下载文档原格式
卫星导航系统的误差分析及其纠正方法卫星导航系统是现代化的导航方式之一，已成为人们旅行、航空、海洋、地质勘探等领域中必不可少的工具之一。
但是，由于各种外在因素的影响，卫星导航系统的精度不可避免地会受到误差的干扰，从而影响到实际使用效果。
因此，本文将针对卫星导航系统的误差分析及其纠正方法进行探讨。
误差来源卫星导航系统的误差来源主要有以下几种：1.天气因素：天气条件的变化，如雷暴、降雨等，会对信号传输造成干扰，导致误差出现。
2.电离层：电离层会对信号产生折射、延迟等影响，从而影响卫星导航系统的精度。
3.卫星轨道误差：卫星轨道的非理想性和不稳定性会使得卫星发射的信号的时间和位置出现误差。
4.接收机性能问题：接收机的性能问题也会影响卫星导航系统的精度。
接收机信噪比的大小，接收机灵敏度等问题都可能产生误差。
误差分析为了消除误差对卫星导航系统的影响，需要对误差进行分析。
对于卫星导航系统而言，误差分析主要分为两个方面：一是对误差进行分析，二是根据误差分析结果采取相应的纠正措施。
误差分析的第一步就是对误差进行排查。
根据误差来源的不同，采用不同的方法进行分析。
对于电离层误差，可以利用多路径组合技术进行处理。
对于卫星轨道误差，可以利用多源数据融合方法进行处理。
对于接收机性能问题，可以采用时差差分技术或载波相位差分技术进行处理。
误差纠正误差纠正方法可以大致分为两类。
一类是通过信息处理技术对误差进行纠正，例如利用多路径组合技术降低电离层误差、利用多源数据融合方法降低卫星轨道误差等。
另一类是通过通信技术对误差进行纠正，例如利用差分定位技术对接收机性能问题进行纠正。
差分定位技术是最为常见的一种误差纠正技术。
它可以通过在同一时刻同时接收多个卫星信号，然后将它们之间的差异作为误差的补偿，从而提高卫星导航系统的定位精度。
差分定位技术的准确性取决于差分基线的长度和稳定性。
如果差分基线长度较短，误差的补偿也相对较小。
但如果差分基线长度过长，则信号会受到多路径影响，从而导致误差更大。
北斗卫星导航系统的性能评估与优化研究引言：北斗卫星导航系统作为中国自主研发的全球卫星导航定位与导航系统，已在多个领域发挥了重要作用。
为了确保北斗卫星导航系统的性能和精度，进行性能评估与优化研究是必要的。
本文将对北斗卫星导航系统的性能评估与优化研究进行探讨，包括性能评估的指标与方法、性能优化的途径与技术应用。
一、北斗卫星导航系统的性能评估指标与方法1. 定位精度评估：北斗卫星导航系统的定位精度是评估其性能的重要指标之一。
对于不同的应用场景，定位精度的要求也不同。
对于车辆导航、船舶定位等需要高精度的应用，通常采用RMSE（Root Mean Square Error）指标来评估定位误差。
对于精度要求不高的普通导航应用，可以采用CEP（Circular Error Probable）指标来评估。
此外，还可以考虑PDOP（Position Dilution of Precision）等指标来评估定位性能。
2. 数据完整性评估：数据完整性评估是评估北斗卫星导航系统是否能够提供连续可靠的导航数据的指标。
在实际应用中，由于遮挡、信号干扰等原因，导航数据可能会出现中断或者丢失。
因此，评估北斗卫星导航系统的数据完整性是非常重要的。
可以通过统计导航数据中的丢失率、间断时间等指标来评估数据的完整性。
3. 时间精度评估：对于一些对时间要求较高的应用，如通讯、金融等领域，北斗卫星导航系统的时间精度也是重要的性能指标之一。
可以通过与标准时间源的对比来评估北斗卫星导航系统的时间精度。
同时，也可以考虑时钟稳定性、时间延迟等指标来评估系统的时间性能。
二、北斗卫星导航系统的性能优化途径1. 基础设施建设：北斗卫星导航系统的性能优化首先要确保系统的基础设施建设完备。
包括增加卫星数量，提升卫星覆盖范围，完善地面基站布局等。
通过增加卫星数量和改善覆盖范围，可以提高北斗卫星导航系统的定位精度和数据完整性。
同时，合理布局地面基站，可以提高信号接收的质量和稳定性，进一步提升性能。
卫星天文导航自主定轨精度及误差分析季玮;白涛;武国强;林宝军【摘要】Using the star sensor and infrared earth sensor to observe starlight angular is the most project way to implement the satellite autonomous celestial navigation. But because of the external environment measurement error during the process of star sensor measurement. It will lead to the starlight angle has errors and finally cause the