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%。

为提高动态环境下精细导星仪的质心定位精度,提出一种两步复原方法来解决因载体角运动和小幅度随机振动引起的星斑拖尾问题。根据模糊星斑两次快速傅里叶变换检测出的模糊核函数,采用约束最小二乘方滤波消除由载体角运动带来的星斑长拖尾。针对残余的载体小幅度随机振动导致的星斑模糊,将清晰星斑梯度分布先验作为正则约束对星斑粗复原结果进行迭代盲复原,并引入半二次优化算法求解非凸代价函数来提高迭代收敛速度。实验结果表明,在角速度为4000 μrad/s的动态环境下,复原后的星斑已接近于高斯分布,峰值信噪比相比逆滤波复原方法及R-L复原方法分别提高了61.9%、32.9%,质心定位误差分别减小了59.9%、43.4%。

精导星传感器广泛地应用于空间红外天文望远镜中，它利用光学系统的长焦距及相关算法获得高精度像移，实时地为精密稳像控制系统提供补偿信息。本文详细介绍了精导星传感器的设计过程：设计了与载荷共光路的光学系统成像方案，选择了适合在深低温环境下工作的碲镉汞探测器作为精导星传感器(Fine Guidance Sensor，FGS)探测器，采用基于专用集成电路(Application Specific Integrated Circuit，ASIC)的前置电路代替了传统印刷电路板(Printed Circuit Board，PCB)电路，设计了科学观测中的精导星功能；为了满足精导星传感器高精度实时检测的需求，选择 ROI-IDFT矩阵乘法运算对相关峰及其附近区域进行变换，避免冗余计算，降低了运算量。最后，本文总结了精导星传感器在工程实现中亟待解决的关键技术以及应用前景。

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。