A star identification algorithm based on radial and dynamic cyclic features of star pattern

A full-sky star identification algorithm based on radial and dynamic cyclic patterns is presented with the aim of solving the “lost-in-space” problem. The dynamic cyclic pattern match is applied with a maximum cumulate comparison method to identify sensor-catalog pairings in initial match, which substantially eliminates the effects of the star position noise, magnitude noise, and false stars. After initial match pairings of stars are obtained, a chain part extension technique is employed to quickly search for the longest match chain as the final result. Experimental results indicate that the proposed algorithm is highly robust to star position noise, magnitude noise and false stars. In a series of simulations, the identification rate of the algorithm is 97.50% with 2.0 pixels star position noise, 96.90% with 0.4 Mv star magnitude noise and 95.30% with four false stars respectively. Moreover, the algorithm achieves an identification rate of 58.08% when only six stars are in the field of view.     

A triangle voting algorithm based on double feature constraints for star sensors

A novel autonomous star identification algorithm is presented in this study. In the proposed algorithm, each sensor star constructs multi-triangle with its bright neighbor stars and obtains its candidates by triangle voting process, in which the triangle is considered as the basic voting element. In order to accelerate the speed of this algorithm and reduce the required memory for star database, feature extraction is carried out to reduce the dimension of triangles and each triangle is described by its base and height. During the identification period, the voting scheme based on double feature constraints is proposed to implement triangle voting. This scheme guarantees that only the catalog star satisfying two features can vote for the sensor star, which improves the robustness towards false stars. The simulation and real star image test demonstrate that compared with the other two algorithms, the proposed algorithm is more robust towards position noise, magnitude noise and false stars.     

结合自组织映射网络及三角形算法的星图识别方法

三角形方法是最经典且应用最广的星图识别方法之一,但是存在搜索范围大、匹配冗余、抗噪能力弱等问题。将神经网络技术应用到星图识别过程中,结合自组织映射网络（SOM）优秀的分类能力和三角形算法可靠的角距匹配能力,提出了一种新的识别方法。该方法基于邻近星的分布来构建每颗导航星的特征向量,将其作为SOM网络的输入向量,通过训练得到具有分类识别功能的网络及相应的三角形库。识别阶段,输入待识别星的特征向量,网络输出识别类,在该类对应的三角形库中应用三角形算法查找匹配三角形,完成星图识别。试验发现该方法减小三角形搜索范围、实现快速匹配的同时,提高了识别系统的抗噪能力,在全天识别过程中平均识别时间低于5ms,识别率在噪声标准差为0.025时仍高达99%。     

GOCE star tracker attitude quaternion calibration and combination

We analyse the inter-boresight angles (IBA) measured by the star trackers on board the GOCE satellite and find that they exhibit small offsets of 7–9″ with respect to the ones calculated from the rotation of the star tracker reference frames to the satellite reference frame. Further, we find small variations in the offsets with a peak-to-peak amplitude of up to 8″, which correlate with variations of the star trackers’ temperatures. Motivated by these findings, we present a method for combining the attitude quaternions measured by two or more star trackers that includes an estimation of relative attitude offsets between star trackers as a linear function of temperature. The method was used to correct and combine the star tracker attitude quaternions within the reprocessing of GOCE data performed in 2018. We demonstrate that the IBA calculated from the corrected star tracker attitude quaternions show no significant offsets with respect to the reference frame information. Finally, we show that neglecting the star tracker attitude offsets in the processing would result in perturbations in the gravity gradients that are visible at frequencies below 2?mHz and have a magnitude of up to 90?mE. The presented method avoids such perturbations to a large extent.     

星敏感器导航星表建立

导航星表是星敏感器系统用来实现恒星星图识别和姿态确定的唯一依据,它的容量、内容、存储读取方式对于完成星敏感器功能和性能指标都极为重要．通过分析恒星在视场中的分布规律,建立起星表的完备性和冗余性与星敏感器视场内导航星的数量之间的关系,确定了导航星数量,提出了筛选导航星的原则和方法,为了实现星表的快速搜索,对导航星表的组织形式进行了详细讨论．构造一个由2510颗0～6等导航星组成的导航星表,满足了星敏感器星图识别和姿态确定的需求．     

一种基于三正交主轴平面的快速星图模拟方法

为在地面上进行星图模拟以测试星图识别算法和星敏感器性能, 提出了一种新的快速星图模拟方法. 该方法利用截面圆和固定区域的性质, 将单位天球按照三个正交主轴平面进行等分, 根据赤纬值求解恒星矢量与主轴平面夹角来确定选星条件, 进而根据坐标变换原理进行星图模拟. 为验证所提方法与现有方法相比的优势, 进行了大量的仿真实验. 实验结果表明, 与现有星图模拟方法相比, 本文方法在保证星图模拟精度的条件下, 选星速度提高了3倍以上.      