satellite orbit results inaccurately. To solve this problem, and combined with experimental data analysis, we ultimately determine the sensor system error is the main source of error which to cause the satellite autonomous celestial navigation orbit determination has the less accuracy. And using the least squares method to demarcate the sensor system error. To make more accurate observations, we use Kalman filter algorithm to eliminate noise of demarcate observations. Finally, using the actual satellite downlink data to validate this method and achieved good results.%通过星敏感器和红外地敏观测星光角距是目前实现卫星天文自主导航最为工程可行的方法,但由于星上敏感器在测量过程中不可避免的会引入外部环境测量误差,导致观测量星光角距存在偏差,最终会造成卫星定轨结果不精确.为解决这一问题,结合实验数据分析,最终确定了敏感器存在的系统误差是造成卫星天文导航定轨精度较低的最大误差源,并利用最小二乘方法对敏感器系统误差进行标定,将标定之后的观测量通过卡尔曼滤波算法进行噪声消除,使观测量更加准确.最后,利用星上实际下传数据对此方法进行验证,取得了良好的效果.【期刊名称】《电子设计工程》【年(卷),期】2017(025)015【总页数】5页(P90-93,97)【关键词】敏感器误差分析;静态地敏;天文导航;星光角距;星敏感器【作者】季玮;白涛;武国强;林宝军【作者单位】中国科学院上海微系统与信息技术研究所上海 200050;上海微小卫星工程中心上海 201203;上海微小卫星工程中心上海 201203;中国科学院光电研究院北京 100094;上海微小卫星工程中心上海 201203;中国科学院光电研究院北京 100094;上海微小卫星工程中心上海 201203;中国科学院光电研究院北京100094【正文语种】中文【中图分类】TN98天文导航是一种重要的卫星自主定轨方法[1-2]，它仅需利用卫星自带的姿态敏感部件星敏感器、红外地平仪等，且不需要与外界进行任何的信息交互，是一种完全意义上的自主定轨方法。
北斗卫星导航系统精度评估方法研究北斗卫星导航系统（简称北斗系统）是中国自主研发的卫星导航系统，它能够在全球范围内提供定位、导航和授时服务。
自北斗系统建设以来，广泛应用于交通、水利、气象、农业、渔业、林业、测绘、地质勘探、电力、通信、金融等领域。
为了保证北斗系统的导航精度，需要对其进行精度评估。
一、北斗系统的导航精度北斗系统的导航精度取决于卫星的几何因素、时钟误差、大气延迟、多径效应等因素。
其中，最主要的因素是卫星的几何因素。
由于卫星的位置不断变化，导致导航精度也不断变化。
因此，北斗系统需要不定期对其进行精度评估和校正，以保证其导航精度。
二、北斗系统的精度评估方法1、与基准站进行实时比对方法这种方法是指通过与已知位置的基准站实时比对卫星信号，从而进行误差估计。
这种方法虽然实时性强，但是需要基准站的配合，且成本较高。
2、单点定位方法单点定位是一种通过卫星的伪距观测值，推导出接收机的三维空间坐标的方法。
该方法适用于无需知晓精确位置的应用场景。
然而，由于单点定位容易受到多种误差因素的影响，精度较低，仅适用于某些精度要求不高的应用场景。
3、差分定位方法差分定位是指通过一个基准站观测卫星信号，并与其他接收机的观测值进行比较，从而估计定位误差。
该方法的优点在于可以通过对比不同基准站的数据，来减少大气误差和钟差误差的影响。
它适用于一些对精度要求较高的应用场景，如航空、导航等领域。
4、测量工程方法测量工程方法是通过在一定范围内，建立测量网络并对接收机进行实地观测的方法。
该方法能够产生较准确的位置信息，但需要较大的场地和昂贵的设备。
三、北斗系统精度评估的应用实例北斗系统的精度评估可以通过一系列的实验来进行。
例如，可以通过安装北斗芯片的移动设备，在不同场景下比对和验证其位置信息的准确度。
同时，数字化地图的建立也可以借助北斗系统进行，通过对比实测结果和地图信息的差异，评估北斗系统的导航精度。
此外，还可以在农业、气象等领域使用北斗系统进行应用实例测试，例如，在农业领域，可以通过北斗系统的精度评估，提高精准农业、土地评估等方面的应用。
