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     

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。     

一种改进的凸多边形星图识别算法

提出一种在不依赖于星等的凸多边形算法基础上构造的三角形算法。将像平面上的恒星依据坐标排序生成具有唯一性的凸多边形,以三角形的边角边作为识别特征,按照顶角排序后删除重复的角度和角距来拟和曲线,可以加快搜索查询匹配速度,进而识别出视场中恒星在赤道坐标系中的坐标,识别速度较快,具有较强的鲁棒性。     

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.     

一种快速三角形星图识别算法

针对星敏感器产品中常用的三角形星图识别算法存在时间复杂度较大、星图识别时间长的不足,提出一种改进的快速三角形星图识别算法。该算法通过构建二维链表数组将三角形的星对角距及角距容差集合保存下来,避免了星对角距重复计算和重复查找过程;通过构建哈希表,改变星对角距匹配方式,减少星对角距匹配次数,使三角形星图识别的时间复杂度大幅降低。试验结果表明,在不同星点位置噪声扰动以及不同观测星上限取值条件下,改进后算法的星图识别时间与传统三角形星图识别时间相比减少了70%,对提高星敏感器姿态更新频率具有重要意义。     

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。     

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。     

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。     

基于改进对数极坐标变换的星图识别算法

星图识别的速度决定了姿态更新率.针对基于对数极坐标变换的星图识别算法的循环位移带来的耗时问题,提出了一种改进算法.首先寻找距离视场中心最近的星点来构造新的直角坐标系,并转换为极坐标,然后将星点坐标投影至距离轴,构造星模式的特征向量.由于极坐标变换在距离轴上具有旋转不变性,所以避免了循环位移带来的耗时问题.仿真表明,所提...     

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%。     

适用于星敏感器的导航星表构造算法研究

导航星表的性能对于星敏感器姿态测量的实时性及精度至关重要。为了克服星等过滤算法的缺点,将支持向量机应用于导航星表的构造算法中。将基本星表中的恒星视为待分类的数据点,选取抽样视场中最亮的k颗星作为导航星,而非导航星的数量由抽样视场中恒星的密度决定。为了获得具有最大推广能力的抽样数据,采用了一种球面螺旋形算法生成抽样视场视轴指向,使用抽样数据构建最优导航星分类器,应用最优导航星分类器对基本星表中每一颗恒星进行分类判决。仿真结果表明,在满足8°×8°视场中至少出现3颗导航星的条件下,该算法生成的导航星表导航星总数约为星等过滤算法的33%,比传统支持向量机算法减少了7.8%,其标准差仅为星等过滤算法的21%,这表明本算法在导航星表容量及导航星分布均匀性方面大大优于星等过滤算法和传统支持向量机算法。     

基于高斯分布的星点图像亚像元定位算法研究

应用高斯点分布函数为数学模型,提出了一种新的获取高精度恒星质心位置的方法.由于入射到星像点邻域内像元中的光子能量呈近高斯分布,因此利用成像邻域内像元强度的比值,将高斯点分布函数展开成为关于质心位置的多项式,可将质心位置在x、y轴方向分别计算出来,并利用从星图中提取出的多星对角距误差的统计值来间接验证提出的算法.试验结果...     

A method of autonomous orbit determination for satellite using star sensor

1 Introduction Autonomous orbit determination of satellite means that orbit determination is solely finished on board, independent of the observation of ground system. Study on autono-mous orbit determination of satellite has been very hot in the field of orbit determination currently internationally due to its significance in application. There are two common ways of autonomous orbit determination internationally. One is autonomous orbit deter-mination based on navigation system, such as on-b…     

星点图像超精度亚像元细分定位算法的研究

在CCD星敏感器中,星点图像质心定位的准确性影响星图识别的正确性,也决定了星敏感器测量的有效性。质心法是星点质心亚像元定位的传统方法,然而,它存在系统误差和随机误差。分析了误差产生的原因。在传统质心法的基础上提出了采用二元线性插值和自适应质心窗来改善信噪比,并对误差进行校正,实验证明了它比传统的质心法有更高的精度。     

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。