密定轨：技术、挑战与展望

基于星载GNSS的低轨卫星精密定轨：技术、挑战与展望一、引言1.1研究背景与意义在现代航天领域，低轨卫星以其独特的优势，在地球观测、通信、导航增强、科学探测等诸多关键领域发挥着不可或缺的作用。在地球观测方面，低轨卫星能够获取高分辨率的地球表面图像，为气象预报、资源勘探、环境监测等提供精确的数据支持。例如，在气象预报中，通过对低轨卫星传回的云图等数据进行分析，气象学家能够更准确地预测天气变化，提前做好灾害预警，减少气象灾害对人类社会的影响。在资源勘探领域，低轨卫星可以探测地下矿产资源的分布情况，为资源开发提供重要依据。在通信领域，低轨卫星通信系统能够实现全球范围内的无缝通信，为偏远地区和海洋上的用户提供通信服务。尤其是在一些地面通信基础设施薄弱的地区，低轨卫星通信成为了实现通信连接的关键手段。像在远洋航行的船只上，船员们可以通过低轨卫星通信系统与陆地保持联系，获取必要的信息和支持。在导航增强方面，低轨卫星可以辅助全球导航卫星系统（GNSS），提高导航定位的精度和可靠性。例如，在城市峡谷等容易受到信号遮挡的区域，低轨卫星的信号可以补充GNSS信号的不足，为用户提供更稳定的导航服务。在科学探测领域，低轨卫星能够接近地球大气层和电离层，对空间环境进行探测，为研究地球物理现象提供数据。比如，通过对电离层的探测，科学家可以更好地了解太阳活动对地球空间环境的影响。而精密定轨作为低轨卫星应用的核心基础，其重要性不言而喻。只有实现高精度的定轨，低轨卫星才能准确地执行各种任务。如果定轨精度不足，卫星在地球观测时可能会出现拍摄位置偏差，导致获取的图像无法准确反映目标区域的情况；在通信领域，定轨误差可能会使卫星与地面站之间的通信链路不稳定，影响通信质量；在导航增强中，不准确的定轨会导致导航定位误差增大，无法为用户提供可靠的导航服务。星载GNSS定轨技术作为当前低轨卫星精密定轨的核心手段，具有全球覆盖、高精度、全天时观测等显著优势。由于低轨卫星的轨道高度较低，受到的地球引力场、大气阻力等摄动力的影响更为复杂，这对定轨技术提出了更高的要求。星载GNSS定轨技术通过接收多个GNSS卫星的信号，利用卫星与GNSS卫星之间的几何关系和信号传播时间，来确定低轨卫星的位置和速度。这种技术不受地域限制，无论低轨卫星运行到地球的哪个位置，都能够接收到GNSS信号，从而实现全球范围内的定轨。同时，随着GNSS技术的不断发展，信号精度和稳定性不断提高，为低轨卫星的精密定轨提供了更可靠的保障。然而，该技术在实际应用中仍面临着诸多挑战，如信号干扰、多路径效应、复杂的卫星动力学环境等。信号干扰可能会导致GNSS信号失真，影响定轨精度；多路径效应是指信号在传播过程中经过多次反射后才被接收机接收，这会使测量的信号传播时间产生误差，进而影响定轨结果；低轨卫星所处的复杂动力学环境，如地球引力场的不均匀性、大气阻力的变化等，也会给定轨带来困难。因此，深入研究基于星载GNSS的低轨卫星精密定轨技术，对于提高低轨卫星的定轨精度和可靠性，推动其在各领域的广泛应用具有重要的现实意义。1.2国内外研究现状国外在星载GNSS低轨卫星精密定轨领域开展研究较早，取得了一系列丰硕的成果。美国在这方面处于世界领先水平，其发射的众多低轨卫星，如Terra、Aqua等，在地球观测领域发挥了重要作用。这些卫星利用星载GNSS技术实现了高精度定轨，为全球气候变化研究、生态环境监测等提供了大量的数据支持。在定轨算法方面，美国的科研团队不断创新，采用了先进的卡尔曼滤波算法及其改进版本，有效地提高了定轨精度和实时性。卡尔曼滤波算法能够根据卫星的运动状态和观测数据，实时地估计卫星的位置和速度，并且能够对观测数据中的噪声进行滤波处理，从而提高定轨的准确性。此外，美国还在卫星动力学模型的建立和优化方面进行了深入研究，考虑了地球引力场的高阶项、大气阻力的复杂变化等因素，进一步提高了定轨的精度。欧洲在低轨卫星精密定轨研究方面也成果显著，GOCE卫星就是一个典型的例子。GOCE卫星主要用于地球重力场的探测，其精密定轨技术对于获取高精度的重力场数据至关重要。欧洲的研究人员在星载GNSS数据处理、多源数据融合等方面进行了大量的研究工作。他们通过对星载GNSS数据进行精细处理，去除数据中的噪声和误差，提高了数据的质量。同时，将星载GNSS数据与其他观测数据，如卫星激光测距数据、星间链路数据等进行融合，充分利用不同数据源的优势，进一步提高了定轨精度。在实际应用中，GOCE卫星获取的高精度重力场数据，为地球物理研究、海洋学研究等提供了重要的数据基础。国内近年来在该领域也取得了长足的进步。随着我国北斗卫星导航系统（BDS）的不断完善，基于星载BDS/GNSS的低轨卫星精密定轨研究成为了热点。我国发射的资源三号系列卫星、高分系列卫星等，都搭载了星载GNSS接收机，开展了精密定轨技术的研究和应用。在定轨算法研究方面，国内学者提出了多种改进算法，如基于粒子群优化的卡尔曼滤波算法、自适应滤波算法等，这些算法在一定程度上提高了定轨精度和适应性。粒子群优化算法能够优化卡尔曼滤波算法的参数，使其更好地适应卫星的运动状态变化，从而提高定轨精度。自适应滤波算法则能够根据观测数据的特点，自动调整滤波参数，提高滤波效果。在工程应用方面，我国的低轨卫星在国土资源调查、防灾减灾、海洋监测等领域发挥了重要作用。资源三号卫星的精密定轨技术，为我国的国土资源调查提供了高精度的卫星轨道数据，使得对土地利用变化、矿产资源分布等的监测更加准确。然而，目前无论是国内还是国外，在星载GNSS低轨卫星精密定轨方面仍存在一些问题有待解决。例如，在复杂环境下，如电离层扰动、太阳耀斑爆发等，GNSS信号的可靠性和精度会受到严重影响，导致定轨误差增大。在多系统融合定轨中，不同卫星导航系统之间的兼容性和数据融合算法还需要进一步优化，以充分发挥多系统的优势。此外，随着低轨卫星星座的规模不断扩大，如何实现高效、快速的定轨，满足实时性要求，也是当前研究面临的挑战之一。1.3研究目标与方法本研究旨在深入探究基于星载GNSS的低轨卫星精密定轨技术，致力于提高低轨卫星的定轨精度和效率，以满足日益增长的航天应用需求。具体而言，通过对星载GNSS观测数据处理方法的研究，优化数据处理流程，提高数据的准确性和可靠性，从而为精密定轨提供高质量的数据基础。在卫星动力学模型方面，考虑更多复杂的摄动力因素，建立更加精确的动力学模型，以更准确地描述卫星的运动状态。同时，研究和改进定轨算法，提高算法的收敛速度和精度，使定轨结果更加接近卫星的真实轨道。为实现上述研究目标，本研究采用理论分析、实验研究和案例分析相结合的综合研究方法。在理论分析方面，深入研究星载GNSS定轨的基本原理，包括卫星与GNSS卫星之间的信号传播模型、卫星运动方程的建立等。对各种摄动力进行详细的理论推导和分析，明确其对卫星轨道的影响机制。研究不同定轨算法的数学原理和适用条件，为算法的改进和选择提供理论依据。在实验研究方面，利用现有的星载GNSS观测数据，搭建实验平台，对不同的数据处理方法、动力学模型和定轨算法进行实验验证。通过对比分析不同实验条件下的定轨结果，评估各种方法和模型的性能，找出其优缺点和适用范围。在案例分析方面，选取典型的低轨卫星任务，如地球观测卫星、通信卫星等，对其星载GNSS精密定轨过程进行详细分析。研究在实际应用中遇到的问题和解决方法，总结经验教训，为其他低轨卫星的定轨提供参考。通过综合运用这三种研究方法，从理论、实验和实际应用三个层面深入研究基于星载GNSS的低轨卫星精密定轨技术，力求取得具有创新性和实用性的研究成果。二、低轨卫星定轨技术基础2.1低轨卫星概述低轨卫星，通常是指运行在距离地球表面约160千米至2000千米高度范围内轨道上的卫星。相较于中高轨道卫星，低轨卫星具有一系列独特的特点。