基于导航星域和K矢量的快速星图识别算法

星图识别算法是星敏感器的关键技术,快速性和可靠性一直是对其评价的重要指标。提出了基于K矢量查找表和导航星域联合进行超快速星图识别的方法。首先根据星敏感器视场和所能敏感的星等建立全天球导航星表;再依据K矢量的原则对全天的导航星按照星对角距进行分类,建立星对角距所对应导航星的K矢量和K矢量查找表。利用星敏感器视场中的4颗星构成6组星对角距,将其中的5组星对角距所对应K矢量查找表域的星对组进行导航星表域（简称导航星域）的变换,根据另外一组星对角距所对应的K矢量查找表域的值对前面5组导航星域的值同时进行索引比较,直接找到了满足条件的4颗导航星,即完成全天的星图识别。最后,通过计算机仿真,实验室模拟和真实星空实验三个层次验证了此方法的可靠性和快速性。     

基于交叠视场亮度优选算法的导航星库构建方法

星敏感器导航星库直接影响星图识别效率和姿态解算精度。分析了参与姿态解算的星颗数和亮度对姿态精度影响,在此基础上,提出了一种基于交叠视场亮度优选算法的星敏感器导航星库构建方法。将精度较高的Hipparcos星表作为基础星表,分析了星等、双星、自行、变星等对姿态精度的影响,将星库筛选成一个备选星库,生成覆盖全天球的交叠视场。每个拥有较多星的视场,都按照亮度优先原则从视场内的扇形区域中选择导航星,从而得到分布均匀的导航星库。结果表明:该方法能有效减小星敏感器导航星库规模,实现导航星在全天球和局部天区的均匀分布。     

轨道转移飞行器复杂环境下假星干扰与星图识别研究

通过复杂环境下假星模拟,研究假星数目及K矢量查找角距阈值ε对星图识别成功率的影响,采用惯性数据辅助识别的方法,改善了星图识别的成功率。星图识别仿真结果表明,存在假星情况下,假星数目的增加及K矢量查找角距阈值ε的增大会降低星图识别成功率,假星数为7,ε取8″时,成功率仅为42.7%;惯性数据辅助识别相较于传统星图识别成功率在ε取5″、6″典型值时分别提高约29%和54%,识别成功率由传统方法的70%左右提升到99%以上,为工程应用提供了理论支撑。     

可适应多维度信息变化的智能星图识别方法

为了提高当视场发生变化以及星等误差较大时星图识别方法的鲁棒性,提出了一种可适应多维度信息变化的智能星图识别方法。首先,依次选取一个导航星作为主星,利用其它星距主星的角距信息和星等信息,并考虑视场轴向变化、星等误差、角距误差的影响,构建覆盖性较全的样本库;然后构建了一种可以综合利用角距和星等信息的卷积神经网络;最后进行了网络训练和仿真试验验证。本方法提高了对角距误差和星等误差的鲁棒性,且识别速度快、识别率高、星表容量小。仿真试验结果表明,该方法在星等误差为0. 2MV、角距误差为0. 04°和0. 06°时,识别率优于97%。     

星光折射导航星的改进三角识别捕获

高精度星光折射间接敏感地平的自主导航方法,目前被国内外尤为关注。本文通过对星光折射导航观测对象———导航星捕获的研究,采用了改进的三角匹配算法并结合恒星星表,确定出导航观测星星光方向,同时依据对飞行器在轨观测星的几何关系推导,利用Unscented卡尔曼滤波算法确定航天器的在轨位置和速度。该方法能比较真实地模拟飞行器实际在轨的导航情况。仿真表明,真实星表导航精度大于人造星场;通过比较导航系统捕获20,40,60,80颗折射星的4种情况,可知捕获到的导航星的数量越多,导航精度也随之提高。     

星图匹配制导中的关键技术

为了提高新一代弹道导弹的快速、机动反击能力和射击精度，采用星光，惯性组合制导足最佳的选择。本论文给出了基于双星敏感器的、星图匹配制导系统的关键技术。提出了根据弹道设计导航星表．极大地简化了弹载星表；提出了一种适用于星光制导的凸多边形箅法，合理地减少了匹配的星对角距数目。这两项技术保证了星图匹配制导技术的实用性。提出了一种分离初始定位、定向误差及平台漂移误差方法。采用凸多边形的星图识别算法可同时获得多颗星的瞬时位置，结合恒星在像平面的位置可解算导弹在赤道惯性系和发射点惯性系的三轴姿态，最后，给出了导弹初始定位、定向误差的数学表达式。仿真结果表明了该方法的有效性。     

一种新的全天自主星图识别算法

在星图识别领域三角形算法得到了广泛的应用，但是在星对角距很小的情况下，其识别率严重降低。字符匹配算法可以解决这个问题，但是它无法识别由于相机在拍摄瞬问的平移和旋转而产生位移的星图。为了克服这一缺陷，提出了一种有效的星图识别算法，该算法在生成导航星数据库时以一些一定范围内的亮星为中心，把整个天球分为很多个四方形区域，然后根据被拍摄星图的特点从这些四方形区域内选取子区域参与星图识别。仿真结果表明该算法不但继承了字符匹配算法的优点，而且对星图位移有很强的鲁棒性。     

月面着陆器INS/CNS深组合导航方法

针对月面着陆器下降过程中的姿态快速调整需求，导航系统必须具备实时快速解算能力，而传统天文导航算法星图识别过程计算量大，占用了一定的硬件资源和能耗，限制了月面着陆器动态响应能力的提高。针对这一问题提出一种基于图像灰度误差的惯性/天文深度组合导航方法。该方法利用惯导辅助星敏感器构建灰度误差函数，根据灰度误差梯度优化姿态失准角，无需星图识别过程依旧可以完成对姿态的估计。仿真结果表明，在导航星数目不少于3颗时，该方法可在与惯性/天文松、紧组合姿态精度一致的前提下，将计算时间缩短60%，姿态精度维持在10″(非光轴)、50″(光轴)以内；在导航星数目小于3颗时，依旧可以进行导航解算，姿态精度维持在50″(非光轴)、100″(光轴)以内。将其应用于月面着陆器等实时性需求较高的背景中，有助于降低算法的计算量，节约硬件资源和系统功耗，为未来月面着陆器导航系统的设计提供新思路和理论参考。     

一种基于多层SOFM网络的星图识别方法

提出了一种基于自组织特征映射(SOFM)神经网络的星图识别算法。用基于支持向量机(SVM)的动态阈值选取算法选取导航星构建导航星库,将一多层多个并联SOFM子网的识别系统用于星图识别。给出了方法的流程。仿真结果表明,SOFM网络可提取星图中的复杂特征识别导航星。与传统三角形算法相比,该识别算法的识别准确率、鲁棒性和实时性更优,有一定的实用价值。     

一种基于蚁群聚类算法的快速星图识别方法

为提高大视场星敏感器的星图识别速度和识别成功率,提出一种基于蚁群聚类算法的 快速星图识别方法,该方法首先利用蚁群聚类算法对星点集合进行快速聚类分析;然后选择 最优类并以其中每个星点为圆心,以一定角距为半径画圆,将圆内所有星点构成集合;再将 每个集合的星点两两求取角距,利用蚁群算法对路径快速寻优的优点,完成集合的路径优化 ;最后利用优化结果同导航星库中已有的优化数据相匹配,以实现星图的快速匹配与识别; 实验结果表明,与现有识别方法相比,该方法具有高的识别率,良好的实时性和鲁棒性,且 所需导航星库的容量小。