视场内导航星分布的预测

给出理想情况下视场内导航星分布模型的基础上,根据敏感器的星等门限和测量精度,进一步实现了存在星等误差情况下导航星分布的预测,使得该模型更为接近真实的情况.实验表明,采用该模型获得的分布与用MonteCarlo方法获得的统计分布极为接近,证明了该模型的正确性和有效性,从而得到了一种事先对视场内导航星分布作出较为准确估计的新的方法.      

高精度高动态星模拟器研究

给出了高精度高动态星模拟器系统组成和总体结构, 提出一种基于亚像素显示技术提高动态星模拟器星点位置显示精度从而减小星点几何中心与能量中心位置偏差的新方法. 针对动态星模拟器高动态性要求, 提出一种快速精确检索全天球导航星的新方法, 将已知SAO (Smithsonian Astrophysical Observatory) 星表进行分区, 计算当前姿态四元数并分析航天器视轴所在区域, 对于距离视轴较远区域停止搜索和匹配, 很大程度上缩小了导航星搜索范围, 进而缩短了全天球恒星遍历所需时间. 软件测试结果表明, 此快速检索法可使全天球导航星的选取速度提高近10倍.      

多探头星敏感器分布式视场融合方法

为了解决单探头星敏感器三轴姿态精度不一致问题,提高数据更新率和实时性,提出了多探头分布式视场融合方法。该方法通过控制各探头等时间间隔曝光,将相邻时刻曝光的2个探头的观测星矢量信息进行时间配准、空间配准,之后进行视场融合并采用QUEST算法解算姿态。仿真试验表明,该方法可将光轴方向精度提高8~9倍,同时可将数据更新率提高3倍以上,从而提高了系统的实时性。     

一种模拟CCD星图的方法

星识别算法在空间飞行器自主姿确定系统中是不可缺少的。同时将ＣＣＤ所拍摄的星图作为算法的输入,无论是软件调试还是地面试验,抑或是对各种算法的评估,也是必不可缺少。     

星敏感器中快速星跟踪技术

跟踪模式是星敏感器的主要工作模式之一,跟踪过程的快速性直接影响星敏感器的整体性能.提出了一种快速星跟踪算法.在跟踪算法的3个耗时环节,分别采用了分区星表、阈值映射、先排序后匹配识别这3种方法,以提高跟踪过程的快速性.其中分区星表法将整个天区分成了若干个子天区,使得在星体映射时,只是搜索星敏感器视轴指向附近的部分子天区,而不是搜索整个天区,减少了搜索星体的数量;阈值映射法,在满足精确度的情况下,设置被跟踪星体的数量阈值,只有被跟踪的星体数目少于此阈值时,才进行星体映射,减少了映射次数;先排序后匹配识别法,先根据星体在星图中的坐标值进行排序,然后再进行匹配识别,减少了那些距离较大的无谓的星体间的匹配识别.仿真测试结果表明,这3种方法的采用,提高了跟踪算法的快速性,提高了星敏感器的整体效能.      

一种基于Hausdorff距离的改进星图识别方法

针对基于Hausdorff距离HD(Hausdorff Distance)识别法存在识别速度慢和对星敏感器镜头旋转特别敏感的问题,提出了一种基于Hausdorff 距离进行星图识别的改进算法,它采用有向距离和绝对距离相结合的方法,利用恒星的空间结构信息,构建有向距离匹配模型;根据镜头旋转特性,建立绝对距离抗旋转模型;对两种模型测试研究确定加权因子,同时选取恰当的匹配识别门限,最终实现匹配识别的性能达到最优.仿真实验结果表明,改进后的算法不但保持了原有算法的高识别率,强抗噪性,而且还具有更快的识别速度和好的抗旋转特性.它在实际工程中已得到成功应用.      

适用于弹道导弹的导航星选取方法

针对当前适用于弹道导弹的导航星选取方法较少,研究了一种根据标准弹道均匀化选取导航星的方法.通过分析导弹飞行弹道及飞行参数的影响,在构建"伪天球"坐标系的基础上,确定了导航星的选取区域,简化了因射向变化、坐标越界等造成计算和搜索比较复杂的问题;基于天球上的基准点及提出的"距离-星等"加权法,均匀化地筛选导航星,并按照k-vector索引方式构建适用性较好的弹载导航星表,可以有效地提高星图识别算法的效率.仿真结果表明,该方法简单易行,选取的导航星数量少,分布均匀性好,在不降低星图识别成功率的基础上,能够有效地减少识别时间.     

