星体跟踪星图识别算法

针对天文/惯性组合导航中对星敏感器快速姿态测量的要求,提出了一种基于星体跟踪的星图识别算法应用于星敏感器姿态测量。建立了基于星区的导航星库便于快速搜索导航星。实验结果表明,该算法比传统星图识别算法有着明显的优点,识别速度快,识别成功率高。     

一种新的多三角形星图识别算法

针对星敏感器星图识别算法只能处理少数目恒星的问题,结合天文观测相机进行星图识别的具体要求,提出了一种适合天文观测相机的多三角形星图识别算法.首先,选用欧洲空间局2000年2月发布的第谷2天文星表作为原始导航星表;其次,采用交叠矩形法分天区后建立导航星数据库;最后,根据天文观测相机拍摄的实际星图建立了观测星数据库;并应用多三角形星图识别算法进行星图识别的验证,实验结果表明：针对天文观测相机多三角形星图识别算法是可行的,也是可靠的.     

基于圆形视场分割的鱼眼相机星图识别方法

海上星光导航是航海中一种重要的自主导航技术, 星图识别是其关键步骤。针对船载鱼眼相机星光导航系统超大视场带来的单幅图像数据量大、识别冗余、识别效率低等问题, 提出了一种基于圆形视场分割的鱼眼相机星图识别方法。对于拍摄到的星图, 利用同心圆将视场分割成若干个面积相等的环形和圆形区域; 在构造导航星特征库的过程中, 以星角距为特征构造散列函数, 将导航特征库分段存储成若干个子库; 在识别过程中, 利用基于中心星的多三角形识别算法, 从视场中心圆形区域开始依次向视场边缘环形区域进行识别。海上观测实验结果表明:该方法能够平均以2.5 s的识别时间达到90%以上的识别成功率, 且具有良好的实时性。     

复杂星空背景下的空间目标快速捕获算法

针对现有方法在大视场、高灵敏度条件下星空背景复杂导致的空间目标捕获速度慢的问题,利用大视场星图识别的优势,提出了复杂星空背景下的空间目标快速捕获算法.采用分级曝光策略,基于短曝光获取有限数量的恒星以大幅度提高星图识别速度;利用二维最大背景估计方法,实现星图预处理,获得质心数据信息;最后基于星图目标序列剔除自然天体.通过星图目标排序横向剔除,保证剔除准确性的前提下有效提高了剔除效率,实现了空间目标快速捕获.仿真试验结果表明,本文方法快速性好、准确率高,与已有算法中较快算法相比,目标捕获所用时间减少41.92%.     

应用形状因子特征的高效星图识别

针对传统的三角形星图识别算法存在冗余匹配多、抗噪声性能差的问题,提出了一种应用形状因子特征的高效星图识别算法。该算法在传统的三角形算法基础上,引入了形状因子特征参数和方向信息,并择优选择视场内4颗观测星,组成一对观测三角形,进行星点匹配识别。与传统的三角形算法相比,该算法增加了星图识别时图像的特征信息量,降低了匹配时的冗余度,具有导航特征库存储空间小、识别速度快等优点。实验表明,在星点位置噪声标准偏差为2个像素、星等噪声标准偏差为0.7星等的仿真条件下,该算法的识别率均在99%以上;通过地面实验的实物验证,在300 MHz的FT-C6713的DSP硬件平台上,全天自主识别的平均运行时间约为47 ms,具有明显的优势。     

基于最小损失函数法进行三视场天文定位定向的误差分析

研究了基于最小损失函数法的三视场定位定向中各个误差源对定位定向准确度的影响.给出了基于最小损失函数进行三视场天文定位定向的数学模型,结合模型归纳了定位定向的误差源及其特性,分析了误差源对定位定向信息对的影响.最后,建立了定位定向误差仿真模型,并利用蒙特卡罗法进行误差仿真分析.仿真结果表明系统的定位准确度为88.1m,定向准确度为3.0″.分析指出定位定向主要的误差源是水平测量误差,其次是垂线偏差数据误差.野外实验表明,该系统的定位准确度为163.0m,定向准确度为3.5″,水平测倾角的误差对定位定向结果的影响较大.     

改进金字塔算法用于小视场星图识别

为实现小视场星图的全天自主识别,规避星矢量内积在小角距范围内区分度欠佳的问题,提出以星矢量外积作为匹配特征量对金字塔算法进行改进。分析了匹配特征量改进策略,并对改进金字塔算法涉及的基本星表预处理、匹配特征量数据库及K矢量构建、星图降噪与质心提取、星图识别流程等问题进行讨论。采用Visual C++编程实现该算法,通过仿真对其进行性能测试,并应用于小视场星敏感器。结果表明,对于小视场星图,改进金字塔算法识别成功率达96.7%,需载入内存的数据文件约26.4 MByte,识别时间平均约131.8 ms,能够满足全天自主星图识别算法的准确率高、占用资源适度、识别速度快、稳健性强等要求。     

基于P向量与三角形内切圆的星图识别算法

为了减少导航星表的存储容量和提高星图识别的成功率,提出了一种将P向量与三角形内切圆相结合的快速全天自主星图识别算法.该算法在构造导航星表过程中,从天文星表中挑选出满足要求的导航星并对其编号,以构造的P向量值、导航三角形内切圆半径R及导航三角形的第三条边为特征量构造导航子星表;在识别过程中,找出一定误差门限内,满足P向量...     

