4. 轨道确定与预报的工程实现

轨道确定与预报在工程上并不是“把观测丢进算法就出结果”的黑箱，而是一条从观测数据到状态估计、再到误差可信度评估的完整链路。本节聚焦四个工程实现要点：批处理与序贯滤波的选择、状态噪声建模、协方差一致性检验，以及异常敏感度分析。它们共同决定了定轨结果是否可用、预报是否可信、异常能否被及时发现。

批处理与序贯滤波：两种工程实现路径

批处理（Batch Least Squares, BLS）把一段时间内的全部观测作为一个整体，一次性求解状态修正量。其核心是构建观测残差向量 y 与状态修正量 Δx 之间的线性关系 y = H·Δx + ε，通过最小化加权残差平方和得到 Δx = (HᵀWH)⁻¹HᵀWy。批处理的优点是全局最优、对初值不敏感、便于事后精密定轨；缺点是必须等观测弧段积累完成，无法实时更新，且矩阵求逆规模随观测数增长。

序贯滤波（以扩展卡尔曼滤波 EKF 为代表）则按时间顺序逐历元处理观测，每来一个观测就更新一次状态和协方差。其预测步为 xₖ⁻ = Φₖ₋₁xₖ₋₁⁺，Pₖ⁻ = Φₖ₋₁Pₖ₋₁⁺Φₖ₋₁ᵀ + Qₖ₋₁；更新步为 Kₖ = Pₖ⁻Hₖᵀ(HₖPₖ⁻Hₖᵀ + Rₖ)⁻¹，xₖ⁺ = xₖ⁻ + Kₖ(yₖ - h(xₖ⁻))，Pₖ⁺ = (I - KₖHₖ)Pₖ⁻。序贯滤波适合实时或准实时场景，能持续输出状态估计，但对初值、动力学模型精度和噪声统计特性敏感，模型误差可能导致滤波发散。

工程上常见做法是“批处理初始化 + 序贯滤波维持”：先用短弧批处理获得较可靠的初轨和协方差，再交给 EKF 进行实时递推。这样既避免了 EKF 从零起步的收敛风险，又保留了实时更新能力。

状态噪声建模：Q 矩阵不是“填数游戏”

状态噪声协方差 Q 描述动力学模型未建模部分的不确定性。工程上常把 Q 写成过程噪声谱密度与时间步长的组合。以位置-速度状态为例，若假设加速度存在白噪声 w，谱密度为 q，则连续时间 Q 为：

Q = q · [[Δt³/3, Δt²/2],
         [Δt²/2, Δt   ]]

其中 q 的量纲为 m²/s³。若轨道预报中大气阻力、太阳光压、地球非球形引力等摄动未被精确建模，就应通过 q 补偿。经验做法是：先根据摄动量级估算未建模加速度标准差 σ_a，取 q ≈ σ_a²·τ，τ 为相关时间。若 Q 取太小，滤波器会“过度自信”，新息逐渐偏大甚至发散；若 Q 取太大，滤波增益偏高，估计噪声增大，但跟踪异常能力增强。工程上常通过新息序列的统计特性反向调参。

协方差一致性检验：判断 P 是否可信

滤波输出的协方差 P 是否真实反映估计误差，必须检验。最常用的是新息归一化平方（NIS）检验。定义新息 νₖ = yₖ - h(xₖ⁻)，新息协方差 Sₖ = HₖPₖ⁻Hₖᵀ + Rₖ，则 NISₖ = νₖᵀSₖ⁻¹νₖ。在模型正确时，NISₖ 服从自由度为观测维数的 χ² 分布。对一段时间内的 NIS 求平均，若均值显著偏离理论均值，说明 P 与真实误差不一致。

工程判据示例：设观测维数为 3，取 95% 置信水平，χ² 门限约为 7.81。若连续多个历元 NIS 超过门限，或滑动平均 NIS 持续大于 3，则判定协方差不一致。此时应检查：Q 是否过小、R 是否过小、动力学模型是否遗漏摄动、是否存在未剔除的粗差观测。一致性检验通过后，P 才能用于后续预报误差协方差传播和碰撞预警门限设置。

异常敏感度：让滤波器“看得见”异常

异常敏感度指系统对观测粗差、轨道机动、模型突变等异常的响应能力。它由新息序列、残差变化率和协方差一致性共同体现。工程上可设置三级敏感度指标：

• 新息超限率：单位时间内 NIS 超过门限的历元比例，正常应低于 5%。
• 残差突变幅度：相邻历元残差差分超过 3σ 的次数，用于捕捉机动或观测跳变。
• 协方差膨胀因子：实际残差平方和与理论协方差之比，持续大于 1.5 提示模型偏乐观。

敏感度并非越高越好。若 Q 和 R 设置过小，滤波器对异常敏感但易误报；设置过大则漏报。工程调参时，可用一段已知无异常的观测弧段作为“基准段”，统计 NIS 均值和超限率，再注入模拟粗差或小推力机动，观察检测延迟和虚警率，从而在敏感度与稳健性之间取折中。

实现要点回顾

批处理与序贯滤波不是互斥关系，而是工程链路中的两个阶段。状态噪声 Q 是滤波器对模型误差的“诚实度声明”，协方差一致性检验是判断这份声明是否可信的手段，异常敏感度则是系统对真实异常的响应能力。四者环环相扣：Q 建模不合理，一致性检验就会报警；一致性检验不通过，异常敏感度指标就失去基准；敏感度调参又反过来影响 Q 和 R 的选取。工程实现中应把这条链路作为整体来设计和验证，而不是孤立地调某一个参数。