蹤華，劉嬿，高曉穎，熊攀

1. 宇航智能控制技術(shù)國(guó)家級(jí)重點(diǎn)實(shí)驗(yàn)室，北京 100854 2. 北京航天自動(dòng)控制研究所，北京 100854 3.中國(guó)運(yùn)載火箭技術(shù)研究院，北京 100076 4.國(guó)防科工局，北京 100048

星敏感器是一種高精度天文導(dǎo)航設(shè)備，具有定姿精度高、自主性強(qiáng)、可靠性高等優(yōu)點(diǎn)。隨著光電技術(shù)的不斷進(jìn)步，星敏感器在各種載體上的應(yīng)用前景十分廣闊，迫切需要提高星圖識(shí)別算法的適應(yīng)性，為推廣應(yīng)用提供基礎(chǔ)。星圖識(shí)別算法通常包括跟蹤識(shí)別、局部天區(qū)識(shí)別和全天區(qū)識(shí)別。跟蹤識(shí)別是在星敏感器已有成功識(shí)別的基礎(chǔ)上，且飛行器的運(yùn)動(dòng)在星敏感器的機(jī)動(dòng)性范圍內(nèi)，對(duì)拍攝星圖的觀測(cè)星進(jìn)行提取和識(shí)別。局部天區(qū)識(shí)別是根據(jù)其他導(dǎo)航器件的姿態(tài)信息或上一幀星圖識(shí)別結(jié)果確定星敏感器的粗指向，從導(dǎo)航星表中找出該粗指向鄰域的所有恒星，再將觀測(cè)星與這些導(dǎo)航星進(jìn)行對(duì)應(yīng)匹配，完成識(shí)別。全天區(qū)識(shí)別不需要任何姿態(tài)信息，通過(guò)在全天星圖上對(duì)比完成自主識(shí)別。跟蹤識(shí)別和局部天區(qū)識(shí)別算法實(shí)現(xiàn)簡(jiǎn)單、可靠性高、計(jì)算速度快，需要借助已知姿態(tài)信息完成識(shí)別，因此缺乏獨(dú)立性。而全天區(qū)識(shí)別的完全自主性十分重要，原因?yàn)椋孩?可以解決飛行器重新啟動(dòng)或其他原因造成的“太空迷失”狀態(tài)下的初始姿態(tài)確定的問(wèn)題；② 在正常工作時(shí)間段，采用全天區(qū)識(shí)別模式可以提高系統(tǒng)姿態(tài)確定的可靠性，為故障判斷提供參考；③ 隨著恒星陀螺儀概念的提出[1]，全天區(qū)星圖識(shí)別技術(shù)也是使星敏感器在太空應(yīng)用平臺(tái)中替代陀螺儀的關(guān)鍵技術(shù)之一。

