全球定位系统(GlobalPositioningSystem,GPS)是当前获取精确位置和时间信息的关键手段之一。GPS接收机是GPS系统的重要组成部分,其首次定位时间(TimetoFirstFix,TTFF)是衡量GPS接收机性能的重要指标之一。目前,在温启动和冷启动模式下,GPS接收机定位所需的卫星位置信息均需通过接收卫星广播星历来获得,这导致复杂环境下接收机的TTFF可能长达几分钟甚至十几分钟。在现有的减少TTFF的方法中,卫星轨道预测方法可大幅加快接收机启动速度,且具有无需网络连接、不增加接收机成本、实现简单方便等诸多优势,因此是无网络连接条件下减少接收机TTFF的首选方法。然而,目前卫星轨道预测方法在辅助接收机快速启动应用中仍存在以下不足,主要包括:轨道动力学平滑策略不完善、轨道动力学模型不准确、轨道积分效率低、动力学轨道预测方法精度有限、轨道预测结果对接收机启动性能的影响分析缺乏实验验证等。为此,针对上述不足,深入开展适用于接收机端的高效、高精度卫星轨道预测方法的研究,并将相关研究结果用于改造GPS接收机,分析改造后接收机的启动性能,对于提供更好的GPS用户服务具有重要的现实意义。本文的研究内容和创新点如下:1.综合轨道动力学平滑中轨道初始状态、太阳辐射压模型参数以及地球定向参数的处理方法,提出了一种满足GPS接收机高精度卫星轨道预测需求的优化的轨道动力学平滑策略。仿真结果表明,在拟合时长足够长时(?18h),采用本文提出的优化的轨道动力学平滑策略,预测1天、3天以及6天的卫星轨道,最大预测误差分别控制在约5m、13m和26m,此精度约为U-blox公司U-blox8接收机AssistNowAutonomous(U-blox接收机内置的卫星轨道预测功能)所提供的预测轨道的精度的3-4倍。2.提出了一种可用于接收机端长期(14天)卫星轨道预测的高性能动力学轨道预测方法。通过研究小摄动因素对轨道预测精度的影响,构建了一种高精度的动力学模型,提高了轨道预测的精度,在此基础上,引入了一种数值积分方法——保辛摄动法来求解卫星轨道动力学方程,提高了轨道预测的效率。仿真结果表明,与传统的轨道预测方法(采用基本动力学模型和Adams-Cowell积分方法)相比,本文提出的高性能动力学轨道预测方法提高了轨道预测的精度和效率。3.提出了两种适用于不同预测时长范围的基于机器学习的轨道预测方法——基于人工神经网络(ArtificialNeuralNetwork,ANN)的轨道预测方法(用于1-7天预测)和基于卷积神经网络(ConvolutionalNeuralNetworks,CNN)的轨道预测方法(用于7-14天预测),进一步提高了14天内卫星轨道预测的精度。该方法利用神经网络模型对动力学轨道预测的误差进行建模并补偿,大幅提高了卫星轨道预测精度。仿真结果显示,与动力学轨道预测方法相比,本文提出的基于ANN的轨道预测方法和基于CNN的轨道预测方法均明显提升了轨道预测精度。4.首次基于实际实验场景完成了对不同卫星轨道预测方法应用于接收机时对接收机启动性能影响的测试、分析和比较。针对现有研究中在分析卫星轨道预测方法对接收机启动性能的影响时通常仅限于理论分析缺乏实验验证的问题,本文设计了具有卫星轨道预测功能的接收机的系统架构,搭建了实际实验场景,完成了接收机启动性能测试。实验结果表明:卫星轨道预测方法大大减小了接收机冷启动模式下的首次定位时间;在动力学轨道预测方法中,采用本文构建的高精度动力学模型提高了接收机的定位精度;与动力学轨道预测方法相比,本文提出的基于ANN的卫星轨道预测方法和基于CNN的卫星轨道预测方法进一步提高了接收机的定位精度。