一种多主星模型的多视场星图识别方法

甚高精度星敏感器往往需要小视场、大面阵以确保较高的角分辨率,然而视场小容易导致星图识别可靠性降低。针对多视场甚高精度星敏感器,本文提出了一种多主星模型的多视场星图识别方法。该方法首先以某一视场星敏感器为基准,利用星敏感器之间的相对安装关系,将其他视场星敏感器探测到的星点转换到基准坐标系下的矢量,然后在每个视场中各自确定一个主星,以主星为基准,利用角距信息,星等信息作为识别标识,构造多个基准三角形模型,利用分段拟合的查找方式,实现多个视场联合星图识别。以高分七号卫星国产双视场星敏为对象,利用下传的原始星图进行试验,结果表明,相对于传统多视场星图识别算法而言,本文所提出的星图识别方法识别率达到99.6,可靠性更好。     

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。     

基于星与目标拓扑结构变化差异的星图识别算法

利用星点间拓扑结构相对稳定不变的特性,本文提出了一种基于拓扑结构信息的星图识别算法。在星图预处理的基础上利用广义似然比检测算法提取包括恒星在内的目标,经交叉投影获取目标在视场中的位置,根据目标与星及星与星之间的运动连续性差异选取马氏距离与归一化相关系数作为结构相似性测度来表征星点间的结构信息,通过结构信息的变化来判断是星点还是目标,依据一定的变化准则将目标与星区分开,从而达到星图识别的目的。通过仿真实验分析验证算法的有效性和合理性。     

自动导星星点检测及跟踪算法研究

详细介绍了自动导星的工作原理,对自动导星的星点检测及跟踪算法进行研究,结合星点能量在星图上分布近似高斯分布的特性,提出一种稳定可靠的目标星点提取算法。算法首先分析了星点目标的阈值判断原则,根据阈值条件确定一定数量的候选星点,然后在候选星点中筛选出最优的目标星点,最后通过高斯曲线拟合的办法求取最优目标星点的质心坐标。该方法提高了目标星点提取的准确性和计算速度,实验结果表明:改进后的算法能够达到良好的效果。     

一种静态星模拟器的设计与星点位置修正方法

为了实现对高精度星敏感器的地面标定,设计了一种大视场静态星模拟器,其星间角距精度要求优于20(″).采用星点分划板作为核心显示器件来模拟星图,通过设计大视场小畸变光学系统使模拟星图成平行光出射,在星敏感器入瞳位置产生星图.为保证星点板的星图模拟精度,提出了一种星点位置的修正方法.实验结果表明,经过星点位置修正后的静态星...     

基于高斯弥散参数拟合的伪星检测

天文导航中,伪星的存在会给后续的星图识别等处理造成较大困难。为更有效地剔除星图中的伪星,提出一种结合区域面积检测和高斯参数拟合判别的复合检测算法。首先对疑似星象区域进行面积检测初步剔除明显的伪星点;再根据同一星图中星点的高斯弥散参数相同的原理对各星点进行参数拟合,对计算的弥散参数进行统计判别,进一步剔除分布与正常星点明显不同的伪星。仿真试验及结果分析验证了算法的有效性和良好的抗噪性能。     

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。     

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%。     

剖分特征集星识别法在天文导航中的应用

为了快速高效地对星图进行识别,准确地完成天文导航任务,提出了一种基于剖分特征集星识别方法。首先使用星表数据建立数据库,三角剖分该数据库建立特征星库,再获取待识别星图剖分特征与已建立的特征星库相比较实现星识别。在改进海明相似度与Euclid相似度等相似方法基础上,提出了一种新的剖分特征集星识别法,使用该方法可以快速地找到一个很小的可能星集合,重复该方法再获得相邻星的可能星集合,两个星集合中赤经与赤纬最相近的就是识别星。实验显示使用剖分特征集星识别法,准确率可以达到97%以上,能够准确地完成星图识别任务。     

星敏感器的星点定位方法研究

介绍了星敏感器的基本工作原理,分析了星图的特点．并结合星图的特点对星图阈值的确定和内插细分算法进行了研究,从理论和实践两个方面对星点定位算法进行了分析,最后确定了适合星图使用的星点定位方法。并用星敏感器对该定位方法进行了试验检验,取得了较为满意的结果。     

基于DSP的漂移扫描CCD星图快速识别

为了提高漂移扫描CCD的识别速度,实现同步 卫星实时定轨,提出基于数字信号处理器(DSP,digital signal processor)的星图快速识 别算法。在嵌入式DSP数据处理 平台上优化传统的三角形识别算法,采用二次匹配识别算法,即分区间筛选子星表中参考星 参与初匹配,利用初匹配结果推算CCD底片模型,根据背景恒星与子星表参考星的对应关 系将所有恒星进行二次匹配。对分辨率为1528×1528实拍星图的实验处理结果表明,由于引 入了DSP与改进了识别算法,在很大程度上加快了漂移扫描CCD星图识别速度,所耗时间 仅为传统星图识别算法的50%,且识别成功率达到98.4%。     

