亮星辅助下基于坐标转换的快速星图识别方法

数字天顶仪作为一种地面使用的星敏感器，主要用于高精度定位。为提高仪器的工作效率需要对星图识别的快速性进行研究。通过对恒星像点理论坐标与图像坐标的分析，构建坐标转换模型。依据星表中恒星的分布及星等筛选出视场范围内的亮星，并构建导航星表。结合导航星表完成3颗亮星的准确识别，在识别亮星的基础上解算坐标转换模型的参数。通过构建的坐标转换模型对视场范围内的恒星进行坐标转换，将转换后的星点坐标与提取的星点图像坐标进行匹配完成星图的识别，这样能够提高星图识别的快速性。实验数据表明：在保证识别星点数量的基础上，采用亮星辅助下基于坐标转换的星图识别方法使时间缩短为改进三角形星图识别算法的五分之一。     

基于帧间角距匹配的跟踪模式星图识别

为了提高星敏感器的跟踪匹配速率,提高星敏感器姿态更新率,本文提出了一种基于帧间角距匹配的跟踪模式星图识别方法.该方法充分利用上一时刻的角距匹配信息构建了一个实时跟踪星库,并把当前时刻的角距信息在实时跟踪星库中进行匹配识别,识别成功后利用识别时用到的信息对实时跟踪星库进行更新.仿真实验表明,该方法具有匹配时间短、匹配成功率高的优点.     

TDRSS中用户星的星-星天线跟踪规律深入研究

应用坐标转换，得到用户星的星-星天线基本跟踪规律。针对几种情况，并考虑地球的隔断影响和天线的自身限制，对星一星天线的方位角和俯仰角表达式进行了修正和补充。最后，针对某用户星，应用Matlab进行数学仿真。结果表明，根据得出的跟踪规律，可以使用户星的星一星天线最大范围地跟踪中继卫星。     

星点坐标辅助的全天区三角形星图识别算法

随着当前星敏感器视场（FOV）的增大,探测能力的提高,一帧图中拍摄到的恒星更多。但是受星敏感器光谱范围的限制及空间环境干扰影响,星等测试精度一般不高于0.2 mV。为了充分发挥当前星敏感器视场和探测能力的优势,并避免星等误差的影响,提高全天区星图识别算法在线应用的适用性,提出了一种星点坐标辅助的全天区三角形星图识别算法。该方法采用"全局初步搜索识别—局部精细匹配验证—最优结果选取"的算法思想。首先,根据星敏感器探测到的极限星等范围构建导航星表,选取亮星构建角距星表,既确保了星表的完备性,又有利于充分利用星敏感器的探测能力。然后,在三角形约束条件下进行角距匹配识别,得到一个或多个导航三角形,在该识别环节提出了非线性矢量法查找星表,既提高了定位精度,又能采用单精度数据类型降低存储空间。最后,提出局部天区星点坐标匹配算法进一步消除冗余匹配,同时又识别出视场内更多的观测星,有利于提高识别率和定姿精度。试验结果表明,与其他一些经典的星图识别算法相比,所提算法在识别率和星表容量方面更有优势。识别率可达99.9%,且随着星等的增加,存储容量增加的最少。所提算法更加适于大视场、高星等敏感范围的星敏感器在线应用。     

一种改进的三角形星图识别方法

首先提出在直角坐标系下将天球球面均匀地分成486个分区的方法——"内接正方体法",实现导航星的快速检索。然后按照星对角距的大小升序排列,直接存储星对角距,并通过设置星对角距状态标识,完成星对角距的快速匹配搜索。最后,引入验证识别环节有效地解决观测三角形与匹配的导航三角形产生的冗余问题。仿真实验表明,改进的三角形星图识别方法对星点位置噪声和星等(亮度)噪声均具有较强的抗干扰能力,且在识别时间和存储空间的需求方面均比传统的三角形算法也具有较大的优势。     

一种结合角距特征的改进栅格星图识别算法

针对栅格算法易受邻域星点影响导致误匹配的问题,提出了一种结合角距特征的改进栅格星图识别算法。首先介绍了改进栅格算法的原理,其次设计了融合栅格识别模式和星角距识别模式的算法实现流程,最后开展了基于不同视角下的大视场仿真星图的算法试验验证和性能分析。结果表明,由于角距特征具有旋转不变性和不易受观测星邻域星点分布影响等特点,结合角距特征对失效观测星进行再匹配的改进栅格算法,在兼顾存储量需求小、运行速度快等优势的同时,识别率和鲁棒性也得到了提升,最高识别率可达98.88%,在位置噪声干扰以及缺失星干扰下,改进算法的识别率仍可保持在95%,说明算法鲁棒性强,具有较好的应用前景。     

一种改进的快速全天星图识别算法

针对三角形算法中模式识别率低、易造成误识别的问题,提出了一种改进的三角形算法。 首先,该算法通过对全天区导航星进行筛选,缩小星库存储空间;同时,在识别过程中对找到的三 边角距集合采用设置状态标识的方法,加快对探测星三角形的识别速度;在三角形匹配识别结果 不唯一时,引入其他观测星进行验证,确定唯一的匹配对应;在识别结束后,应用投影验证检验识 别结果。仿真结果表明,该算法能够有效地节省存储空间,缩短全天星图识别时间,与传统的三角 形算法相比具有较大的优势。     