北斗卫星导航系统误差分析与评估作者：文/ 陈恺来源：《时代汽车》 2020年第19期陈恺江苏无线电厂有限公司江苏省南京市 210012摘?要：北斗卫星导航系统误差还包括卫星误差，以及信号传输的过程中产生的误差、用户接收端的误差，这些误差因素造成卫星导航系统在使用的过程中，无法及时完成定位、完成警告，在警报数值方面存在明显的误差，甚至还会因为定位无法使用，导致出现更多故障。
卫星导航系统出现的各种故障都能够被测量，最终通过是卫星导航系统的运用体现出来，造成使用方面的故障。
关键词：北斗卫星导航系统误差评估Error Analysis and Evaluation of Beidou Satellite Navigation SystemChen KaiAbstract：Beidou satellite navigation system errors include satellite errors, errors generated in the process of signal transmission, and user receiving errors. These error factors cause the satellite navigation system to be unable to complete positioning and complete warnings in time during the process of use. There are obvious errors in numerical values, and even more failures may occur due to unavailability of positioning. Various malfunctions of the satellite navigation system can be measured, and finally reflected through the use of the satellite navigation system, causing malfunctions in use.Key words：Beidou satellite, navigation system, error, evaluation航空领域和科研领域内，对相关设备使用的安全性需求比较高，比如航空领域，航空的安全性和卫星导航系统有直接关系。
BDS载波相位观测值周跳探测与修复研究BDS载波相位观测值周跳探测与修复研究摘要：随着卫星导航技术的快速发展，BDS（北斗卫星导航系统）在国内外得到了广泛应用。
在卫星导航中，准确的载波相位观测是关键的测量数据，然而，由于各种因素的干扰，观测值周跳误差可能会导致定位结果的不准确。
因此，周跳探测与修复研究成为了卫星导航领域的重要课题。
本文通过对BDS载波相位观测值周跳的探测方法和修复算法进行研究，提出了一种高效且准确的周跳处理方法，为提高载波相位观测的可靠性和定位精度提供了理论支持和实践指导。
一、引言BDS作为我国自主研发的全球卫星导航系统，具有覆盖全球、高精度、高可靠性的特点，在航空航天、交通运输、地质勘探等领域得到了广泛应用。
在卫星导航系统中，载波相位观测作为一种高精度的测量数据，对于提高定位精度和抗干扰性能起着关键作用。
然而，受到电离层延迟、多径效应、天线相位中心偏移等因素的影响，载波相位观测值可能会出现周跳误差，从而导致定位结果的不准确。
二、周跳探测方法为了准确地探测载波相位观测值中的周跳误差，研究人员提出了多种方法。
其中，常用的方法包括差分法、滑动窗口法和快速傅里叶变换法。
差分法通过计算连续两个历元观测值之间的差值来判断是否存在周跳误差。
滑动窗口法利用一定长度的滑动窗口内的历元观测数据进行差分运算，通过比较差分值的变化来判断周跳误差的出现。
快速傅里叶变换法则是基于信号频谱的变化特性，通过计算载波相位观测值的频谱进行周跳探测。
三、周跳修复算法在探测到载波相位观测值中的周跳误差后，需要进行修复处理以恢复准确的观测值。
常用的修复算法包括整周模糊度固定法和基于滤波器的算法。
整周模糊度固定法通过将周跳修复为整数倍的波长来消除观测值中的周跳误差。
基于滤波器的算法则是通过对载波相位观测值进行滤波处理，根据观测值的变化趋势来恢复准确的观测值。
四、实验与结果分析为了验证所提出的周跳探测和修复方法的有效性，我们进行了一系列的实验。
一种基于UKF的天文组合导航滤波算法研究摘要：飞机导航系统的设计需要考虑传感器和外部因素不稳定带来的影响，同时在飞行中也面临着导航系统和量测噪声统计不确定问题，因而导致滤波精度低，稳定性差，有可能发散。
为此本文研究了一种基于UKF的自适应卡尔曼滤波算法，能自动平衡状态信息与观测信息在滤波结果中的权比，来实时调整状态向量和观测向量的协方差，从而提高系统的性能。
仿真结果表明该算法定位精度高，稳定性好，具有重要的工程应用价值。
