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。     

一种改进的三角形星图识别算法

传统的三角形星图识别算法冗余匹配多,对噪声鲁棒性差,为此,在传统三角形算法的基础上,提出了一种改进的算法。该算法思想如下：将观测三角形三个角距组成的平面的法向量向最优主轴投影,利用投影值进行索引,得到候选导航三角形后,利用角距进行匹配,若存在冗余匹配,再利用归一化的星等消除冗余匹配。实验结果表明：与传统的三角形算法相比,两者识别所需时间基本相同,但是改进的算法对噪声的鲁棒性更好,冗余匹配更少,识别率更高。改进的算法在质心偏差为0.5像素,星等噪声为0.5Mv时,识别率高达97.7%,传统三角形算法在质心偏差为0.5像素时,识别率仅为91.4%。     

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。     

火星探测出舱机构的识别定位与坡度测量

为实现火星探测两器分离过程中出舱机构的坡度测量,提出一种基于立体视觉技术的出舱机构识别定位与坡度测量方法。首先,采用特征匹配的方法对场景中的出舱机构进行识别定位。针对巡视器导航相机成像视角变化以及出舱机构倾角变化导致图像产生几何形变,火星表面光照因素的影响以及巡视器硬件的计算能力,并结合出舱机构自身特点,提出一种区域特征与Blob特征相融合的识别定位方法。采用加速鲁棒性特征（SURF）算法检测图像中的局部不变特征,并用最大稳定极值区域（MSER）算法检测图像最稳定极值区域,两种特征相融合之后构造SURF描述算子并进行特征匹配。同时,采用M估计抽样一致性（MSAC）算法计算对应点变换矩阵,实现出舱机构在场景中的初步定位。然后,通过对出舱机构上人工标志的精确定位以及三维重建,并采用主成分分析法进行平面拟合,实现出舱机构的坡度测量。试验结果表明,该方法对成像视角变化以及光照变化具有鲁棒性,提取的有效特征数以及计算时间均优于尺度不变特征变换（SIFT）算法,基本满足火星探测中出舱机构坡度测量要求。     

基于STK的导航星模拟及天文定位选星算法研究

导航星优选是研究天文定位导航的前提。本文结合导航恒星选星对天文定位的影响,研究提出了基于STK软件的导航星模拟方法,并针对空天飞行器对天文观测时的条件约束,结合天文导航定位对导航星的要求,构建了适合不同飞行航迹的导航星库。基于所设计的导航星库,以空天飞行器为应用对象,结合其在轨段飞行轨迹参数,基于STK软件进行了天文导航定位仿真研究。在所设计的飞行器飞行航迹参数及可见星信息条件下,针对空天飞行器长航迹飞行运动特点,设计了3种不同的天文定位观测选星方案,并研究了不同选星方案下的天文导航定位性能。最后通过仿真验证表明所提出的导航星模拟和选星方法能有效满足空天飞行器对天文导航定位的要求。     

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。     

星图匹配观测三角形优化选取技术

为了提高三角形星图识别算法的成功率,减少匹配过程中的计算量,进而提高星敏感器实时输出姿态的性能,提出一种星图匹配前“二次优化”选取观测三角形方法,该方法在在初选观测三角形的基础上,对观测三角形进行第二次优化筛选,进而提高星图识别环节的效率。优化选取观测三角形是基于QUEST定姿原理,将观测三角形的边与夹角的约束关系转换到像平面上。全天球遍历分析统计结果表明：在12°×12°视场中,采用本文提出的方法,可使一次匹配成功并输出可用于星图验证环节的较高精度姿态信息的概率提高60.9％,从总体上可大大减少星敏感器星图识别环节的计算量,并且每帧全天球定姿输出的时间一致性也被大大提高。     

考虑卫星轨道运动和像移影响的星敏感器星图模拟方法

星图模拟技术是星图识别算法和星敏感器性能测试的基础.提出一种新的高精度星图模拟方法.该方法分为三个步骤:首先,利用两行轨道数据(TLE,Two-Line Orbital Element)与简化常规/深空扰动的近似解模型(SGP4/SDP4)计算出卫星在轨运行参数,进而获得卫星姿态矩阵;然后,根据星敏感器的方位和俯仰角度,确定星敏感器视场中的导航星及星敏感器安装矩阵,利用小孔成像模型,获得导航星在星敏感器成像面的投影位置;最后,为更准确模拟实际星像点的灰度扩散,在考虑卫星运动引起的恒星像移的基础上,按照二维高斯分布规律置灰度值来模拟星像点像素.在此基础上,还详细分析了不同曝光时间下,恒星像移对恒星位置测量的影响.     

四边形全天自主星图识别算法

讨论了一种新的无须任何先验知识的星图识别算法。该算法将四边形星图模式分解为两个具有公共边的三角形模式，使用三角形模式的特征，在保证自满计算量和星载星表的存储容量的前提下，使算法的识别成功率得以星著提高。Ｍｏｎｔｅ Ｃａｒｌｏ实验表明，在星等误差０．５星等（３σ），位置误差１０角秒（１σ）时，该算法的识别成功率接近１００％。     

适用于地面应用系统的导航星数据库的建立

简要介绍了所采用的恒星运动标准模型、历元转换及误差传播基本原理。给出了一种导航星数据库的构建方法,该方法以Hipparcos星表为中心,以星敏感器光学系统的观测极限为星等阈值,联合多个星表,通过精密历元转换,引入位置精度阈值以确保卫星姿态确定角秒量级的精度;引入辅助导航星以提高星图识别率和识别速度。蒙特-卡罗仿真结果表明利用该导航星数据库在有伪星存在的情况下星图识别率96.7%以上,同时识别视场内5颗星的识别速度在0.3秒以下,加入189颗辅助导航星后,在导航星总数提高至6261颗时,星图识别速度却提高了6%以上。
     

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。     

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。     

基于动态框搜索的星图中星点获取算法研究

分析星图中星点获取算法的具体流程,针对传统星体目标聚类方法的不足,提出了动态框搜索算法。首先采用固定像素框搜索区域最大灰度值点,然后以该点为中心,结合星图图像中真实星点的分布情况,采用大小可变的像素框进行星体目标聚类,最后采用加权质心法得到星点的中心位置。仿真实验表明,该算法能达到良好的效果。     

一种新的导航星选取算法研究

在导航星表的建立过程中，由于恒星的数量太多，往往要进行筛选，通常这种选择复杂费时，而结果往往并不是最优的。本文引入了动态星等阈值分布函数，将传统星等阈值过滤算法中的静态阈值用动态星等阈值代替，建立了一种新的动态星等阈值过滤选择模式。而基于统计学习理论的支持向量机方法为求解高维非线性动态星等阈值分布函数提供了新的途径。本文讨论了这种基于支持向量机的导航星自动选择算法——回归选取算法。实验表明，用该算法所选取的导航星表，导航星数量少、分布均匀性好。同时它还能适应多种任务的导航星选取要求，具有很强的通用性。     

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。     

一种位并行近似串匹配的星图识别算法

提出了一种基于位并行法近似串匹配的星图识别新方法。 首先为选取的导航星建立相应的模式串,然后利用改进的并行化动态规划矩阵算法（BPM）为观测星图中的星体寻找匹配的导航模式,并验证匹配结果的正确性,完成星图识别。仿真试验结果表明,本方法算法简便、导航星库存储容量小,抗干扰能力强,有很好的鲁棒性。