基于ITSI優(yōu)選算法的星敏感器導(dǎo)航星庫(kù)建立*

陳雪芬,康國(guó)華

(1.南京航空航天大學(xué)自動(dòng)化學(xué)院,南京 210016;2.南京航空航天大學(xué)航天學(xué)院,南京 210016)

?

基于ITSI優(yōu)選算法的星敏感器導(dǎo)航星庫(kù)建立*

陳雪芬1,康國(guó)華2*

(1.南京航空航天大學(xué)自動(dòng)化學(xué)院,南京 210016;2.南京航空航天大學(xué)航天學(xué)院,南京 210016)

為了有效提高星敏感器星圖識(shí)別性能,基于ITSI導(dǎo)航星優(yōu)選算法,合理地進(jìn)行了導(dǎo)航星庫(kù)的構(gòu)建。該優(yōu)選算法是在傳統(tǒng)的導(dǎo)航星優(yōu)選算法基礎(chǔ)上進(jìn)行的改進(jìn),通過(guò)區(qū)域分割和星密集度計(jì)算來(lái)實(shí)現(xiàn)優(yōu)選導(dǎo)航星。同時(shí),基于SAO星表,本文建立了一個(gè)星圖仿真器的軟件平臺(tái),可以按照實(shí)際需求輸出全天球范圍內(nèi)不同光軸指向、視場(chǎng)角、軌道位置、像元敏感度等約束條件下的觀測(cè)星圖。在此星圖的基礎(chǔ)上,運(yùn)用上述導(dǎo)航星優(yōu)選算法,建立導(dǎo)航星星庫(kù)。經(jīng)均勻性評(píng)價(jià)準(zhǔn)則驗(yàn)證,本文提出的導(dǎo)航星優(yōu)選算法可以更好地實(shí)現(xiàn)導(dǎo)航星的均勻分布,降低星冗余度。最終基于此算法建立導(dǎo)航星庫(kù),可以有效降低星圖匹配復(fù)雜性,提高星圖匹配速率和識(shí)別成功率。