关键词：UKF 自适应滤波组合导航1、引言SINS能完全独立自主的工作，具有短时精度高、输出连续、抗干扰能力强，可同时提供位置、姿态信息等突出优点，但它误差随时间积累，长时间工作的误差很大；CNS精度高、误差不随时间积累，在所有导航设备中航向精度最高，观测目标为天体不可能被人为摧毁，战争时可用性高，但其输出信息不连续，并且在某些情况下会受到外界环境的影响，如在航空中的应用容易受到气候条件的影响[1]，目前我国比较先进的星敏感器的输出频率为1Hz，对有高精度要求的军用载体来说是不适用的[2]。
由于两者都存在着自身难以克服的缺点，但两者具有互补的特点，所以，将其组合不仅具有独立系统各自的主要优点，而且随着组合水平的加深，它们之间互相交流、使用信息加强，SINS/天文组合系统的总体性能要优于各自独立系统。
本文研究的自适应UKF卡尔曼滤波算法，在系统噪声统计特性未知时，此算法能自动平衡状态信息与观测信息在滤波结果中的权比，来实时调整状态向量和观测向量的协方差，从而提高系统的性能。
2、星敏感器姿态测量误差分析星敏感器是高精度仪器，但也存在多种误差源，主要包括光学系统成像误差，加工、装配误差，光轴不稳定性，CCD噪声、暗电流、性应不均匀性，电子线路噪声，标定误差等。
因此，星敏感器的姿态确定精度实际上受到诸多因素的影响[3]：2.1 星象提取误差星象提取误差主要来源于星光信号本身，包括恒星的自行、光行差、视差、光线弯曲等误差以及星表误差。
收稿日期:2009-12-06;修回日期:2010-03-10作者简介:程会艳(1984-),女,硕士研究生,主要研究方向:自主导航算法。
2010年8月宇航计测技术A u g .,2010第30卷 第4期J o u r n a l o f A s t r o n a u t i c M e t r o l o g y a n d M e a s u r e m e n tV o l .30,N o .4文章编号:1000-7202(2010)04-0014-05 中图分类号:V 557 文献标识码:A卫星自主导航系统存在常值偏差的滤波方法研究程会艳1,2 郝云彩1,2 乔国栋1,2(1.北京控制工程研究所,北京100190;2.空间智能控制技术国家级重点实验室,北京100190) 摘 要 由于敏感器常值偏差对导航精度影响较大,因此有必要对其进行标定。
考虑到传统常偏扩维算法计算量大,且可能出现数值病态的问题,提出了两步U K F 算法,该算法对状态和偏差实施分离估计,从而达到解耦目的。
不仅能够准确标定常值偏差,而且还可以提高导航精度。
近地卫星自主导航系统仿真结果验证了该算法的有效性。
关键词 卫星导航 常值偏差 卡尔曼滤波 分离估计F i l t e r A l g o r i t h m i n S a t e l l i t e A u t o n o m o u s N a v i g a t i o nS y s t e mw i t hC o n s t a n t B i a sC H E N GH u i -y a n 1,2 H A OY u n -c a i 1,2 Q I A OG u o -d o n g1,2(1.B e i j i n gI n s t i t u t e o f C o n t r o l E n g i n e e r i n g ,B e i j i n g 100190;2.N a t i o n a l L a b o r a t o r y o f S p a c e I n t e l l i g e n t C o n t r o l ,B e i j i n g 100190) A b s t r a c t A c c o r d i n g t o t h e e f f e c t o f t h e c o n s t a n t b i a s o n t h e n a v i g a t i o n p r e c i s i o n i s d i s t i n c t ,i t i sn e c e s s a r y t o e s t i m a t e .S i n c e t h ea m o u n t o f c o m p u t a t i o ni nt r a d i t i o n a l e x t e n d e dd i m e n s i o na l g o r i t h m i s g r e a t ,t h e t w o -s t a g e U n s c e n t e d K a l m a n F i l t e r (T U K F )i s p r o p o s e d ,w h i c h c o u l d e s t i m a t e t h e s t a t e v a r i -a n t s a n d b