连通聚类星识别方法

采用星敏感器测卫星姿态是现行方法中精度最高的,其关键是星图识别.本文阐述了只采用观测星的位置信息,利用观测星图与导航星表的星对角距进行聚类匹配,根据观测星图的连通性进行匹配识别的方法,用图论理论解释了星识别过程;用120M主频的微机模拟分析了门限和位置噪声对识别时间的影响.在门限取0.05°,位置噪声(单轴)δ=0.02°以下时,在任一区域识别率达100%,识别时间平均少于0.2s.     

添加补偿码的快速径向伴星特征星图识别

针对传统的基于径向特征的星图识别算法在构建星模式的过程中由于位置噪声的干扰导致识别率较低的问题,本文提出一种添加补偿码的快速径向伴星星图识别算法。该算法以比特向量的形式构建基于径向特征的特征向量,同时将伴星间的角距信息以及位置噪声的补偿信息添加到特征向量中,从而有效地减小了特征库的容量,提高了星图识别算法的稳定性和识别率。最后本文根据比特向量的特点采用最小相似差方法快速完成观测星与导航星之间的初匹配,再根据同一视场内星点位置信息的相关性完成对观测星的唯一识别。实验仿真结果表明,在位置噪声为0.5像素的情况下星图识别成功率达到97.8%;在星等噪声为0.8 Mv的情况下星图识别成功率达到96.4%;当以真实星图为实验对象时,星图识别的成功率达到94.2%。与传统的三角形算法以及未添加补偿码的径向特征星图识别算法相比,本文算法在识别成功率和识别时间上均有着不同程度的提高。     

适用于星敏感器的局部星像提取方法

提出了一种局部区域提取星像的算法.该算法采用星跟踪方法提取已知恒星星像坐标,根据这些已知恒星信息在星图中适当范围内提取未知恒星星像坐标并且识别这些未知恒星.对该算法进行了观星测试和在轨验证,实验结果表明:提取星像坐标时只须扫描星图的45%,从而提高了数据更新率;识别未知恒星时由全天球变为整个天球的0.3%,从而提高了识别率.     

基于星点有序集的全天球自主星图识别算法

为了提高在全天球自主工作模式下星图识别的成功率和鲁棒性,本文结合kNN算法和有向图理论的思想,构造出具有强约束的有序星点集模式,提出基于有序星点集的全天球自主星图识别算法。该方法首先利用k近邻算法的思想,以导航星点为中心,对位于其一定范围内的导航星进行了分类划分。然后基于有向图理论,以距离中心点星最近的导航星为基准,按照顺时针顺序对分类的导航星进行排序,构造出具有强约束特性的有序星点集作为星图识别的特征。实验结果表明:在存在星点位置误差和伪星点的情况下,本文提出的基于有序星点集全天球自主星图识别算法具有很强的抗噪声能力、抗伪星点干扰能力和鲁棒性。在星点质心位置达到3像素时,基于有序星点集星图识别算法成功率仍然可以达到99.8%,比三角形识别算法和栅格识别算法的识别成功率高16%以上;在存在3颗伪星点的情况下,基于有序星点集星图识别算法成功率为98.4%,比三角形识别算法和栅格识别算法高10%以上。     

天文导航中的星敏感器技术

由于星敏感器仅仅工作在全天球的识别模式下远不能满足当前飞行器任务的需要,提出了当星敏感器有足够的先验信息情况下,可在星跟踪模式或者预测星像模式下工作,来提高星敏感器的数据更新率,降低由全天球识别带来误匹配的可能性.本文提出了一种新的星跟踪算法来克服飞行器在大角速度飞行情况下传统星跟踪算法处理时间过长等不足;为了消除由于系统噪声带来的误差,还提出了星图滤波和星像滤波的方法.实验结果表明,当飞行器在2.25°/s的角速度下飞行时,星敏感器能在10 pixel×10 pixel的范围内从星图中正确提取星像,星图经去噪后,星敏感器输出精度提高了近5″,从而使星敏器可在飞行器高动态飞行情况下实现高精度、高更新率的姿态输出.文中描述的所有方法已在2007年和2008年进行了地面观星测试,并于2009年即将应用于某些卫星的姿控系统中.     

三角剖分以及径向基函数神经网络在星图识别中的应用

根据经典径向基函数(RBF)神经网络的优势,结合星图模式样本集的特点,设计了一种适合星图模式样本的网络训练算法.从提取星图模式入手,引入三角剖分理论,将可能出现在同一视场内的恒星以三角形的形式连接起来,提取连接的角距作为星图模式,建立了具有完备性、平移旋转不变性的星图模式样本集.然后,利用RBF神经网络做星图识别,研究顺序训练方法和批量训练方法,总结多种经典算法的优缺点,并设计了一种训练方法.通过实验证明了该种方法较其他经典算法更为适合学习星图模式样本.最后,给出RBF神经网络相关的训练数据,并通过模拟星图软件获得若干模拟星图作为观测样本,利用已经训练好的神经网络进行识别.试验结果表明,测试网络能够正确识别这些星图.     