基于Hausdorff距离的星图识别方法

提出了一种新的星图识别方法,这种方法的基本思想是首先从星敏感器中提取全部星图信息,把提取的星图组成一个待识别数据集合B,把全星图参考星库作为一个标准数据集合A,然后,计算2个数据集合A,B之间的相对Hausdorff距离,根据最小相对距离得到待识别星的位置,其中A, B分别由矢量坐标a,b构成.与传统的星光角距识别方法不同,这种方法充分利用了星敏感器中的所有星的空间结构信息,所以,它对各种噪声干扰具有很强的鲁棒性.半物理仿真实验结果表明,在具有强的随机噪声、星图畸变和一定数目的流星干扰情况下,这种方法具有很好的识别效果.     

多曝光星敏感器的全运动参数建模及优化设计

多曝光成像方法是一种有效提升星敏感器姿态更新率的技术,但该方法随着运动角速度及角加速度增大,相邻星点轨迹的交叉概率显著增大,严重影响其提升性能。为了解决上述问题,建立了基于星敏感器全运动参数的星点成像位置模型,并据此确定了星点在工作周期内的运动位移。根据该模型,对交叉概率与全运动参数、焦距、星点位置等的关系进行了仿真,并确定了全运动参数的极限安全值为角速度ω≤26.4（°）/s,角加速度α≤5（°）/s2。外场观星实验充分验证了所提方法的有效性。      

一种基于恒星分布的星敏感器导航星库制作方法

为了进一步提升星敏感器的定姿精度,分析了恒星的空间几何分布对姿态精度的影响,提出了一种基于恒星分布的星敏感器导航星库制作方法。在分析对比了现有星库的基础上,选择了精度较高的依巴谷星库作为基础星库,并剔除了暗星和双星以精简星库。遍历全天球对每个视场的星库中的空间几何分布进行分析对比,删除定姿较差的3颗星。对星库进行遍历补偿,保证了星库中恒星分布的均匀性。实验结果表明,全天球轨道测试中,本文方法制作星库的全天识别率为100%,且星颗分布数10颗以上天区占到97.64%,具有良好的覆盖性,同时有效提升了姿态精度。     

一种快速全天星图识别算法

对星敏感器全天识别算法进行了研究,综合考虑三角形匹配识别法和四面体识别法的优缺点,提出一种改进的快速全天星图识别算法.该算法通过优化导航星对角距筛选方法,节省存储空间;同时引入K矢量法用于加快星图识别中角距匹配的速度;在三角形识别不唯一时,引入第四颗观测星进行四面体识别,提高识别成功率;并在三角形识别结束后增加投影验证功能以避免误识别.仿真结果表明,该算法合理有效,可节省存储空间,减小星图识别时间,提高识别正确率,具有很好的实用价值.     

基于卷积曲面的动态实时星图模拟

多星模拟器可动态刷新显示变化的星空,是星敏感器测试的关键设备。在动态条件下星点成像发生拖尾,要求星模拟器能够准确、实时仿真拖尾星图。建立了动态拖尾星点的卷积曲面模型。该模型是星点光斑弥散函数与权重函数沿着星点运动轨迹的卷积,可描述以任意形式运动产生的拖尾星点。提出了一种基于卷积曲面的像素离散算法,解决了星图仿真实时性不够的问题。先将星点轨迹分割为多段,再计算得到每段轨迹对应形成的星点光斑的像素值,将所有星点光斑累加。所提算法将多重积分化简,使得仿真速度提高了一个数量级,多星模拟器的刷新率达30 Hz。      

基于Delaunay三角剖分的全天自主星图识别算法

在地球物理建模中,Delaunay三角剖分因其对给定点集进行三角剖分具有剖分结果唯一性这一重要特点而得到广泛应用.采用Delaunay 剖分这一性质,首次将Delaunay剖分算法应用到星图识别中.利用全天球星图的剖分不变性,采用有界曲面剖分的边界递归法,生成有序且容量小的完备导航星库;利用二维Delaunay三角剖分对视场内恒星星图进行剖分,将其结果进行快速匹配识别.仿真实验结果表明与现有的星图识别算法相比,此算法具有高的识别率,良好的实时性和鲁棒性,且所需导航星库的容量小,检索速度快.     

一种基于连续星图观测的自旋姿态估计方法

传统的利用地球敏感器和太阳敏感器作为测量仪器的自旋卫星姿态确定方法存在系统误差和安装误差等,从而导致自旋姿态确定误差较大的问题,文章提出了一种利用星敏感器获取的连续星图估计卫星自旋姿态参数的新方法。该方法以卫星的自旋轴和旋转角速度作为状态变量,通过星敏感器连续跟踪拍摄的恒星的成像位置作为观测量,利用无迹卡尔曼滤波估计出卫星的自旋姿态参数。仿真结果表明,在星敏感器的精度为3″时,该方法的自旋轴估计精度为0.3448″,自旋角速度估计精度为10^-4(°)/s数量级。