i a s r e s p e c t i v e l y .B y t h i s w a y ,t h e c o n s t a n t b i a s c a n b e e s t i m a t e d a c c u r a t e l y ,a n d t h e n a v i g a t i o n p r e c i s i o n c a n b e i m p r o v e d o b v i o u s l y .T h e s i m u l a t i o n r e s u l t s f o r l o w -e a r t h a u t o n o m o u s n a v i g a t i o n s y s t e m s h o wt h a t t h e p r o p o s e d a l g o r i t h mi s e f f e c t i v e . K e y w o r d s S a t e l l i t e n a v i g a t i o n C o n s t a n t b i a s K a l m a n f i l t e r S e p a r a t i o n e s t i m a t i o n1 引 言卫星自主导航是指卫星不依赖地面支持,而利用星上自备的测量设备实时确定自己的位置和速度。
自主导航技术是实现卫星自主运行的一个重要方面,是当今卫星控制技术的发展趋势,它对减轻地面测控负担,降低卫星运行成本,提高卫星生存能力等方面都有重要意义[1]。
卡尔曼滤波[1]是一种最小方差意义上的现代滤波方法,一般情况下用于线性系统的状态估计。
对于非线性系统,则需考虑使用扩展卡尔曼滤波[2](E K F )。
E K F 算法首先对非线性状态方程和测量方程线性化,然后按照线性系统滤波方法进行滤波,但其对非线性系统进行简单一阶线性化,容易带来较大高阶截断误差,影响导航精度。
无迹卡尔曼滤波[3](U K F )方法可直接用于非线性系统,不必计算雅克比矩阵,可得到更好的状态估计。
考虑到实际情况中大多数系统都存在常值或随机时变偏差,从而导致滤波性能下降,甚至引起滤波发散。
为此,对系统偏差进行估计和校正的滤波算法得到了快速发展,文献[4]将偏差增扩为状态,提出了状态联合滤波算法(A S K F),但该算法的计算量随着偏差向量维数的增高而增加,且在实现过程中可能会出现数值病态问题。
F r i e d l a n d[5]提出了用于线性系统具有定常偏差的两步卡尔曼滤波算法(T K F),该算法提出后,引起了人们极大重视。
H s i e h等人将两步滤波思想应用于标准卡尔曼滤波器,提出了两步卡尔曼滤波算法[6] (T K F)及最优多步卡尔曼滤波算法[7](O M S K F)。
此外,一些学者将T K F算法推广到非线性系统,S i n h a 和M a h a l a n a b i s对非线性系统具有定常输入偏差的滤波算法[8]进行研究,S h e r e v e等人针对非线性系统只有测量偏差的问题,提出了两阶次优滤波器[9]。
M e n d e l提出了一种新的两步扩展卡尔曼滤波[10] (T E K F)。
但这些算法都需要对非线性系统进行线性化,容易带来较大高阶截断误差,影响导航精度。
考虑到U K F算法可直接用于非线性系统,本文在此基础上提出了两步U K F算法,用于存在常值偏差的非线性系统状态与偏差的估计问题。
本文第二部分建立导航系统数学模型,第三部分针对导航系统测量存在常值偏差的问题,在文献[10]基础上提出两步U K F算法(t w o-s t a g e u n s c e n t e d k a l m a n f i l t e r,T U K F)。
第四部分利用该算法进行数学仿真,仿真结果验证了该算法的有效性。
2 建立导航系统的数学模型2.1 导航系统的状态方程在建立系统的状态方程时,仅考虑地球中心引力和J2项摄动,将其它摄动因素等效为高斯白噪声,在地心赤道惯性坐标系中建立轨道动力学方程x﹒(t)=f(x,t)+w(t)(1)式中:μ———地球引力常数;J2———二阶带谐项系数;R e———地球平均赤道半径;x=[r x,r y,r z,v x,v y, v z]T———状态变量;r=r2x+r2y+r2z———表示地心距;w(t)———表示与测量噪声v(t)无关的系统噪声,假定v(t)和w(t)均为高斯白噪声。
2.2 导航系统的观测方程选取地心方向单位矢量及视半径作为观测量,同时假定地心方向矢量和视半径都存在常值偏差,得到系统的观测方程为z=h(x,t)+D(t)b+v(t)(2) h(x,t)=r xrr yrr zr a r c s i n R e+h c o2rT式中:D(t)———四阶单位阵;b———常值偏差向量; r x,r y,r z———分别为地心方向矢量在惯性坐标系下分量;h c o2———地球大气层中波长为14μm～16μm 的二氧化碳吸收带的平均高度。
