基于主星对的星图识别算法

星图识别是星敏感器确定卫星姿态的关键技术。在传统三角形识别算法的基础上，将星图中最亮的两颗星作为主星对，其它星作为辅助导航星，引入星对相对星等差信息，通过对主星对的识别提高识别速度，采用以主星对为公共边的多三角形模式匹配提高识别精度。并提出了一种将星对表拟合成曲线函数实现快速角距匹配的方法。微机模拟实验结果表明该算法的识别率和识别速度均优于传统的三角形法。     

一种改进的快速星图识别算法

为解决传统算法在星图噪声加大、星等接近的情况下识别率和识别速度降低的问题.提出一种改进的星图识别算法;从三方面进行改进:首先采用重叠正交网格方法对星表进行均匀化,以减小导航星库容量;其次在匹配时采用哈希查找的搜索方式,以提高匹配速度;最后在识别匹配中加入星等判断环节,当星等噪声大、相对星等小时不采用星等信息,只采用角距进行匹配,同时引入了校验环节以降低冗余和误匹配;仿真实验表明,改进的算法对位置和星等误差比传统的星图识别算法具有更好的鲁棒性,且实时性得到了很大的提高.     

基于多视场星敏感器的三角形星图识别方法

为解决现有基于单星敏感器的星图识别中由于成像视角小,星图恒星数量不足而造成的星图识别率偏低的问题,提高星图识别的准确度和精确度,提出了一种基于多视场星敏感器的改进三角形星图识别方法;该方法通过将相同位置相同时间不同姿态角获得的多幅星图基于星图自身径向特征拼接成一幅多视角、不失真的星图,利用拼接后的星图进行星图识别,同时采用分块方式存储星对角距以及利用哈希查找提高星图识别效率;实验随机识别500幅星图,仿真结果表明,与传统的单视场星图匹配算法相比,该方法具有更高的星图识别率和匹配精度,当星图恒星数量达到30以上时,平均识别率能基本达到97%,且识别速度提高了11倍左右。     

LIS模式下基于双主星集合匹配的星图识别方法

为提高折射星图中非折射星的识别成功率,提出了一种大视场星敏感器高鲁棒性星图识别方法。首先,筛选基础星表,实现导航星库均匀化,采用分组快速搜索算法,提高星对角距特征匹配速度。其次,提出一种基于双主星集合的星点匹配算法,通过匹配、验证、确认三个阶段,多次检验星点集合中的导航星序号,提高星图识别算法的鲁棒性。仿真结果表明,在星点位置噪声、星等噪声、伪星和缺失星等干扰环境下,所提算法与传统的三角形-金字塔混合算法相比,抗干扰能力更强。在含有6颗折射星的干扰条件下,所提算法的非折射星识别成功率仍高于95.6%,较传统算法识别率提升31%。     

一种基于星三角形的星图识别算法

提出了一种基于星三角形的星图识别算法。根据星三角形构造其对应的模式向量,按照三角形周长进行升序排列,并构造辅助索引向量,提高搜索效率;通过分析三角形算法产生误匹配或冗余匹配的主要原因,根据估计最大位置误差建立相近模式向量表,以提高识别成功率。仿真实验表明：当位置噪声在估计最大位置误差范围以内时,本算法识别成功率可达99％以上,平均识别时间为1．8ms,很好地满足了星图识别的要求：     

基于同心圆分割的大视场星图识别算法

针对星敏系统常见的三角形识别算法数据冗余量大、识别速度特别是初始识别速度低的问题,提出一种基于同心圆分割的大视场(FOV)星图识别算法。在分析星图信息以获得其主星的基础上,围绕主星以一定的半径画8个同心圆,再根据各星的坐标统计每个圆环内的星数量,从而得出主星的伴星分布向量。以同样方法基于基本星表构建相对应的导航星特征库,然后利用伴星分布向量与特征库进行模式匹配,从而得出星图识别结果。对特征库中的数据,根据各向量的第一维元素大小进行排序,以加快算法的识别过程。仿真实验结果表明,该算法所需的导航星特征库存储空间小,具有良好的实时性、抗噪性与较高的识别率,能够以95.3μs的识别时间达到88.9%以上的正确率,可与其他识别算法相结合,执行于不同的阶段,实现更高效、准确的天文导航。     

基于ITSI优选算法的星敏感器导航星库建立

为了有效提高星敏感器星图识别性能,基于ITSI导航星优选算法,合理地进行了导航星库的构建。该优选算法是在传统的导航星优选算法基础上进行的改进,通过区域分割和星密集度计算来实现优选导航星。同时,基于SAO星表,本文建立了一个星图仿真器的软件平台,可以按照实际需求输出全天球范围内不同光轴指向、视场角、轨道位置、像元敏感度等约束条件下的观测星图。在此星图的基础上,运用上述导航星优选算法,建立导航星星库。经均匀性评价准则验证,本文提出的导航星优选算法可以更好地实现导航星的均匀分布,降低星冗余度。最终基于此算法建立导航星库,可以有效降低星图匹配复杂性,提高星图匹配速率和识别成功率。     

