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。     

一种基于时空相关性的星图降噪算法

文章提出了一种基于时空相关性的星图降噪方法,用于解决空间探测时星图峰值信噪比(Peak Signal to Noise Ratio,PSNR)低、星点提取难度大的问题。文章首先对真实星图中星点和背景噪声的能量特性进行了分析与建模。然后,基于该模型提出了一种可行的降噪算法,该算法以时空相关性检测为核心,并利用检测的结果对目标和噪声进行连续多帧定位。进一步利用定位的结果对目标进行匹配和平滑,对背景噪声进行抑制,从而在总体上提高图像的PSNR。最后,基于仿真平台对算法的有效性进行了测试验证。结果表明,该算法能够有效提升星图PSNR,尤其是点目标的PSNR,在一定噪声等级下,可提升1.6d B。降噪之后,在去除噪声的同时,星图的灰度直方图完好保留了高灰度值部分的目标点像素。该算法在相似的运算复杂度下,其降噪效果明显优于绝大多数的现有降噪算法,利于后续提取星图中恒星及点目标,应用于在轨空间探测系统中,具有广阔的应用前景。     

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。     

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。     

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。     

一种高超星图高精度半盲复原算法

针对高超声速飞行器在平流层内应用天文导航时受气动光学效应及运动模糊影响后难以观星和高精度导航的问题,提出一种基于正则化思想的高超星图半盲复原算法。该算法首先针对高超星图的特点进行去噪与星点初提取等预处理操作,接着从图像中提出可用的模糊核信息,并通过融合达到去噪的目的。然后结合天文图像灰度及梯度的稀疏先验分布特性,提出一种针对高超星图的正则化非盲复原模型,利用分裂布雷格曼迭代法等算法迭代估计清晰图像。将本算法与传统星图复原算法、其他最新正则化复原算法进行星图复原与导航效果比较,结果表明本算法复原效果最佳,且能明显改善星点识别正确率及质心坐标计算精度,可用于大幅提高超声速飞行器在平流层中的天文导航适应性及导航精度。     

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。     

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％。     

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。     

快速傅里叶变换(FFT)在导弹测试系统中的应用

快速傅里叶谱分析在系统动态测试中的应用,提出了以阶跃信号为激励源,以快速傅里叶变换和阶跃型信号快速傅里叶变换的高精度算法为核心的动态测试系统,取得了预期的结果。这种与以往完全不同的测试系统,将为火箭系统分析,系统设计和动态测试提供一种精度高、适应性强、实时性好的新方法。