3 带有常值偏差滤波算法设计敏感器测量数据中一般包括随机误差和系统误差,随机误差通常可以通过滤波算法来消除,系统误差会造成观测模型的不准确,一般难以通过滤波方法来消除,导致系统导航精度比较低。
针对系统误差为常值的情况,本文考虑将常值偏差作为状态变量,利用滤波算法对其进行估计和校准。
3.1 U K F算法U K F算法利用一系列近似高斯分布的采样点,通过U n s c e n t e d变换来进行状态与误差协方差阵的递推和更新,因此不需要计算状态方程和测量方程的雅克比矩阵,克服了E K F的缺点,同时保留了K a l m a n滤波的递推形式,其实现也相对简单。
U K F算法的基础是U n s c e n t e d变换[11](U T),它用一组确定性的离散采样点即s i g m a点来近似状态变量的分布,逼近系统状态变量的均值和方差,具体的U T变换如图1所示。
U T变换根据先验知识选取一组s i g m a点集,确保它们的均值和方差为给定的均值和方差,将每个s i g m a点通过非线性变换得到一组经过变换的点集。
对变换后的点集进行统计,可得到非线性变换后的均值和方差估计。
3.2 两步U K F算法T U K F算法是在U K F算法的基础上改进得到·15· 第4期 卫星自主导航系统存在常值偏差的滤波方法研究图1 U T 变换原理图的,其分别对状态和偏差采用U K F 算法进行估计,然后利用估计的偏差对状态变量进行更新。
假定离散非线性系统为x k =f (x k -1,k -1)+w k -1z k =h (x k ,k )+D k b +vk(3)式中:x k ———n 维系统状态矢量;z k ———m 维观测矢量;b ———m 维常值偏差矢量;w k -1———系统噪声序列;v k ———量测噪声序列,并假设w k -1,v k 为零均值高斯白噪声;其协方差矩阵分别为:Q 和R 。
具体的滤波算法如下所示1)初始化 x 0=E [x 0],P 0=E [(x -x 0)(x -x 0)T] b 0=b 0,P b 0=E [(b -b 0)(b -b 0)T ] 2)假定偏差为零时的状态估计计算s i g m a 点 (χk -1)0=x k -1 (χk -1)i =x k -1+n +λ(P k -1)i ,i =1,…,n (χk -1)i =x k -1-n+λ(P k -1)i -n ,i =n +1, (2) 相应权值为ω0=λn+λ,ωi =λ2(n+λ),i =1,…,2n 状态预测 (χk k -1)i =f ((χk -1)i ),i =0,…,2n x k k -1=∑2ni =0ωi (χk k -1)i P f f =∑2ni =0ωi [(χk k -1)i -x k k -1][(χk k -1)i -x k k -1]T P k k -1=P f f +Q 输出预测 (Z k k -1)i =h ((χk k -1)i ),i =0,…,2n z k k -1=∑2ni =0ωi (Z k k -1)i P h h =∑2ni =0ωi [(Z k k -1)i -z k k -1][(Z k k -1)i -z k k -1]T P z k z k=P h h +R 状态与统计特性参数更新 P x k z k=∑2ni =0ωi [(χk k -1)i -x k k -1][(Z k k -1)i -z k k -1]T K k =P x k z k P -1z k z k x k =x k k -1+K k (z k -z k k -1) P k =P k k -1-K k P z k z k K Tk 3)偏差估计 b k k -1=b k -1,P b k k -1=P b k -1 P b x k z k=P b k k -1S T P b z k z k =S P b k k -1S T+P z k z k K bk =P bx k z k P bz k z k-1 P bk =P bk k -1-K b k P bz k z k(K b k )T b k =b k k -1+K b k (z k -z k k -1-S b k k -1) 4)更新状态估计 x k =x ～k +V k b k 关系矩阵 U k =Υk k -1V k -1,S k =H k U k +D k V k =U k -K k S k Υk k -1= f (x ) x x =x ～k -1,H k =h (x ) x x =x ～k -14 仿真结果与分析4.1 仿真条件为了模拟卫星在轨的真实运动情况,利用S T K 生成卫星轨道数据,考虑如下摄动因素:(1)地球引力;(2)地球非球形摄动考虑前10阶带谐项;(3)日、月摄动;(4)太阳光压和大气阻力。
