1 中国科学院红外探测与成像技术重点实验室, 上海 200083
2 中国科学院上海技术物理研究所, 上海 200083
3 中国科学院大学, 北京 100049
为了提高动态条件下星光导航系统星斑质心定位精度, 本文提出了一种新的模糊星斑复原算法。首先, 分析了星斑图像退化模型, 得出了星斑质心定位精度与星斑信噪比呈正相关的关系。对于载体角运动和载体振动两个因素引起的模糊星斑复原过程分成粗级复原和精级复原两个步骤。接着分析了噪声对拉东(Radon)变换的影响, 提出基于灰度拉伸的改进Radon变换算法进行粗复原。最后, 根据清晰星斑的梯度分布稀疏先验正则化, 利用迭代盲复原算法对星斑进行精复原。仿真实验结果表明, 本文提出的两步模糊星斑复原算法较传统算法复原后星斑峰值信噪比(PSNR)提高30%, 质心定位精度提高55%。
运动模糊 星斑复原 拉东变换 稀疏先验 迭代盲复原 motion blur star restoration Radon transform sparse prior iterative blind restoration
1 中国科学院红外探测与成像技术重点实验室, 上海 200083
2 中国科学院上海技术物理研究所, 上海 200083
3 中国科学院大学, 北京 100049
为了对空间天文望远镜精细导星仪获得的星图完成识别, 提出一种层叠式自组织映射(SOM)神经网络算法模型, 将该模型在硬件中实现星特征矢量匹配算法。首先, 针对精细导星仪的特点详细介绍了导航星库的建立、星特征矢量的构建和筛选方法; 其次, 建立层叠式 SOM神经网络模型, 对其权值进行在线训练; 最后, 设计算法离线运行硬件电路并将其在 FPGA中实现。仿真与测试结果表明, 基于层叠式自组织神经网络的星图识别算法识别率高、抗噪声能力强、识别速度快。星点位置噪声为 0.648., 星等噪声为 0.18视星等条件下星图识别成功率在 80%以上, 新算法在 FPGA中运行速度是 PC机上传统三角形法的 100倍。对精细导星仪星图识别算法的优化设计提供了合理可行的参考依据。
精细导星仪 星图识别 星特征矢量 SOM神经网络 FPGA验证 fine guidance sensor star pattern recognition star feature vector SOM neural network FPGA verification
