1.一种顾及虚拟观测值的卫星姿态融合估计方法，其特征在于，包括以下步骤：S1、获取星敏感器和陀螺的观测值，并根据观测值构建状态方程和观测方程模型；

S2、根据状态方程和观测方程模型，采用UKF滤波融合方法递推某一历元时刻的滤波估计值，并将其作为虚拟观测值；

S3、根据观测值与虚拟观测值构建最小二乘平差模型；

S4、对最小二乘平差模型进行解算，得到观测值改正数与单位权方差的关系模型；

S5、根据观测值改正数与单位权方差的关系模型构建Helmert方差分量估计模型；

S6、判断Helmert方差分量估计模型是否存在负方差，若是则进入步骤S7，否则进入步骤S8；

S7、对Helmert方差分量估计模型进行动态二次规划；

S8、判断各单位权方差是否都小于设定阈值，若是则输出卫星姿态融合估计结果，否则进入步骤S9；

S9、对最小二乘平差模型进行重定权，返回步骤S4；

所述步骤S3中构建的最小二乘平差模型为：

其中VS表示星敏感器观测值改正数，HS表示星敏感器观测值的系数阵， 表示参数的改正数，LS表示星敏感器观测值误差方程的常数项，VG表示陀螺观测值改正数，HG表示陀螺观测值的系数阵，LG表示陀螺观测值误差方程的常数项， 表示滤波估计值改正数， 表示滤波估计值误差方程的常数项，PS表示星敏感器观测值的权阵，PG表示陀螺观测值的权阵，表示滤波估计值的权阵；

所述步骤S4包括以下分步骤：

S41、将最小二乘平差模型进行合并，得到：V＝BX‑L

其中 表示观测值的改正数， 表示参数的改正数，表示误差方程的常数项，B＝[HS HG I]表示参数的系数阵，I表示单位阵；

S42、求解最小二乘平差模型，得到：

‑1

X＝N W

其中N表示法方程的系数矩阵，W表示法方程的常数项矩阵，Ni表示法方程中第i类观测值的系数矩阵，Wi表示法方程中第i类观测值的常数项矩阵，Bi表示第i类观测值参数的系数阵，Pi表示第i类观测值的权阵，Li表示误差方程第i类观测值的常数项，i＝1,2,3；

S43、将求解结果代入最小二乘平差模型，得到观测值改正数与单位权方差的关系模型：其中E(·)表示数学期望，Vi表示第i类观测值的改正数， 表示第i类观测值的单位权方差，tr(·)表示矩阵的迹，ni表示第i类观测值的个数。

2.根据权利要求1所述的卫星姿态融合估计方法，其特征在于，所述步骤S1中构建的状态方程和观测方程模型为：其中xk表示k时刻的卫星姿态角和姿态角速度，F(·)表示姿态动力学模型，ωk‑1表示k‑

1时刻的过程噪声，zk表示k时刻的观测值，H(·)表示姿态观测模型，vk表示k时刻的观测噪声。

3.根据权利要求2所述的卫星姿态融合估计方法，其特征在于，所述步骤S2中采用UKF滤波融合方法递推某一历元时刻的滤波估计值的公式为：其中 表示k时刻的状态量滤波估计值， 表示k时刻的状态量一步预测值，Kk表示k时刻的增益矩阵， 表示k时刻的观测量一步预测值， 表示k时刻滤波估计值的误差协方差阵， 表示k时刻状态量一步预测值的误差协方差阵， 表示状态量一步预测的自协方差阵，上标T表示矩阵的转置。

4.根据权利要求1所述的卫星姿态融合估计方法，其特征在于，所述步骤S5中构建的Helmert方差分量估计模型为：T T T T

M＝[V1P1V1 V2P2V2 V3P3V3]其中S表示各类观测值的估计方差系数阵，Sii表示S的对角线部分，Sij表示S的非对角线部分，j＝1,2,3， 表示待估计参数，M表示各类观测值改正数的平方和， 表示第i类观测值的单位权方差估计值。

5.根据权利要求4所述的卫星姿态融合估计方法，其特征在于，所述步骤S7包括以下分步骤：S71、引入不等式约束平差模型：

S72、根据最小二乘平差原理，将不等式约束平差模型转化为动态二次规划模型：T ‑1 T

其中λ表示拉格朗日乘数，D表示由二阶导构成的Hessian矩阵，c＝δ‑(SS) SM表示是由梯度构成的Jacobi矩阵，δ表示约束条件的约束矩阵，λg表示拉格朗日乘数中的第g类元素；

S73、通过Kuhn‑Tucker条件对动态二次规划模型进行约束：S74、根据最小二乘估计方法求解得到：

其中 表示拉格朗日乘数的最优解。

6.根据权利要求5所述的卫星姿态融合估计方法，其特征在于，所述步骤S8中输出卫星姿态融合估计结果为：其中 表示参数的平差值，即卫星姿态融合估计结果，X0表示参数的近似值，X表示参数的改正数。

7.根据权利要求4所述的卫星姿态融合估计方法，其特征在于，所述步骤S9中对最小二乘平差模型进行重定权的公式为：k

其中Pi表示第k次迭代时第i类观测值的权阵，C为常数。