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。     

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．     

基于星图识别算法的空间小目标识别

基于星形星图识别算法,利用星对距离和星对角距2个特征进行匹配识别,实现了快速识别空间小目标的目的,并可对该目标实时追踪。Matlab仿真表明,该算法识别过程简单,对星图噪声和伪星具有较好的抵抗力,具有识别率高且稳定、识别速度快的优点。     

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.     

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。     

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。     

星图模拟方法在星敏感器技术研究中的应用

目前,星敏感器是一种高精度的姿态测量设备,利用计算机开展星图模拟能提供丰富的星图数据。文章讨论了利用光学设计软件,通过扩展编程模拟星敏感器成像,输出模拟星图的原理和方法,给出星图模拟程序设计结果,讨论星图模拟方法在评估光学系统、星像提取算法、星图识别算法性能以及标定系统误差等方面的应用。研究表明,星图模拟为促进星敏感器技术的研究提供了重要支持。     

基于局部熵的星敏感器星图提取方法

提出了一种新的星图图像提取方法,根据星图图像局部熵的变化,得到恒星在星敏感器中成像的目标区域,然后利用求质心的方法,得到亚像素的恒星位置,给出了图像局部熵的快速计算方法,图像的局部熵具有平滑滤波作用,并且能消除背景照度不均匀产生的灰度起伏现象,仿真实验结果表明,这种方法适合干含有系统噪声和随机噪声的点目标图像提取;在最大随机噪声〈5％的情况下,利用这种方法提取的质心位置的误差〈1／20。     

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．     

基于扩展凝聚点和网格的增量聚类算法

提出一种基于扩展凝聚点和网格的快速聚类算法CECPG(c lustering using extended condensation pointand grid).在CECPG算法的基础上提出一种基于扩展凝聚点和网格的增量聚类算法ICECPG(increm entalc lustering using extended condensation point and grid).通过扩张凝聚点准确反映数据空间的几何特征,然后采用网格和密度相结合的方法,利用爬山法和连通性原理进行聚类处理,并在差分数据的指导下进行增量聚类.实验结果证明,CECPG算法的聚类效果优于模糊聚类算法FCM和C lique算法.     

星敏感器星图的高精度星点提取方法

星敏感器硬件电路产生的噪声以及在航天器上应用所面临的复杂恶劣的工作环境,都对星图质量造成严重影响,进而降低星点提取精度.针对上述问题,提出了一种精度高且抗干扰性能好的星点提取方法.首先,采用多窗口抽样自适应阈值分割方法对星图去噪,为后续的星点提取奠定基础;然后,基于改进的灰度交叉投影法进行星点粗提取;最后,利用局部区域生长+高斯曲面拟合法进行星点精提取.改进的灰度交叉投影法能够克服星点范围重叠带来的问题,从而快速准确找到星点的粗略区域,而且可以为局部区域生长提供可靠的"种子"点;局部区域生长法可以保证星点区域的边缘细节能够得到充分保留,这对提高星提取的精度大有益处.仿真实验表明,在噪声标准差为2的仿真条件下,该方法的星点提取精度达到了0.075 5 pixel,相比于扫描法等传统方法,该方法的星点提取精度有大幅提高,而且还具有良好的抗干扰性能,因而对于在强噪声干扰条件下提高星敏感器测量精度具有重要参考价值.     

陀螺/星敏感器在轨标定算法研究

为确保姿态测量器件长期在轨工作精度,提高三轴稳定卫星的姿态确定精度,针对典型的陀螺/星敏感器联合定姿方案,推导了一种对陀螺和星敏感器进行实时在轨标定的算法.充分考虑卫星姿态测量过程中可能出现的各种误差源,建立陀螺和星敏感器的安装误差和标定因子误差模型,并对可能出现的各种误差进行在轨补偿,与同类算法相比,为卫星姿态确定和校正提供了更加丰富的信息,计算量更小.最后对该算法进行了数学仿真,仿真结果验证了该在轨标定算法的有效性和可靠性.     

星敏感器姿态测量算法的仿真

对空间飞行器姿态的实时、高精度确定是空间飞行器必须解决的关键问题,对姿控、导航、定位,尤其是遥感摄影测量具有重要意义.文中通过介绍姿态测量部件--星敏感器的基本工作原理和系统的构成以及像点模拟、导航星库制定、星图识别方法、姿态计算等仿真模型,阐述了对星敏感器姿态测量过程进行仿真的原理、方法、步骤,并给出了仿真结果,仿真验证了算法能够达到动态运行的要求,而且与静态运行时精度吻合.     

线性相位FIR滤波器约束Chebyshev设计的增广Remez算法

主要讨论线性相位FIR数字滤波器的约束Chebyshev设计问题 .Remez算法是一种高效的Chebyshev逼近算法 ,而其理论基础是交错点组定理 .针对约束Chebyshev逼近问题提出一个增广交错点组定理 ,并根据此定理提出了一个增广Remez算法 ,用于求解带不等式约束的线性相位FIR数字滤波器的Chebyshev设计问题 .如果问题的解存在 ,此算法一定收敛到问题的解 .与现有其它方法的比较表明 ,此算法有很高的效率 .     

一种改进的距离变换匹配算法在遥感图像目标识别中的应用

将一种改进的距离变换引入到遥感图像匹配中,先对参考图像和目标图像进行直方图处理,以克服不同光照条件下带来的匹配误差,在此基础上对原图像和模板图像进行距离变换,其中引入膨胀算子,减少运算次数。最后对距离变换后的图像进行匹配操作。实验结果表明：这种方法有效地克服了几何失真、边缘变化的影响,具有抗灰度反转的能力,广泛应用于不同成像条件下获取图像间的匹配,该算法满足一定的匹配精度。