卫星轨道确定是从含有误差的观测数据中按照卫星动力学模型约束条件提取卫星轨道信息的过程。以卫星轨道实时确定为背景的估计问题,可以看作是非线性滤波问题。如何在已有的系统硬件设备的基础上提高卫星轨道实时确定精度,通常的解决方法是根据实际工程背景设计适当的非线性滤波方法。本文主要针对卫星高精度实时定轨展开非线性滤波方法的研究,通过改进UKF滤波算法来克服目前定轨中遇到的问题,以满足高精度性能指标要求。本文以非线性滤波的发展为主线,以Bayes滤波为出发点,从滤波的思想到方法技术实现,由浅入深地讨论各种非线性滤波方法,总结并以图表的形式展示了不同方法之间的联系和区别,并且简要介绍了低轨卫星实时定轨基础。为了达到高精度的目标,选择非线性滤波方法中的UKF算法作为主要研究方向。本文提出了用矩阵的Euclidean范数来描述滤波过程中滤波预测方差阵和滤波增益矩阵的变化规律,探究了造成滤波发散的主要原因。在此基础上,本文主要研究了不同情况下的改进UKF算法。(1)对于系统噪声和观测噪声不确定的情况下,在动力学模型存在大的状态噪声时,采用Sage-Husa自适应UKF方法在一定程度上进行了补偿,减小了滤波误差。(2)其次,在力学模型和观测不精准、Kalman滤波框架的增长记忆等多重因素导致滤波发散的情况下,利用增大滤波增益矩阵的改进UKF算法。以星载GPS的卫星轨道确定为背景进行仿真实验,仿真结果表明,该算法对于增益矩阵的下降引起的滤波发散现象有很好的抑制作用,明显地提高了定轨精度。