基于长短时记忆神经网络的能谱核素识别方法

针对新兴的能谱核素识别方法在混合放射性核素的噪声环境中存在识别速度慢、准确率较低等问题,提出了基于长短时记忆神经网络(LSTM)的能谱核素识别方法。实验使用溴化镧(LaBr3)晶体探测器,分别对环境中60Co、137Cs放射性源分组测量得到能谱数据集,首先使用数据平滑方法和归一化方法进行数据预处理,然后将能谱数据按时间序列分组以获得可用的输入序列数组,最后训练LSTM模型得到预测结果。通过基于BP神经网络和卷积神经网络(CNN)的两个能谱识别模型进行对比,得到在测试集中平均识别率分别为83.45%和86.21%,而LSTM能谱识别模型平均识别率为93.04%,实验结果表明,该能谱模型在核素识别效果中表现较好,可用于快速的能谱核素识别设备上。     

基于BP神经网络的小样本星图识别方法

为解决星敏感器的星图识别算法高实时性和鲁棒性,采用了BP神经网络;根据飞行轨迹精简了导航星及对应的模式,即一个视场中的一幅星图对应一个惟一的导航模式。采用二维Voronoi图计算向平面上最大空圆,构造了完备的圆视场集合;经过反复比较,选择以恒星为顶点能构造包含视场中所有星的凸多边形的导航模式,以其角距和顶角作为识别向量,具有平移和旋转不变性,并以该模式为BP神经网络的训练样本。仿真试验表明：该方法的识别成功率达100%,识别时间小于20ms。     

SOFM星三角聚类的星图识别算法

介绍了一种利用SOFM(自组织特征映射)网络的聚类功能进行全天星图识别的算法。应用C 软件编程，对全天导航星星表的星信息进行了星三角采样、分类，指出SOFM网络可以很好地提取、反映星表中的复杂信息。从实际观测星图的识别结果可以看出该算法能在中型以上视场的星图识别中发挥很好的作用，虽然识别时间比三角形算法长了些，但其抗噪能力远超过任何其他方法。     

一种基于三角形几何结构的星图识别算法

提出了一种新的以星三角形为基本识别单元的几何结构星图识别算法。通过对观测误差的预处理,将该算法星三角形的匹配过程转换为一个没有误差的三角形识别问题。引入一个能部分描述三角形结构的特征量,将导航三角形的识别所需的特征匹配数量降低,而多三角形的组合有效地提高了正确识别率。仿真实验表明,该算法所需导航星库容量小,识别效率高,误识率低,实时性和鲁棒性优于传统的三角形星图识别算法。     

一种改进的全天自主三角形星图识别算法

三角形算法是一种当前使用最为广泛的星图识别算法 ,但作为其识别基元的三角形的特征维数比较低 ,容易出现冗余匹配或误匹配 ,因而对测量误差比较敏感。针对这一缺点 ,从导航星的选取、星座数据库的构造和算法的实现三方面着手对传统三角形算法进行改进 ,提出了新的导航星自动选取方法和导航星座数据库构造方法 ,并在此基础上实现了改进三角形算法 ,其数据库容量和实时性都略优于传统三角形算法 ,且识别成功率接近多边形算法     

基于星图识别的空间目标检测算法研究

从恒星背景中检测出空间目标是空间目标天基光学测量相机所要解决的关键技术难题之一。提出了一种基于星图识别的空间目标检测算法,利用背景星图的平移、旋转、比例伸缩不变性,应用星图识别原理,根据识别恒星在不同帧图像中的坐标变化估计背景运动参数,进行探测图像序列的配准,然后在配准后的图像序列中检测出空间目标。通过仿真验证,该方法对于运动恒星背景中运动小目标的检测具有比较好的效果。     

基于Log-Polar变换的星图识别方法

基于Log-Polar变换提取特征模式,并将特征模式进行字符串编码,在KMP算法的基础上给出一种适合于星图识别的字符串匹配算法用以实现观测星和导航星的匹配识别。与栅格算法在相同实验条件下的比较表明:该方法对星点位置噪声和星等噪声具有更强的抗干扰能力,且具有更小的存储容量,但其识别速度还有待于进一步提高。     

一种非标定的快速星图识别方法

大多数现有算法在星敏感器光学系统参数标定不准确时,识别率显著降低。针对这种情况提出了一种无需标定参数的识别算法。该算法引入比例距离作为径向特征,角度作为环向特征。这两种特征不依赖焦距、主点等任何光学系统参数,仅和图像平面上的星点位置有关。识别时首先按照特征量进行初始匹配,然后利用FOV(Field of View)约束筛选待选星进行精确匹配。为了加快速度,精确匹配时引入了快速分组方法。仿真实验表明,该方法具有较快的识别速度,在没有光学系统参数的情况下,识别率可以达到97%。     

星图识别算法的优化设计与实现

在INS／CNS组合导航系统中,为了有效实时地用CNS的输出姿态信息校正INS的陀螺漂移,必须提高CNS中星图识别算法的运行速度。提出了一种改进的三角形星图识别方法,基三角形识别成功后,增加一颗附加检测星,计算出附加检测星和基三角形的三个星点的角距值。分析结果表明传统的星图识别算法在主频为600MHz的DSP6414上运行需要300ms左右的时间,算法改进后,只需40-80ms,数据输出率提高到10Hz。改变的算法在不存在伪星的情况下成功识别率近100％,存在伪星时,可以有效去除伪星。同时,解决了传统星图识别算法在嵌入式系统中实现难、耗时长的问题。该算法可以实时地校准惯导系统的误差。