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.     

基于多特征匹配的快速星图识别

随着星敏感器探测灵敏度的提高,导航星表中恒星的数量急剧增加,导致星图识别的识别速度和识别率降低。因此,为了提高星图识别的识别速度和识别率,文中在三角形算法的基础上提出了一种基于多特征匹配的快速星图识别算法。首先,采用天球的内接正二十面体法对预处理后的星表进行分区。然后,将特征三角形的边长以及外接圆和内切圆半径的乘积作为特征值构建导航特征库,并根据后者的哈希函数对特征库进行分块。在识别的过程中,利用观测三角形外接圆和内切圆半径乘积的哈希函数实现导航特征库子块的快速定位,并在该子块内采用多特征匹配的方法得到观测三角形的识别结果,最后根据该结果确定星敏感器视场所包含的天球子区域,并在子区域内完成视场中其它导航星的识别。实验结果表明,文中算法的识别性能与导航特征库的分块数有关,在选择合适的分块数后,与常用三角形算法相比,算法在识别速度,识别率以及对星等误差和假目标的鲁棒性等方面具有明显的优势,算法的平均识别时间和识别率分别为17.161ms和98.58%,满足星敏感器对高识别速度和识别率的要求。     

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。     

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。     

基于星图识别的空间目标快速天文定位

本文提出了一种基于星图识别的快速定位算法用于加快空间目标的定位速度和提高定位精度。首先,采集当前图像的拍摄时刻和编码器角度值,运用天文定位三角形建立的地平坐标系与地惯坐标系的转换关系,计算设备视轴在地惯坐标系中的指向;然后,由视轴指向所在的天区,提取出该天区所有的导航星与特征库;结合有初始指向的局部星图识别建立图像中背景恒星星像与导航星的对应关系。最后,根据小孔成像原理,通过已识别的背景参考恒星以角距离匹配的方式对空间目标进行相对定位。对4°×4°视场、分辨率为1 024×1 024的实际图像的试验结果表明,因定位过程中引入了天文定位三角形模型和星图识别,大大加快了空间目标的定位速度,初始定位速度平均约为400ms;又因采用相对定位的方式排除了影响定位精度的因素,空间目标的定位精度优于2″。     

三角形星图识别算法的改进

三角形识别算法是采用星敏感器为导航部件所广泛运用的星图识别算法。但由于三角形特征维数较低,容易造成冗余匹配和错误识别。为了提高三角形识别算法的识别成功率,对三角形识别算法的识别过程做了改进。先将满足三边判决门限的导航星对记录到匹配数组,然后对导航星出现的次数进行计数;利用三角形三边之间两两相交的相关性,将导航星出现次数2的星对作为整体剔除,最后在余下的导航星对中寻找与观测三角形同构的三角形。识别过程中,以星对角距和相对星等差为识别特征,并对识别特征构造了散列函数,从而减少了识别过程中特征量比较的次数,提高了识别速度,增加了识别成功率。同时,也减小了内部导航星库的存储容量。     

基于最小损失函数的三视场天文定位定向

建立了三视场天文定位定向系统,以实现高精度的天文定位定向。阐述了天文定位定向的概念,介绍了三视场天文定位定向系统的工作原理。提出一种基于最小损失函数的天文定位定向算法,该算方法能够同时解算地理位置和载体的方位角信息。根据三视场系统与传统单视场系统的结构特点,从理论上分析了三视场系统的天文定位定向性能及优势。最后,就载体平台倾角测量误差和星敏感器单星测量误差对定位定向的影响进行了仿真分析并基于原理样机进行了外场实验。实验结果表明:该系统的定位精度为151.624 0m,定向精度为4.630 4″,且定位定向结果稳定。得到的结果基本满足高精度天文定位定向的要求。     

基于最大内角的三角形星图识别算法

针对传统三角形星图识别算法的不足,本文提出了一种不依赖星等信息的全天球自主快速三角形识别算法。通过构建三角形最大内角及其两边作为匹配特征三角形,建立了全天球导航特征库,对生成的特征库按最大内角值构造散列函数,并分块存储。识别过程中,采用"边-角-边"原理进行匹配。首先,根据最大内角的观测值实现子块的快速定位,然后,在子块中对观测三角形的两边进行星角距快速匹配,缩小了角距匹配的范围,提高了识别速度。试验表明,星点位置噪声低于2个像元时,识别率优于98.08%;观测星数等于10颗,特征库分块总数为1 024时,平均识别时间为13.1ms。与现有三角形识别算法相比,该算法在识别速度、识别率及抗星等噪声能力等方面具有明显优势。     

一种基于SOFM聚类的星图识别算法

介绍了一种利用自组织特征映射(SOFM)网络的聚类功能进行全天星图识别的方法.按一定规则对全天星表的星信息进行了筛选并组建了导航星星库.从星库中提取星对角距信息和星模式信息来分别训练此星图识别系统中的两层SOFM网络,使网络具备了分类识别功能.以此系统进行的仿真识别结果表明,SOFM网络可以有效地反映星图中的复杂信息,抗噪性能明显优于传统星图识别算法;分类效果较好,能区分各种星模式;识别速度很快,约为1.5ms,可以在星图识别中发挥很好的作用.     

