基于惯性比特征的三角形星图识别算法

为了提高星敏感器的星图识别性能,提出了一种基于惯性比特征的三角形星图识别算法。该算法将导航三角形的形心惯性比和导航三角形最长边的角距值作为匹配特征量,并以此构建导航特征库,采用散列函数的方式搜索导航特征库。由于将三角形特征量的维数由三维缩减至二维,该算法具有导航星数据库容量小、搜索匹配速度快的优点。仿真实验表明,在星点位置噪声标准偏差为2像素、星等噪声标准偏差为0.8等的条件下,该算法的识别率均在99%以上,平均识别时间约为1.29ms,和现有三角形算法相比均具有一定的优势。并在地面观星实验中,取得了非常好的效果。     

基于形心极二阶矩比特征辅助的星图识别算法

在传统的星图识别算法中，本文在三角形算法的基础上，提出一种改进算法，将待匹配三角形的形心极二阶矩比作为导航特征库中的辅助匹配特征量，以增加特征矢量维数提高识别精度，同时采用函数映射搜索方式提高识别速度。     

盲目反卷积算法在高超流场星图复原中的应用

近年来高超声速飞行器的研究受到世界各国的重视,具有重大的军事意义,其中导航、制导和控制是高超声速研究的关键技术。鉴于星光导航有着抗干扰能力强、导航精度高、自助式导航等特点,文中主要研究了高超声速飞行器使用星光导航方法的星图复原算法。考虑到高超带来的气动光学效应,在分析高速层流以及湍流流场的基础上,应用增量Wiener滤波器和有限支持域上的盲解卷积复原算法进行退化星图的复原。针对高速飞行器星光导航对复原星图的要求,仿真分析了复原星图的质心偏差及识别特征量变化。仿真结果显示,有限支持域上的盲解卷积复原算法精度较高,且经复原后的星图,能快速被高速飞行器星光导航系统正确识别。     

采用混合粒子群算法的星图识别方法

为提高大视场高灵敏度星敏感器的星图识别速度和识别成功率,提出了一种基于混合粒子群算法的星图识别方法,该方法首先根据星图中星点的灰度信息确定候选识别主星集合;然后选择该集合中的一个星点为圆心,以一定角距为半径画圆,将圆内的所有星点构成特征数据集合;然后利用混合粒子群算法对圆内的星点进行快速路径寻优;最后利用最优路径长度进行索引,并利用最优路径中前三个星点间的角距以及它们的星等信息进行匹配识别;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,且所需的导航星库容量小.     

层叠式SOM神经网络星图识别算法及FPGA验证

为了对空间天文望远镜精细导星仪获得的星图完成识别,提出一种层叠式自组织映射(SOM)神经网络算法模型,将该模型在硬件中实现星特征矢量匹配算法。首先,针对精细导星仪的特点详细介绍了导航星库的建立、星特征矢量的构建和筛选方法;其次,建立层叠式SOM神经网络模型,对其权值进行在线训练;最后,设计算法离线运行硬件电路并将其在FPGA中实现。仿真与测试结果表明,基于层叠式自组织神经网络的星图识别算法识别率高、抗噪声能力强、识别速度快。星点位置噪声为0.648?,星等噪声为0.18视星等条件下星图识别成功率在80%以上,新算法在FPGA中运行速度是PC机上传统三角形法的100倍。对精细导星仪星图识别算法的优化设计提供了合理可行的参考依据。     

应用相近模式向量的主星星图识别算法

在分析主星识别算法和三角形识别算法不足的基础上,提出了一种改进的主星星图识别算法.该算法在构造导航星表时,通过旋转角距的方式构造匹配向量、引入相近模式向量,同时将旋转角距向量的模、主星的邻域伴星数目及主星的最小角距作为相近模式向量的限制条件,用来减少匹配次数,提高检索效率;在星图识别过程中,首先利用向量叉乘法进行主星识...     

剖分特征集星识别法在天文导航中的应用

为了快速高效地对星图进行识别,准确地完成天文导航任务,提出了一种基于剖分特征集星识别方法。首先使用星表数据建立数据库,三角剖分该数据库建立特征星库,再获取待识别星图剖分特征与已建立的特征星库相比较实现星识别。在改进海明相似度与Euclid相似度等相似方法基础上,提出了一种新的剖分特征集星识别法,使用该方法可以快速地找到一个很小的可能星集合,重复该方法再获得相邻星的可能星集合,两个星集合中赤经与赤纬最相近的就是识别星。实验显示使用剖分特征集星识别法,准确率可以达到97%以上,能够准确地完成星图识别任务。     

基于星敏感器的星图模拟与去噪技术研究

随着小卫星应用技术的日趋成熟,测量精度高的CCD星敏感器备受青睐,快速而可靠的星图识别算法成为卫星姿态确定系统中最为关键的部分.要进行恒星的识别,就需要从星敏感器获得原始的图像,并从中提取要识别的目标及其特征.由于航天实验费用昂贵,星敏感器的地面调试、软件算法的最初模拟,不可能都进行实时星空拍摄,因此为了调试和评价星图识别算法,有必要利用计算机在地面上模拟生成星敏感器实时拍摄到的星空图片.本文的研究工作主要是星图模拟与星图去噪.首先学习了解CCD星敏感器原理,在此基础上模拟得到原始导航星图,然后模拟得到加了运动噪声的退化星图,最后学习维纳滤波和Matlab算法,利用Matlab算法中的维纳滤波方法对退化图像进行图像去噪复原技术研究,通过星图模拟和图像复原得到的仿真星图可以做成一个星图模拟器为星图识别工作提供仿真基础.     

一种基于星点特征不变原理的快速星图识别方法

星图识别算法是星敏感器输出姿态的关键技术。根据星图从天球坐标系转换到星敏感器坐标系过程中存在特征值不变的原理,结合视场和星等需求建立了导航星表。并根据星图识别要求设计了对应的快速识别算法。针对特征表维数多的特点,采用K向量法提高搜索效率,同时采用并行计算的思想进一步提高搜索速度。采用Matlab编程实现了算法,并进行了仿真。结果表明,算法的识别效率可达97.8%,平均搜索时间可达14.4ms,能够满足准确率高、识别速度快的要求。     

三视场定位定向设备的视场确定

为了提高三视场定位定向设备可靠性,建立三视场系统功能的基本约束条件测试模型,以模型为依据对可见光波段的视场进行优化分析。首先,分析了设备正常完成工作时采用组合星图识别和简单星图识别所需的必要条件,并建立这两种识别方式关于视场大小的概率分布模型。从原理和实验数据两个方面说明了三视场结构识别三角形概率分布不能通过单视场的概率分布简单推导获取的原因。,给出用蒙特卡洛法求取此概率分布和视场最优值的方法。然后,通过仿真分析得出了两种识别方法关于视场大小的概率分布,在分析两种识别方法仿真数据的基础上,取识别概率为1时视场大小为其优化值。实验结果表明:以组合星图识别为工作基础的三视场定位定向设备有更好的可靠性,优化的视场大小为4.2253.168 75。它满足三视场定位定向设备识别条件可靠性要求。