本文主要研究低轨卫星实时定轨问题的非线性滤波方法。实时定轨任务,要求在短时间内,提供较为精确的卫星轨道状态参数。经典的扩展卡尔曼滤波（EKF）方法尽管应用非常广泛,但是其线性化近似的弊端在处理非线性问题时体现得尤为明显,而Unscented Kalman Filter（UKF）作为一种新的非线性估计方法,受到越来越多的关注。本文以EKF为基本方法,重点研究UKF在低轨卫星实时定轨中的应用,着力探索实时高精度的定轨技术。全文主要工作如下:1.非线性滤波进展的研究通过比较各种常用滤波方法的性能,总结出适合于卫星实时定轨的滤波方法,重点关注UKF滤波的发展情况。2.基于EKF的定轨方法研究从Bayes统计滤波原理出发,研究近似最优滤波的EKF算法,通过改变观测方程,得到简化Jacobian矩阵的改进EKF算法,然后将其应用于低轨卫星实时定轨的仿真实验中。3.基于UKF的定轨方法研究研究UKF的基本原理,将比例UT变换应用于最小偏度单形采样策略,得到计算量最小的UKF算法,仿真实验表明该算法高效稳定。4.比例UT变换中的参数选取问题研究分析比例因子的影响,提出一种自适应的参数选取方案,将其嵌入到UKF算法中,仿真实验表明该取值方案适用性好,定轨效果与最佳固定比例因子的UKF相当。卫星实时定轨问题的主要矛盾是定轨精度与计算量之间的矛盾,如何平衡这两项指标,找到满足定轨要求的定轨方法是本文致力解决的问题。仿真实验结果表明,对于弱非线性系统的定轨问题EKF与UKF精度相当,前者计算量小,算法实现稍显复杂,后者计算量略高,算法易于实现;对于强非线性系统的定轨问题,UKF较EKF精度高,本文的改进算法使得UKF结果更加稳定可靠。因此,对于具体的问题,应该根据定轨任务要求和定轨条件,选择更好的定轨方法。