一种快速全天自主星图识别算法

三角形算法是目前实际工程上星敏感器广泛应用的星图识别算法,为了克服三角形识别算法中三角形因特征维数较低带来的冗余匹配问题,对该算法进行了改进。提出一种基于Stellarium软件实时生成模拟星图的方法,建立了星图识别算法仿真计算模型。仿真试验结果表明：利用Stellarium软件能够对星敏感器各种运行场景下的星图进行模拟,模拟要素完整、正确,在测试星图识别算法过程中能够满足星敏感器高精度实时仿真测试要求,为设备的调试、性能评估以及地面试验奠定基础。对全面测试星敏感器的软、硬件性能,及对星敏感器进行精确标定具有重要意义。     

星图识别的一种扩充栅格算法

栅格算法作为一种鲁棒性好、识别率高的星图识别算法,要求星图中不少于6颗星才能进行正常的识别,限制了其在小视场或低星等敏感极限的星敏感器中的应用.针对这种情况,提出了星图识别的扩充栅格算法,该算法将扩充星图法与栅格算法结合,将视场进行有效地扩充,得到了更加丰富的星点信息,同时继承了栅格算法的优势,拥有比现有扩充星图法更强的噪声鲁棒性和更高的识别成功率.依据实际情况建立了仿真环境,并进行了大量实验,验证了算法的实时性和高识别率性能.结果表明:当应用于小视场星敏感器时,扩充栅格算法在位置噪声为1像素时的星图识别成功率大于97.4%,明显优于传统的扩充星图算法,同时其近邻星的识别成功率最高可达到86.7%,也明显优于传统栅格算法.扩充栅格算法更加适用于小视场或低星等敏感极限的星敏感器.     

基于神经网络的自动星图识别算法

神经逻辑网络(NLN)是一种神经网络与专家系统相结合的神经网络模型，本文探讨一种基于模糊神经逻辑网络的星图识别算法。在大视场多星定位系统的星图识别中，该算法比直接匹配法有较快的识别速度和较高的识别精度。     

适用于星敏感器的星体识别研究

介绍了星敏感器的基本工作原理,分析了星图的特点,进行了噪声的预处理.在星体识别过程中对传统算法进行了改进,提出了一种适合星图的二值图象标记算法,对星体进行了有效识别.并用实拍的星图进行了实验仿真,取得了较为满意的结果.     

用字符匹配进行星图识别的导航库存储方法

采用星敏感器测航天器姿态是现行方法中精度最高的,其关键是星图识别．对基于KMP星敏感器星图识别算法进行了改进,对天球中每个区域用1表示该处有星0表示该处非星,得到由0和1组成的原始字符串,用一个整数和额外一位0表示某处连续0的个数,用11来表示一个字符1,把它们存储到导航星库中相应位置．然后采用逻辑运算来进行星图匹配．仿真结果表明本文算法不但继承了原算法的优点,而且减少了导航星库的容量．     

基于等面积圆环和伴星夹角的星图识别算法

针对于传统径向和环向特征星图识别算法在构建径向特征过程中伴星分布不均匀以及采用环向特征匹配过程中特征值不稳定的问题,提出了一种等面积圆环划分和伴星矢量夹角相结合的星图识别算法。通过选取动态半径使得径向特征下的圆环面积相等,保证伴星落在每个圆环的概率相等,有效提高了径向匹配过程的识别率。对于径向匹配后冗余的导航星,采用伴星组成的矢量夹角特征进行筛选,选定匹配特征值最高的为最终识别结果。仿真模拟结果表明：当添加位置噪声为1像素时,星图识别成功率达到95%;当伪星数目为2颗时,识别率达到98%。相较于传统径向和环向识别算法,本文方法在识别率和识别速度上具有明显优势。     

三视场星敏感器的多级星图识别算法

为解决现有三视场星图识别算法效率慢、识别正确率低的问题,提出了一种面向三视场星敏感器的多级星图识别算法:第一阶段利用单一可调参数的广义回归神经网络分别识别三幅单视场星图;第二阶段利用星库中存储的星间角距信息检验导航星识别结果,再以正确识别的导航星信息计算星敏感器的3个视轴指向;第三阶段利用视轴指向辅助未识别与识别错误的导航星完成识别与校正;最终,以三视场内正确识别的导航星精确估计飞行器姿态信息。仿真结果表明,当星点质心定位误差的标准差达到0.07像素时,该星图识别算法对实验样本的识别正确率仍高达98.9%,而识别时间仅为8.464 5 ms。同时,由于提供求解姿态的星点信息较多且分布更广泛,飞行器的三轴姿态估计精度也随之提高。三视场星敏感器估计的飞行器偏航、俯仰、和滚转轴姿态精度分别为1.205 8″,1.086 7″以及1.201 8″。     

全天自主分层星识别算法

提出了全天自主分层星识别算法,该算法采用分层的方法,以局域亮星为主构造和识别观测星三角形,减少了待识别的观测星三角形数量,具有较高的识别速度;采用最大匹配可信度和索引的边缘扩充方法,可在一定程度上解决位置误差、星等误差和伪星干扰等问题,仿真实验证明,该算法具有较高的识别准确率,既可进行全天自主星识别,又可进行局部星识别。     

