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%。     

基于特征图形匹配法的高效星图识别方法

针对目前星敏感器使用的星图识别算法存在的冗余匹配、匹配时间长、识别率低等缺点,对星图识别算法进行了研究,提出了一种高效星图识别方法。该算法首先对传统星表进行处理,取出冗余信息,重新分配天区,使每个天区的导航星数目均匀,将分区以及处理后的星表信息重新存储并作为导航星库,然后通过对拍摄的图像进行处理并提取特征信息,与导航星库中的特征信息进行匹配,从而改善传统星图匹配算法出现冗余匹配、匹配时间过长及识别率低等缺点。完成算法设计后,选取视场为15°×15°的大视场星敏感器,对该算法进行仿真验证分析,可以发现该算法可以实现部分天区与拍摄星图匹配时间在20ms以内,全天区星图的识别和匹配时间在15s以内,识别率达到98%以上,印证了该算法可以提高识别的成功率并且缩短识别时间,使识别算法具有高效性。     

上面级快速星图匹配算法研究

现有星图匹配算法存在搜索时间慢、算法实时性差的问题。为了满足上面级实时性的要求,文章采用K矢量查找算法来提高查找快速性,选择星对角矩作为星图匹配的特征量,构造星对角矩矢量,采用星棱锥星图匹配算法进行星图识别。最后采用上下位机的形式进行仿真分析,结果表明采用该星棱锥快速星图匹配算法成功率在99%以上,识别时间最长约为100ms,平均时间在15ms以内。该算法能够满足上面级对匹配算法快速性和高精度的要求。     

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.      

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.      

动态拖尾星图模拟算法研究

星图模拟技术是星图识别算法仿真和性能测试的基础.为了更好地模拟星敏感器在轨工作的情况,对星敏感器的软件开发以及自身性能进行有效的地面测试,提出一种动态拖尾星图模拟算法.该算法分为4个步骤:首先根据星敏感器指向在全天球范围内搜索导航星;接着利用小孔成像模型计算导航星在星敏感器成像面的投影位置;然后在考虑卫星运动引起的恒星拖尾的基础上,按照二维灰度分布规律置灰度值来模拟星像点像素;最后叠加杂散光背景及成像器件引起的噪声.提出的算法具有速度快、精度高及可实现性高等优点.     

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.     

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.     

一种星图识别的星体图像高精度内插算法

介绍了一种从星敏感器成像中高精度提取恒星位置和星等的方法.这种方法把星光成像看成是高斯点扩散函数模型,利用线性内插和最小二乘法方法,拟合得到高斯曲面参数.从高斯曲面模型中得到亚像素级的恒星位置和恒星星等.理论研究表明,曲面拟合法提取的星体位置精度高于传统的质心法.由于直接进行高斯曲面拟合计算非常复杂,为了简化计算,利用了星体成像点附近x,y方向的非线性插值方法,分别得到不同的曲面系数.仿真结果显示,在信噪比小于0.05时,定位精度小于1/20像素,星等误差小于5%.     

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。     

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。      

一种强散射杂光下的快速星点提取算法

火工品爆破法实现星箭分离时产生大量灰尘颗粒,星敏感器被强散射杂光干扰,导致上电初期,星敏感器长时间停留在全天球模式,无法实现姿态捕获.本文通过对散射杂光成像进行建模和分析,提出杂光条件下的星点图像与无杂光时的星点图像具有近似的能量分布特征,进而提出一种基于互相关系数的快速星点提取算法,可在强散射杂光条件下快速提取出有效的星点窗口图像,然后利用窗口提星算法提取出有效星点,最终实现快速姿态捕获.开展了不同杂光条件下的星点提取和姿态识别仿真,通过本文算法与原有算法做对比,验证了本文算法在不同工况下的星点提取能力和姿态捕获方面均具有优势.