1976年美國(guó)噴氣實(shí)驗(yàn)室(JPL)研制出第一臺(tái)電荷耦合器件(Charge Coupled Device,CCD)敏感器后，對(duì)星圖識(shí)別算法的研究開(kāi)始出現(xiàn)[2]。1978年Gottlieb[3]提出了角距識(shí)別算法，采用星對(duì)角距進(jìn)行匹配。該算法冗余匹配過(guò)多，已無(wú)法在工程上應(yīng)用，不過(guò)該算法已成為其他識(shí)別算法的基礎(chǔ)。Junkins等[4]在20世紀(jì)70年代末提出了以三角形為識(shí)別特征的星圖識(shí)別算法。該算法以鄰近的三顆星構(gòu)成星三角形，以三角形的邊長(zhǎng)(角距)為特征，將導(dǎo)航星庫(kù)中滿足一定條件的星三角形全部提取出來(lái)作為導(dǎo)航三角形庫(kù)以供搜索匹配。如果觀測(cè)三角形與某個(gè)導(dǎo)航三角形在一定閾值范圍內(nèi)匹配，則識(shí)別成功。星三角形法簡(jiǎn)單、直接，在小星庫(kù)時(shí)速度快；但是星表容量大，冗余匹配多。1986年，美國(guó)斯坦福大學(xué)的van Bezooijen[5]提出了匹配組算法，該算法從觀測(cè)星體中選取最亮的星體作為被匹配觀測(cè)星體，被匹配星體與其他觀測(cè)星體構(gòu)成了一個(gè)匹配組，其他觀測(cè)星體的星等和與被匹配星體之間的星角距構(gòu)成了識(shí)別特征，通過(guò)與計(jì)算機(jī)存儲(chǔ)的導(dǎo)航星表進(jìn)行識(shí)別，得出被匹配觀測(cè)星體的位置。1995年，Liebe[6]提出依次選擇一顆星作為中心星，利用中心星及距中心星最近的兩顆星構(gòu)成三角形，由三顆星間的角距構(gòu)成該星模式，該算法大大減少了星表容量。Quine和Durrant-Whyte[7]于1996年提出了基于二分樹(shù)法搜尋數(shù)據(jù)庫(kù)進(jìn)行恒星識(shí)別的算法，首次提出解決恒星數(shù)據(jù)庫(kù)搜尋問(wèn)題，當(dāng)數(shù)據(jù)庫(kù)較大時(shí)取得了很好的效果。Padgett和Kreutz-Delgado[8]在1997年提出網(wǎng)格算法，該算法對(duì)任意一顆星，選擇它的最近鄰星，建立方向基準(zhǔn)。依據(jù)該方向基準(zhǔn)將星圖進(jìn)行分割，每一格最多只能存在一顆觀測(cè)星體，并將有觀測(cè)星體的柵格內(nèi)標(biāo)注為1，沒(méi)有觀測(cè)星體的格內(nèi)標(biāo)注為0，這樣將一幅星圖變成了一個(gè)由0、1組成的柵格。按此算法建立導(dǎo)航星和觀測(cè)星的模式。在一定門限下，進(jìn)行觀測(cè)星和導(dǎo)航星模式比對(duì)，確定識(shí)別成功與否。該算法星表容量大，選取的最近鄰星受星等誤差影響大，從而影響識(shí)別率。Motari和Neta[9]在2000年提出了減少搜尋數(shù)據(jù)庫(kù)次數(shù)(SLA)的算法進(jìn)行恒星識(shí)別，又稱為K矢量查找法。K矢量查找法是一種通用的單調(diào)函數(shù)快速查找算法，這種算法不依賴于數(shù)據(jù)庫(kù)的大小，搜尋時(shí)間比較短。2003年，Hashmall[10]采用基于角距匹配的三角形識(shí)別算法，該算法的星表由星對(duì)角距構(gòu)成，利用三角形任兩條邊均相交的特點(diǎn)完成星的識(shí)別和確認(rèn)，該算法用角距進(jìn)行匹配，避免了星等誤差的影響，提高了識(shí)別率。2004年 Mortari等[11]提出了基于金字塔模型的星圖識(shí)別算法，該算法利用視場(chǎng)中的4顆星，構(gòu)成“金字塔”形狀，以星間角距作為識(shí)別特征，并利用K矢量算法為導(dǎo)航星庫(kù)搜索算法，提高了導(dǎo)航星表定位的速度。金字塔法提高了星圖識(shí)別率，增大了星表容量。2006年張廣軍等[12]提出了一種改進(jìn)的三角形星圖識(shí)別算法，該算法中星表由星角距構(gòu)成，在三角形約束條件下完成星角距離匹配和觀測(cè)星的識(shí)別。并通過(guò)星表的分區(qū)，提高星表搜索速度。2015年，Arani等[13]借鑒Liebe[6]的思想，依次選擇一個(gè)導(dǎo)航星作為中心星，再選擇與中心星鄰近的3顆星，分別與中心星結(jié)合，構(gòu)成3個(gè)三角形，將這些三角形的角距作為匹配模式，并利用K矢量法進(jìn)行星表定位。該算法與金字塔法相比，降低了星表容量，同時(shí)也降低了識(shí)別率。2017年，朱海龍等[14]提出尋找一個(gè)映射關(guān)系，使得星點(diǎn)在星圖上形成的點(diǎn)集與星點(diǎn)在天球上形成的點(diǎn)集能夠一一對(duì)應(yīng)，該算法不可避免的會(huì)受到星等誤差的影響。程會(huì)艷[15]提出在三角形識(shí)別不唯一時(shí)，引入第4顆觀測(cè)星進(jìn)行四面體識(shí)別提高識(shí)別率，并利用K矢量法提高角距匹配的速度，由于僅用4顆星的信息，識(shí)別率受到限制。

