亮星辅助下基于坐标转换的快速星图识别方法

数字天顶仪作为一种地面使用的星敏感器，主要用于高精度定位。为提高仪器的工作效率需要对星图识别的快速性进行研究。通过对恒星像点理论坐标与图像坐标的分析，构建坐标转换模型。依据星表中恒星的分布及星等筛选出视场范围内的亮星，并构建导航星表。结合导航星表完成3颗亮星的准确识别，在识别亮星的基础上解算坐标转换模型的参数。通过构建的坐标转换模型对视场范围内的恒星进行坐标转换，将转换后的星点坐标与提取的星点图像坐标进行匹配完成星图的识别，这样能够提高星图识别的快速性。实验数据表明：在保证识别星点数量的基础上，采用亮星辅助下基于坐标转换的星图识别方法使时间缩短为改进三角形星图识别算法的五分之一。     

一种基于Sobel算子的星敏感器星图预处理方法

星敏感器在太空环境下工作时容易受到杂散光的干扰,对星图进行二值化后直接采用质心法难以从星图中提取恒星星像坐标.针对上述问题,提出了一种基于Sobel算子的星敏感器星图预处理方法,用于提取星像坐标.首先采用Sobel算子计算星图中所有像素的梯度,保留所有大于阈值的像素梯度作为新的星图,然后以新的星图作为样板通过质心法从原始星图中提取恒星星像.由于杂散光干扰信号在星图中表现为缓慢信号,这些信号计算的梯度很小,因此通过Sobel算子计算后新的星图只有恒星星像.该方法能够消除星图中的杂散光干扰信号,使星图中只保留恒星星像信息,提高恒星星像坐标提取精度,具有较好的鲁棒性.     

星点坐标辅助的全天区三角形星图识别算法

随着当前星敏感器视场（FOV）的增大,探测能力的提高,一帧图中拍摄到的恒星更多。但是受星敏感器光谱范围的限制及空间环境干扰影响,星等测试精度一般不高于0.2 mV。为了充分发挥当前星敏感器视场和探测能力的优势,并避免星等误差的影响,提高全天区星图识别算法在线应用的适用性,提出了一种星点坐标辅助的全天区三角形星图识别算法。该方法采用"全局初步搜索识别—局部精细匹配验证—最优结果选取"的算法思想。首先,根据星敏感器探测到的极限星等范围构建导航星表,选取亮星构建角距星表,既确保了星表的完备性,又有利于充分利用星敏感器的探测能力。然后,在三角形约束条件下进行角距匹配识别,得到一个或多个导航三角形,在该识别环节提出了非线性矢量法查找星表,既提高了定位精度,又能采用单精度数据类型降低存储空间。最后,提出局部天区星点坐标匹配算法进一步消除冗余匹配,同时又识别出视场内更多的观测星,有利于提高识别率和定姿精度。试验结果表明,与其他一些经典的星图识别算法相比,所提算法在识别率和星表容量方面更有优势。识别率可达99.9%,且随着星等的增加,存储容量增加的最少。所提算法更加适于大视场、高星等敏感范围的星敏感器在线应用。     

一种采用行列聚类并行的星像坐标提取方法

为了提高星敏感器的数据更新率,必须减少星像坐标的提取时间。在提取星像坐标的过程中,现有基于FPGA的方法虽然避免了星图保存和读取过程,然而需要高性能的FPGA才能实现。为此提出了一种采用行列聚类并行的星像坐标提取方法,将逐个像素聚类的方式优化成像素队列聚类的方式,实现了对恒星星像坐标的实时提取,可以解决现有的实时提取星像坐标方法中像素输出时钟与处理时钟不匹配的问题,达到1个时钟周期处理完1个像素的目的,从而减少了星像坐标的提取时间,提高了星敏感器的实时性。最后把该方法嵌入到某星敏感器系统中,实验结果表明,与现有基于FPGA的实时提取星像坐标方法相比,在相同工作频率且不降低星像坐标提取精度的前提下,提取时间仅为现有方法的21.1%,数据更新率提高了近5倍。因此,该方法不但具有实时性,而且具有较好的鲁棒性。     

一种基于FPGA实现实时提取恒星星像坐标的方法

提出一种基于FPGA实现实时提取恒星星像坐标的方法。该方法在提取恒星星像坐标过程中,不必利用当前图像下一列坐标的灰度值和当前列下一行坐标的灰度值,而仅仅采用当前图像当前行的上一列坐标的灰度值以及当前列的上一行坐标的灰度值, A/D转换成数字量后,把星图图像保存到SRAM和提取恒星星像坐标两个过程并行。实验结果表明,采用该方法不仅能够准确提取恒星星像坐标,而且能够进一步提高坐标提取的实时性,满足星敏感器并行流水工作模式的要求。     

一种基于FPGA实现实时提取恒星星像坐标的方法

提出一种基于FPGA实现实时提取恒星星像坐标的方法。该方法在提取恒星星像坐标过程中,不必利用当前图像下一列坐标的灰度值和当前列下一行坐标的灰度值,而仅仅采用当前图像当前行的上一列坐标的灰度值以及当前列的上一行坐标的灰度值,A/D转换成数字量后,把星图图像保存到SRAM和提取恒星星像坐标两个过程并行。实验结果表明,采用该方法不仅能够准确提取恒星星像坐标,而且能够进一步提高坐标提取的实时性,满足星敏感器并行流水工作模式的要求。     