从轨道特性来看，低轨卫星的轨道高度较低，这使得其环绕地球运行的周期较短，一般在1.5小时左右。例如，国际空间站就运行在低轨轨道上，它以约每90分钟绕地球一圈的速度高速运行。这种快速的运行周期使得低轨卫星能够在较短时间内对地球表面的同一区域进行多次观测，为时间序列数据的获取提供了便利。在信号传输方面，低轨卫星具有传输时延小、链路损耗低的显著优势。由于其离地面较近，信号在卫星与地面站之间传播的距离较短，因此信号传输的时间延迟较小，能够实现更实时的数据传输。同时，较短的传播距离也使得信号在传输过程中的能量损耗减少，链路损耗低，提高了信号的质量和可靠性。这一优势使得低轨卫星在通信领域具有重要的应用价值，特别是在对实时性要求较高的通信场景中，如卫星电话、应急通信等，低轨卫星能够提供更稳定、高效的通信服务。低轨卫星的覆盖范围相对较小，单颗低轨卫星只能覆盖地面直径几十千米的范围。为了实现全球覆盖，通常需要部署大型星座。例如，SpaceX公司的星链计划，旨在通过发射大量低轨卫星，构建一个庞大的卫星星座，以实现全球范围内的互联网接入服务。截至2024年6月12日，SpaceX已累计发射175批共6611颗“星链”卫星入轨，一个全球覆盖、高容量、低延迟的天基通信网络已经成型。通过大规模的星座部署，低轨卫星能够弥补单颗卫星覆盖范围的不足，实现全球无缝覆盖，满足不同地区用户的需求。低轨卫星在众多领域都有着广泛的应用。在地球观测领域，低轨卫星能够获取高分辨率的地球表面图像，为气象预报、资源勘探、环境监测等提供精确的数据支持。例如，我国的高分系列卫星，通过搭载高分辨率的光学相机，能够对地球表面进行详细的观测，获取的图像可以用于监测土地利用变化、矿产资源分布、森林覆盖情况等，为相关领域的决策提供重要依据。在通信领域，低轨卫星通信系统能够实现全球范围内的无缝通信，为偏远地区和海洋上的用户提供通信服务。像在远洋航行的船只、飞机以及偏远山区的居民，都可以通过低轨卫星通信系统与外界保持联系，获取必要的信息和支持。在导航增强方面，低轨卫星可以辅助全球导航卫星系统（GNSS），提高导航定位的精度和可靠性。在城市峡谷、山区等容易受到信号遮挡的区域，低轨卫星的信号可以补充GNSS信号的不足，为用户提供更稳定的导航服务。在科学探测领域，低轨卫星能够接近地球大气层和电离层，对空间环境进行探测，为研究地球物理现象提供数据。例如，通过对电离层的探测，科学家可以更好地了解太阳活动对地球空间环境的影响，以及地球磁场的变化规律等。不同的应用领域对低轨卫星的定轨精度有着不同的要求。在地球观测领域，为了准确地确定观测目标的位置，提高图像的地理定位精度，通常要求定轨精度达到厘米级甚至更高。例如，在进行高精度的地形测绘时，厘米级的定轨精度能够保证测绘结果的准确性，为后续的工程建设、地理信息分析等提供可靠的数据基础。在通信领域，虽然对定轨精度的要求相对较低，但为了保证通信链路的稳定性和信号的准确传输，也需要一定的定轨精度，一般要求达到米级精度。在导航增强领域，为了提高导航定位的精度，定轨精度也需要达到较高的水平，通常要求在分米级或厘米级。在科学探测领域，根据具体的探测任务和研究目标，对定轨精度的要求也有所不同。例如，在进行地球重力场探测时，高精度的定轨能够提高重力场数据的准确性，为地球物理研究提供更可靠的数据支持，因此对定轨精度的要求较高，一般要求达到厘米级甚至更高。低轨卫星作为现代航天领域的重要组成部分，其独特的特点和广泛的应用领域，使其在航天领域中具有重要的地位。随着航天技术的不断发展，低轨卫星的应用前景将更加广阔，对定轨精度的要求也将不断提高，这将推动低轨卫星精密定轨技术的不断创新和发展。2.2星载GNSS技术原理星载GNSS系统主要由空间卫星星座、地面控制系统和星载接收机三大部分构成。空间卫星星座是星载GNSS系统的核心部分，不同的GNSS系统拥有各自独特的卫星星座布局。以美国的全球定位系统（GPS）为例，其空间部分由24颗（21颗正式工作卫星+3颗活动备用卫星）卫星组成，这些卫星均匀分布在6个轨道面上，每个轨道面有4颗卫星，轨道高度约为20200千米。这种布局使得在全球任何地方、任何时间，用户都能够观测到至少4颗卫星，从而为定位和导航提供了充足的观测数据。俄罗斯的格洛纳斯系统（GLONASS）拥有24颗卫星，均匀分布在3个轨道面上；欧洲的伽利略系统（Galileo）计划部署30颗卫星；中国的北斗卫星导航系统（BDS）则是由55颗卫星组成的庞大星座，包括地球静止轨道卫星、倾斜地球同步轨道卫星和中圆地球轨道卫星等多种类型，通过不同轨道卫星的协同工作，实现了全球覆盖。地面控制系统在星载GNSS系统中起着至关重要的作用，负责监测和管理卫星的运行状态。以GPS为例，其地面控制部分由1个主控站、5个全球监测站和3个地面控制（注入）站组成。监测站配备有精密的铯钟和能够连续测量到所有可见卫星的接收机，它们实时收集卫星的GPS观测数据，包括电离层和气象数据等，并将这些数据初步处理后传送到主控站。主控站从各监测站收集跟踪数据，通过复杂的计算得出卫星的轨道和时钟参数，然后将这些结果发送到3个地面控制站。地面控制站在每颗卫星运行至上空时，把导航数据及主控站指令注入到卫星，确保卫星能够准确地向用户发送导航信号。如果某个地面站发生故障，卫星中预存的导航信息仍可维持一段时间的使用，但导航精度会逐渐降低。星载接收机是低轨卫星接收GNSS信号的关键设备，其主要功能是捕获、跟踪和处理来自GNSS卫星的信号。当低轨卫星运行在太空中时，星载接收机能够接收到多个GNSS卫星发射的信号。接收机首先通过特定的算法捕获到按一定卫星截止角所选择的待测卫星信号，并对这些信号进行跟踪，确保在卫星运动过程中能够持续稳定地接收信号。在接收到信号后，接收机测量出接收天线至卫星的伪距离和距离的变化率，并解调出卫星轨道参数等数据。这些数据包含了卫星的位置、速度、时间等重要信息，是后续定轨计算的基础。接收机中的微处理计算机根据这些数据，按照特定的定位解算方法进行计算，从而得到低轨卫星的位置和速度信息。星载GNSS系统的工作原理基于卫星与接收机之间的测距技术。卫星通过向星载接收机发送信号，接收机通过测量信号的传播时间来计算距离。假设卫星在时刻t_1发送信号，接收机在时刻t_2接收到信号，信号传播速度为光速c，那么卫星与接收机之间的几何距离r可以表示为r=c\times(t_2-t_1)。然而，在实际测量中，由于卫星时钟与接收机时钟存在误差，以及信号传播过程中受到各种因素的影响，测量得到的距离并非真实的几何距离，而是含有误差的伪距\rho，伪距\rho与几何距离r之间的关系为\rho=r+c\times(\deltat_{u}-\deltat_{s})，其中\deltat_{u}表示接收机时钟与系统时之间的误差，\deltat_{s}表示卫星时钟与系统时之间的误差。为了提高测距精度，通常采用一些技术手段来消除或减小这些误差的影响。例如，通过差分技术，利用已知位置的参考站与低轨卫星上的接收机同时接收GNSS信号，对比两者的观测数据，从而消除或减小公共误差，提高测距精度。此外，还可以采用载波相位测量技术，由于载波的波长比伪随机码短得多，测量精度可以达到毫米级，通过对载波相位的测量和处理，可以进一步提高定轨精度。但载波相位测量也存在一些问题，如整周模糊度的确定等，需要采用专门的算法来解决。在信号传输过程中，GNSS信号从卫星发射出来后，需要穿过大气层才能到达星载接收机。大气层中的电离层和对流层会对信号产生折射、散射和吸收等影响，导致信号传播速度发生变化，从而引入误差。电离层延迟是信号传播误差的主要来源之一，它与电离层中的电子密度、信号频率等因素有关。为了减小电离层延迟误差，可以采用双频观测技术，利用不同频率信号在电离层中传播特性的差异，通过数学模型来消除或减小电离层延迟的影响。