3. 轨道测量数据源与质量评估
轨道异常识别的前提，是先把“测量数据本身是否可信”判断清楚。不同测量体制给出的观测量、误差结构、采样节奏和可用时段差异很大，同一条轨道在测距测速、GNSS、光学观测和雷达跟踪四类数据源下，异常识别的灵敏度、虚警率和定位能力并不相同。本节围绕这四类数据源，梳理其误差特性与异常识别可用性，并给出可操作的评估方法。
一、四类数据源的观测量与误差结构
测距测速（地面测控站）：观测量为站星距离 ρ 与距离变化率 ρ̇，属于视线方向的一维测量。测距误差主要来自设备时延标定残差、对流层与电离层折射修正残差、应答机转发时延，典型量级为米级到十米级；测速误差来自多普勒频率估计与频率基准漂移，典型为厘米每秒到毫米每秒量级。其误差在视线方向敏感、横向不敏感，因此对径向轨道误差（半长轴、偏心率）识别能力强，对横向位置误差识别弱。
GNSS（星载接收机）：观测量为伪距、载波相位与多普勒，经定轨后输出位置速度。误差以随机噪声加系统性偏差为主，包括接收机钟差、天线相位中心偏差、多路径、电离层残差。其优势是连续、高采样率、几何构型好，对三维位置误差均敏感；弱点是易受电磁干扰、遮挡和接收机自主完好性异常影响，可能出现整周跳变、定位跳点或数据中断。
光学观测（地面望远镜/星敏感器）：观测量为赤经赤纬（角度量），误差以角度测量噪声和星像质心提取误差为主，典型为角秒级。其特点是横向精度高、径向（视线方向）几乎无约束，且受天气、日照条件、目标亮度限制，只能在特定弧段获取。对横向轨道偏差、轨道面变化识别敏感。
雷达跟踪：观测量为距离、方位角、俯仰角，部分雷达可测速。误差随距离增大而增大，角度误差与作用距离、目标信噪比相关，典型距离误差为米级到数十米级，角度误差为毫弧度级。雷达可全天候工作，但低仰角时受多路径与大气折射影响明显，且对非合作目标存在跟踪丢失风险。
二、误差特性对异常识别可用性的影响
异常识别本质上是判断“残差是否超出正常误差包络”。因此，数据源的误差量级、误差方向性和时间相关性直接决定可用性：
- 径向敏感型（测距测速）：适合识别半长轴突变、发动机点火、大气阻力异常等径向异常；对横向漂移不敏感，需与光学或GNSS联合使用。
- 三维敏感型（GNSS）：适合识别位置跳变、轨道机动、姿态耦合异常；但需先剔除接收机自身故障，否则会把设备异常误判为轨道异常。
- 横向敏感型（光学）：适合识别轨道面旋转、横向位置偏差；但弧段稀疏，难以捕捉短时异常，需配合轨道预报做残差比对。
- 全天候型（雷达）：适合识别非合作目标、应急弧段异常；但误差随距离增长，需按距离分段设定阈值。
三、质量评估与异常识别流程
实际工程中，建议按“数据预处理—残差统计—阈值判定—多源交叉验证”四步执行。以某低轨卫星为例（以下参数为教学示例，非实测）：测距残差正常包络为 ±15 m，测速残差为 ±0.05 m/s；GNSS 定轨残差为 ±8 m；光学角度残差为 ±3″；雷达距离残差为 ±25 m。若某时段测距残差连续 5 个采样点超过 3σ（约 45 m），则触发径向异常告警；同时检查 GNSS 位置残差是否同步超限，若 GNSS 正常而测距异常，优先怀疑测距设备时延标定漂移，而非轨道异常。
四、多源数据可用性对比
| 数据源 | 观测量 | 典型误差 | 敏感方向 | 异常识别优势 | 主要局限 |
|---|---|---|---|---|---|
| 测距测速 | ρ、ρ̇ | 米级 / cm·s⁻¹级 | 径向 | 半长轴、机动、阻力异常 | 横向不敏感 |
| GNSS | 伪距、相位、多普勒 | 米级 | 三维 | 位置跳变、连续监测 | 易受干扰、设备故障混淆 |
| 光学观测 | 赤经、赤纬 | 角秒级 | 横向 | 轨道面变化、横向漂移 | 弧段稀疏、受天气限制 |
| 雷达跟踪 | 距离、方位、俯仰 | 米级 / mrad级 | 三维（距离主导） | 全天候、非合作目标 | 低仰角误差大、易丢跟踪 |
五、实操中的质量评估要点
在具体执行时，建议对每类数据源建立独立的残差统计窗口。以测距为例，取最近 30 个采样点计算残差均值 μ 与标准差 σ，若某点残差 |r−μ| > 3σ 则标记为可疑；连续 3 个可疑点则升级为异常候选。GNSS 则需同时检查定位残差、可见星数、信噪比和整周跳变计数，若可见星数骤降或跳变计数突增，应优先判定为接收机异常而非轨道异常。光学观测需检查弧段长度与角度残差，若弧段过短（少于 3 个测点），不宜单独用于异常判定。雷达需按距离分段设定阈值，低仰角段适当放宽。
综上，四类数据源各有其误差方向性和适用场景。异常识别时，应先明确“当前异常在哪个方向敏感”，再选择对应数据源做主判据，其余数据源做交叉验证。只有把数据质量评估做在前面，后续的轨道异常判定才不会被设备噪声和测量偏差带偏。