1. 轨道确定与状态估计总览
航天器在轨运行时，地面测控系统并不能直接"看到"它的位置和速度。我们真正能拿到的是测距、测速、测角、GNSS观测量或星间链路数据，而轨道确定与状态估计要做的，就是从这些带有噪声、稀疏且时间上不连续的测量中，反推出航天器在某一参考系下的位置、速度乃至更多状态量，并给出这些估计的可信程度。这门课程围绕这条主线展开：把物理模型、测量模型和估计理论组织成一套可工程实现的定轨与滤波流程。
课程定位：从"会算"到"会定轨"
本课程不是单纯的轨道力学复习，也不是纯粹的卡尔曼滤波推导课。它处在两者的交叉位置：向上承接二体问题、摄动理论、坐标与时间系统，向下连接精密定轨软件、导航滤波器设计与实际测控任务。学完之后，应当能够回答四类问题：给定一批观测数据，如何建立测量方程；如何选择状态量与动力学模型；如何判断滤波器是否收敛、结果是否可信；以及当残差异常时，问题出在模型、数据还是参数上。
课程中反复出现的三个基本概念需要先建立直觉。状态量是描述航天器运动的最小变量集合，最常用的是位置和速度共6维，也可扩展为包含光压系数、大气阻力系数、钟差钟漂等参数的高维状态。测量模型把状态映射为观测量，例如测距是"站星几何距离加各类改正"，测速是距离对时间的导数。估计准则决定如何在模型与数据之间折中，最小二乘追求残差平方和最小，卡尔曼滤波则在递推中同时利用动力学预测和当前观测。
核心问题：三个层次的不确定性
定轨的困难并不只来自"观测有噪声"。实际工程中至少有三层不确定性叠加。第一层是测量不确定性：测距噪声可能只有米级，但系统偏差、对流层延迟、站坐标误差会引入更大的慢变误差。第二层是动力学不确定性：地球非球形引力、日月三体摄动、大气阻力、太阳光压都难以完全精确建模，模型误差会随时间累积。第三层是初值不确定性：初始轨道根数或初始状态本身就有误差，滤波器需要一边修正它，一边避免被错误初值带偏。
因此，轨道确定本质上是一个"模型—数据—估计"三者不断博弈的过程。模型太简单，残差会呈现系统性趋势；模型太复杂，参数之间可能不可分辨，估计反而发散。判断一个定轨结果是否可用，不能只看残差均方根是否小，还要看残差是否白噪声化、协方差是否合理、轨道预报是否与后续观测一致。
典型任务链与基本流程
一次完整的定轨任务通常包含以下环节，它们并非严格线性，而是存在迭代与反馈：
- 数据获取与预处理：收集测距、测速、测角或GNSS观测，进行时间系统统一、坐标系统一、粗差剔除和弧段划分。
- 初轨确定：利用少量短弧观测快速给出粗略初值，常用方法包括高斯法、拉普拉斯法或双站测角交会。
- 精密轨道确定：以初轨为起点，建立动力学模型和测量模型，用批处理最小二乘或滤波方法估计状态与模型参数。
- 残差分析与模型修正：检查观测残差、验后协方差和参数相关性，识别并修正模型偏差或数据问题。
- 轨道预报与精度评估：外推轨道，与独立观测比对，给出位置、速度精度和协方差传播结果。
下面这张图把上述任务链与三类核心不确定性放在同一视图中，便于建立整体印象。
关键概念与工程判断
在进入后续章节之前，有几个概念需要在同一套约定下理解。参考系与时间系统是定轨的"地基"：位置速度必须明确是在地心惯性系还是地固系下描述，观测时刻必须统一到同一时间尺度，否则几何关系会整体错位。状态转移描述状态随时间如何演化，数值积分和解析近似是两种常见实现方式。观测矩阵（或雅可比矩阵）描述观测量对状态量的敏感程度，它决定了哪些状态分量能被观测有效约束。
工程上还有一个容易被忽视的判断：可观测性。如果一段观测弧太短、几何构型太差，某些轨道方向上的误差就无法被有效压制，此时即使算法收敛，协方差也会很大。因此，定轨报告不能只给一个位置速度，还要给出协方差和观测弧段信息，让使用者知道这个结果在什么条件下可信。