星敏感器;導(dǎo)航星庫(kù);導(dǎo)航星優(yōu)選算法;星密集度;星圖仿真器

自主星敏感器是目前星敏感器研究的熱點(diǎn),相比國(guó)外的星敏,國(guó)內(nèi)研制的自主星敏在性能上還存在差距[1],因此在上天型號(hào)中多采用國(guó)外產(chǎn)品[2-3]。自主星敏感器技術(shù)的發(fā)展,可以有效地提高自主導(dǎo)航的精度與可靠性[4]。目前研制自主導(dǎo)航星敏感器的技術(shù)在國(guó)外已經(jīng)非常成熟,而國(guó)內(nèi)的研究主要還集中在大學(xué)和一些科研機(jī)構(gòu)中,即使是商業(yè)化產(chǎn)品,其精度和更新速率普遍低于國(guó)際水平。而在自主星敏的研制過(guò)程中,用于測(cè)試星敏性能的星圖仿真器[5]的性能至關(guān)重要,其性能的高低直接影響自主星敏的好壞。星圖識(shí)別和導(dǎo)航星庫(kù)的建立,都是星圖仿真器的重要組成部分。星圖識(shí)別離不開(kāi)導(dǎo)航星,合理構(gòu)建導(dǎo)航星庫(kù),能有效提高星圖識(shí)別成功率和匹配速率[6]。而要合理地構(gòu)建導(dǎo)航星庫(kù),就需要通過(guò)導(dǎo)航星優(yōu)選,來(lái)實(shí)現(xiàn)導(dǎo)航星的均勻分布以及降低導(dǎo)航星星庫(kù)的冗余度。目前,主要有兩類(lèi)算法可用來(lái)實(shí)現(xiàn)優(yōu)選導(dǎo)航星:第1類(lèi)算法主要以實(shí)現(xiàn)導(dǎo)航星在全天球的均勻分布為目標(biāo)。很多優(yōu)選導(dǎo)航星的算法都是在此基礎(chǔ)上產(chǎn)生的,如正交網(wǎng)格法、球面分塊法、固定斜度螺旋線等算法;第2類(lèi)算法則從局部天球上導(dǎo)航星的均勻分布出發(fā),以局部的均勻分布實(shí)現(xiàn)在全天球的均勻分布,如自組織導(dǎo)航星選取算法、回歸選取算法、星等加權(quán)算法等。通過(guò)對(duì)兩者算法進(jìn)行比較可以發(fā)現(xiàn),第1類(lèi)算法對(duì)于星敏感器的視場(chǎng)范圍和各天區(qū)視場(chǎng)內(nèi)導(dǎo)航星的數(shù)目,考慮不足,雖然可以在一定程度上實(shí)現(xiàn)導(dǎo)航星的均勻分布,但當(dāng)視場(chǎng)范圍很大時(shí),仍然會(huì)存在冗余的導(dǎo)航星;第2類(lèi)算法,彌補(bǔ)了第1類(lèi)算法的不足,能實(shí)現(xiàn)導(dǎo)航星均勻分布,算法優(yōu)于第1種。本文所提出的ITSI導(dǎo)航星優(yōu)選算法,正是基于第2類(lèi)算法思想。本文星圖仿真采用了SAO(J2000.0)星表數(shù)據(jù),針對(duì)其數(shù)據(jù)量大的特點(diǎn),先對(duì)數(shù)據(jù)進(jìn)行篩選預(yù)處理,并進(jìn)行相關(guān)時(shí)空轉(zhuǎn)換。在處理后的星表基礎(chǔ)上,根據(jù)視軸指向以及視場(chǎng)范圍,建立全球觀測(cè)星星庫(kù)。最后通過(guò)引入星密集度的概念,提出ITSI導(dǎo)航星優(yōu)選算法,并利用此算法,實(shí)現(xiàn)導(dǎo)航星的優(yōu)選,從而建立實(shí)用的導(dǎo)航星庫(kù)。本文著重研究星圖仿真器中導(dǎo)航星庫(kù)建立的過(guò)程和導(dǎo)航星優(yōu)選算法。本文基于第2類(lèi)導(dǎo)航星優(yōu)選算法思想,提出了基于星密集度的ITSI導(dǎo)航星優(yōu)選算法。該算法簡(jiǎn)單有效,可以更好地實(shí)現(xiàn)導(dǎo)航星在全天球的均勻分布。采用該優(yōu)選算法,對(duì)觀測(cè)星星庫(kù)進(jìn)行導(dǎo)航星優(yōu)選,進(jìn)而完成導(dǎo)航星庫(kù)的建立。

1 SAO星表的預(yù)處理

SAO星表(The Smithsonian Astrophysical Observatory Star Catalog)是一個(gè)天體測(cè)量星表,由史密松天體物理臺(tái)于1996年出版。本文使用的星表SAO(J2000.0)是在此基礎(chǔ)上進(jìn)行修訂后的星表,共包含258 997顆恒星。SAO星表作為一種綜合性星表,共有52個(gè)數(shù)據(jù)域,總大小為51.85 Mbyte,數(shù)據(jù)量相當(dāng)大。為了能夠?qū)崿F(xiàn)星圖的實(shí)時(shí)繪制,必須對(duì)SAO星表進(jìn)行預(yù)處理,只提取出與研究相關(guān)的數(shù)據(jù)域[7],即:恒星編號(hào)、恒星星等、赤經(jīng)(時(shí),分,秒)、赤緯(度,角分,角秒)、赤經(jīng)自行、赤緯自行、是否為重復(fù)星、是否為雙星或者變星等相關(guān)信息。其中,恒星星等表示的是該星的亮度信息,星等越小,恒星亮度越高。表1顯示了SAO星表所需提取的數(shù)據(jù)格式。

