星图识别三角形算法综述

在现代的航天领域,根据星敏感器所获得的星图分布情况,可得到飞行器的姿态。因其具有可靠性、保密性、精度高、适用范围大而得到广泛的应用。首先对传统的识别算法进行概述,然后对近年来提出的一些改进算法进行总结,并分别详细地介绍了改进三角形算法、向量索引的算法、字符串索引算法、无需标定参数识别算法、基于神经网络和支持向量机的算法。这些方法在识别速度、成功率、实时性上都有一定程度的提高,在降低虚警的情况下可以提高算法的鲁棒性,还总结了现在星敏感器识别方法的不足,并展望了今后的发展方向。     

一种基于BP网络的星图识别算法

为了提高星图识别算法的抗噪性能,提出一种基于逆向传播(Back Propagation,BP)网络的识别算法。该算法通过将星图转换成“0”、“1”和“2”的网格矩阵,提取行列数值和星数形成匹配向量,利用多个BP识别子网进行训练完成匹配识别。通过仿真试验得出以下结论:对星等位置和星等添加噪声,当位置噪声标准偏差为2像素时,BP网络算法的识别率和识别时间相对传统栅格算法分别提高2%和60ms,对噪声有较强抗干扰能力,表明BP网络算法具有更快的识别速度。     

三角形内切圆的星图识别算法

在三角形三条边长之比及其内切圆半径已知的情况下可以确定唯一的三角形,由此提出了一种基于三角形内切圆的星图识别算法.构建了导航星表,每个导航三角形按照导航星之间的角距升序来存储,构造了能够反映导航三角形三边之间关系的特征量T为索引,存储三角形内切圆半径R为识别量;在星图识别过程中,利用特征量T进行搜索、三角形内切圆半径R...     

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。     

基于共有星的快速星图识别方法

提高星图识别的快速性对于提高数字天顶仪的定位效率具有重要意义。传统的数字天顶仪星图识别需要对旋转拍摄的每幅星图上所有星点单独进行识别,致使星图识别效率较低。考虑到星图间存在着共有星,对此提出了一种基于共有星的星图识别方法。首先对定位循环中间位置拍摄的两幅星图单独进行识别,然后通过建立倾斜修正模型消除了实际拍摄状态下CCD平面与水平面之间的小倾角,并在此基础上建立了星点归算模型,以此找出剩余星图与已识别星图间的共有星。实验结果表明：通过星点归算模型找出剩余星图与已识别星图间共有星后,再对新增星进行识别,大大提高了星图识别的效率。     

一种星辐射模式下全天区星图识别算法及FPGA实现

针对在DSP中实现全天区星图识别算法耗时长导致实时性差,提出并实现了一种基于FPGA的星辐射模式下的全天区星图识别算法。该方法利用FPGA并行性、高主频等特性,在保证算法高精度、高准确度的前提下,解决了全天区星图识别耗时长的问题。首先,根据星点信息构建星辐射模式;其次,基于FPGA实现了星辐射模式下对应特征向量的计算;最后,提出了一种可预读、流水化的星辐射模式匹配算法,极大地缩短了星辐射模式匹配的时间。在Xilinx公司的Xc7a75tfgg484-2平台上进行实验验证,结果表明,在相同时钟主频下,基于FPGA的星图识别算法速度比基于DSP的算法速度快10.95倍以上,而且在使用三组特征向量同时进行匹配时,识别率超过99%。     

星图目标检测算法研究

星图识别是星光辅助导航中关键的一步.目前大部分星图目标检测算法均针对模拟星空图进行研究,且往往采用单一算法,算法的实际可行性和效果值得怀疑.针对实际拍摄的星空图,先后利用维纳滤波、数学形态学滤波、软阈值小波去噪和阈值分割等算法进行星图目标检测.处理结果表明了算法的有效性.     

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。     

基于结构特征的空间目标识别算法

提出了基于结构特征的空间目标识别算法。卫星结构的对称性使得卫星的一维距离像具有对称性，碎片结构的不对称性使得碎片的一维距离像不具有对称性，文中首先应用RELAX算法提取出目标的强散射中心的位置和幅度，然后根据模式匹配和对称性测度两种方法来检测强散射中心是否具有对称性，进而对卫星和碎片进行识别。经过计算机仿真实验，该算法取得了比较好的识别效果。     

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...     

