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。     

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。     

可适应多维度信息变化的智能星图识别方法

为了提高当视场发生变化以及星等误差较大时星图识别方法的鲁棒性,提出了一种可适应多维度信息变化的智能星图识别方法。首先,依次选取一个导航星作为主星,利用其它星距主星的角距信息和星等信息,并考虑视场轴向变化、星等误差、角距误差的影响,构建覆盖性较全的样本库;然后构建了一种可以综合利用角距和星等信息的卷积神经网络;最后进行了网络训练和仿真试验验证。本方法提高了对角距误差和星等误差的鲁棒性,且识别速度快、识别率高、星表容量小。仿真试验结果表明,该方法在星等误差为0. 2MV、角距误差为0. 04°和0. 06°时,识别率优于97%。     

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。     

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。     

CMOS探测器星敏感器的跟踪窗口星图处理方法

近年来，商业航天微小卫星已经实现了轻小型化、低成本、快速研制等目标，但是在卫星姿态控制方面受制于星敏感器等测量敏感器的精度水平，无法实现高精度的测量与控制。为满足微小卫星在轨飞行中高精度姿态测量和大角速度运动的要求，本文提出了适用于CMOS探测器星敏感器的跟踪窗口星图处理算法方案，设计了基于姿态信息和导航星库，通过坐标系旋转和透视投影变换，预测探测星点成像位置，设置CMOS探测器跟踪窗口的方法，根据跟踪窗口设置，完成预测恒星所在图像子区域的像素灰度数据采集和背景灰度值的计算。采用这种方法后，恒星成像质心精度得到了提高，加快了星点提取质心的图像处理速度。通过试验室动态光星模和外场观星试验验证。试验结果表明:该算法提升了星敏感器的精度( )和动态性能(3 (°)/s)，同时提高了全天识别的概率和跟踪数据有效率。     

几何定位应用中恒星三角形识别简化算法

为了满足几何定位应用对恒星识别的需求,从导航星的选取、导航特征库的构造及识别算法的实现等方面对传统三角形识别算法进行改进。首先,结合几何定位传感器跟踪恒星的特性,提出导航星的快速选取方法。接着建立以星对角距和星对星等差为特征量的导航星特征库。然后,在改进的三角形识别算法的基础上,对观测三角形特征向量进一步简化。最后,在几何定位的应用场景中对传统三角形识别算法、三角形识别简化算法进行仿真比较。实验结果表明：在几何定位的应用场景中,三角形识别简化算法识别成功率、识别效率较高。能够满足几何定位应用对恒星识别算法效率、可靠性的要求。     

小行星探测器轨迹优化方法

对小行星探测器轨迹优化方法进行了综述。介绍了直接法中的直接打靶法、直接配点法、伪谱法、微分包含法,以及间接法两种典型的轨迹优化方法,分析了其优缺点,以及在小行星轨迹优化中的应用。介绍了智能优化算法中的遗传算法、模拟退火算法、粒子群算法和多目标进化算法,分析了其相对传统优化方法的优缺点,以及相应的改进方法。     

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。     

基于改进的蚁群算法的亚轨道再入飞行器弹道优化

基于阻力与能量再入导引律,用改进的蚁群算法优化SLV再入阻力-能量关系剖面,其优化的性能指标为总吸热量最小,并采用LQR法跟踪参考弹道.仿真结果表明,优化方法简便易行,跟踪器性能良好.     

A survey of algorithms for star identification with low-cost star trackers

This paper aims to present a set of lost-in-space star identification algorithms that works effectively for small satellites. Several algorithms are investigated for both phases of star identification: feature extraction and catalogue search. For feature extraction, it is shown that an algorithm using extended images with combined images works best, and for catalogue search, the Group Catalogue is shown to be most efficient. Therefore, this paper proposes an algorithm combining these three. Simulation results show the effectiveness of this algorithm for its robustness to various errors, and an application of this algorithm, “unequal” star trackers, is introduced.     

基于人工蚁群的红外弱小目标检测方法

提出一种基于人工蚁群的红外弱小目标检测方法.首先利用模糊隶属度函数对图像进行预处理获取可能的目标点;然后利用该结果与信息素一起共同指导蚂蚁的行为;最后通过蚂蚁行走路径上的信息素分布进行更新,使得分布在目标路径上的信息素逐渐增大,逐渐向真实的目标图像收敛达到抑制背景的目的.仿真和实验表明,与固定权值滤波方法和最大化中值滤波方法相比,该方法能够有效地从复杂背景的图像序列中检测弱小目标.