表1 所需提取的數(shù)據(jù)及數(shù)據(jù)格式

根據(jù)構(gòu)建星庫(kù)的要求,雙星(未經(jīng)過(guò)等效處理)、變星以及星等未知的恒星是不適合做導(dǎo)航星的,而據(jù)統(tǒng)計(jì)這些星在總數(shù)為258 997顆的恒星中共有10 477顆,其中雙星8 694顆、變星307顆、重復(fù)星53顆、未知星1 423顆。所以在星表提取過(guò)程中可以將這些星直接從星表中刪除(暫不考慮雙星的等效替代處理)。

篩選后的普通星,經(jīng)過(guò)單位轉(zhuǎn)換等相關(guān)計(jì)算處理后,最終得到了其所對(duì)應(yīng)的6個(gè)參數(shù)值。有了這6個(gè)參數(shù)就可以確定任一時(shí)刻恒星在天球上的位置、亮度以及該恒星對(duì)應(yīng)的編號(hào),能夠滿(mǎn)足建立星庫(kù)的需要。最終6個(gè)所需參數(shù)及所需字節(jié)數(shù)如表2所示。

表2 所需提取的量及其所占字節(jié)數(shù)

SAO(J2000.0)星表提供的赤經(jīng)赤緯值都是歷元時(shí)刻(J2000.0)下的平位置坐標(biāo),要得到所需時(shí)刻恒星的真實(shí)位置就必須經(jīng)過(guò)時(shí)間轉(zhuǎn)換。時(shí)間轉(zhuǎn)換[7]是指將星表所提供的歷元時(shí)刻的恒星位置數(shù)據(jù)進(jìn)行自行、歲差和章動(dòng)等修正,轉(zhuǎn)換為當(dāng)前觀測(cè)瞬間的恒星位置坐標(biāo)。

首先建立標(biāo)準(zhǔn)歷元t0時(shí)刻赤道直角坐標(biāo)系,對(duì)恒星歷元時(shí)刻的平位置(α0,δ0)進(jìn)行自行(μα,μδ)修正,得到恒星在任意t1時(shí)刻相對(duì)于t0時(shí)刻的赤道直角坐標(biāo)系位置(α1,δ1)為

(1)

式中:μα為赤經(jīng)自行,μδ為赤緯自行。

將自行修正后的赤道坐標(biāo)轉(zhuǎn)化為直角坐標(biāo)

(2)

進(jìn)而進(jìn)行歲差修正[8-9]

γ1=RZ(-z)Ry(θ)Rz(-ζ)γ0

(3)

最后進(jìn)行章動(dòng)修正

γ2=RX(-ε-Δε)RZ(-Δψ)RX(ε)γ1

(4)

而

(5)

將章動(dòng)修正得到的t1時(shí)刻直角坐標(biāo)歸算得到t1時(shí)刻赤道坐標(biāo)(α″1,δ″1):

(6)

2 全球觀測(cè)星星庫(kù)的建立

星圖仿真器先根據(jù)時(shí)間轉(zhuǎn)換公式將SAO星表數(shù)據(jù)轉(zhuǎn)換到當(dāng)前時(shí)刻,然后再根據(jù)輸入的光軸指向,并進(jìn)行空間坐標(biāo)系轉(zhuǎn)換,將視場(chǎng)內(nèi)的恒星顯示到屏幕上[10]。為了避免不必要的訪存操作和判斷,可先將經(jīng)過(guò)預(yù)處理后的星表數(shù)據(jù)根據(jù)光軸指向進(jìn)行觀測(cè)星提取,實(shí)現(xiàn)按照視場(chǎng)范圍來(lái)讀取和顯示,也即建立觀測(cè)星星庫(kù)[4,11],對(duì)處理后的星表數(shù)據(jù)進(jìn)行進(jìn)一步星過(guò)濾處理。根據(jù)星敏感器的工作原理,假設(shè)選定光軸指向?yàn)?αc,δc),則需滿(mǎn)足

|δ″1-δc|≤ωm,即δc-ωm≤δ″1≤δc+ωm

(7)