以上算法，在一定時(shí)期內(nèi)分別得到了研究應(yīng)用，但是結(jié)合當(dāng)前星敏感器的優(yōu)點(diǎn)和不足，從星表容量、運(yùn)算速度、識(shí)別率等方面綜合考慮，還有待提高。隨著星敏感器探測(cè)星等能力的提高，視場(chǎng)的增大[16]，一幀星圖中的恒星更多，因此希望識(shí)別算法可以識(shí)別出更多的星，提高定姿的可信度和精度；星敏感器采用的大多是單色圖像傳感器，傳感器的光譜敏感范圍有限，對(duì)不同頻段光譜的敏感度也有差別，加上其他條件的干擾(比如光學(xué)系統(tǒng)特性、大氣或太空塵埃的散射、折射效應(yīng)等)，星敏感器的視星等與恒星的星等之間有較大的誤差，目前國(guó)內(nèi)星敏感器的視星等精度不高于0.2 mV，而星角距的精度很高，優(yōu)先利用亮星的角距信息更有利于消除誤匹配；為了在線運(yùn)算的效率和成本考慮，希望計(jì)算速度快、星表的容量盡量小。為了適應(yīng)星敏感器的這些特性，本文提出由星敏感器能探測(cè)到的星等范圍內(nèi)的星構(gòu)建導(dǎo)航星表，選出較小星等范圍內(nèi)的星建立角距星表；優(yōu)先選擇亮星的角距信息進(jìn)行粗識(shí)別；并利用所有觀測(cè)到的星參與角距識(shí)別結(jié)果的表決，識(shí)別出更多的星。

本算法避免了星等誤差的影響，充分利用了星敏感器拍攝到的星，提高了識(shí)別率。

1 算法描述

本算法主要思想為：通過(guò)兩級(jí)匹配完成星圖識(shí)別，首先，進(jìn)行第1級(jí)角距匹配識(shí)別，選擇3顆最亮的星，在三角形約束條件下進(jìn)行匹配識(shí)別；然后，進(jìn)行第2級(jí)匹配，對(duì)第1級(jí)匹配結(jié)果，依次假設(shè)為識(shí)別正確的結(jié)果，獲得對(duì)應(yīng)的姿態(tài)，根據(jù)該姿態(tài)信息，計(jì)算星敏感器指向的局部天區(qū)導(dǎo)航星圖，從而可以在局部天區(qū)范圍內(nèi)進(jìn)行星點(diǎn)坐標(biāo)匹配，識(shí)別出更多的觀測(cè)星。對(duì)于多個(gè)局部天區(qū)導(dǎo)航星圖，匹配成功的觀測(cè)星顆數(shù)最多且大于一定數(shù)目為正確的識(shí)別結(jié)果，并利用識(shí)別出的所有星進(jìn)行姿態(tài)計(jì)算。