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。     

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.     

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.     

应用有限冲击响应滤波器消除星敏感器星像噪声

从图像处理的角度研究了提高星像坐标定位精度的方法。分析了星像噪声产生的原因,对去噪声前的星像坐标进行了频谱特性分析,根据分析结果,提出了一种基于Parks-McClellan算法的滤波器最优设计方法来设计有限冲击响应滤波器(FIR滤波器)。分析了通过该FIR滤波器后星像坐标的功率谱曲线。结果显示,该FIR滤波器能很好地消除星像噪声。最后,采用某型号卫星星敏感器原理样机的地面观星数据进行实验验证,结果表明,星敏感器输出姿态精度由原来的21.921″提高到了7.823″。     

适用于星敏感器的预测未知恒星星像质心算法

提出了一种自主预测视场内未知恒星星像质心算法.该算法采用星跟踪算法来提取视场内已知恒星星像坐标.根据已知恒星信息从主星表中搜索视场内所有未知恒星,并采用这些信息预测所有未知恒星的理想像平面中心,从以这些预测的理想坐标为中心的范围内提取相应的实际星像坐标.同时采用已知恒星来验证未知恒星星像坐标.最后,对该算法进行了外场观星测试.实验结果表明:该方法提取未知恒星星像坐标时,扫描星图的像元只有局部提取星像算法的0.12%,所以进一步提高了数据更新率.     

红外星模拟器星点位置分析与模拟技术研究

针对传统星点位置误差测试方法无法应用于红外星模拟器,提出了一种红外星模拟器星点位置分析、模拟与测试的新方法。结合传统星模拟器星点位置测试方法,分析像差对星点位置的影响因素,建立像差与星点位置模拟理论模型,并通过误差拟合,分析出像质好则单星位置误差小的理论关系。依据红外星模拟器与星敏感器的对接方式,设计了出瞳距大且外置的可见和红外光双重组态下的准直光学系统,并实现红外波段像质优于可见光波段像质。利用经纬仪实测,验证理论模型的准确性,同时实测结果表明,可见光波段单星位置误差优于±13.65″,红外波段间接实现单星位置误差优于±13.65″。     

快速全天自主星图识别

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.在利用标记法进行三角形识别的基础上,引入三角形以外的第四颗星,并以其为顶点,与三角形构成假想的四面体,顶点与底面三角形3个点的角距既可作为识别特征量,也可用于检验识别的结果是否正确.识别算法以星对角距作为主要识别特征,增加星等差为辅助识别特征,减少了对冗余数据的存储,使导航特征库的容量仅有0.4 Mb.在识别过程中,利用散列查找法对识别特征构造散列函数,减少了对导航特征库遍历比较的次数和时间开销,加快了识别过程,平均识别时间为0.43 ms.仿真实验结果表明,该识别算法在较大位置和星等误差时具有较短的识别时间和较高的识别率.     

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.     

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.     

星图的稀疏表示性能

分析了星图在不同表示方法下的稀疏性能,以便将更好的稀疏表示应用于星敏感器压缩成像过程中。采用两种方式对星图的稀疏性进行了分析:第一种方法利用离散余弦变换(DCT)、离散傅里叶变换(DFT)和离散小波变换(DWT)构造完备正交基,考察星图在不同完备基下的稀疏性;第二种方法则是通过选择DCT完备基构造超完备字典及训练学习字典来分析星图在不同表示方法下的稀疏性。仿真结果表明,在完备基表示下,星图相比一般场景图像的平均峰值信噪比(PSNR)值高出15~20dB,超完备字典和学习字典稀疏表示能够在各稀疏度下进一步提升峰值信噪比(PSNR值)2~20dB;对于星点的重构质量,各表示方法在10%以上稀疏度时基本能够保证星点重构成功率高于95%。得到的结果证明星图的稀疏性满足压缩成像的要求,其稀疏重构能够在很大程度上保持适用于姿态确定的星点质心位置,从而验证了压缩感知在星敏感器应用中的稀疏前提及可行性。