寡星条件下的半球谐振陀螺与星敏感器 组合姿态测量算法

针对半球谐振陀螺与星敏感器松组合系统在寡星条件下无法正常工作的问题,采用新的星图识别算法和新的数据融合观测方程,使星敏感器在观测到的导航星数量为1或2颗的情况下完成星图识别,从而能够完成组合测姿。     

P向量实现快速星图识别的方法

 提出了一种快速的星图识别方法。该方法识别时提取出描述观测三角形的一维特征量P,根据该值快速检索到对应的导航三角形,减少了计算过程。由于获得星点位置的时候存在误差,所以将一定误差范围内的三角形均作为待选三角形考虑。上述识别后引入了验证识别环节,保证识别的准确性。随机实验统计表明,同等星点位置噪声方差下,该方法和栅格算法相比识别率提高约1%,识别时间约为后者的1/5。     

关于星—星跟踪的定轨问题

本文探讨星－星跟踪的定轨问题。研究结果表明：若与地面跟踪联合定轨，只要有一个地面站就可使定轨精度达到“理想”程度；而若完全抛开地面站，由星－星相对测量（采样为测量ρ这种类型的资料）自主定轨，则将受到一定条件的限制。     

Rapid Star Tracking Algorithm for Star Sensor

A rapid star tracking algorithm is proposed. In order to speed up the tracking, three techniques includng parallel star centroiding, sorting, and star catalogue partition are designed for three time-consuming portions in tracking algorithms. The parallel star centroiding is implemented with Field Programmable Gate Array (FPGA) which avoid image storage and transmission. Update rate of star sensor is improved. Sorting star coordinates in star image plane, and then matching, which avoid matching between stars with a long distance in image plane. Star catalogue partition divides the celestial sphere into many small partitions. In star mapping, guide stars are searched in the partitions near the direction of star sensor's boresight is not in the whole celestial sphere and therefore reduced the total number of searched guide stars. The software and hardware performance of tracking algorithms are simulated. Tracking robustness and the tracking speed comparison are tested in the software simulation. In hardware tests, the tracking time in every step is obtained.     

Star recognition algorithm for APS star tracker: oriented triangles

An efficient star pattern recognition algorithm is presented. The purpose of this algorithm is to make sure of the compatibility of the software and the imaging sensor noise level. The new CMOS APS sensors have not currently reached the same accuracy as the former CCD sensors in position as well as in magnitude determination, especially in the dynamic stages. This algorithm allows the system to recognize the star pattern 20% faster than with reference algorithms. No false recognition has been noticed. Used databases have a size 5 to 10 times smaller, depending on other reference algorithms. Oriented triangles are used to compare the measured star pattern with the catalogue stars. The triangle's characterization criteria propose several solutions in a first time. A unique solution is selected by means of identification and validation methods in a second time. First results, presented hereinafter, are very encouraging, and this algorithm may be used in the future APS star trackers. APS star tracker robustness is significantly enhanced by this method during the critical navigation phases     

星点图像的目标提取算法研究

对于星点灰度重心法等亚像素提取算法来说,需要提取星点区域内的每一个像素。基于扫描的边界搜索法只能获取目标的边界像素,文中对其进行了扩展,通过判断边界像素中最大最小行列数来确定目标区域的具体范围,从而提取目标区域内的每一个像素。针对大视场星点图像目标范围小、相互间距离远的特点,为减小计算量,提出了基于视框搜索的目标提取算法。通过实验证明,基于视框的算法在计算量上比基于边界搜索的算法减少3/4。     

基于QTM的导航星库划分方法

为了提高星敏感器观测星的检索速度,提出了一种基于球面四元三角网(Quaternary Triangular Mesh,QTM)的导航星库划分方法.该方法首先利用天球的内接正八面体把全天球划分成8个子天区,然后在每个子天区中进行与经纬度相关的剖分和编码,最后扫描恒星星表,把每颗导航星信息划归到相应的子天区内存储.利用此星库进行的局部天球星图识别仿真实验表明该星库具有很高的检索效率.     

惯性平台中星敏感器安装误差标定方法研究

提出了一种基于星光/惯性平台系统中星敏感器安装误差的地面标定方法,利用高精度的星模拟器,模拟远处恒星,将星敏感器主光轴对准星光,通过测量恒星与平台台体六面体的位置坐标,经过坐标转换后,对比得到星敏感器在惯性平台中的安装误差.实验数据表明,该方法可准确测量出星敏感器在星光/惯性平台中的安装误差角,实现误差的精确标定.     

Modified Grid Algorithm for Noisy All-Sky Autonomous Star Identification

Grid algorithm is a classical algorithm for all-sky autonomous star identification. However its recognition rate decreases rapidly when the position and magnitude noise increases in the star image. In order to overcome this problem, a modified grid algorithm called the "elastic gray grid algorithm" is proposed. Gray pattern and elastic template matching are introduced into the grid algorithm to enhance its ability to tolerate the position and magnitude noise. Experimental results show that the modified grid algorithm performs better compared with the original one. The elastic gray grid algorithm reached up to a 100% recognition rate under random positional noise in our test bed. Furthermore it increases the original recognition rate from 69.86% to 97%, under the same condition, for both the position and the magnitude noise.