对流层延迟误差相对较小，但在高精度定轨中也不能忽略，通常采用对流层模型来进行修正。多路径效应也是信号传输过程中需要考虑的问题，它是指信号在传播过程中经过多次反射后才被接收机接收，导致测量的信号传播时间产生误差。为了减小多路径效应的影响，可以采用特殊的天线设计，如扼流圈天线，来抑制反射信号的接收，或者通过数据处理算法来识别和剔除受多路径效应影响的数据。星载GNSS技术通过空间卫星星座、地面控制系统和星载接收机之间的协同工作，利用信号测距原理实现了对低轨卫星的定位和定轨，为低轨卫星的精密定轨提供了重要的技术支持。然而，在实际应用中，仍然需要面对各种误差因素的挑战，通过不断改进技术和算法，提高星载GNSS系统的性能和定轨精度。2.3低轨卫星精密定轨原理基于星载GNSS的低轨卫星精密定轨的基本原理是利用牛顿运动方程来描述卫星在各种作用力下的运动状态，并结合星载GNSS观测数据建立观测方程，通过求解这两个方程来确定卫星的轨道。在惯性系下，卫星的运动方程可以表示为：\ddot{\vec{r}}=\vec{F}_{grav}+\vec{F}_{non-grav}其中，\ddot{\vec{r}}表示卫星的加速度矢量，\vec{F}_{grav}表示卫星所受到的引力作用力矢量，\vec{F}_{non-grav}表示卫星所受到的非引力作用力矢量。引力作用力主要包括地球中心引力摄动和地球非球形引力摄动。地球中心引力摄动是卫星受到的主要引力，其大小与卫星到地球质心的距离的平方成反比，方向指向地球质心，可以用牛顿万有引力定律来描述：\vec{F}_{center-grav}=-G\frac{Mm}{r^2}\hat{r}其中，G是引力常数，M是地球质量，m是卫星质量，r是卫星到地球质心的距离，\hat{r}是从地球质心指向卫星的单位矢量。地球非球形引力摄动是由于地球并非是一个完美的球体，其质量分布不均匀而产生的。这种摄动会对卫星的轨道产生复杂的影响，通常用地球引力位模型来描述。常见的地球引力位模型有球谐展开模型，如EGM系列模型（地球重力场模型）。在球谐展开模型中，地球引力位V可以表示为：V=G\frac{M}{r}\left[1+\sum_{n=2}^{\infty}\sum_{m=0}^{n}\left(\frac{a}{r}\right)^n\left(C_{nm}\cos(m\lambda)+S_{nm}\sin(m\lambda)\right)P_{nm}(\sin\varphi)\right]其中，a是地球平均半径，C_{nm}和S_{nm}是球谐系数，\lambda是经度，\varphi是纬度，P_{nm}是缔合勒让德多项式。通过考虑地球引力位的高阶项，可以更准确地描述地球非球形引力摄动对卫星轨道的影响。非引力作用力主要包括大气阻力摄动、太阳辐射压摄动和地球辐射压摄动等。大气阻力摄动是低轨卫星受到的主要非引力作用力之一，其方向与卫星运动速度相反，会使卫星的速度不断减小，卫星高度也会不断降低。大气阻力F_{drag}的大小可以用以下公式表示：F_{drag}=-\frac{1}{2}\rhov^2C_DA其中，\rho是大气密度，v是卫星相对于大气的速度，C_D是阻力系数，A是卫星的有效截面积。大气密度随高度的变化而变化，且受到太阳活动、季节、纬度等因素的影响，因此大气阻力摄动的建模较为复杂。太阳辐射压摄动是由于卫星受到太阳光的照射，卫星表面吸收或反射光子而产生的一个微小作用力。其大小与卫星与太阳的位置关系、卫星面质比和表面特性等因素有关。太阳辐射压F_{srp}可以表示为：F_{srp}=\frac{S}{c}\left[(1+\rho_{r})\cos\theta\hat{s}-\rho_{r}\hat{v}\right]其中，S是太阳辐射通量，c是光速，\rho_{r}是卫星表面的反射系数，\theta是太阳光线与卫星表面法线的夹角，\hat{s}是太阳方向的单位矢量，\hat{v}是卫星速度方向的单位矢量。地球辐射压摄动包括地球反照压和红外辐射压，统称为地球辐射压。地球反照压是地球在受到太阳辐射时，地面或海面反射一部分能量进入太空，低轨卫星受到这部分反射能量的作用而产生的压力。红外辐射压是地球自身向外辐射的红外能量对卫星产生的压力。地球辐射压的影响因素包括太阳的位置、地球反射面等，其建模也具有一定的复杂性。星载GNSS观测方程主要基于卫星与GNSS卫星之间的伪距和载波相位观测值建立。伪距观测值\rho可以表示为：\rho=r+c(\deltat_{u}-\deltat_{s})+\Delta\rho_{iono}+\Delta\rho_{tropo}+\epsilon_{\rho}其中，r是卫星与GNSS卫星之间的几何距离，c是光速，\deltat_{u}是接收机时钟误差，\deltat_{s}是卫星时钟误差，\Delta\rho_{iono}是电离层延迟误差，\Delta\rho_{tropo}是对流层延迟误差，\epsilon_{\rho}是伪距测量噪声。载波相位观测值\varphi可以表示为：\varphi=\frac{r}{\lambda}+N+\frac{c}{\lambda}(\deltat_{u}-\deltat_{s})+\frac{\Delta\rho_{iono}}{\lambda}+\frac{\Delta\rho_{tropo}}{\lambda}+\epsilon_{\varphi}其中，\lambda是载波波长，N是整周模糊度，\epsilon_{\varphi}是载波相位测量噪声。在实际定轨过程中，通常采用数值积分方法来求解卫星的运动方程，得到卫星在不同时刻的理论位置和速度。常用的数值积分方法有Runge-Kutta法、Collocation积分法等。Collocation积分法是在已知初始状态向量的基础上，在积分区间内求得一个Q阶多项式，通过这个多项式就可以得到积分区间内任意时刻的卫星位置与速度，也可以通过这个多项式进行轨道外推。然后，利用最小二乘法对理论值和观测值之间的不符值进行平差，求解出卫星的初始轨道根数以及动力学参数等。最小二乘法的基本思想是通过调整待估参数，使得观测值与理论值之间的残差平方和最小，从而得到最优的参数估计值。在低轨卫星精密定轨中，通过不断迭代最小二乘法，逐步改进卫星的轨道估计，提高定轨精度。基于星载GNSS的低轨卫星精密定轨通过建立精确的运动方程和观测方程，考虑各种摄动力的影响，并采用合适的数值积分方法和参数估计方法，实现了对低轨卫星轨道的精确确定。然而，由于实际情况中存在各种复杂因素和误差，定轨过程仍然面临诸多挑战，需要不断改进和优化定轨算法和模型。三、基于星载GNSS的定轨方法3.1几何学定轨方法3.1.1原理与实现几何学定轨方法是一种较为基础的低轨卫星定轨方法，其核心原理是利用低轨卫星上搭载的GNSS接收机接收到的导航卫星发出的信号，通过空中后方交会的方式来确定低轨卫星的位置。具体而言，当低轨卫星在某一时刻接收到的GNSS卫星个数达到4颗及以上时，就可以基于这些卫星的伪距观测值进行后续计算。伪距观测值是通过测量卫星发射信号与接收机接收到信号之间的时间差，再乘以光速得到的距离。然而，由于卫星时钟与接收机时钟存在误差，以及信号传播过程中受到各种因素的影响，如电离层延迟、对流层延迟等，所测量得到的伪距并非真实的几何距离，而是含有误差的伪距\rho。伪距观测方程可以表示为：\rho=r+c(\deltat_{u}-\deltat_{s})+\Delta\rho_{iono}+\Delta\rho_{tropo}+\epsilon_{\rho}其中，r是卫星与GNSS卫星之间的几何距离，c是光速，\deltat_{u}是接收机时钟误差，\deltat_{s}是卫星时钟误差，\Delta\rho_{iono}是电离层延迟误差，\Delta\rho_{tropo}是对流层延迟误差，\epsilon_{\rho}是伪距测量噪声。