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。

针对星敏感器产品中常用的三角形星图识别算法存在时间复杂度较大、星图识别时间长的不足，提出一种改进的快速三角形星图识别算法。该算法通过构建二维链表数组将三角形的星对角距及角距容差集合保存下来，避免了星对角距重复计算和重复查找过程；通过构建哈希表，改变星对角距匹配方式，减少星对角距匹配次数，使三角形星图识别的时间复杂度大幅降低。试验结果表明，在不同星点位置噪声扰动以及不同观测星上限取值条件下，改进后算法的星图识别时间与传统三角形星图识别时间相比减少了70%，对提高星敏感器姿态更新频率具有重要意义。

为了实现共平台的多个空间观测成像系统的空间配准, 对多个相机进行天文标定和姿态测量, 提出一种基于星图模拟的星图识别和姿态解算算法。首先, 建立共平台的多传感器天文观测模型, 并产生模拟星图, 将星点之间的特征转换为图像特征; 其次, 根据四边形对角线的共线不变性特征, 对相机观测星图和模拟星图进行特征匹配, 提取相机内参数的初始值; 然后, 利用星点坐标矩阵奇异值不变性, 自动匹配剩余星点并求解姿态矩阵的初始值; 最后, 对相机内参数和姿态矩阵进行非线性优化求解。实验结果表明, 在未精确标定光学系统内外参数的情况下, 星点正确识别率大于97.4%, 相机像元角分辨率为3.9"×3.4", 最后计算得出的投影误差低于1个像素, 满足多传感器空间观测系统空间配准的精度和鲁棒性要求。

针对传统的基于径向特征的星图识别算法在构建星模式的过程中由于位置噪声的干扰导致识别率较低的问题, 本文提出一种添加补偿码的快速径向伴星星图识别算法。该算法以比特向量的形式构建基于径向特征的特征向量, 同时将伴星间的角距信息以及位置噪声的补偿信息添加到特征向量中, 从而有效地减小了特征库的容量, 提高了星图识别算法的稳定性和识别率。最后本文根据比特向量的特点采用最小相似差方法快速完成观测星与导航星之间的初匹配, 再根据同一视场内星点位置信息的相关性完成对观测星的唯一识别。实验仿真结果表明, 在位置噪声为0.5像素的情况下星图识别成功率达到97.8%; 在星等噪声为0.8 Mv的情况下星图识别成功率达到96.4%; 当以真实星图为实验对象时, 星图识别的成功率达到94.2%。与传统的三角形算法以及未添加补偿码的径向特征星图识别算法相比, 本文算法在识别成功率和识别时间上均有着不同程度的提高。

为了快速高效地对星图进行识别，准确地完成天文导航任务，提出了一种基于剖分特征集星识别方法。首先使用星表数据建立数据库，三角剖分该数据库建立特征星库，再获取待识别星图剖分特征与已建立的特征星库相比较实现星识别。在改进海明相似度与Euclid相似度等相似方法基础上，提出了一种新的剖分特征集星识别法，使用该方法可以快速地找到一个很小的可能星集合，重复该方法再获得相邻星的可能星集合，两个星集合中赤经与赤纬最相近的就是识别星。实验显示使用剖分特征集星识别法，准确率可以达到97%以上，能够准确地完成星图识别任务。

研究了三视场天文导航视场间导航星的选取方法, 以提高其视场间星图识别的效率, 减小识别特征数据库规模。根据三视场天文导航星图识别的特点, 分析了导航视场间导航星数目对视场间三角形星图识别的影响。考虑视场间三角形星图识别的需求, 给出了任意视场至少包含1颗导航星和亮星优先选取的视场间导航星选取准则。然后, 遵从上述准则提出了一种基于星等优先的一阶自组织导航星选取算法。利用提出的算法制备了视场间导航星星库, 并对该导航星星库的性能进行了仿真分析和外场实验。实验结果表明: 使用该算法制备的导航星星库规模较星等阈值过滤方法制备的星库规模降低了53.91%, 且库中导航星分布均匀, 符合视场间导航星的要求。

针对星敏感器跟踪过程的稳定性对星敏感器整体性能的影响, 讨论了如何利用跟踪过程中前后两帧星图上的星点位置信息进行匹配识别的问题。为了使跟踪过程具有较高的稳定性, 分析了现有星跟踪过程中匹配识别方法的优缺点, 提出用“先排序后双向递推匹配”的方法来获得在“参考星邻域内出现多颗观测星”时的成功匹配能力, 从而增加每一帧快速星跟踪时被成功跟踪恒星的数目; 同时通过引入先确定视场边缘区域, 再选取有效参考星进行匹配的思想, 有效地减小误匹配发生概率, 进而保证匹配的有效性。在外场对某星敏感器从初始姿态运动到最终状态的跟踪进行了实验, 对蒙特卡洛法生成的全天球100个视轴方向进行星跟踪的对比分析结果表明: 在姿态运动角速度较大时, 利用本文提出的匹配识别方法, 平均可实现约91.44％的快速星跟踪; 而利用相应的对比方法, 平均只能实现77.18％的快速星跟踪。分析显示本文提出的匹配识别方法具有重要的工程应用价值。

在现代的航天领域, 根据星敏感器所获得的星图分布情况, 可得到飞行器的姿态。因其具有可靠性、保密性、精度高、适用范围大而得到广泛的应用。首先对传统的识别算法进行概述, 然后对近年来提出的一些改进算法进行总结, 并分别详细地介绍了改进三角形算法、向量索引的算法、字符串索引算法、无需标定参数识别算法、基于神经网络和支持向量机的算法。这些方法在识别速度、成功率、实时性上都有一定程度的提高, 在降低虚警的情况下可以提高算法的鲁棒性, 还总结了现在星敏感器识别方法的不足, 并展望了今后的发展方向。

为了在已知粗略方位角和地理位置时实现三视场天文定位定向设备的快速测量，给出了一种三视场定位定向设备的快速局部星图识别方法。分析了三视场定位定向设备使用全天球识别数据库执行三角形识别时识别效率低的原因; 指出了应先进行视场内识别，后进行视场间识别以提高效率，并给出星图识别时角距误差门限的选取范围; 给出了一种基于粗略位置和方位快速生成局部识别数据库的方法，它可以减少识别信息的冗余，实现高效的星图识别。仿真实验和野外实验结果表明：使用此局部识别方法正确识别率可达99.19%，识别速度为24.3 ms，基本满足三视场天文定位定向设备快速高效测量的要求。验证了局部星图识别方法的效率，以及采用先视场内识别后进行视场间识别方式的正确性。