适用于星敏感器的导航星星库制定

导航星星库对星图识别、最终姿态获取具有重要意义.导航星星库的容量,存储方式,存储内容,读取方式,是影响星图识别的识别时间和识别率的关键因素.本文介绍了采用球矩阵存储和读取导航星库的方法,阐述了导航星的选取规则及存储内容.球矩阵方法可以在全天球范围内快捷查找导航星的大致区域;年中平位置及导航星星对角距的存储,可使视位置转换时间及星图识别时间进一步减少.     

改进的基于主星的星图识别算法

为了建立更高效的星图识别算法,设计了一种以主星与邻星角距为识别特征的星图识别算法.构建了导航星库,将所有邻星与主星角距进行量化编码,并按照从小到大的顺序排列为特征模式字符串,串尾附加字符串长度项为聚簇索引,借以提高导航星库的检索速度;然后,利用改进的KMP字符串识别方法对观测星进行匹配识别.当存在2 pixels的高斯位置噪声时,该算法成功识别率高于97.38%,导航星库的存储容量为149.4 kB.在Pentium 1.6 GHz PC机上随机识别1 250幅星图,平均识别时间为42.78 ms.此识别算法对观测图像具有旋转不变性,对位置和星等噪声都有很好的鲁棒性,且导航星库的存储容量小、检索效率高、实时性好.     

SOFM神经网络在电动机故障诊断中的应用

研究了SOFM神经网络的结构及学习算法,提出了将SOFM网络应用于电动机故障模式分类,并据此对故障进行诊断的方法.经实例分析证明,该方法可对电动机的多个故障进行有效诊断.     

三视场天文导航视场间星图识别的导航星选取

研究了三视场天文导航视场间导航星的选取方法,以提高其视场间星图识别的效率,减小识别特征数据库规模。根据三视场天文导航星图识别的特点,分析了导航视场间导航星数目对视场间三角形星图识别的影响。考虑视场间三角形星图识别的需求,给出了任意视场至少包含1颗导航星和亮星优先选取的视场间导航星选取准则。然后,遵从上述准则提出了一种基于星等优先的一阶自组织导航星选取算法。利用提出的算法制备了视场间导航星星库,并对该导航星星库的性能进行了仿真分析和外场实验。实验结果表明:使用该算法制备的导航星星库规模较星等阈值过滤方法制备的星库规模降低了53.91%,且库中导航星分布均匀,符合视场间导航星的要求。     

星光制导中的凸多边形星图识别算法

提出了以凸多边形为基元、完全不依赖于星等的星图识别算法。首先,构造全部导航星的14°视场模式,共9 176个。然后逐一把这些视场中的导航星投影到像平面,得到一系列的点。依其坐标排序,采用由平面上的点生成凸多边形的算法,就能得到唯一的、以恒星为顶点的凸多边形。在导航星表中以凸多边形为储存单元,其内容为凸多边形的边和顶角。为此,设计了以导航星凸多边形和观测凸多边形之间距离最小为准则的识别算法。针对星光制导的导弹观星时间很短,提出了根据弹道生成弹上导航星表的方法,其导航星表只需存储30颗星的75个凸多边形。仿真结果表明:在任意视场中,基于凸多边形的星图识别成功率高于99%,并具有较强的鲁棒性。     

快速全天自主星图识别算法的研究

三角形识别算法是工程应用中较为成熟的算法,为了克服三角形因特征维数较低带来的冗余匹配问题,提出了一种改进的三角形算法。由于经过标定后观测星之间的相对星等差比较稳定,增加星等差作为辅助识别特征,同时,引入三角形以外的第四颗星为顶点,与三角形构成假想的四面体,顶点与底面三角形三个点的角距既是识别特征量,也可用于检验识别的结果是否正确。为了减小导航特征库的容量及对其遍历比较带来的时间开销,对导航特征库存储内容进行了精简,并利用数据结构中的散列查找法对识别特征构造散列函数,加快了识别过程。仿真实验结果表明,该识别算法具有较快的识别时间和较高的识别率。     

基于晶体增长分类算法的个性化在线服务

为给用户提供精确的个性化信息服务，提出了一种晶体增长分类算法，以此对网络上的信息资源进行分类。晶体增长分类算法利用反复提取原型向量的方式来聚合信息。其中，原型向量的提取根据输入的搜索关键词及其上下文关系，通过径向基函数神经网络完成。原型向量反复提取过程反映了一种树型关系，而每个阶段的结果形成树型目录的一个节点。信息分类结束后，形成一个树型目录。在此目录的基础上，结合在线服务技术和用户需求，以向导的方式对信息进行二次匹配，从而保证个性化信息服务的精确度。另外，所提算法也具有合理的计算复杂度，且实验结果验证了算法的有效性和可行性。     

一种新型复合式星形耦合器及其性能分析

本文首先提出了一种新型复合式星形耦合器。这种复合式星形耦合器既适用于单纤双向WDM系统,也适用于单纤单向WDM系统;它不但使得耦合器所能提供的端口数成倍增长,而且由其构成的WDM星形网具有极大地组网灵活性,能方便、平滑地实现网络的在线扩容、升级,可有效地解决WDM星形单跳网的网络容量受限问题,提高网络的性能价格比。文章首先论述了复合式星形耦合器的结构;其次分析了它的性能;然后对其结构中功率分路器的分配比进行了计算;最后计算了其所要求的光放大器增益的输出功率。