星敏感器星图识别算法

　　星敏感器是最常用的姿态确定仪器之一，相对于太阳敏感器、磁强计、地平仪和陀螺仪等其他常见的姿态测量设备而言，星敏感器不仅姿态测量精度比较高，而且能够实现自主导航能力，抗干扰能力也比较强，目前是卫星等航天器上最主要的姿态测量仪器，在导弹、飞机和舰船上也有应用。

　　星敏感器技术研究开始于20世纪50年代，截止到目前为止，已经研制出很多不同类型的星敏感器产品并且被成功应用。美国、德国、法国、丹麦和意大利等国家的航空航天产品研发机构研制出诸多应用于不同环境的星敏感器产品，其中有部分产品的姿态定位精度已经达到1″甚至更高。国内星敏感器技术的研究开始于20世纪80年代后期，经过多年的积累和发展，国内许多科研院所和高校也研制出成功应用于航天和航空的星敏感器产品，但是相对于国外研制的星敏感器仍然有很大的差距。本文通过整理国内外星敏感器发展历程以及关键技术的研究现状，分析星敏感器技术的发展趋势，为国内星敏感器研究人员提供一些可参考的思路。

　　星图识别算法分为以下三类：（1）基于星座特征的星图识别算法；（2）基于字符模式的星图识别算法;（3）基于智能行为的星图识别算法。

　　

　　基于星座特征的星图识别算法

　　是利用恒星之间相互位置关系组成特征进行识别的算法。最早是20世纪70年代Junkins提出的三角形算法，该算法比较直观，也是目前工程中最经常使用的星图识别算法，算法的核心思想是用由观测恒星构成的三角形特征与导航星座数据库中的同构三角形匹配。Liebe、Quine和Douma设计了改进的三角形星图模式识别算法。

　　Liebe根据视场大小和亮星的数量，选取所有能构成的三角形恒星进行识别；Quine首先选取视场内最亮星作为主星，然后在主星周围的圆形区域内选取两颗最亮的星同主星构成星三角；Douma同Liebe的方法类似，但他考虑了视场内恒星形成三角形的概率，只选取概率最大的三角形。与单纯使用星角距作为特征的星图识别算法相比，三角形算法的优点是具有更多的特征维数，减少误匹配的概率，便于建立导航星库索引方式，缩短导航星库的搜索时间，提高星图识别的速度。

　　三角形识别算法的缺点是在星三角形数量较多时，会出现冗余匹配或者误匹配，降低识别成功率。Mortari提出了基于k-vector方法的Pyramid识别算法。k-vector方法可以快速初始定位，减少导航星表搜索次数，提高星图识别速度。Pyramid算法以四面体为识别特征，选择了4颗观测星，以1颗星为顶点，其余3颗星为三角形来构成一个四面体，以k-vector方法为导航星库搜索算法，可以实现在噪声和伪星点比较多的情况下快速的识别出导航星。该算法的缺点是随着星对信息表增加，导致拟合曲线精度降低，不能确保最佳匹配星对落在角距误差范围内。张广军使用线型数据库搜索的方式，对Liebe的算法进行了修正，提高了算法的速度。

　　基于字符模式的星图识别算法

　　Padgett等人提出了网格算法。该算法将星坐标映射到一个稀疏矩阵上，给星图识别提供了新的思路。网格算法具有存储量很小、识别速度快、算法对星敏感器的测量误差不敏感等优点。但是当恒星位置误差或者星等误差比较大的情况下，网格算法的识别率会迅速的下降。孟娜提出了对网格算法的改进算法，提出“弹性灰度网格算法”，在识别过程中增加一个虚拟的弹性模板。

　　该算法显著的提高了对于星等和噪声误差的容错能力，提高识别率。Hyunjae Lee也提出了改进的栅格星图识别算法，他采用圆形栅格代替原始算法的正方形栅格，不仅克服了原始栅格算法对参照星的依赖，而且使改进算法对图像旋转环境有很强的鲁棒性，并且引入虚拟栅格，增大了选择模式的空间，在星图识别成功率上有很大提高。

　　李葆华等人提出了KMP星图识别算法，是栅格算法的另一种表示形式，他将采集到的星图经过高通滤波后，直接生成0-1字符串形式匹配模式，再利用KMP字符串搜索算法进行星图字符串识别。由于原始图像字符串存储容量过大，又提出了基于小波变换的改进KMP算法。

　　基于智能行为的星图识别算法

　　是随着人工智能技术的快速发展而产生的。Hong将神经网络引入星图识别，提出了基于模糊神经网络的星图识别方法。该算法基于三角形的三个角距特征，将挑选的导航三角形库进行神经网络学习，利用学习后神经网络结构识别星图。神经网络识别算法有识别率高、识别速度快的特点，缺点是学习速度慢、存在一定的误识别概率。与传统的算法比较，神经网络算法具有数据存储量低、实时性和鲁棒性好等优点。

　　但是需要大量的样本集进行训练，识别的精度受到训练集大小和训练时间的影响，对硬件的要求也比较高。McClintock首次将遗传算法引入星图识别，对基于遗传算法的星图识别方法进行了初步研究，Paladugu深入研究了遗传算法在星图识别中的应用，提出了改进的基于遗传算法的星图识别方法。

　　选定一颗主星，对主星跟伴星间的星对角距和星与星之间的夹角进行编码，定义两组星图对应的星角距误差和夹角误差和为适应度函数，将搜索分为粗定位和细定位两个阶段，在粗定位阶段变异因子适当大些，在细定位变异因子调小些。全伟等人使用了自适应蚁群算法（AAC）来实现星图识别。

　　对比分析3种类型的星图识别算法，其优缺点总结如表 4所示。类型1指基于星座特征的星图识别算法，类型2指基于字符模式的星图识别算法，类型3指基于智能行为的识别算法。目前在实际工程中，类型1是应用最多的算法，类型2和类型3的算法还没有得到广泛应用。