高超声速飞行器组合导航鲁棒滤波算法

高超声速飞行器由于其飞行环境的影响,使得GPS和星敏感器的量测噪声表现出非高斯特性。针对常规基于Kalman滤波的组合导航在非高斯噪声下性能下降的问题,提出了基于鲁棒滤波的高超声速飞行器组合导航算法。方法在惯性／GPS／＆异步量测建模的基础上,通过随机去耦将量测更新转化为线性回归问题,并基于M估计获得状态量最优估计。仿真结果表明,方法对非高斯噪声具有更好的鲁棒性,有效提高了高超声速飞行器组合导航系统的性能。     

寡星条件下的半球谐振陀螺与星敏感器 组合姿态测量算法

针对半球谐振陀螺与星敏感器松组合系统在寡星条件下无法正常工作的问题,采用新的星图识别算法和新的数据融合观测方程,使星敏感器在观测到的导航星数量为1或2颗的情况下完成星图识别,从而能够完成组合测姿。     

基于变分理论的局部自适应高保真图像去噪算法

针对现有的图像去噪模型不能很好保留图像边缘及纹理的缺点,在变分理论的基础上提出了改进的局部自适应图像去噪算法,该算法基于图像局部特性计算保真参数,利用小波变换进行噪声方差估计,采用小的自适应窗确定保真参数,并利用该高保真去噪算法对叠加高斯噪声的图像进行了降噪处理,结果显示比全局变分采用最速下降自动选择保真参数的去噪效果要好,峰值信噪比(PSNR)在不同高斯噪声背景下都有0.2-0.5dB的提升。     

基于微小卫星的空间目标光学探测定位方法

为实现空间目标的天基光学观测,利用双星定位原理,采用仅测角的观测方式,结合最小二乘法建立了双星几何定位模型。考虑到星点提取作为光学定位算法中的重要一环将直接影响最终的定位精度,因而针对就星图处理部分,分析了星图的灰度特点,采用阈值分割法进行了去噪处理,选取了几种质心法对星点进行提取,利用真实星图对提取结果进行比较,选出了形心法和阈值质心法 2种较为可行的星点提取算法。通过仿真计算和蒙特卡洛误差分析结果可知,不考虑误差时,定位误差小于 10-5 m;考虑主要误差源时,定位误差小于 100 m;且姿态误差对定位方法的精度影响最大,数值上可以达到总误差的 0.9倍以上,速度误差的影响最小,只有总误差的 1/30,可以忽略;定位误差近似呈高斯分布且误差的大小与误差源近似呈线性关系。由此可见,文章所建立的定位算法可以对空间目标实现较为精确的定位。     

Systematic centroid error compensation for the simple Gaussian PSF in an electronic star map simulator

Simulated star maps serve as convenient inputs for the test of a star sensor, whose standardability mostly depends on the centroid precision of the simulated star image, so it is necessary to accomplish systematic error compensation for the simple Gaussian PSF（or SPSF, in which PSF denotes point spread function）. Firstly, the error mechanism of the SPSF is described, the reason of centroid deviations of the simulated star images based on SPSF lies in the unreasonable sampling positions（the centers of the covered pixels） of the Gaussian probability density function. Then in reference to the IPSF simulated star image spots regarded as ideal ones, and by means of normalization and numerical fitting, the pixel center offset function expressions are got, so the systematic centroid error compensation can be executed simply by substituting the pixel central position with the offset position in the SPSF. Finally, the centroid precision tests are conducted for the three big error cases of Gaussian radius r = 0.5, 0.6, 0.671 pixel, and the centroid accuracy with the compensated SPSF（when r = 0.5） is improved to 2.83 times that of the primitive SPSF, reaching a 0.008 pixel error, an equivalent level of the IPSF. Besides its simplicity, the compensated SPSF further increases both the shape similarity and the centroid precision of simulated star images, which helps to improve the image quality and the standardability of the outputs of an electronic star map simulator（ESS）.     

基于带有事件触发机制的集员滤波的RSSI室内移动定位

在室内移动定位系统中,由于待定位节点易受统计特性未知的噪声干扰影响,采用Kalman滤波和粒子滤波等经典的噪声抑制方法,已无法有效满足室内定位精度不断提升的要求。针对这一问题,提出了一种基于事件触发的集员滤波室内移动定位算法。首先,针对基于接收信号强度指数(RSSI)测距误差导致传统三边定位算法无法获取可行解的问题,提出了一种椭圆三边定位算法;其次,考虑待定位节点的移动性,为了提高定位精度,提出了一种锚节点自主切换算法;最后,针对噪声统计特性未知的情形,考虑使用带有事件触发机制的集员滤波算法来估计待定位节点位置。通过仿真实验验证了所提方法的有效性。     

