星载GPS低轨卫星定轨：新型综合Kalman滤波方法

"一种新的综合 Kalman滤波及其在星载 GPS 低轨卫星定轨中的应用 (2005年)" 这篇论文主要探讨了一种新型的综合 Kalman 滤波方法，该方法旨在解决在星载 GPS 低轨卫星定轨过程中遇到的挑战。在传统的 Kalman 滤波应用中，由于动态噪声和观测噪声的不确定性，可能导致滤波发散、观测值扭曲以及协方差阵的不正定性。论文提出的综合 Kalman 滤波方法采用了以下三个关键改进： 1. **拟准检定法**：该方法用于检测和校正量测方程中的粗差。在实际应用中，由于环境干扰或设备误差，观测数据中可能存在粗差，这会影响滤波的准确性。通过拟准检定法，可以更准确地识别并修正这些错误，从而提高滤波的可靠性。 2. **UD 分解算法**：为了解决数值不稳定性问题，论文引入了 UD 分解算法。在计算过程中，数值不稳定性可能导致结果的偏差，而 UD 分解算法能有效地稳定计算过程，提升估值的精度。 3. **Sage 自适应滤波器**：此部分着重于防止滤波器发散。Sage 自适应滤波器是一种能够自适应调整滤波参数的方法，可以根据系统的动态变化调整滤波行为，确保滤波过程的收敛性。 论文通过算例展示了这种综合 Kalman 滤波方法在星载 GPS 低轨卫星定轨中的应用效果。结果显示，该方法具有良好的数值稳定性，能有效自适应系统变化，并且对粗差有较好的抑制作用。这些特性使得该方法在处理高动态星载 GPS 定位时更具优势，尤其对于动态噪声和观测噪声难以精确估计的情况。 在实际的星载 GPS 低轨卫星定轨中，由于卫星受到复杂引力和大气阻力等因素影响，动态模型的噪声和观测噪声难以精确建模。因此，传统 Kalman 滤波可能会因噪声估计不准确而失效。论文提出的综合方法通过增强滤波器的适应性和稳定性，解决了这一问题，提高了定轨的精度和鲁棒性。 这项工作对 Kalman 滤波在星载 GPS 定轨领域的应用进行了创新性的改进，对于提高低轨卫星的轨道确定精度具有重要意义。同时，这种方法也为其他动态测量系统提供了一种可能的解决方案，特别是在面对类似挑战时，可以借鉴其思想来优化滤波过程。