式中:ωm為像面探測(cè)器對(duì)應(yīng)的對(duì)角線視場(chǎng)角。

又:δ″1∈(-90°,90°),

所以據(jù)此設(shè)定當(dāng)前視場(chǎng)內(nèi)觀測(cè)星赤緯的上下限δmax與δmin:

(8)

(9)

將經(jīng)過(guò)時(shí)間轉(zhuǎn)換后的恒星數(shù)據(jù)按照赤緯位置進(jìn)行排序,再按照兩分法取出赤緯值在δmax與δmin之間的恒星數(shù)據(jù),組成初始觀測(cè)星星庫(kù)。

要計(jì)算出恒星的視場(chǎng)位置,可以先將上述提取的觀測(cè)星位置從慣性坐標(biāo)系轉(zhuǎn)換到本體坐標(biāo)系[8-9]。設(shè)慣性坐標(biāo)系的方向余弦向量為Vi,本體坐標(biāo)系方向余弦向量Vb。先將慣性坐標(biāo)系繞Z軸由+X向+Y方向旋轉(zhuǎn)αc,得到X′Y′Z′坐標(biāo)系,再將新的坐標(biāo)系繞Y′軸由+Z′向+X′軸旋轉(zhuǎn)90-δc,得到X″Y″Z″,最后再繞Z″旋轉(zhuǎn)φ,得到本體坐標(biāo)系XbYbZb,于是本體坐標(biāo)系下的方向余弦向量Vb為:

(10)

式中:φ由本體坐標(biāo)系Xb,Yb實(shí)際指向確定。當(dāng)取Xb與經(jīng)線相切,指向赤緯減小的方向,Yb與緯線相切,指向赤經(jīng)增加的方向時(shí),φ=0。

3 導(dǎo)航星庫(kù)的建立

根據(jù)星敏感器的工作原理,星圖識(shí)別必然離不開(kāi)導(dǎo)航星,合理地構(gòu)建導(dǎo)航星星庫(kù),能有效地提高星圖識(shí)別成功率和匹配速率。導(dǎo)航星星庫(kù)和星圖識(shí)別算法,兩者相輔相成,都是星敏感器的重要組成部分。

導(dǎo)航星庫(kù),是在觀測(cè)星星庫(kù)的基礎(chǔ)上,根據(jù)導(dǎo)航星的優(yōu)選條件,經(jīng)過(guò)導(dǎo)航星優(yōu)選算法優(yōu)選后,得到的。在構(gòu)建導(dǎo)航星星庫(kù)[7]時(shí),首先需要從原始星表中刪除變星、雙星以及星等未知的恒星。為了使導(dǎo)航星星組的特征相似性降低,提高星圖的識(shí)別速率以及識(shí)別成功率,就需要進(jìn)一步優(yōu)選導(dǎo)航星。導(dǎo)航星在天球上分布均勻時(shí),特征冗余性小,星圖識(shí)別的穩(wěn)定性高,通常以導(dǎo)航星分布的均勻性來(lái)評(píng)價(jià)優(yōu)選算法。

3.1 ITSI導(dǎo)航星優(yōu)選算法的提出

本文結(jié)合MIPS(Multi-Scale Image Plane Segmentation)優(yōu)選算法[11],在此算法的基礎(chǔ)上提出ITSI(Integrated Treatment based on Star Intensity)導(dǎo)航星優(yōu)選算法,通過(guò)降低星像密度來(lái)實(shí)現(xiàn)優(yōu)選導(dǎo)航星。該算法以降低導(dǎo)航星的密度,實(shí)現(xiàn)導(dǎo)航星在全天球和局部天球上的均勻分布為目標(biāo),經(jīng)驗(yàn)證表明,算法實(shí)現(xiàn)簡(jiǎn)單而且有效。在ITSI算法中,星密集度Scd的定義如下:

(11)