在实际实现过程中，首先需要获取多颗GNSS卫星的伪距观测值以及它们的星历信息。星历信息包含了GNSS卫星在空间中的位置和运动状态等关键数据。通过这些星历信息，可以确定每颗GNSS卫星的精确位置。然后，利用伪距观测值和GNSS卫星的位置，构建空间几何方程。由于低轨卫星与多颗GNSS卫星之间存在一定的几何关系，通过联立这些几何方程，可以求解出低轨卫星的位置坐标(x,y,z)。例如，假设在某一时刻，低轨卫星接收到了4颗GNSS卫星的伪距观测值\rho_1,\rho_2,\rho_3,\rho_4，以及对应的GNSS卫星位置坐标(x_1,y_1,z_1),(x_2,y_2,z_2),(x_3,y_3,z_3),(x_4,y_4,z_4)。根据上述伪距观测方程和几何关系，可以建立如下方程组：\begin{cases}\rho_1=\sqrt{(x-x_1)^2+(y-y_1)^2+(z-z_1)^2}+c(\deltat_{u}-\deltat_{s})+\Delta\rho_{iono1}+\Delta\rho_{tropo1}+\epsilon_{\rho1}\\\rho_2=\sqrt{(x-x_2)^2+(y-y_2)^2+(z-z_2)^2}+c(\deltat_{u}-\deltat_{s})+\Delta\rho_{iono2}+\Delta\rho_{tropo2}+\epsilon_{\rho2}\\\rho_3=\sqrt{(x-x_3)^2+(y-y_3)^2+(z-z_3)^2}+c(\deltat_{u}-\deltat_{s})+\Delta\rho_{iono3}+\Delta\rho_{tropo3}+\epsilon_{\rho3}\\\rho_4=\sqrt{(x-x_4)^2+(y-y_4)^2+(z-z_4)^2}+c(\deltat_{u}-\deltat_{s})+\Delta\rho_{iono4}+\Delta\rho_{tropo4}+\epsilon_{\rho4}\end{cases}通过求解这个方程组，就可以得到低轨卫星的位置坐标(x,y,z)。在实际求解过程中，通常采用最小二乘法等优化算法来对观测值进行处理，以减小误差的影响，提高定轨精度。最小二乘法的基本思想是通过调整待估参数（在这里就是低轨卫星的位置坐标和时钟误差等），使得观测值与理论值之间的残差平方和最小。通过不断迭代最小二乘法，可以逐步逼近低轨卫星的真实位置。3.1.2案例分析以某低轨地球观测卫星为例，该卫星搭载了星载GNSS接收机，用于实时获取卫星的位置信息，以满足高精度地球观测任务的需求。在一次实际定轨过程中，利用几何学定轨方法对该卫星进行定轨计算。在观测时段内，卫星接收到的GNSS卫星数量在不同时刻有所变化，但大部分时间都能满足4颗及以上的要求，平均可见卫星数约为8颗。通过对伪距观测值进行处理和分析，发现伪距单点定位的精度约为10-30米。这主要受到多种因素的影响，如GNSS卫星的空间几何构型、信号的连续性和稳定性等。在GNSS卫星的空间几何构型方面，当卫星分布较为均匀，几何图形强度因子（GDOP）较小时，定位精度相对较高；反之，当卫星分布较为集中，GDOP值较大时，定位精度会明显下降。在本次观测中，GDOP值在不同时刻波动较大，最小值约为1.5，最大值达到了5以上，这对定轨精度产生了显著影响。在信号的连续性和稳定性方面，由于低轨卫星的高速运动以及空间环境的复杂性，信号容易受到干扰和遮挡，导致信号失锁和周跳等问题。在本次观测中，发现部分时段存在信号失锁现象，平均每小时出现约2-3次，这使得观测数据出现间断，影响了定轨的连续性和精度。同时，周跳问题也较为突出，通过数据处理发现，平均每10分钟就会出现一次周跳，这需要在数据处理过程中进行复杂的周跳探测和修复工作。综合考虑这些因素，最终利用几何学定轨方法得到的低轨卫星定轨精度在径向、切向和法向的误差分别约为15米、20米和18米。这样的定轨精度对于一些对位置精度要求较高的地球观测任务来说，如高精度地形测绘、城市变化监测等，还存在一定的差距，无法满足实际应用的需求。然而，在一些对精度要求相对较低的应用场景中，如大面积的资源普查、宏观的环境监测等，几何学定轨方法仍然具有一定的应用价值，能够提供基本的卫星位置信息。通过这个案例可以看出，几何学定轨方法虽然原理简单、实现相对容易，但由于受到多种因素的限制，定轨精度相对较低，在实际应用中存在一定的局限性，需要结合其他定轨方法或进行进一步的数据处理和优化，以提高定轨精度。3.2运动学定轨方法3.2.1原理与实现运动学定轨方法是星载GNSS定轨技术中一种独特的方法，它主要基于大量连续的卫星跟踪观测数据，通过观测值与卫星轨道之间的几何关系来进行未知参数的估计，从而确定低轨卫星的轨道。该方法的核心在于不依赖卫星的动力学模型及力学参数的解算，而是直接利用星载GNSS观测值所提供的几何信息。低轨卫星与GPS卫星间的载波相位观测方程为：L_{sr,i}(t)=\rho_{sr}(t)+c\delta_{r}(t)-c\delta_{s}(t)+\lambda_{i}N_{sr,i}-\Delta_{ion,i}+\Delta_{rel}+\Delta_{GPSPCO}+\Delta_{LEOPCO}+\epsilon_{i}其中，r代表低轨卫星，s代表GPS卫星，i为观测频率，L_{sr,i}为低轨卫星r和GPS卫星s在频率i上的载波相位观测值，\rho_{sr}为低轨卫星r和GPS卫星s之间的几何距离，c为真空中光速，\delta_{r}为低轨卫星r的接收机钟差，\delta_{s}为GPS卫星s的卫星钟差，\Delta_{ion,i}为频率i上的电离层延迟改正，\lambda_{i}为载波波长（L_1或L_2），N_{sr,i}为频率i上的载波相位整周模糊度，\epsilon_{i}为频率i上的载波相位观测值噪声。与地面定位观测方程相比，上述观测方程不含对流层延迟改正，而多路径效应也因低轨卫星天线配置扼流圈和对卫星高度角进行限制而忽略不计。在实际实现过程中，首先需要获取大量连续的星载GNSS观测数据，包括载波相位观测值和伪距观测值等。然后，利用这些观测值和已知的GNSS卫星轨道信息，建立观测方程。通过对观测方程进行求解，可以估计出低轨卫星的位置、速度以及其他未知参数，如接收机钟差、整周模糊度等。在求解过程中，通常采用卡尔曼滤波等算法来处理观测数据，以提高参数估计的精度和稳定性。卡尔曼滤波算法是一种递推的最优估计算法，它能够根据系统的状态方程和观测方程，对系统的状态进行实时估计，并通过不断更新估计值，减小误差的影响。以GRACE-FO卫星的非差运动学精密定轨为例，采用平滑卡尔曼滤波算法，通过自主研发的精密定轨软件对其进行定轨。首先，利用观测数据中的伪距、欧洲定轨中心（CODE）精密星历和钟差产品，概略计算卫星的离散点坐标和初始接收机钟差。然后，将这些计算结果作为初始值，代入到观测方程中。在观测方程中，将低轨卫星的位置、速度、接收机钟差以及整周模糊度等作为未知参数。通过平滑卡尔曼滤波算法，对这些未知参数进行迭代估计。在每一个历元，根据新的观测数据和上一历元的估计值，更新未知参数的估计。通过不断地迭代计算，逐渐提高低轨卫星轨道的精度。3.2.2案例分析以GRACE-FO卫星的定轨任务为例，采用非差运动学定轨方法进行轨道确定。通过自主研发的精密定轨软件，利用平滑卡尔曼滤波算法对GRACE-FO卫星进行定轨。在定轨过程中，充分利用了星载GPS观测数据的优势，直接根据观测值与卫星轨道之间的几何关系进行未知参数的估计。