基于几何特征的圆形区域星图识别算法

圆形区域法是星图识别算法之一,具有识别过程简单但不能排除伪匹配的特点。对圆形区域法进行改进,以右手螺旋法则构造三角形模式的几何特征;通过在最亮两颗星的内外环交集内引入第四颗亮星消除三角形的相似性,减小伪匹配发生概率。对猎户座实拍图片进行识别,并对全天随机位置产生模拟星图,在不同的星体位置噪声下进行星图识别。仿真实验表明,采用改进后的圆形区域法星图识别率达到98％,识别时间平均低于0．05s。     

基于锚定和EMD距离的星图识别方法

针对现有的识别算法存在识别速度慢,识别成功率不高,提出了一种新的星图识别算法,该算法根据恒星星等,利用锚定的方法,使待识别星图中的星落于导航星图中的星的ε邻域,对于未落于ε邻域的星,建立有向赋权二部图,进行完美匹配,根据计算星对之间EMD距离,来确定星图的匹配是否成功;仿真结果表明,该方法提高了星图识别的速度,有很高的成功率;通过与利用Hous-dorff距离进行星图识别的方法比较,该方法对于星数目多时,速度有明显提高。     

一种利用已识别信息的星图识别算法

星图识别是星敏感器研究中的关键技术之一。现有的算法都是对每一个观测星在未知任何信息的情况下进行识别,而没有利用已经识别的观测星信息。如果利用已经识别的观测星信息,则可以大量减小其余星识别的计算量。研究利用已识别的观测星信息进行其余星的识别。给出了导航星库的建立方法和数据结构,以及已知3颗以上观测星时其余星的识别过程。提出的识别算法的导航星库只需要星对角距信息,存储量小,经对模拟星图的识别,其余星的平均识别时间为3.34m s,小于现有的识别算法。     

一种改进的栅格星图识别算法

针对传统的栅格算法提取的特征模式不能反映其内在相似程度进而影响星图识别准确性的问题,提出了一种改进的栅格算法.利用特征模式间的度量函数反映不同特征模式之间的相似程度,解决了传统算法中由于位置量测误差造成的影响.根据实际情况建立了仿真环境,进行了仿真实验.结果表明:当星点位置噪声大于1.5像素时,改进算法的星图识别成功率明显高于现有的栅格算法;在存在"假星"的情况下改进算法的星图识别成功率优于现有的算法,验证了算法的有效性.     

无方向的三角形匹配指纹识别

目的 指纹匹配是自动指纹识别系统研究的核心内容之一,匹配算法的好坏直接影响识别系统的效能。目前,大多数点模式匹配算法都依赖于指纹方向场的求取,由于输入的指纹图像存在平移、旋转和尺度变化,因此同一个手指在不同时间获得的指纹图像的方向场是不同的,这不仅增加了计算量,也影响了指纹识别的精度。针对上述问题,提出了无方向的三角形匹配算法。方法 提出的三角形匹配算法是以平面中任意点与一个确定的三角形之间的位置结构稳定性为理论基础的。首先,分别在待识指纹图像和模板指纹图像中确定基准三角形;其次,将各个特征点与基准三角形三个顶点的距离组成有序三数组;最后,利用数组的相等程度对指纹相似度进行匹配判断。结果 采用国际标准测试库FVC2004进行综合性能比对实验,实验结果表明,与其他几种匹配算法相比,本文方法在识别精度上提高了27.97%~33.81%,在比对时间上降低了3%~5%,在不同旋转角度下误匹配率平均降低了约86.63%,对噪声、平移、旋转和形变有足够的适应能力,具有较高的容错能力和鲁棒性。结论 无方向的三角形匹配算法是一种全局模式的算法,该算法不受指纹图像方向及其位置的影响,实现过程简单,识别精度高,平均比对时间少,适用于处理不同类型的图像数据。     

基于CCD星体跟踪器的舰船位置估计算法研究

CCD星体跟踪器作为舰船位置测量仪器，因其定位精度高、无位置积累误差、快速和智能化工作而受到重视。本文根据CCD星体跟踪器确定舰船位置的原理，介绍了一种用改进遗传算法来进行位置估算的新方法，仿真结果表明效果良好。     

Star pattern recognition based on features invariant under rotation

A star pattern recognition algorithm is proposed on the basis of features invariant under rotation. Guidance star identification via the algorithm is performed on star images captured by star sensor and simulated images. The results indicate that the proposed method presents better robustness against position and magnitude noise than conventional ones and eliminates rotation procedure and avoids the influence caused by grid size choice. The database feature storage for each pattern consists of simply four floating point numbers.     

动态节点质心定位改进算法

为降低无线传感器网络的定位误差,提高动态节点的定位精度和定位覆盖度,使节点定位能够应用于动态环境下,基于传统的定位算法,提出了一种新的动态节点定位改进算法。该算法通过未知节点接收、保存的分组信息来循环组成虚拟三角形,同时依靠内点测试方法来判断未知节点自身位置,最后根据质心算法来进行最终定位。将仿真结果与传统算法进行比较,结果表明,改进算法可以大大提高无线传感器网络的定位精度和覆盖度。