[发明专利]一种基于径向与动态环向模式的星图识别方法

说明书

本发明公开了一种基于径向与动态环向模式的星图识别方法，确保在位置噪声与亮度噪声存在情况下以及视场中星点数目较少情况下均具有对星图较高的正确识别率。该方法的主要实现步骤为：1、建立导航星对应的径向与动态环向模式；2、创建若干颗导航星的导航星数据库；3、建立观测星对应的径向模式与动态环向模式；4、初始识别；5、精确识别。

技术领域

本发明属于星图识别领域，特别涉及一种基于径向与动态环向模式的星图识别方法，应用于星敏感器位姿计算。

背景技术

星敏感器作为导航控制系统的重要组成，由于其高可靠性，高精度，自主性强以及无误差积累等优点，已广泛应用于航天器的姿态测量，其工作原理为：星敏感器通过其前端成像系统获取当前视场范围内的星空图像(简称星图)，提取星图中恒星所在位置坐标与亮度信息，并由星图识别算法完成观测星与数据库中导航星的对应匹配，最终利用匹配星对计算得到星敏感器的三轴姿态信息。上述工作流程中，星图识别算法是星敏感器完成位姿测量的核心部分。

现有星图识别方法可分为三大类：子图同构算法(如三角形算法，金字塔算法，最大匹配组算法，几何投票法等)、人工智能算法(如遗传算法，自适应蚁群算法等)与模式识别算法(如栅格算法，主星环形模式算法等)。

子图同构类算法在星图匹配过程中一般利用角距作为识别特征，此类算法易于实现，但在噪声存在环境中的识别率低，运行时间长，且算法所需数据库容量较大。

人工智能算法主要利用神经元网络与仿生智能算法对星点周围的几何分布特征进行识，此类算法数据库容量小，在线匹配速度快，但算法计算复杂度高，训练时间长以及要求大量的并行运算等缺陷限制了它的工程应用价值。

模式识别类算法作为目前星图识别领域的发展趋势，其典型代表有栅格算法，其内容详见文献[Padgett,C.,and K.Kreutz-Delgado.A grid algorithm for autonomousstar identification.IEEE Transactions on Aerospace and Electronic Systems33.1(1996):202-213]与主星环形模式算法其，内容详见文献[Silani,E.and M.Lovera.Star identification algorithms:novel approachcomparison study.IEEETransactions on Aerospace and Electronic Systems 42.4(2006):1275-1288]，这两种算法均具有较高的识别率与运行效率。但是，栅格算法中定位星的选取正确率较低，会生成错误的栅格模式特征而造成识别失败，而主星环形模式算法仅在部分程度上描述了近邻星的分布特征，这导致算法中冗余匹配的概率升高，因此，这些缺陷在一定程度上影响了模式识别类算法的性能。

发明内容

为了解决现有星图识别方法存在的噪声环境中的识别率低、算法计算复杂度高等问题，本发明提供了一种基于径向与动态环向模式的星图识别方法，确保在位置噪声与亮度噪声存在情况下以及视场中星点数目较少情况下均具有对星图较高的正确识别率。

为达到上述目的，本发明的技术方案是这样实现的：

本发明提供了一种基于径向与动态环向模式的星图识别方法，该方法包括以下步骤：

步骤1：建立导航星对应的径向与动态环向模式

在原始星表中选定若干颗导航星，根据若干颗导航星分别与其周围近邻星的位置分布特征，建立若干颗导航星对应的径向模式与动态环向模式；

步骤2：创建若干颗导航星的导航星数据库

所述导航星数据库包括参考星表与模式数据库；参考星表存储了选定的若干颗导航星的编号、赤经、赤纬信息；模式数据库存储选定的若干颗导航星对应的径向模式与动态环向模式；