与官方科学轨道相比，采用平滑卡尔曼滤波算法的运动学定轨方法在定轨开始阶段的精度有了显著提高。在定轨初期，由于观测数据的积累较少，传统的定轨方法往往存在较大的误差。而平滑卡尔曼滤波算法能够利用历史观测数据和当前观测数据，对卫星的状态进行更准确的估计，从而减小了定轨开始阶段的误差。整体上，定轨精度也得到了明显提升，GRACE-FOC星轨道残差为2-4厘米，GRACE-FOD星轨道残差为3-5厘米。这表明运动学定轨方法在处理观测数据时，能够有效地利用观测值的几何信息，达到较高的定轨精度。然而，运动学定轨方法也存在一些问题。在某些历元，轨道会出现不连续的现象。这主要是由于观测数据较少或者缺失，导致在这些历元无法获取足够的几何信息来准确确定卫星的位置和速度。当卫星进入信号遮挡区域，如受到地球阴影的遮挡或者其他天体的遮挡时，星载GNSS接收机可能无法接收到足够数量的卫星信号，从而使得观测数据缺失。观测数据质量较差也会影响定轨的连续性。当信号受到干扰，如电离层扰动、太阳耀斑爆发等，会导致观测数据的噪声增大，降低数据的可靠性，进而影响轨道的连续性。卫星几何构型不合理也是一个重要因素。当GNSS卫星在空间中的分布不均匀，导致几何图形强度因子（GDOP）较大时，观测值的几何精度会降低，从而影响定轨的精度和连续性。通过这个案例可以看出，运动学定轨方法在低轨卫星定轨中具有一定的优势，能够达到较高的定轨精度，但也存在轨道不连续等问题，需要在实际应用中加以注意和解决。3.3动力学定轨方法3.3.1原理与实现动力学定轨方法是一种基于卫星动力学原理的定轨方法，其核心原理是依据卫星在各种作用力下的动力学模型，通过解算卫星的运动方程来确定卫星的轨道。在惯性系下，卫星的运动方程可以表示为：\ddot{\vec{r}}=\vec{F}_{grav}+\vec{F}_{non-grav}其中，\ddot{\vec{r}}表示卫星的加速度矢量，\vec{F}_{grav}表示卫星所受到的引力作用力矢量，\vec{F}_{non-grav}表示卫星所受到的非引力作用力矢量。引力作用力主要包括地球中心引力摄动和地球非球形引力摄动。地球中心引力摄动是卫星受到的主要引力，其大小与卫星到地球质心的距离的平方成反比，方向指向地球质心，可以用牛顿万有引力定律来描述：\vec{F}_{center-grav}=-G\frac{Mm}{r^2}\hat{r}其中，G是引力常数，M是地球质量，m是卫星质量，r是卫星到地球质心的距离，\hat{r}是从地球质心指向卫星的单位矢量。地球非球形引力摄动是由于地球并非是一个完美的球体，其质量分布不均匀而产生的。这种摄动会对卫星的轨道产生复杂的影响，通常用地球引力位模型来描述。常见的地球引力位模型有球谐展开模型，如EGM系列模型（地球重力场模型）。在球谐展开模型中，地球引力位V可以表示为：V=G\frac{M}{r}\left[1+\sum_{n=2}^{\infty}\sum_{m=0}^{n}\left(\frac{a}{r}\right)^n\left(C_{nm}\cos(m\lambda)+S_{nm}\sin(m\lambda)\right)P_{nm}(\sin\varphi)\right]其中，a是地球平均半径，C_{nm}和S_{nm}是球谐系数，\lambda是经度，\varphi是纬度，P_{nm}是缔合勒让德多项式。通过考虑地球引力位的高阶项，可以更准确地描述地球非球形引力摄动对卫星轨道的影响。非引力作用力主要包括大气阻力摄动、太阳辐射压摄动和地球辐射压摄动等。大气阻力摄动是低轨卫星受到的主要非引力作用力之一，其方向与卫星运动速度相反，会使卫星的速度不断减小，卫星高度也会不断降低。大气阻力F_{drag}的大小可以用以下公式表示：F_{drag}=-\frac{1}{2}\rhov^2C_DA其中，\rho是大气密度，v是卫星相对于大气的速度，C_D是阻力系数，A是卫星的有效截面积。大气密度随高度的变化而变化，且受到太阳活动、季节、纬度等因素的影响，因此大气阻力摄动的建模较为复杂。太阳辐射压摄动是由于卫星受到太阳光的照射，卫星表面吸收或反射光子而产生的一个微小作用力。其大小与卫星与太阳的位置关系、卫星面质比和表面特性等因素有关。太阳辐射压F_{srp}可以表示为：F_{srp}=\frac{S}{c}\left[(1+\rho_{r})\cos\theta\hat{s}-\rho_{r}\hat{v}\right]其中，S是太阳辐射通量，c是光速，\rho_{r}是卫星表面的反射系数，\theta是太阳光线与卫星表面法线的夹角，\hat{s}是太阳方向的单位矢量，\hat{v}是卫星速度方向的单位矢量。地球辐射压摄动包括地球反照压和红外辐射压，统称为地球辐射压。地球反照压是地球在受到太阳辐射时，地面或海面反射一部分能量进入太空，低轨卫星受到这部分反射能量的作用而产生的压力。红外辐射压是地球自身向外辐射的红外能量对卫星产生的压力。地球辐射压的影响因素包括太阳的位置、地球反射面等，其建模也具有一定的复杂性。在实际实现过程中，首先需要建立精确的卫星动力学模型，考虑各种引力和非引力作用力的影响。然后，给定卫星的初始状态向量，包括初始位置和初始速度等。利用数值积分方法，如Runge-Kutta法、Collocation积分法等，对卫星的运动方程进行求解。以Collocation积分法为例，它是在已知初始状态向量的基础上，在积分区间内求得一个Q阶多项式，通过这个多项式就可以得到积分区间内任意时刻的卫星位置与四、定轨误差分析与处理4.1误差源分析4.1.1与卫星有关的误差卫星轨道误差是影响低轨卫星定轨精度的重要因素之一。卫星在太空中运行时，受到多种摄动力的复杂作用，包括地球引力场的非球形摄动、大气阻力、太阳辐射压、地球辐射压以及日月引力等。这些摄动力使得卫星实际运行轨道与理论轨道存在偏差，从而导致卫星轨道误差的产生。地球引力场的非球形摄动是由于地球并非是一个完美的球体，其质量分布不均匀，这使得卫星受到的引力并非完全指向地球质心，而是存在一定的偏差，进而影响卫星的轨道。大气阻力主要作用于低轨卫星，其大小与卫星的速度、截面积以及大气密度等因素有关。大气密度随高度的变化而变化，且受到太阳活动、季节、纬度等因素的影响，这使得大气阻力的变化较为复杂，对卫星轨道的影响也难以精确建模。太阳辐射压和地球辐射压是由于卫星受到太阳光和地球反射光、自身辐射的作用而产生的微小作用力，虽然其大小相对较小，但在长时间的积累下，也会对卫星轨道产生不可忽视的影响。日月引力则是由于太阳和月球对卫星的引力作用，其大小和方向随卫星、太阳和月球的相对位置而变化。卫星轨道误差对定轨精度的影响程度取决于多种因素，如轨道误差的大小、卫星的轨道高度以及定轨算法的性能等。在绝对定位中，卫星轨道误差对测站坐标的影响较大，可达几十米到一百米。而在相对定位中，由于相邻测站星历误差具有很强的相关性，所以在求坐标差时，共同的影响可自行消去，从而获得高精度的相对坐标，但随着基线距离的增加，卫星轨道偏差引起的基线误差将不断加大。卫星钟差也是与卫星有关的重要误差源。在GNSS系统中，精确的时间同步是实现高精度定位和定轨的关键。然而，尽管卫星上配备了高精度的原子钟，如铷钟和铯钟，但它们与理想的GPS时之间仍存在着难以避免的频率偏差或频率漂移，也包含钟的随机误差。这些偏差总量在1ms以内，由此引起的等效距离可达300km。卫星钟差会导致卫星发射信号的时间与实际时间存在偏差，从而使接收机测量的信号传播时间产生误差，最终影响定轨精度。卫星钟的偏差一般可通过对卫星运行状态的连续监测精确地确定，并用二阶多项式表示：t_j=a_0+a_1(t-t_{0e})+a_2(t-t_{0e})^2，式中的参数由主控站测定，通过卫星的导航电文提供给用户。