2021-03-01低轨卫星定轨流程整理学习01(简要介绍)
一、什么是定轨?
低轨卫星精密定轨数据处理是通过低轨卫星所能够提供的观测资料以及已知的低轨卫星运动学规律通过统计的方法来确定低轨卫星在指定时空基准下的位置和速度。
#二、定轨方法
假如已知低轨卫星在某一历元t0 的状态向量X0,并给定低轨卫星的运动微分方程,则利用数值积分的方法可以求得低轨卫星在t0后任一历元 t 的状态向量。然而在低轨卫星实际运动过程中,其初始状态向量X0无法提前知,并且运动微分方程中的物理常量和动力学模型以及观测模型不可避免地含有误差,从而导致计算得到的轨道与低轨卫星实际中的轨道存在差异。因此,为了减小真实轨道与积分轨道之间的差异,需对低轨卫星进行长时间的观测,最后利用统计的方法综合卫星跟踪观测量及动力学模型等相关已知信息得到精确的运动微分方程中的物理参数和卫星的初始状态。
三、各类模型
(1)星载 GNSS 观测模型
星载双频 GNSS 接收机可同时获得L1和L2载波上的相位和伪距观测量,采用双频消电离层组合(低轨卫星的 GNSS 观测量不受对流层延迟的影响),观测方程可表示为:
(2)低轨卫星精密定轨的动力学模型(各种摄动力分别有各自的摄动力模型)
(3)参数估计
对于低轨卫星精密轨道确定问题,其动力学模型一般不够精确。这是由于动力学模型略去了一些影响次要的摄动因素;在已考虑的摄动因素中,各模型参数是近似的。此外观测数据本身也会都带有一定的随机误差和系统误差。因此,低轨卫星精密定轨参数估计问题就变为利用不够精确的动力学模型、包含有随机误差的观测数据以及不够精确的初始状态求取卫星轨道信息的最佳估值的问题。求解卫星轨道信息最佳估值是低轨卫星统计定轨的核心。低轨卫星精密定轨参数估计常用的方法有加权最小二乘估计算法和推广卡尔曼滤波算法两种。
加权最小二乘估计算法将所有需要处理的观测资料统一求解,而推广卡尔曼滤波算法是一种递推的算法,对观测资料进行逐历元处理。加权最小二乘估计算法一般用于事后定轨,而推广卡尔曼滤波算法既可以用于实时定轨也可以用于事后定轨。