以恒星作为观测基准来获取航天器的飞行姿态信息是现行方法中精度最高的一种方式, 其中恒星识别是关键, 即在恒星星表库中寻找观测恒星对应的导航恒星。研究了导航星特征库的构建和恒星识别方法, 提出了一种新的基于状态矩阵的全天球恒星识别方法。首先依据探测器探测极限星等的能力筛选出适用的恒星构建标准导航星表; 再基于标准导航星表和探测器探测视场角范围构建导航星特征库三角形矩阵; 然后基于探测器的位置和恒星个数构建识别的恒星角距观测三角形和导航星特征库三角形矩阵对应的状态矩阵, 并比较观测三角形角距和导航星特征库三角形矩阵里角距标识状态矩阵; 最后基于标识的状态矩阵标志提取对应导航星特征库三角形矩阵里的角距, 并与观测三角形角距匹配比较识别出观测恒星。模拟探测器的视场角为 10°×10°, 探测极限为 6.5等星, 导航星为 9040颗恒星。实验结果表明, 恒星识别时使用状态矩阵标识能减小匹配搜索的时间复杂度和空间复杂度, 提高恒星匹配识别效率。

为了获取满足特定探测器工作谱段的恒星能量，提出了一种基于多星表数据的恒星能量外推方法，利用IRAS、WISE和2MASS星表数据交叉校验，将已有的高精度恒星谱段能量转化为相机的任意工作谱段.该模型简化了外推过程，提高了外推效率，实现对70%的恒星外推精度3%以内，与Cohen等人对Vega和Sirius长期观测得到的结果相同.同时，给出一个可用于辐射定标的星表.在恒星定标时可以根据模型外推结果选择更适合探测器的多恒星数据.

导航星表构建是星敏感器设计阶段的重要工作。对于小视场，受限于恒星分布规律，易出现导航星表“空洞”问题。为解决小视场条件下均匀完备导航星表构建问题，对基于球面螺旋基准点的导航星表构建方法进行了改进：摒弃了原方法通过改变球面螺旋基准点数量和位置重新构建导航星表的思路，转而通过增选部分恒星来达到减少星表“空洞”的目的。设立了描述恒星消除星表“空洞”能力的权值，并以该权值递减顺序开展恒星增选；同时，设计了增选恒星距离阈值条件以保持增选后导航星表的均匀性。仿真表明，在4°圆形视场条件下，相对于原方法，文中方法得到的导航星表，总星数减少708颗，均匀性指标提高约44%，而星表“空洞”变化较小，显示了较好的性能。

为解决导航星表分布的均匀性、构建的快速性问题，提出了一种基于极坐标细分法(PCSM)及“距离-星等”加权法相结合的导航星选取方法。通过在近似均匀分布的球面基准点的邻域附近选取导航星，用来保证所选导航星分布均匀性，并解决坐标极值越界问题；为了提高搜星过程整体速度，引入了k-vector快速搜索方法搜索基准点邻域内候选星；最后，综合考虑导航星的均匀性与亮度指标，设计了“距离-星等”加权方法筛选导航星。仿真结果表明：该方法简单、易行、适用性强，选取的导航星分布均匀性好。

为了建立更高性能的导航星表，分析了现有导航星表划分方法的优缺点，提出了一种合理划分导航星表的新方法。 该方法以块空间立体角"准均匀分布"为原则，以天球赤道某区域所对应空间立体角大小为基准，将全天球依序划分为若干个子块，从而实现了一种分布均匀性更好的导航星表。仿真实验数据表明：以赤道上15°×15°所对应空间立体角为例，按空间立体角“准均匀分布”法划分天球后，最大子块和最小子块所对应的空间立体角变化范围相差22.86％，均方根(RMS)值为0.060 3，其均匀性远高于内接正方体法划分天球的均匀性。 该方法为验证星图识别环节中模拟星图的快速生成和进一步筛选导航星奠定了基础。