一种平稳小波方向能量阈值滤波的SAR图像去噪方法

由于 SAR图像相干斑噪声是非高斯分布的,无法直接采用光学成像系统的去噪技术处理,因此,目前还没有真正的理想算法广泛适用于 SAR图像去噪。在分析目前流行的空频域去噪方法优缺点的基础上,提出了 1种小波域 SAR图像去噪方法。为了克服离散小波变换缺乏平移不变性及方向选择性受限的缺点,该方法利用平稳小波将图像分解为低频逼近信号和高频细节信号;对于噪声信息较少的逼近信号,利用增强 Lee滤波去噪;对细节信号,根据相干斑噪声在小波域的方向能量特性进行自适应的阈值滤波;最后重建去噪后的 SAR图像。实验表明,该方法去噪能力强,同时边缘保持较好。     

基于EMD-TFPF的仿生偏振光罗盘去噪方法

为了提高仿生偏振光罗盘定向精度,降低罗盘在进行航向角测量时存在的高斯白噪声,基于经验模态分解(EMD)和时频峰值滤波(TFPF),设计了一种用于仿生偏振光罗盘的EMD-TFPF联合去噪方法.在去噪过程中,首先将含噪声的航向角信号分解为不同的模态,对不同模态采用不同窗长进行时频峰值滤波,进而改善了单一窗长去噪对有用信号造成的衰减,有效提高了去噪算法的自适应能力.经过机载实验验证,采用该方法去噪后的仿生偏振光罗盘可以实现定向精度0.3259°,比原始信号精度提升了18.4％.     

基于SAR图像匹配结果可信度评价的INS/SAR自适应Kalman滤波算法

在惯性导航系统（INS）/合成孔径雷达（SAR）组合导航系统中，SAR图像易受斑点噪声的影响，图像匹配的精度对整个导航系统精度的影响十分明显，能够准确地分析SAR图像匹配过程中的误差特性，利用有效的图像匹配信息辅助INS进行组合定位尤为重要。针对上述问题，在加权Hausdorff距离匹配算法的基础上，对影响SAR图像匹配精度的因素进行了分析，提出了一种基于模糊推理的匹配结果可信度评价准则，经过可信度筛选，将有效的匹配信息与INS进行组合；对合理范围内的匹配误差变化引起量测噪声统计特性发生变化，进而导致Kalman滤波精度下降的问题，研究采用改进的Sage-Husa自适应滤波算法对量测噪声方差阵进行动态调整，使其更加接近系统的当前状态。搭建仿真验证平台对所提算法进行了验证，结果表明，该算法能够在合理的匹配误差范围内，有效地筛选出可信的图像匹配结果，相比常规Kalman滤波算法，显著地提升了INS/SAR组合导航系统水平方向的定位精度。     

一种基于亚像素匹配的高精度视觉定位方法

大多数应用到无人机景象匹配导航中的匹配算法都只能满足像素级精度,且当无人机利用景象匹配定位时图像之间往往存在较大的视觉差异,这种情况下图像匹配精度低且性能会急剧下降。所以选用具有仿射不变特性的特征点进行匹配,结合高斯亚像素拟合原理及特征描述符简化方法,并采用渐进采样一致性(PROSAC)算法剔除误匹配点,最终实现亚像素级的景象匹配定位。实验结果表明,采用此方法可以大大提高图像匹配的精度,提高到0.05像素以内。     

恶劣天气下的仿生偏振定向方法

针对偏振光导航在恶劣天气下精度显著下降的问题,提出了一种可以在恶劣天气下基于大气偏振模式的定向算法。与现有方法相比,首次将三维块匹配与canny边缘检测结合的思想应用于修复被不同天气破坏的偏振角度图像中。具体而言,将偏振角度图像的修复分为噪声粗处理和边缘提取处理去噪两部分。在噪声粗处理阶段采用三维块匹配算法,在边缘提取处理去噪部分,利用canny边缘检测算法对偏振角度图像进行二次去噪。实验结果表明,该方法不仅能够提高晴朗天空下的定向精度,而且能够显著提升在阴天、沙尘、雾霾等恶劣天气条件下的导航定向精度,即使在偏振角图像对称∞模式被破坏的情况下,航向角精度仍可由9.4470°提高到1.6859°。     

基于卡尔曼滤波的星敏感器在轨校准方法

根据星敏感器光学镜头以径向畸变为主的特点,采用一阶径向畸变模型,利用摄像机标定中的径向排列约束(RAC),对其外部姿态和内参数进行在轨校准。以采集到的星点的图像坐标和对应导航星在天球坐标系下的赤经、赤纬信息作为滤波器的输入,外部姿态和内参数作为输出,构造相应的状态方程和观测方程,进行两次卡尔曼滤波迭代,结果作为校准参数的最优估计。仿真实验表明:本方法能消除内部参数与外部参数的耦合,校准过程不依赖外部姿态,且状态方程和观测方程均为线性方程,满足卡尔曼滤波迭代的最优条件,能够精确估计出星敏感器内外参数,在星点成像位置噪声标准差为0.05像素时,校准后x、y方向上的平均误差分别为0.044像素和0.049像素。