一种新的数字调制信号分类特征选择算法

针对调制信号分类特征选择问题,提出了自适应惯性权重模拟退火二进制离散粒子群算法。该算法将模拟退火算法嵌入到离散粒子群算法循环体中,利用模拟退火算法具有较强的局部搜索能力和避免陷入局部最优解的特点,解决了简单智能优化算法早熟收敛和局部搜索能力弱等问题。仿真结果表明,该算法能有效选取最优特征,性能优于简单离散粒子群算法和遗传算法。     

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。     

基于混合粒子群算法求解TSP问题

遗传算法是研究TSP问题中最为广泛的一种算法,它具有全局搜索的能力。而粒子群算法收敛速度较快,但容易造成局部最优的情况。本文基于遗传算法的交叉变异设计了混合粒子群算法,通过对TSP问题求解分析,证实该方法提高了标准粒子群的搜索能力,获得了较高的收敛速度和近似最优解。     

基于粒子群优化的直觉模糊核匹配追踪算法

针对现有直觉模糊核匹配追踪算法采用贪婪算法搜索最优基函数而导致学习时间过长的问题,汲取了粒子群优化算法全局搜索能力强、收敛速度快的优势对最优基函数的搜索过程进行优化,提出了一种基于粒子群优化的直觉模糊核匹配追踪算法,并将该算法应用于时效性要求更高的空天目标识别领域.实验结果表明,与传统方法相比,本文方法在识别率相当的情况下有效缩短一次匹配追踪时间,计算效率明显提高,且所得模型具有稀疏性好,泛化能力高等优点,特别适用于兼顾识别率和实时性的应用领域.     

星敏感器高动态下自主星跟踪算法

当飞行器大角速度机动时,采用传统的星跟踪算法来提取星像坐标时,必须选取较大的扫描星图区域,从而增加了区域内包含其它星像部分像元或全部像元的可能,需要多次采用星对角距比较来选取正确的星像坐标,因此,在选取正确的星像坐标时增加了误匹配的可能。为此,文中提出一种星敏感器高动态下自主星跟踪算法,首先根据前邻时刻的瞬时姿态来预测下一时刻的输出姿态,再利用预测姿态预测当前时刻恒星在下一时刻的星像坐标,最后扫描在以预测的星像坐标为中心的星图范围内提取实际的恒星星像坐标。这样克服了采用传统星跟踪算法带来的数据更新率低、可能误匹配高甚至不能提取正确地星像坐标的缺点。最后,采用该方法进行了仿真验证以及外场观星试验。     

基于PSO和LM的信号稀疏分解快速算法

传感矩阵和重建算法的性能分析和优化是目前压缩传感领域研究的热点。针对匹配追踪算法在信号稀疏分解中计算量巨大的难题,提出了一种交替使用粒子群算法和LevenbergMarquardt算法的混合智能算法来寻找最佳原子。首先利用粒子群算法得到群体最优解,再以该解作为LM算法的初值,交替使用两种算法,直至发现满意的最优解。数值分析表明,新算法克服了粒子群算法过早收敛于局部极值和LM算法依赖初值的问题,保证了求解的速度和精度。     

改进Hausdorff距离和粒子群算法在激光制导中的应用

为提高激光成像制导精度,实现遮挡条件下的有效识别,提出一种基于改进Hausdorff距离和粒子群算法的激光图像匹配算法。首先提取基准图和实时图的边缘特征;而后针对原始Hausdorff距离易受噪声、孤立点及遮挡影响的不足,提出一种自适应部分均值Hausdorff距离,并将其作为相似性测度;最后改进粒子群算法以完成搜索匹配,一方面提出混沌惯性权值以提高其搜索能力,另一方面通过引入混沌局部搜索避免算法过早收敛。实验结果表明,该算法不仅具有较高的匹配成功率,而且实时性较好。     

应用案例推理技术的快速认知引擎

认知引擎必须根据外界无线环境的变化和用户需求,快速自适应调整无线电参数。本文选取一定比例粒子群个体按选定匹配案例的参数配置进行初始化,其余个体随机初始化,这样使粒子群优化算法的粒子在搜索初期就处于靠近最优解的解空间里,同时保持一定的种群多样性,得到一种基于案例推理粒子群优化算法;并由此算法以最大化数据速率、最小化发射功率及最小化误比特率为目标来优化无线电传输参数,得到一种比现有算法收敛速率快和寻优能力强的认知引擎。多载波系统的仿真结果表明了本算法的有效性。