Scd越小,表明導(dǎo)航星分布的越稀疏,從而可以衡量導(dǎo)航星在天球上的分布。由于星敏感器實(shí)際視場(chǎng)內(nèi)的天區(qū)只占天球很小的一部分,所以視場(chǎng)范圍內(nèi)的天區(qū)可視作平面區(qū)域,如果能夠?qū)崿F(xiàn)任意光軸指向視場(chǎng)內(nèi)導(dǎo)航星的星像在像面上均勻分布,那么所有導(dǎo)航星在天球上也就可以近似均勻分布[11]。基于這樣的思想,可以依據(jù)像面上的星像密度為指標(biāo)來(lái)篩選導(dǎo)航星,把導(dǎo)航星在天球上的分布問(wèn)題轉(zhuǎn)化為解決其星象在像平面上的分布問(wèn)題。

星像密度高低分布主要取決于相等面積內(nèi)存在星像數(shù)目多少以及星像之間的距離遠(yuǎn)近。針對(duì)這兩方面進(jìn)行星象的優(yōu)選和剔除來(lái)解決導(dǎo)航星均勻分布問(wèn)題,就是ITSI導(dǎo)航星優(yōu)選算法。

3.2 ITSI算法內(nèi)容與實(shí)施

ITSI算法主要涉及如下兩步的處理:

(1)區(qū)域分割處理。對(duì)于相等面積內(nèi)星象過(guò)多的問(wèn)題,先將像面沿著探測(cè)器焦平面進(jìn)行分割,實(shí)現(xiàn)網(wǎng)格化[11],形成多個(gè)等面積的矩形區(qū)域,如將像面按照8×8分割。為簡(jiǎn)化敘述,每個(gè)矩形區(qū)域稱(chēng)為一個(gè)小區(qū),高密度小區(qū)含有多顆星,根據(jù)較亮的星被探測(cè)到的概率大、星像信噪比高的特點(diǎn),保留其中最亮的一顆星,剔除其他相對(duì)較暗的暗星。通過(guò)上述方法處理所有小區(qū),可在一定程度上降低了星像密度。

(2)星密集度處理。利用星像之間距離來(lái)降低星密度,計(jì)算每顆恒星的星像密集度,將所有恒星的星密集度進(jìn)行比較。星密集度越大,表示該恒星相對(duì)于其他恒星最接近所有恒星分布區(qū)域的質(zhì)心處,則應(yīng)除此顆恒星,降低星像密度。

具體進(jìn)行導(dǎo)航星優(yōu)選時(shí),根據(jù)自行設(shè)定的星數(shù)閾值Nth[11]來(lái)限定所需最小導(dǎo)航星數(shù)。具體步驟如下:

①當(dāng)剩余星數(shù)大于Nth時(shí),篩選恒星,進(jìn)行步驟②,否則進(jìn)行步驟④;

一是課程背景。包括教學(xué)班級(jí)學(xué)期、單元位置、單元目標(biāo)、任務(wù)設(shè)計(jì)、任務(wù)實(shí)施步驟、單元實(shí)施步驟等內(nèi)容。二是教學(xué)步驟。包括引入內(nèi)容、考核任務(wù)及技術(shù)標(biāo)準(zhǔn)、示范任務(wù)、學(xué)練任務(wù)、知識(shí)小結(jié)、單元考核、單元總結(jié)、拓展等內(nèi)容。三是單元設(shè)計(jì)思路。展示單元總情境和子情境的總體設(shè)計(jì)及時(shí)間分配，總結(jié)課程單元設(shè)計(jì)的理念和心得。國(guó)際商法課程可比照上述步驟進(jìn)行課程整體設(shè)計(jì)和單元設(shè)計(jì)。

②進(jìn)行區(qū)域分割處理,若處理后仍然未達(dá)到Nth,則進(jìn)行步驟③,若已經(jīng)達(dá)到閾值,則進(jìn)行步驟④;

③進(jìn)行星密集度處理,刪除星象密集度最高的小區(qū)域內(nèi)的恒星。之后檢測(cè)是否達(dá)到星數(shù)閾值Nth,若已經(jīng)達(dá)到,則進(jìn)行步驟④;若仍然沒(méi)有達(dá)到,則進(jìn)行②,并重新劃分區(qū)域(如變?yōu)?×7);