经钟差模型改正后，各卫星钟之间的同步差可保持在20ns以内，由此引起的等效距离偏差不超过6m。卫星钟差或经改正后的残差，在相对定位中可通过差分法在一次求差中得到消除。4.1.2与信号传播有关的误差电离层延迟是信号传播过程中产生的主要误差之一。电离层是高度在60km-1000km的大气层，在紫外线、X射线、γ射线和高能粒子作用下，该区域内的气体分子和原子产生电离，形成自由电子和正离子。当GNSS信号穿过电离层时，由于电离层中的自由电子和正离子会与信号相互作用，导致信号传播速度发生变化，传播路径产生弯曲，从而使信号传播时间与真空中光速的乘积不等于卫星至接收机间的几何距离，产生所谓的电离层延迟。电离层延迟的大小主要取决于信号频率和传播路径上的电子总量，从天顶到地平，电离层引起的测距误差可从5m到150m。对于单频接收机，一般采用由导航电文提供的或其他合适电离层模型对观测量进行改正，如Klobuchar模型，目前模型改正的有效性约为75%。对于双频接收机，可利用双频观测技术，根据不同频率信号在电离层中传播特性的差异，通过数学模型来消除或减小电离层延迟的影响，其有效性不低于95%。当观测站间的距离较近（小于20km）时，也可利用同步观测值求差的方法，来减弱电离层延迟的影响，此时残差不超过10⁻⁶。对流层延迟是信号传播误差的另一个重要来源。对流层是高度在50km以下的大气层，大气折射率取决于气温、气压和相对湿度等因子。当GNSS信号穿过对流层时，信号的传播路径会产生弯曲，传播速度也会发生变化，从而使距离测量值产生系统性偏差，即对流层延迟。对流层延迟对测码伪距和载波相位观测值的影响是相同的，一般在米级大小。对流层延迟可分为干分量和湿分量两部分，干分量主要与大气温度和压力有关，相对较为稳定，可通过模型改正，常用的模型有Saastamoinen模型、Hopfield模型等。湿分量主要与信号传播路径上的大气湿度和高度有关，变化较大，目前湿分量的影响尚无法精确确定，一般通过估计天顶对流层湿延迟，再利用投影函数计算各卫星的电离层湿延迟，常用的投影函数有全球投影函数（GMF）、Niell投影函数（NMF）和Vienna投影函数（VMF）等。在定位精度要求不高时，可以忽视对流层延迟的影响；当精度要求较高时，可以采用对流层模型加以改正，或引入描述对流层的附加待估参数，在数据处理中求解，也可以通过观测量求差的方法来减弱其影响。4.1.3与星载接收机有关的误差接收机钟误差是与星载接收机相关的误差之一。与卫星钟一样，接收机钟也存在误差。由于接收机中大多采用石英钟，其钟误差较卫星钟更为显著。该误差主要取决于钟的质量，与使用时的环境也有一定关系。接收机钟误差会导致接收机测量信号传播时间的不准确，从而影响定轨精度。对测码伪距和载波相位观测值的影响是相同的。在数据处理中，可以通过引入接收机钟差参数，与其他未知参数一并求解，或者采用差分技术，利用已知位置的参考站与低轨卫星上的接收机同时接收GNSS信号，对比两者的观测数据，从而消除或减小接收机钟差的影响。接收机天线相位中心偏差也是不容忽视的误差。接收机天线相位中心与天线参考点（ARP）之间存在差异，这使得在测量信号传播距离时会产生误差。卫星测距信号在到达接收机天线相位中心后，还需要花费一定时间来进行信号的放大、滤波及各种处理后才能进入码相关器与来自接收机的复制码进行相关处理以获得测码伪距观测值（或进入载波跟踪回路以获取载波相位观测值），这个过程中也会引入误差。为了减小天线相位中心偏差的影响，可以采用校准的方法，对天线相位中心进行精确测量和校准，并在数据处理中考虑天线相位中心的偏差改正。还可以通过选择性能优良的天线，以及合理设计天线的安装位置和方向，来降低天线相位中心偏差对定轨精度的影响。与星载接收机有关的误差会对低轨卫星的定轨精度产生不同程度的影响，在实际定轨过程中，需要充分考虑这些误差因素，并采取相应的措施来减小其影响，以提高定轨精度。4.2误差处理方法4.2.1模型改正法模型改正法是处理低轨卫星定轨误差的重要手段之一，通过建立各种误差模型，对观测数据中的误差进行估计和修正，从而提高定轨精度。电离层延迟模型是用于改正电离层对GNSS信号传播影响的重要工具。对于单频接收机，常用的电离层延迟模型如Klobuchar模型，该模型将晚间的电离层时延视为常数，取值为5ns，把白天的时延看成是余弦函数中正的部分。在计算电离层延迟时，将整个电离层压缩为一个单层，把GPS卫星和用户连线与电离层的交点称作信号穿刺点，通过计算穿刺点的相关参数，如地心角、地理经纬度等，进而计算出电离层延迟。其天顶方向调制在L1载波（f=1575.42MHz）上的测距码的电离层时延T_g可表示为：T_g=\begin{cases}A\cos\left[\frac{2\pi(t-50000)}{P}\right]+5\times10^{-9},&\text{当}\cos\left[\frac{2\pi(t-50000)}{P}\right]\geq0\\5\times10^{-9},&\text{当}\cos\left[\frac{2\pi(t-50000)}{P}\right]<0\end{cases}其中，振幅A和周期P分别由广播星历中发播的天顶电离层改正的参数\alpha和\beta计算得出。虽然Klobuchar模型能够对电离层延迟进行一定程度的改正，但其改正效果有限，对于高精度定轨需求，还需要进一步优化或采用其他更精确的模型。随着技术的发展，一些基于全球电离层格网地图（GIM）的模型也得到了广泛应用。这些模型通过全球分布的GNSS观测站获取数据，构建全球电离层格网，能够更准确地反映电离层的时空变化，从而提高电离层延迟改正的精度。利用GIM模型，可以对电离层延迟参数进行先验值约束，加快模糊度收敛速度，尤其在实时动态定位（RTK）系统中，能够有效提高定位精度。对流层延迟模型主要用于修正对流层对GNSS信号传播的影响。对流层延迟可分为干分量和湿分量，干分量主要与大气温度和压力有关，相对较为稳定；湿分量主要与大气湿度和高度有关，变化较大。Saastamoinen模型是常用的对流层干延迟改正模型，该模型将对流层分为两层进行积分，第1层为从地表到10km高度的对流层顶，该层的温度变化率为一定值；第2层为从10km到50km高度的平流层顶，该层的温度视为常数。通过该模型可以计算出对流层干延迟，其计算公式较为复杂，涉及到大气温度、压力、湿度等多个参数。对于湿分量，通常采用全球投影函数（GMF）、Niell投影函数（NMF）和Vienna投影函数（VMF）等投影函数来计算。以GMF为例，它是一种基于全球地形和气象数据的投影函数，能够根据测站的位置和卫星的方向，计算出湿延迟的投影系数，从而得到对流层湿延迟。通过Saastamoinen模型改正对流层干延迟，再结合GMF投影函数估计接收机天顶对流层湿延迟，可以对对流层延迟进行较为有效的修正。然而，由于对流层的复杂性，即使采用这些模型进行改正，仍然会存在一定的残差，需要在数据处理中进一步考虑。4.2.2数据处理算法数据处理算法在低轨卫星定轨中起着关键作用，通过合理选择和应用数据处理算法，可以有效地削弱误差对定轨结果的影响，提高定轨精度。滤波算法是数据处理中常用的一类算法，其中卡尔曼滤波算法及其改进版本在低轨卫星定轨中得到了广泛应用。卡尔曼滤波是一种用于估计系统状态的算法，它通过融合测量数据和系统模型来减小误差。其基本原理是利用系统的动态模型和观测模型，通过递归的方式进行状态估计和更新。在低轨卫星定轨中，系统的动态模型可以描述卫星在各种作用力下的运动状态，观测模型则基于星载GNSS观测数据建立。卡尔曼滤波通过预测和校正两个步骤进行状态估计。