为了减少导航星表的存储容量和提高星图识别的成功率, 提出了一种将P向量与三角形内切圆相结合的快速全天自主星图识别算法。该算法在构造导航星表过程中, 从天文星表中挑选出满足要求的导航星并对其编号, 以构造的P向量值、导航三角形内切圆半径R及导航三角形的第三条边为特征量构造导航子星表; 在识别过程中, 找出一定误差门限内, 满足P向量值和三角形内切圆半径R的所有导航三角形对应的导航星星号, 利用构造的观测三角形第三条边对应的星号进行匹配。仿真结果表明, 该方法对位置误差和星等误差都有较好的鲁棒性, 当存在2pixel的位置误差时, 识别成功率仍高于97.8%, 平均识别时间为14.06ms。

导航星表的性能对于星敏感器姿态测量的实时性及精度至关重要。为了克服星等过滤算法的缺点, 将支持向量机应用于导航星表的构造算法中。将基本星表中的恒星视为待分类的数据点, 选取抽样视场中最亮的k颗星作为导航星, 而非导航星的数量由抽样视场中恒星的密度决定。为了获得具有最大推广能力的抽样数据, 采用了一种球面螺旋形算法生成抽样视场视轴指向, 使用抽样数据构建最优导航星分类器, 应用最优导航星分类器对基本星表中每一颗恒星进行分类判决。仿真结果表明, 在满足8°×8°视场中至少出现3颗导航星的条件下, 该算法生成的导航星表导航星总数约为星等过滤算法的33%, 比传统支持向量机算法减少了7.8%, 其标准差仅为星等过滤算法的21%, 这表明本算法在导航星表容量及导航星分布均匀性方面大大优于星等过滤算法和传统支持向量机算法。

针对星敏感器星图识别算法只能处理少数目恒星的问题,结合天文观测相机进行星图识别的具体要求,提出了一种适合天文观测相机的多三角形星图识别算法.首先,选用欧洲空间局2000年2月发布的第谷2天文星表作为原始导航星表；其次,采用交叠矩形法分天区后建立导航星数据库；最后,根据天文观测相机拍摄的实际星图建立了观测星数据库；并应用多三角形星图识别算法进行星图识别的验证,实验结果表明：针对天文观测相机多三角形星图识别算法是可行的,也是可靠的.

提出一种导航星表的构建方法,该方法以星跟踪器视场内最亮恒星作为信标,把信标锁定在视场中心,测量视场内其他恒星到信标的角间隔,把测量的所有恒星角间隔和信标的赤经、赤纬存储到导航星表中.基于该方法,利用史密森天文观测台恒星星表(SAO),选择星等小于6等的恒星,建立起导航星表,该星表仅包括5103颗星,其容量仅为1.2兆.相对三角形算法,该星表容量更小,可节省星载系统的存储空间,减少识别时间,提高跟踪速率.蒙特-卡诺仿真结果表明,利用该导航星表识别信标具有较好的抗干扰性,且当星跟踪器测角误差(3σ)在1μrad以内时,信标正确识别概率几乎为100%.

提出了以凸多边形为基元、完全不依赖于星等的星图识别算法.首先,构造全部导航星的14°视场模式,共9 176个.然后逐一把这些视场中的导航星投影到像平面,得到一系列的点.依其坐标排序,采用由平面上的点生成凸多边形的算法,就能得到唯一的、以恒星为顶点的凸多边形.在导航星表中以凸多边形为储存单元,其内容为凸多边形的边和顶角.为此,设计了以导航星凸多边形和观测凸多边形之间距离最小为准则的识别算法.针对星光制导的导弹观星时间很短,提出了根据弹道生成弹上导航星表的方法,其导航星表只需存储30颗星的75个凸多边形.仿真结果表明:在任意视场中,基于凸多边形的星图识别成功率高于99%,并具有较强的鲁棒性.