为了保障太阳杂光干扰下星像点质心定位的精度,本文提出了一种去阈值和杂光斜面噪声的质心定位新方法。首先,在星像点窗口内将太阳杂光灰度噪声建模为一个斜面。针对质心定位新方法,推导关于杂光斜面模型各参数估计误差的质心定位误差分析公式,尤其是关于开窗大小的函数关系。然后,基于窗口边缘像素给出杂光斜面模型的最小二乘参数估计公式。最后,采用传统的灰度重心法、去阈值灰度重心法和所提方法进行质心定位仿真测试,结果表明,所提方法的精度比传统灰度重心法和去阈值质心法的精度分别提高了2倍和15倍,是太阳杂光干扰下星像点质心定位的有效方法,具有一定的工程应用价值。

针对精细导星仪(Fine Guidance Sensor, FGS)姿态测量精度受星点提取系统误差影响的问题, 提出了一种基于梯度提升决策树(Gradient Boosting Decision Tree, GBDT)拟合法的高精度星点定位系统误差补偿方法。为了解决拟合样本少、输入特征差别大等问题, 采用对输入范围不敏感、易于训练的决策树作为基模型, 并根据当前模型拟合残差梯度, 结合集成学习中的提升方法生成新的基模型得到系统误差与探测器填充率、采样窗口尺寸、星斑束腰半径以及星点质心坐标计算值之间的函数关系, 以此函数关系为基础对星点质心坐标估计值进行系统误差校正。实验结果表明: 与支持向量回归机(Support Vector Regression, SVR)相比, 基于GBDT的高精度星点定位算法的误差减小了60.6%, 经该算法补偿后的质心误差为0.014 5 pixel, 相比于质心法误差减小了61.5%。

夏克-哈特曼传感器的质心偏移估计精度受噪声的影响非常大，在传统质心法(CoG)中尤为突出，因而阈值的选取十分重要。本文提出了一种基于统计排序的局部自适应阈值分割方法，并与传统的全局阈值法进行对比，发现自适应的局部阈值能够更加有效地分割出阵列光斑，从而减小背景噪声对质心估计的影响，降低波面复原误差。本文通过静态相差的测量实验，从质心偏移估计的精度和波前复原精度两个方面进行分析，验证了该方法的有效性。另外，本文发现自适应阈值结合灰度加权的质心提取方法，是对传统质心法的较好改进，可以有效提高峰值信噪比大约10～40的光斑质心提取精度。

为提高星敏感器的星图预处理速度，减少嵌入式资源消耗，提出了一种并行流水线算法。剔除了星像点本身对背景噪声标准差（噪声水平）和均值两个特征值估计的影响，建立了是否开展滤噪的准则，确定了星图噪声的提取阈值，保证了质心定位精度。将星图缓存量降低至两行数据，用100个移位寄存器记录连通域标号，解决了嵌入式资源浪费和连通域溢出问题。仿真结果表明，50M速率输入的496×496星图流水处理完成后延迟10μs便可实时输出需要的亮星数据，使用的存储器和寄存器资源不到80kB。加入背景电平和高斯噪声后，在信噪比大于1的条件下质心精度优于1/23像素量级，验证了并行流水线的实时星图预处理算法的有效性，有助于提高星敏感器数据输出率及抗动态性能。

为了研制精确的星点定位误差补偿算法，得到星像轮廓面的形貌信息，研究了检测星敏感器点扩散函数（PSF）的方法。在高精度测量平台上进行光电采样，获取星像像素灰度值分布，根据扩展Nijboer-Zernike理论进行PSF拟合重建。噪声仿真实验证明，该算法能够在星像信噪比较低的情况下准确地得到Zernike系数，从而快速地重建甚高精度星敏感器的空域PSF。基本满足自动检测甚高精度星敏感器星像轮廓面的要求。

基于内嵌处理器软核 MicroBlaze的 FPGA，设计了一种太阳敏感器信息处理系统。采用 MicroBlaze软核实现光斑质心提取和姿态换算，并通过其它逻辑资源实现图像传感器驱动、图像存储和接口通信等模块的时序控制，同时根据 MicroBlaze软核的特点，提出了一种基于扫描方式的质心提取算法。结果表明，具有单精度浮点运算能力的 MicroBlaze软核能够保证太阳敏感器质心提取和姿态计算的精度；基于扫描方式的质心提取算法流程简单，占用资源少；采用 SOPC的太阳敏感器无需 DSP或 ARM等协处理器，减小了硬件设计复杂性，提高了系统的集成度和性能。

分析了哈特曼(Hartmann)波前传感器传统阈值一阶矩质心算法的局限性，提出了一种改进算法，对质心探测窗口的大小先进行合理优化，再采用灰度积分图原理进行自动搜索，最后采用灰度平方加权质心算法进行质心计算。仿真分析验证了算法的可行性和优越性，有利于提高波前传感器质心探测精度。

针对现有的光斑质心算法无法直接处理含有离散噪声点的图像, 提出一种不依赖去噪预处理和噪声点剔除后处理, 本身具有抗单点噪声能力的光斑质心定位算法, 并通过现场可编程门阵列(FPGA)实现了该算法。首先分别标记背景像素、噪声像素和光斑像素; 然后通过对相邻像素标记的判断, 完成对当前像素的标记; 同时对属于同一光斑的像素进行质心参数累加, 但不累加和存储判断为真正噪声点的像素。与现有方法相比, 该方法能够充分利用FPGA的并行处理能力, 在图像像素输出的同时完成光斑质心提取和噪声点像素去除, 而且不需要存储预处理图像和噪声点像素, 节省了存储空间。该方法为由于图像传感器长时间曝光而引起的高亮度离散噪声光斑图像的处理提供了有效的途径。

为了解决星敏感器星点质心定位中对过曝光星象的聚心问题，提出一种通用的星象聚心算法。采用先对局部星象区域进行初步计算，进而通过整体复合实现对所有星象的质心定位。首先，结合实拍星图介绍了想象的过曝光星象存在及区域分布; 在分析其分布特性的基础上检测各行/列的过曝光区域尺度，根据与尺度相关的规则对相应点的灰度值进行空间缩放; 然后利用质心平方加权法对缩放后的点值进行计算，得出局域的初步结果; 进而结合过曝光区域的尺度对相应初步计算结果分配权值因子; 最后，对全部结果进行复合得到最终结果。实验结果表明，采用提出的算法在全随机模拟情况下，当随机噪声强度达到30 pixel时，对星象的聚心精度依然优于0.05 pixel，能够满足实际应用中对聚心算法的精度和适应的要求。