④保存剩余星的信息,存儲(chǔ)為導(dǎo)航星,并輸出導(dǎo)航星星圖。上述步驟如圖1所示。

圖1 ITSI導(dǎo)航星優(yōu)選算法實(shí)施流程

3.3 導(dǎo)航星庫(kù)的建立

在觀測(cè)星星庫(kù)構(gòu)建的基礎(chǔ)上,利用ITSI導(dǎo)航星優(yōu)選算法,對(duì)觀測(cè)星星庫(kù)所有觀測(cè)星進(jìn)行優(yōu)選,構(gòu)成導(dǎo)航星星庫(kù),便于星敏感器的進(jìn)一步星圖匹配,從而實(shí)現(xiàn)星敏感器自主導(dǎo)航。

4 仿真校驗(yàn)與評(píng)價(jià)

4.1 仿真校驗(yàn)

依據(jù)上述算法,對(duì)運(yùn)用ITSI導(dǎo)航星優(yōu)選算法構(gòu)建導(dǎo)航星庫(kù)進(jìn)行了整體的仿真校驗(yàn)。

(1)選取探測(cè)器水平和垂直視場(chǎng)角為:ωa=20°,ωb=20°,則像面探測(cè)器對(duì)應(yīng)的對(duì)角線視場(chǎng)角

(11)

(2)選定光軸指向?yàn)?αc,δc)=(30.86°,72.42°),按照觀測(cè)星星庫(kù)建立的過(guò)程,輸出的模擬觀測(cè)星星圖如圖2所示。

圖2 局部觀測(cè)星星圖

(3)在上述建立的觀測(cè)星星庫(kù)的基礎(chǔ)上,運(yùn)用ITSI導(dǎo)航星優(yōu)選算法,設(shè)置導(dǎo)航星閾值為5:

①首先,將上述的觀測(cè)星星圖按照8×8進(jìn)行初步的區(qū)域劃分,得到圖3(a);

②根據(jù)同小區(qū)域內(nèi)保留較亮星的原則,刪除暗星,得到圖3(b),由于未達(dá)到導(dǎo)航星閾值,故繼續(xù)向下執(zhí)行;

③計(jì)算各剩余星的星密集度,刪除星密集度最大的恒星,得到圖3(c),仍然未達(dá)到導(dǎo)航星閾值要求,則按照區(qū)域劃分的原則,按照7×7重新劃分區(qū)域,重復(fù)步驟②,③直至最終達(dá)到導(dǎo)航星閾值,最終局部導(dǎo)航星星庫(kù)建立完成,如圖3(d)所示。

圖3 ITSI導(dǎo)航星優(yōu)選算法處理演示圖

4.2 算法評(píng)價(jià)

通過(guò)建立局部天球均勻性判據(jù),可評(píng)價(jià)ITSI導(dǎo)航星優(yōu)選方案相比其他算法的優(yōu)劣。所謂局部天球均勻性判據(jù)指得是,在某一光軸指向的基礎(chǔ)上,通過(guò)每次對(duì)視軸指向做小的變化,輸出對(duì)全天球空域選星的結(jié)果。在實(shí)現(xiàn)對(duì)全天球選星之后,通過(guò)隨機(jī)選取光軸指向,統(tǒng)計(jì)每個(gè)光軸指向范圍內(nèi)的導(dǎo)航星數(shù)目,以星數(shù)的標(biāo)準(zhǔn)偏差來(lái)評(píng)價(jià)導(dǎo)航星的局部均勻性,從而得到導(dǎo)航星在整個(gè)天球范圍內(nèi)的均勻性。星數(shù)的標(biāo)準(zhǔn)偏差定義為:

(12)

以選取K=100,輸入光軸指向?yàn)?-172°,-82°)為例,選取辦法如下:①內(nèi)層循環(huán)中,視軸指向沿赤經(jīng)方向每次增加35°,直至達(dá)到143°;②外層循環(huán)中,赤緯方向從-82°每次增加18°,直至80°。

