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。     

一种自主星图识别算法

为了改善星敏感器系统的星图识别实时性和可靠性,文章在研究现有的星图识别相关技术基础后,提出了基于特征向量投影法的算法核心,并在这一核心的基础上完成了星图识别算法和导航星图数据库的改进设计。最后编写仿真测试软件对此算法程序进行了性能测试,测试结果表明,文章提出的自主星图识别算法在星图识别实时性和可靠性方面都较以往算法有了提高。     

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。     

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。     

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。     

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。
     

一种星敏感器中快速星跟踪方法

提出了一种快速星跟踪算法。在跟踪算法的三个耗时环节，分别采用，分区星表，阈值映射，先排序后匹配识别这三种方法，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；阈值映射法，设置被跟踪星体的数量阈值，减少映射次数；先排序后匹配识别法，减少了那些距离较大的无谓的星体间的匹配识别。对星跟踪算法进行软硬件仿真测试，在软件仿真测试中，测试了跟踪算法的正确性和成功率。在硬件仿真测试中，测试了跟踪算法在一个跟踪过程中每步的跟踪速度及影响跟踪速度的主要因素。     

星图匹配制导中的关键技术

为了提高新一代弹道导弹的快速、机动反击能力和射击精度，采用星光，惯性组合制导足最佳的选择。本论文给出了基于双星敏感器的、星图匹配制导系统的关键技术。提出了根据弹道设计导航星表．极大地简化了弹载星表；提出了一种适用于星光制导的凸多边形箅法，合理地减少了匹配的星对角距数目。这两项技术保证了星图匹配制导技术的实用性。提出了一种分离初始定位、定向误差及平台漂移误差方法。采用凸多边形的星图识别算法可同时获得多颗星的瞬时位置，结合恒星在像平面的位置可解算导弹在赤道惯性系和发射点惯性系的三轴姿态，最后，给出了导弹初始定位、定向误差的数学表达式。仿真结果表明了该方法的有效性。     

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。     

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。     

使用GPU并行加速的星表检索算法

提出一种基于GPU的恒星检索并行算法,解决大视场下星表检索在仿真应用中效率不高的问题。首先使用经纬度分区法将星表划分为星区存储,然后在可快速查询的分区星表上,提出构造球面三角形法精确求出探测视场覆盖的星区,以有效减小搜索范围。最后,采用计算统一设备架构(CUDA)计算平台,将并行的视场内恒星检索过程放入GPU下进行并行加速。实验结果表明,与面向CPU的实现相比,所提算法获得数十倍的加速比,并且在大视场、宽星等域下将检索时间控制在毫秒级别,满足了实时仿真要求。