在预测步骤中，利用系统的动态模型对当前状态进行预测，得到状态的先验估计值；在校正步骤中，利用测量数据对预测结果进行修正，通过计算卡尔曼增益，将测量数据中的信息融合到状态估计中，得到更准确的状态后验估计值。通过不断迭代预测和校正，可以逐步减小误差，提高定轨精度。例如，在GRACE-FO卫星的非差运动学精密定轨中，采用平滑卡尔曼滤波算法，通过自主研发的精密定轨软件对其进行定轨。首先，利用观测数据中的伪距、欧洲定轨中心（CODE）精密星历和钟差产品，概略计算卫星的离散点坐标和初始接收机钟差。然后，将这些计算结果作为初始值，代入到观测方程中。在观测方程中，将低轨卫星的位置、速度、接收机钟差以及整周模糊度等作为未知参数。通过平滑卡尔曼滤波算法，对这些未知参数进行迭代估计。在每一个历元，根据新的观测数据和上一历元的估计值，更新未知参数的估计。通过不断地迭代计算，逐渐提高低轨卫星轨道的精度。除了卡尔曼滤波算法，最小二乘法也是一种常用的数据处理算法。最小二乘法的基本思想是通过调整待估参数，使得观测值与理论值之间的残差平方和最小。在低轨卫星定轨中，根据卫星的运动方程和观测方程，建立观测值与理论值之间的关系，将卫星的轨道参数、动力学参数等作为待估参数。通过最小二乘法对观测值和理论值之间的不符值进行平差，求解出待估参数的最优估计值，从而确定卫星的轨道。在基于星载GNSS的低轨卫星精密定轨中，利用最小二乘法对理论值和观测值之间的不符值进行平差，求解出卫星的初始轨道根数以及动力学参数等。通过不断迭代最小二乘法，逐步改进卫星的轨道估计，提高定轨精度。数据处理算法的选择和应用需要根据具体的定轨需求和数据特点进行优化，以充分发挥其削弱误差、提高定轨精度的作用。在实际应用中，还可以结合多种数据处理算法，综合利用它们的优势，进一步提高定轨精度。五、实时精密定轨关键技术5.1数据预处理技术5.1.1数据滤波与降噪在基于星载GNSS的低轨卫星精密定轨过程中，数据滤波与降噪是至关重要的环节，其目的是去除观测数据中的噪声和干扰，提高数据质量，为后续的定轨计算提供可靠的数据基础。低轨卫星在运行过程中，星载GNSS接收机接收到的信号会受到多种噪声和干扰的影响。从信号传播的角度来看，电离层和对流层会对GNSS信号产生折射、散射等作用，导致信号传播延迟和畸变，从而引入噪声。当信号穿过电离层时，由于电离层中的电子密度不均匀，信号会发生折射，使得测量的信号传播时间产生误差，这种误差表现为噪声形式叠加在观测数据中。卫星周围的空间环境也存在各种电磁干扰，如太阳活动产生的高能粒子辐射、地球磁场的变化等，这些干扰会影响GNSS信号的稳定性，导致观测数据出现噪声。接收机内部的电子元件也会产生热噪声等，进一步降低观测数据的质量。为了有效去除这些噪声和干扰，通常采用滤波算法对观测数据进行处理。卡尔曼滤波算法是一种常用的线性滤波算法，它在低轨卫星定轨数据处理中具有重要的应用。卡尔曼滤波算法基于系统的状态方程和观测方程，通过递推的方式对系统状态进行最优估计。在低轨卫星定轨中，系统的状态可以表示为卫星的位置、速度等参数，观测方程则基于星载GNSS的观测数据建立。该算法的核心步骤包括预测和更新。在预测步骤中，利用系统的状态转移矩阵和过程噪声协方差矩阵，对当前时刻的状态进行预测，得到状态的先验估计值。在更新步骤中，根据新的观测数据和观测噪声协方差矩阵，对预测值进行修正，通过计算卡尔曼增益，将观测数据中的信息融合到状态估计中，得到更准确的状态后验估计值。通过不断迭代预测和更新过程，卡尔曼滤波算法能够有效地滤除观测数据中的噪声，提高卫星状态估计的精度。以某低轨卫星的定轨任务为例，在数据预处理阶段采用卡尔曼滤波算法对星载GNSS观测数据进行滤波处理。在观测过程中，由于受到电离层扰动的影响，观测数据出现了较大的噪声，导致原始观测数据的误差较大。通过卡尔曼滤波算法对这些数据进行处理后，噪声得到了明显的抑制，观测数据的精度得到了显著提高。在未进行滤波处理前，观测数据的误差在径向方向上达到了10-20米，切向方向上达到了15-25米，法向方向上达到了12-22米。经过卡尔曼滤波处理后，误差在径向方向上减小到了3-5米，切向方向上减小到了4-6米，法向方向上减小到了3-5米。这表明卡尔曼滤波算法能够有效地去除观测数据中的噪声，提高数据质量，为后续的精密定轨提供了更可靠的数据支持。除了卡尔曼滤波算法，小波变换也是一种常用的数据滤波与降噪方法。小波变换能够将信号分解为不同频率的分量，通过对不同频率分量的分析和处理，可以有效地去除噪声。在低轨卫星观测数据处理中，小波变换可以将观测数据分解为高频分量和低频分量，高频分量主要包含噪声信息，低频分量则包含信号的主要特征。通过对高频分量进行阈值处理，去除其中的噪声，然后再将处理后的高频分量和低频分量进行重构，得到滤波后的观测数据。与卡尔曼滤波算法相比，小波变换在处理非平稳信号时具有更好的性能，能够更有效地去除信号中的突变噪声。数据滤波与降噪是低轨卫星精密定轨中不可或缺的环节，通过采用合适的滤波算法，如卡尔曼滤波算法、小波变换等，可以有效地去除观测数据中的噪声和干扰，提高数据质量，为精密定轨提供可靠的数据基础。在实际应用中，需要根据观测数据的特点和定轨的需求，选择合适的滤波算法，并对算法参数进行优化，以达到最佳的滤波效果。5.1.2周跳探测与修复周跳是指在载波相位测量中，由于卫星信号的失锁而导致的整周计数的跳变或中断。当信号重新被跟踪后，整周计数就不正确，这会对低轨卫星的定轨精度产生严重影响。在低轨卫星的高速运动过程中，信号容易受到各种因素的干扰，如电离层扰动、卫星姿态变化、信号遮挡等，这些因素都可能导致周跳的发生。一旦出现周跳，如果不及时探测和修复，基于载波相位观测值进行的定轨计算将会产生较大的误差，甚至导致定轨结果的失败。为了确保低轨卫星定轨的准确性和可靠性，需要采用有效的方法对周跳进行探测和修复。高次差法是一种常用的周跳探测方法，它通过对载波相位观测值进行多次差分，来放大周跳的影响，从而实现周跳的探测。具体来说，一般对原始数据进行历元间差分，由于周跳为波长的整数倍，在差分过程中，周跳会使得差分结果出现异常的变化。在无周跳的情况下，相位观测值的高次差（如四次差）会趋于0，呈现偶然误差特性，主要是由接收机钟误差引起。而当存在周跳时，含有周跳的观测值经过高次差分后，误差量会逐次放大，从而可以通过观察差分结果的异常来判断周跳的存在。然而，高次差法也存在一定的局限性，它主要受限于接收机钟的稳定性，连续周跳探测困难，只能探测修复大周跳。多项式拟合法也是一种有效的周跳探测与修复方法。该方法基于多项式拟合的数学模型，首先对观测值进行历元差分，然后利用最小二乘法求解拟合系数。通过分析拟合残差来探测周跳，当拟合残差超过一定阈值时，认为存在周跳。在使用多项式拟合法时，需要注意拟合观测值必须是经过历元差分后的观测值，且拟合阶数不宜太高，一般超过4阶就会出现震荡现象。拟合标准差会随着阶数的增加迅速减小，因此在拟合时应给予阶数和标准差双重条件限制，同时周跳数量不能太多，否则会影响拟合效果。对于双频接收机，利用双频观测值来探测和修复周跳是一种常用的方法。双频接收机可以接收到两个不同频率的载波信号，通过对这两个频率的载波相位观测值进行组合，并考虑电离层折射改正，可以得到对周跳敏感的观测值组合。采用双频载波相位观测值的组合，并考虑电离层折射改正，有特定的组合观测值表达式。通过分析这些组合观测值的变化，可以有效地探测和修复周跳。由于双频观测值能够利用不同频率信号在电离层中传播特性的差异，对电离层延迟等误差进行一定程度的消除，因此在周跳探测和修复中具有较高的精度和可靠性。以某低轨卫星的实际观测数据处理为例，在定轨过程中，通过高次差法对载波相位观测值进行处理，成功探测到了一些大周跳。