這樣共產(chǎn)生100個(gè)視軸指向,統(tǒng)計(jì)該視場(chǎng)范圍內(nèi)出現(xiàn)的導(dǎo)航星數(shù)目,最終按照上式計(jì)算得到:

(13)

查閱文獻(xiàn)[11-13],得各導(dǎo)航星優(yōu)選方案,所對(duì)應(yīng)的標(biāo)準(zhǔn)偏差值如表3所示。

表3 各導(dǎo)航星優(yōu)選方案對(duì)應(yīng)的標(biāo)準(zhǔn)偏差值

從表3可以看出,本文提出的ITSI導(dǎo)航星優(yōu)選算法,與回歸算法、星等加權(quán)算法等相比,標(biāo)準(zhǔn)偏差明顯小于它們,也即均勻性?xún)?yōu)于這些算法。雖然與MIPS導(dǎo)航星優(yōu)選算法相比,選星的標(biāo)準(zhǔn)偏差大一些,但MIPS算法復(fù)雜,通過(guò)用分區(qū)處理和繁雜的連通域疊代處理,來(lái)獲得較好的均勻性。而ITSI算法復(fù)雜性上明顯降低,即使是標(biāo)準(zhǔn)偏差也相差并不大。

從上面的統(tǒng)計(jì)數(shù)據(jù)來(lái)看,在標(biāo)準(zhǔn)偏差較小的情況下,也可以認(rèn)為基于ITSI導(dǎo)航星優(yōu)選算法建立的導(dǎo)航星庫(kù)是實(shí)現(xiàn)了導(dǎo)航星局部均勻性分布的,即符合全天球均勻分布要求的。

5 結(jié)論

測(cè)試星敏感器時(shí),借助星圖仿真器,可以有效地模擬星敏感器的光學(xué)輸入,從而準(zhǔn)確測(cè)試星敏的性能。本文在SAO星表的基礎(chǔ)上,建立觀測(cè)星星庫(kù),運(yùn)用ITSI優(yōu)選算法優(yōu)選導(dǎo)航星,實(shí)現(xiàn)了恒星的均勻分布。均勻性判據(jù)表明:該算法簡(jiǎn)單有效,優(yōu)于其他算法;在此基礎(chǔ)上構(gòu)建的導(dǎo)航星庫(kù)合理,對(duì)星圖匹配的順利實(shí)施有重大意義,可以有效降低星圖匹配復(fù)雜性,提高星圖匹配速率和識(shí)別成功率。

本文導(dǎo)航星庫(kù)的構(gòu)建忽略了雙星的情況,可以通過(guò)對(duì)雙星的等效處理,添加雙星為導(dǎo)航星,可有望進(jìn)一步提高星圖識(shí)別成功率。另外,本文所提出的ITSI導(dǎo)航星優(yōu)選算法主要依據(jù)星密集度來(lái)進(jìn)行優(yōu)選,可在此基礎(chǔ)上結(jié)合星等加權(quán)法來(lái)進(jìn)一步修改優(yōu)選準(zhǔn)則,從而更好地構(gòu)建導(dǎo)航星庫(kù),進(jìn)一步提高星圖識(shí)別速率和成功率。

[1]李葆華,劉國(guó)良,劉睿,等. 天文導(dǎo)航中的星敏感器技術(shù)[J]. 光學(xué)精密工程,2009,17(7):1615-1620.

[2]Liebe C C,Alkalai L,Domingo G,et al. Micro APS Based Star Tracker[C]//Aerospace Conference Proceedings,2002. IEEE. IEEE,2002,5:5-2285-5-22.

[3]Dong Y,Xing F,You Z. An APS-Based Autonomous Star Tracker[C]//Photonics Asia 2004. International Society for Optics and Photonics,2005:225-233.

[4]王鵬,張迎春. 基于多傳感器信息融合的衛(wèi)星自主導(dǎo)航研究[J]. 系統(tǒng)工程理論與實(shí)踐,2013,33(12):3256-3264.