动态目标模拟器星图显示系统设计

动态目标模拟器是在地面模拟星空,对星敏感器的星图识别算法进行功能测试,可实时给出星图的检测设备。设计了动态目标模拟器的星图显示系统。首先阐述了动态目标模拟器的工作原理,其次推导了系统涉及的核心算法,然后进行了系统的硬件及软件设计,并得出仿真结果。该系统在22°视场内可模拟2-6等星,单星张角小于42"。对相关领域的研究具有参考价值。     

一种序列CCD星图中运动目标别的稳健算法

运动星图背景下运动目标识别方法研究在天基光学空间目标探测方面具有重要意义.针对CCD(charge coupled device)星图的特点,采用阈值分割算法对原始星图进行预处理,利用基于连通域的算法完成对星点位置提取;提出了利用星点间角度信息确定目标位置的算法;对分辨率为768×576的序列CCD实拍星图的实验研究表明了该算法的有效性和稳定性.     

一种用于星光快速捕获的星图划分算法

为了解决星光导航中捕获星体速度慢的问题，提高星光导航中飞行器姿态确定的实时性，根据星空中星体分布的特点，以及星敏感器捕获星体的原理，采用标准天文星表中的星体数据作为样本数据，提出了一种三星星图划分算法．采用天体几何学理论，分析了星空中星体之间的几何关系，建立了三星星图划分模型．仿真结果表明：与传统的两星星图划分算法比较，该算法对星敏感器精确度要求更低，并具有更高的星图识别率．     

基于改进路网分层和A~*算法的最优路径研究

为了合理规划最优路径,满足实际应用的需要,对基于改进路网分层算法和A*算法的最优路径进行了研究。首先分别改进了路网分层算法和A*算法,然后提出了一种融合改进路网分层算法和改进A*算法的最优路径算法,并给出了最优路径算法在GIS平台上的实现过程。最后将该算法应用于苍南电力有限责任公司,结果表明,与传统A*算法相比,该算法降低了搜索时间,得到了最优的路径,提高了企业的工作效率。     

基于二值化差分的CCD星图快速定位方法

大视场星敏感器的发展以及光电望远镜观测模式的改进,对CCD星图图像处理速度提出了更高的要求。文章给出了交叉投影星点快速定位算法的一种改进方法,根据其投影原理对投影值进行二值化后,运用差分方法对星图目标进行边界提取,并结合质心定位算法实现对星图目标的快速定位。仿真实验结果表明,同交叉投影算法相比本方法具有更快的处理速度。     

离散点集二分排序构造多边形的算法

简述了平面离散点集构造多边形的基本思想，在研究星形多边形构造算法的基础上，提出一种离散点集二分排序构造多边形的算法，该算法能够将离散点简捷地排序，既可构造凸多边形、凹多边形，也可构造星形多边形，且简单可行、实用可靠．     

基于属性相关分析的离群数据并行挖掘算法

针对高维海量数据集中的局部离群数据,利用并行计算和属性相关性分析思想,给出了一种离群数据并行挖掘算法。该算法首先由主节点分配属性相关分析任务,各个子节点并行查找数据集中的冗余属性,将其冗余属性传回主节点,并由主节点删除;其次,主节点分配搜索任务,各子节点采用微粒群算法,并行搜索局部离群子空间;再次,由主节点对局部离群子空间合并计算后,确定全局离群数据;最后,在MPICH2-1.0.3的并行计算环境下,采用恒星光谱数据作为数据集,实验结果验证了算法的正确性和有效性。     

强干扰条件下的星体提取方法

为了解决在强干扰条件下星体提取问题,提出了一种基于边缘检测+星体像素筛选的星体提取方法,首先用一种边缘检测算法分割星图,然后对像素进行标记,最后利用自适应阈值对星体的目标像素进一步筛选．并对像素标记算法进行改进,改进的算法在标记目标像素时,同时分析与它相邻的像素的连通性,使得属于同一星体的所有像素只分配一个标记值,提高了星图处理的效率．试验结果表明,该处理方法对强干扰噪声具有更好的鲁棒性、且运算速度更快,精度也有所提高．提出的边缘检测+星体像素筛选的星体提取方法有助于在强干扰条件下分离星体目标和背景,改进的像素标记方法,可以更快地区分不同的星体,便于工程应用．     

平方根UKF混合滤波在自主光学导航中的应用

提出了一种用于探测器在巡航段的自主光学导航方案,该方案利用光学导航相机以及星敏感器,通过测量星光信息以及天体边缘的信息,得出了探测器的相对位置。在此基础上针对导航系统状态方程和观测方程的非线性问题,进行平方根Unscented卡尔曼滤波(square-root unscented Kalman filter)计算,由此实时确定了探测器的轨道。该方法将平方根滤波和UKF滤波有机结合起来,可更好地提高自主导航系统的准确度和可靠性。通过数学仿真并与EKF滤波过程进行比较,验证了该算法的优越性。