提升卫星轨道预报精度与速度：CKF算法的应用与验证

本文主要探讨了基于容积卡尔曼滤波(CKF)算法的卫星轨道实时预报方法，相较于传统的扩散卡尔曼滤波(EKF)。在卫星轨道实时预报中，EKF常常被用于处理非线性系统，但由于其在处理非线性度较大的系统时，预测精度和效率存在局限性。EKF通过一阶或二阶线性化处理非线性模型，但这种方法在多摄动力卫星运动模型中可能导致高阶项的误差累积，影响预报精度。 相比之下，CKF算法的优势在于它能够避免线性化过程，直接处理非线性函数与高斯随机变量的乘积问题。该算法采用球面积分技术，对状态量进行带权重的估计，无需计算雅可比矩阵，大大简化了计算复杂性。这种方法在卫星轨道实时预报中的应用，通过仿真验证表明，相较于EKF，CKF能提供更高的预报精度和更快的运算速度。 在实际应用中，实时轨道预报对于精度和速度的需求是双重的：虽然精度上可能对初始轨道的依赖较小，但对预报速度有较高的要求。因此，使用CKF进行卫星轨道实时预报，能够满足这种对快速响应和相对较低精度需求的场景，比如在卫星导航、制导和目标跟踪等关键领域。 文中提到的研究工作得到了2013年国家自然科学基金(61201120)的资助，由管洪杰等人进行，他们在卫星导航与制导方面进行了深入的研究，并且在6月17日提交论文，经过修订后于7月9日完成。管洪杰作为第一作者，具有硕士研究生学历，他的研究方向与本文主题紧密相关。 基于容积卡尔曼滤波(CKF)的卫星轨道实时预报方法为解决非线性系统预测中的难题提供了新的解决方案，有望在实际工程应用中发挥重要作用。