[5]全偉,房建成. 天文導(dǎo)航系統(tǒng)半物理仿真研究[J]. 系統(tǒng)仿真學(xué)報(bào),2006,18(2):353-358.

[6]張華. 高精度雙視場(chǎng)星敏感器關(guān)鍵技術(shù)研究[D]. 武漢:華中科技大學(xué),2011.

[7]宋毅軍,楊格蘭,田尊華. 太空環(huán)境建模研究與實(shí)現(xiàn)[J]. 計(jì)算機(jī)仿真,2010(1):40-42.

[8]許世文,龍夫年. 實(shí)時(shí)星場(chǎng)仿真器中的坐標(biāo)變換[J]. 哈爾濱工業(yè)大學(xué)學(xué)報(bào),1998,30(5):118-120.

[9]王惠南. GPS導(dǎo)航原理與應(yīng)用[M]. 北京:科學(xué)出版社,2003:13-21.

[10]張健,李曉杰,張婷. 室內(nèi)星空仿真軟件的研制初探[J]. 測(cè)繪科學(xué),2010,35(3):103-105.

[11]吳峰. 自主導(dǎo)航星敏感器關(guān)鍵技術(shù)的研究[D]. 蘇州:蘇州大學(xué),2012.

[12]Zhang C,Chen C,Shen X. Boltzmann Entropy-Based Guide Star Selection Algorithm for Star Tracker[J]. Electronic Letters,2004,40(2):109-110.

[13]Hye-Young Kim,John L Junkins. Self-Organize Guide Star Selection Algorithm for Star Trackers:Thinning Method[C]//IEEE on Aerospace Conference Proceedings,2002(5):2275-2283.

Guide Star Database Creation for the Star Sensor Based on ITSI Selection Algorithm*

CHENXuefen1,KANGGuohua2*

(1.College of Automation Engineering,NanJing University of Aeronautics And Astronautics,NanJing 210016,China;2.College of Astronautics,NanJing University of Aeronautics And Astronautics,NanJing 210016,China)

A guide star database based on a new guide star selection algorithm is properly built,in order to improve the performance of the star pattern recognition for the star sensor. The selection algorithm is preferred by improving the traditional algorithm,through the process of regional segmentation and star-density calculations. Meanwhile,a software platform is established based on SAO star catalog. Through it,different star patterns can be put out according to the actual needs,including the range viewing angle,tracking position,pixel sensitivity and other restricted conditions. The new selection algorithm is used to select guide stars among the stars of the above star pattern. Ultimately the guide star database can be built. The algorithm is proved better to solve the problem of navigation star uniform distribution by uniformity evaluation criteria. Finally,by building the guide star database,the complexity of the star pattern identification can be effectively reduced,and the matching rate can also be greatly improved as long as the star pattern recognition rate.

star sensor;guide star database;guide star selection algorithm;star density;star pattern simulator

陳雪芬(1992-),女,現(xiàn)為南京航空航天大學(xué)在讀碩士,主要研究方向?yàn)槎鄠鞲衅餍畔⑷诤稀⑽⑿⌒l(wèi)星姿軌控技術(shù)等,chenxuefen8@163.com;

康國(guó)華(1978-),2006年于南京航空航天大學(xué)獲得博士學(xué)位,現(xiàn)為南京航空航天大學(xué)研究員,主要研究方向?yàn)槲⑿⌒l(wèi)星姿軌控技術(shù)、北斗/GPS等衛(wèi)星導(dǎo)航技術(shù)、多傳感器信息融合、衛(wèi)星定位與組合導(dǎo)航,kanggh@nuaa.edu.cn。

項(xiàng)目來(lái)源:江蘇省自然科學(xué)基金項(xiàng)目(SBK201343261)

2014-10-14 修改日期:2014-12-14

C:6140

10.3969/j.issn.1004-1699.2015.03.015

V448.21;V448.25+3;V11

A

1004-1699(2015)03-0381-06