1 北京控制工程研究所，北京0090
2 空间光电测量与感知实验室，北京100190
为减小杂光影响，全天时星光定向仪一般采用小视场，同一时刻只能观测一颗恒星无法输出姿态信息。本文提出一种基于单星测量的星光惯性组合导航系统，首先根据惯导输出的姿态和位置信息，控制转台和星光定向仪摆镜保证星光定向仪对目标导航星的观测，之后根据惯导的误差模型建立系统状态方程，根据星光定向仪测量的导航星方向矢量建立测量方程，利用卡尔曼滤波算法修正惯导输出的姿态位置信息。该方法引入星光定向仪与惯导安装误差作为系统状态量，在修正导航信息的同时对星光定向仪与惯导之间的安装误差进行估计，因此无需在实验室进行标定。通过仿真分析了不同安装姿态误差及不同惯导和星光定向仪误差对组合导航系统导航精度的影响。结果显示采用该方法导航1 h，位置精度优于90 m，姿态精度优于8″，相比利用实验室标定的安装姿态进行导航，该方法的精度更高。最后进行了静态导航实验，结果显示组合导航的位置误差为102.90 m，相比直接采用实验室标定的安装姿态进行解算结果提高近45.39%，验证了该算法的有效性。
星光惯性组合导航 安装误差估计 误差分析 卡尔曼滤波 starlight-inertial integrated navigation installation attitude error error analysis Kalman filtering
中国空间技术研究院北京控制工程研究所, 北京 100190
全天时天文导航图像是在大气层内白天的条件下拍摄,因此图像具有强背景,低信噪比等特点,传统星点提取算法对图像星点的提取效果较差。为提高星点识别率,提出一种较准确的全天时天文导航图像模拟方法,并基于模拟星图训练了一种可加入图像降采样结构的卷积神经网络,有效抑制了星图噪声,并提高了星点信噪比。实验结果表明:本文方法得到的峰值信噪比平均提高了11.28 dB;在效果相同的条件下,本文方法的平均处理时间仅为0.2 s,远少于传统神经网络方法的处理时间。利用真实星图对网络进行测试,发现本文方法对星点信噪比的提升效果较常用算法提升了88.9倍。
图像处理 卷积神经网络 全天时星敏感器 残差网络 降采样层 星图模拟 噪声抑制
星敏感器以恒星为姿态测量参考源, 可以为空间飞行器提供高精度姿态测量信息。白昼星敏感器具备白昼条件下恒星探测能力, 可以拓展用于高空气球、飞机、导弹、舰船等近地空间平台的全天时自主导航。对白昼星敏感器的国内外研究现状进行了综合分析, 介绍了典型白昼星敏感器的技术指标, 对制约白昼星敏感器发展的技术瓶颈和关键技术进行了梳理和总结。
星敏感器 白昼星敏感器 关键技术 star sensor daytime star sensor key technology