一种改进的基于奇异值分解的星图识别算法

星敏感器是高精度的姿态测量部件,在各种航天、航空飞行器的姿态测量或控制系统中发挥着关键作用。作为星敏感器的核心技术,可靠、快速和高精度的星图识别算法一直是重要的研究课题。论文对星图识别算法进行研究。针对基于奇异值分解的星图识别算法可能出现的由于视轴不连续所造成的全天区覆盖率较低问题,提出了一种改进的基于奇异值分解的星图识别算法,详细阐述了各部分算法的设计思想。论文最后在JDK5.0开发环境中用JAVA语言实现了改进算法,并与传统的三角形算法的性能进行了比较详尽的对比。     

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.     

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.     

基于星图模拟的星空目标提取

提出了一种将星图模拟技术应用于星空背景空间目标提取的方法,建立了地基光测设备的星图模拟模型,推导了光轴指向计算和星体到焦平面成像的坐标转换。利用模拟星图生成掩模,对实拍星图处理去除恒星背景。实验证明利用模拟星图能够有效去除恒星背景提取空间目标。     

基于拓扑势的重叠社区及社区间结构洞识别——兼论结构洞理论视角下网络的脆弱性

社会网络和复杂网络上的社区识别已经成为当前研究的热点和前沿课题.针对目前社区识别方法不能兼具较低时间复杂度、无须专家知识或先验知识和允许存在重叠节点的不足,提出了基于拓扑势理论的重叠社区识别方法.通过提出的重叠节点社区归属不确定性测度,该方法同时实现了社区间结构洞的识别.实验验证了该方法的有效性.另外,文章在理论证明的基础上提出了影响因子优化算法;论证了结构洞理论视角下网络的脆弱性.     

基于拓扑结构的图像拼接算法

针对加速稳健特征(SURF)算法匹配特征点对较多,造成拼接精度低、计算量大的缺点,结合网络拓扑学理论提出了一种剔除误匹配的SURF改进拼接算法.算法定义并采用连通矩阵得到特征点的拓扑结构,将两幅图像的连通矩阵做异或运算得到判断矩阵,多次迭代剔除特征点集合中错误匹配点和匹配度较低的点,得到拓扑结构完全相同的特征点集合,有效减少了匹配特征点对的数量,提高了特征点对的匹配正确率.根据最终的特征点集合计算变换矩阵完成两幅图像的拼接处理.对比实验结果表明,针对同一组图像进行拼接处理,所提算法的特征点匹配正确率较SURF算法提高了28.28%以上;对于小分辨率图像拼接,耗时基本保持一致;对于大分辨率图像拼接,所提算法耗时大大减少.     

基于拓扑势的重叠社区及社区间结构洞识别——兼论结构洞理论视角下网络的脆弱性

社会网络和复杂网络上的社区识别已经成为当前研究的热点和前沿课题.针对目前社区识别方法不能兼具较低时间复杂度、无须专家知识或先验知识和允许存在重叠节点的不足,提出了基于拓扑势理论的重叠社区识别方法.通过提出的重叠节点社区归属不确定性测度,该方法同时实现了社区间结构洞的识别.实验验证了该方法的有效性.另外,文章在理论证明的基础上提出了影响因子优化算法;论证了结构洞理论视角下网络的脆弱性.     

星敏感器支撑结构多目标拓扑优化设计与试验

针对微小卫星对星敏感器的特殊要求,结合星敏感器特殊的工作性能和环境,采用拓扑方法对星敏感器支撑结构进行多目标优化设计并进行有限元分析和试验。首先,对模态分析和随机振动响应的基本理论进行介绍,推导出多目标拓扑优化的表达公式;其次,以支撑结构的体积最小和星敏感器在支撑结构上的四个安装点RMS值最小为目标,以最低自振频率为约束,建立支撑结构的拓扑优化模型,利用OptiStruct软件对其进行拓扑优化设计;然后利用MSC.PatranNastran有限元分析软件对优化后的支撑结构进行模态分析和随机振动响应分析,得到基频为327 Hz ,安装点RMS值的放大率最大为1.55;最后,对支撑结构进行振动试验,试验结果和有限元分析结果的相对误差最大为6.68%,二者吻合较好,该星敏感器支撑结构满足微小卫星对其性能指标的要求。     

基于形态学的白天近红外星目标检测

受多种因素的影响,白天获得的近红外星图像信噪比低,且背景通常是不均匀的,为红外星目标的提取造成了极大的困难。通过理论计算,实际白天拍摄的近红外星图信噪比极低,使用一般的滤波方法无法提取出恒星目标,形态学运算对于星图像的处理具有较好的效果。首先分析目标及噪声大小,选择较大的结构元素,然后组合开运算及顶帽变换,提取出背景,得到只含有目标及噪声的图像,然后改变结构元素大小,消除掉噪声,进行目标分割。实验证明,可较好地分离出恒星目标。