在观测时段内，通过高次差法发现了5次大周跳，这些周跳导致观测值的差分结果出现了明显的异常。对于一些小周跳和复杂环境下的周跳，高次差法的探测效果并不理想。于是，结合多项式拟合法对数据进行进一步处理，通过对历元差分后的观测值进行多项式拟合，根据拟合残差探测到了更多的周跳，共探测到了12次小周跳，有效地提高了周跳探测的准确性。对于双频观测数据，利用双频观测值组合的方法，对周跳进行了再次验证和修复，进一步提高了定轨数据的质量。周跳探测与修复是低轨卫星精密定轨中保证数据连续性和可靠性的关键技术。通过综合运用高次差法、多项式拟合法、双频观测值法等多种方法，可以有效地探测和修复周跳，提高定轨精度，确保低轨卫星能够准确地执行各种任务。在实际应用中，需要根据观测数据的特点和周跳的类型，合理选择和组合使用这些方法，以达到最佳的周跳探测与修复效果。5.2动力学模型优化5.2.1摄动力模型改进低轨卫星在太空中运行时，受到多种摄动力的复杂作用，这些摄动力对卫星的轨道产生着重要影响。地球引力是卫星受到的主要摄动力之一，包括地球中心引力和地球非球形引力。地球中心引力遵循牛顿万有引力定律，其大小与卫星到地球质心的距离的平方成反比，方向指向地球质心。地球非球形引力则是由于地球并非是一个完美的球体，其质量分布不均匀而产生的，这种摄动力会对卫星的轨道产生复杂的影响，使得卫星的轨道不再是简单的椭圆轨道。大气阻力也是低轨卫星受到的重要摄动力之一，其方向与卫星运动速度相反，会使卫星的速度不断减小，卫星高度也会不断降低。大气阻力的大小与大气密度、卫星的速度、截面积以及阻力系数等因素有关，而大气密度又受到太阳活动、季节、纬度等因素的影响，这使得大气阻力的变化较为复杂，难以精确建模。太阳辐射压和地球辐射压是由于卫星受到太阳光和地球反射光、自身辐射的作用而产生的微小作用力，虽然其大小相对较小，但在长时间的积累下，也会对卫星轨道产生不可忽视的影响。现有摄动力模型在描述卫星受力情况时存在一定的不足。在地球引力模型方面，虽然常用的球谐展开模型，如EGM系列模型，能够考虑地球非球形引力的影响，但随着对定轨精度要求的不断提高，这些模型的高阶项误差逐渐凸显。对于一些高精度的地球观测任务，如地形测绘、重力场探测等，现有的地球引力模型的精度已经无法满足需求。在大气阻力模型方面，由于大气密度的变化受到多种因素的影响，且具有较强的时空变化特性，现有的大气阻力模型难以准确地描述大气阻力的变化。一些传统的大气阻力模型在描述大气密度随高度、太阳活动等因素的变化时，存在一定的误差，这导致对大气阻力的计算不够准确，从而影响卫星轨道的预测精度。为了更准确地描述卫星的受力情况，提高定轨精度，需要对摄动力模型进行改进。在地球引力模型改进方面，可以考虑采用更高阶的球谐展开模型，增加球谐系数的阶数，以更精确地描述地球非球形引力的影响。可以利用最新的地球重力场数据，对球谐系数进行更新和优化，提高模型的精度。结合卫星的实际观测数据，对地球引力模型进行校准和修正，通过对比卫星的实际轨道与模型预测轨道的差异，调整模型参数，使得模型能够更准确地描述地球引力对卫星的作用。对于大气阻力模型的改进，可以综合考虑更多的影响因素，建立更复杂、更准确的大气密度模型。除了考虑太阳活动、季节、纬度等常规因素外，还可以考虑大气成分的变化、地磁活动等因素对大气密度的影响。利用卫星搭载的大气探测设备，实时获取大气密度数据，对大气阻力模型进行实时校准和更新，以提高模型的准确性。结合数值模拟和实验数据，对大气阻力系数进行优化，根据卫星的具体形状、材料等特性，确定更准确的大气阻力系数，从而提高大气阻力计算的精度。以GOCE卫星的定轨任务为例，该卫星主要用于地球重力场的探测，对定轨精度要求极高。在定轨过程中，通过对摄动力模型进行改进，显著提高了定轨精度。在地球引力模型方面，采用了高阶的EGM2008模型，并结合GOCE卫星的观测数据对模型进行了校准。通过对比GOCE卫星的实际轨道与基于EGM2008模型预测的轨道，发现模型在描述地球非球形引力的某些高阶项时存在一定的误差。于是，利用GOCE卫星的高精度重力梯度测量数据，对EGM2008模型的球谐系数进行了优化，使得模型能够更准确地描述地球引力对GOCE卫星的作用。在大气阻力模型方面，考虑了太阳活动、地磁活动以及大气成分变化等多种因素对大气密度的影响，建立了更复杂的大气密度模型。利用GOCE卫星搭载的大气探测设备，实时获取大气密度数据，对大气阻力模型进行实时校准和更新。通过这些改进措施，GOCE卫星的定轨精度得到了显著提高，在径向方向上的定轨误差减小到了1-2厘米，切向方向上的定轨误差减小到了2-3厘米，法向方向上的定轨误差减小到了1-2厘米，满足了地球重力场探测对定轨精度的严格要求。摄动力模型的改进是提高低轨卫星精密定轨精度的关键。通过分析现有摄动力模型的不足，采取针对性的改进措施，如优化地球引力模型、完善大气阻力模型等，可以更准确地描述卫星的受力情况，提高定轨精度，为低轨卫星的各种应用提供更可靠的轨道支持。在未来的研究中，随着对卫星运行环境的深入了解和探测技术的不断发展，摄动力模型的改进将不断取得新的进展，进一步推动低轨卫星精密定轨技术的发展。5.2.2经验力模型应用低轨卫星在运行过程中，受到的非保守力往往难以用精确的物理模型来表示，这给卫星的精密定轨带来了很大的挑战。大气阻力虽然可以用一定的模型来描述，但其受到大气密度变化、卫星姿态变化等多种因素的影响，模型存在一定的不确定性。太阳辐射压和地球辐射压也受到卫星表面特性、卫星与太阳和地球的相对位置等因素的影响，难以精确建模。这些未被模型化或建模不精确的摄动力会导致卫星轨道的预测误差增大，影响定轨精度。为了消除或减弱这些未被模型化或建模不精确的摄动力的影响，经验力模型在低轨卫星定轨中得到了广泛应用。经验力模型是一种基于实际观测数据和经验公式建立的模型，它通过对卫星轨道的观测和分析，来估计那些无法用物理模型精确描述的摄动力。经验切向摄动模型是一种常见的经验力模型，它通过在卫星轨道的切向方向上引入一个经验力，来补偿未被模型化的摄动力对卫星轨道的影响。这种模型假设在卫星轨道的切向方向上存在一些未被模型化的力，这些力会导致卫星的速度发生变化，从而影响卫星的轨道。通过估计这些切向方向上的经验力，可以对卫星轨道进行修正，提高定轨精度。RTN经验摄动模型也是一种常用的经验力模型，它在轨道坐标系（RTN坐标系）下对未被模型化的摄动力进行建模。RTN坐标系是一种与卫星轨道相关的坐标系，其中R方向为卫星到地心的径向方向，T方向为卫星运动的切向方向，N方向为垂直于轨道平面的法向方向。在RTN经验摄动模型中，分别在R、T、N三个方向上引入经验力，来补偿未被模型化的摄动力对卫星轨道的影响。通过对卫星轨道在这三个方向上的观测数据进行分析，估计出相应的经验力参数，从而建立起经验力模型。伪随机脉冲摄动模型是另一种有效的经验力模型，它通过在预定方向上设置瞬时的速度变化（即伪随机脉冲）来模拟未被模型化的摄动力的影响。这种模型假设未被模型化的摄动力会在某些时刻对卫星的速度产生瞬时的改变，通过设置伪随机脉冲，可以模拟这种瞬时速度变化，从而对卫星轨道进行修正。该方法的最大优点是，这些参数对初始参数的偏导数，可以很方便地由已有参考轨道及相应卫星位置和速度对初始参数的偏导数线性组合而成，能非常简便地在精密定轨中实现，且不增加积分器的维数，一次积分可以任意改变脉冲加速度的时间间隔。以GRACE卫星的定轨为例，该卫星在运行过程中受到多种复杂摄动力的影响，传统的摄动力模型难以准确描述这些力的作用。为了提高定轨精度，采用了经验力模型进行定轨计算。在定轨过程中，引入了经验切向摄动模型和RTN经验摄动模型，通过对GRACE卫星的轨道观测数据进行分析，估计出经验力模型的参数。在一段时间的观测数据中，通过最小二乘法等优化算法，对经验