| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 论文的研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状及分析 | 第10-12页 |
| 1.2.1 卫星轨道预测技术国内外研究情况 | 第10-11页 |
| 1.2.2 空间目标的非线性跟踪滤波 | 第11-12页 |
| 1.3 本文主要研究内容 | 第12-14页 |
| 第2章 轨道动力学及相对运动模型 | 第14-25页 |
| 2.1 引言 | 第14页 |
| 2.2 二体问题及坐标系统 | 第14-16页 |
| 2.2.1 二体运动力学 | 第14-15页 |
| 2.2.2 坐标系统及转换矩阵 | 第15-16页 |
| 2.3 空间飞行器相对运动方程 | 第16-19页 |
| 2.3.1 T-H方程 | 第19页 |
| 2.3.2 C-W方程 | 第19页 |
| 2.4 针对C-W方程及T-H方程误差分析及适用度分析 | 第19-21页 |
| 2.4.1 轨道摄动误差 | 第20-21页 |
| 2.4.2 C-W方程、T-H方程线性化误差 | 第21页 |
| 2.4.3 C-W方程的小偏心率误差 | 第21页 |
| 2.5 测量模型及天基可见性分析 | 第21-24页 |
| 2.5.1 测角相机测量模型 | 第22-23页 |
| 2.5.2 激光测距仪测量模型 | 第23页 |
| 2.5.3 空间目标可观测条件 | 第23-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第3章 基于EKF的轨道预测算法 | 第25-43页 |
| 3.1 引言 | 第25-26页 |
| 3.2 卡尔曼滤波原理 | 第26-30页 |
| 3.2.1 离散卡尔曼滤波 | 第26-27页 |
| 3.2.2 非线性系统及EKF | 第27-30页 |
| 3.3 目标相对运动方程及观测方程 | 第30-33页 |
| 3.3.1 目标相对运动方程 | 第30-32页 |
| 3.3.2 测量模型及观测方程 | 第32-33页 |
| 3.4 观测数据预处理算法 | 第33-35页 |
| 3.4.1 空间相对位置量的递推形式解 | 第33-34页 |
| 3.4.2 观测数据预处理计算方法 | 第34-35页 |
| 3.5 基于EKF的轨道预测算法步骤及仿真 | 第35-42页 |
| 3.5.1 基于EKF的轨道预测算法 | 第35-36页 |
| 3.5.2 多工况仿真结果及分析 | 第36-42页 |
| 3.6 本章小结 | 第42-43页 |
| 第4章 基于UKF及PF的轨道预测算法 | 第43-59页 |
| 4.1 引言 | 第43页 |
| 4.2 基于无迹卡尔曼滤波的轨道预测算法 | 第43-50页 |
| 4.2.1 无迹变换 | 第43-45页 |
| 4.2.2 无迹卡尔曼滤波 | 第45-47页 |
| 4.2.3 基于UKF的轨道预测算法 | 第47-49页 |
| 4.2.4 仿真结果及分析 | 第49-50页 |
| 4.3 基于粒子滤波的轨道预测算法 | 第50-57页 |
| 4.3.1 贝叶斯状态估计器 | 第51-52页 |
| 4.3.2 粒子滤波 | 第52-55页 |
| 4.3.3 基于PF的轨道预测算法 | 第55页 |
| 4.3.4 仿真结果及分析 | 第55-57页 |
| 4.4 EKF、UKF、PF轨道预测算法对比分析 | 第57-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第5章 轨道预报滤波算法改进 | 第59-68页 |
| 5.1 引言 | 第59页 |
| 5.2 萤火虫算法 | 第59-62页 |
| 5.2.1 群体智能（SI）算法 | 第59-60页 |
| 5.2.2 人工萤火虫群算法（FA） | 第60-62页 |
| 5.3 基于萤火虫算法的优化粒子滤波 | 第62-64页 |
| 5.3.1 优化算法的基本思想 | 第62-63页 |
| 5.3.2 算法实现及步骤 | 第63-64页 |
| 5.4 基于改进粒子滤波的轨道预测算法及仿真 | 第64-67页 |
| 5.4.1 仿真算法 | 第64-66页 |
| 5.4.2 仿真结果 | 第66-67页 |
| 5.5 本章小结 | 第67-68页 |
| 结论 | 第68-69页 |
| 参考文献 | 第69-74页 |
| 致谢 | 第74页 |