1.1 基于角距匹配的三角形識(shí)別

本節(jié)首先回顧基于角距匹配的三角形識(shí)別算法。該算法中星表通常由兩部分構(gòu)成，一部分是導(dǎo)航星表，導(dǎo)航星表包含選取的滿足一定星等條件的導(dǎo)航星編號(hào)和導(dǎo)航星位置信息，用來(lái)參與確定姿態(tài)；另一部分是角距星表，包含在星敏感器視場(chǎng)大小約束下的星對(duì)角距和星在導(dǎo)航星表中的編號(hào)。對(duì)星敏感器拍攝到的星圖進(jìn)行處理，可以得到星敏感器坐標(biāo)系下的星點(diǎn)坐標(biāo)。按照一定的選取規(guī)則，組成觀測(cè)三角形，如圖1所示，計(jì)算出三角形3個(gè)頂點(diǎn)間的角距，通過(guò)星表查找算法可以在角距星表中，獲得滿足式(1)的導(dǎo)航星對(duì)集，即

(1)

式中：d(Ni,Nj)、d(Ni,Nk)、d(Nj,Nk)分別為導(dǎo)航星角距；δ為匹配門限;S1、S2、S3分別為觀測(cè)星；Ni、Nj、Nk分別為導(dǎo)航星。然后利用導(dǎo)航三角形三邊相交的約束條件，篩選出觀測(cè)三角形對(duì)應(yīng)的導(dǎo)航三角形，詳細(xì)的過(guò)程見(jiàn)文獻(xiàn)[17]。

在該識(shí)別環(huán)節(jié)中，觀測(cè)三角形的構(gòu)建算法也十分重要，目前主要有兩種構(gòu)建算法，第1種是優(yōu)先選取星等低的星構(gòu)建觀測(cè)三角形[18]，該算法的優(yōu)點(diǎn)是角距星表不需要是完備的，也就是即使較暗的觀測(cè)星不在角距星表范圍內(nèi)，該識(shí)別算法不受影響。第2種是在視場(chǎng)范圍內(nèi)選取最長(zhǎng)邊最小的觀測(cè)三角形，該算法的優(yōu)點(diǎn)是三角形角距匹配的冗余數(shù)量少，但是角距星表應(yīng)該是完備的，否則若較暗的觀測(cè)星不在角距星表內(nèi)，將影響識(shí)別率，若使角距星表完全包含星敏感器拍攝的星，將增大星表占的存儲(chǔ)空間，增加在線實(shí)現(xiàn)的成本。因此，本文在構(gòu)建觀測(cè)三角形時(shí)，選取第1種算法，觀測(cè)三角形的構(gòu)建算法如下。

由星圖處理獲得星點(diǎn)位置信息，對(duì)雙星進(jìn)一步處理，即對(duì)于角距小于一定門限的2顆星，去除亮度低的一顆星，保留另一顆星。將剩余的觀測(cè)星按亮度由高到低的順序依次排序編號(hào)，如圖2所示，依次取星1、2、3構(gòu)成觀測(cè)三角形A，取星2、3、4構(gòu)成觀測(cè)三角形B，依次取遍視場(chǎng)內(nèi)所有的觀測(cè)星，構(gòu)成多個(gè)觀測(cè)三角形，在星圖識(shí)別時(shí)，首先選取三角形A進(jìn)行匹配，若匹配失敗，再選取三角形B進(jìn)行匹配。

星表查找算法可以提高角距匹配時(shí)星表定位的速度。常用的算法有二分法和K矢量查找法。K矢量查找法的基本思路為將按一定順序存放的星間角距取余弦值，利用線性函數(shù)建立n個(gè)遞增的整數(shù)與n個(gè)余弦值的關(guān)系，從而在已知星間角距余弦值的條件下，可以快速確定對(duì)應(yīng)的整數(shù)。該算法中需要存儲(chǔ)星角距的余弦值，星角距取余弦后，數(shù)據(jù)被壓縮，需要用雙精度類型存儲(chǔ)，增大了存儲(chǔ)空間。因此，K矢量查找法有效避免了數(shù)據(jù)庫(kù)的搜索，提高數(shù)據(jù)定位的速度，但是K矢量查找法的不足是存儲(chǔ)K矢量數(shù)據(jù)，需要更大的存儲(chǔ)空間[9]。與K矢量查找法不同，本文利用非線性函數(shù)描述星對(duì)角距與整數(shù)間的關(guān)系，利用單精度類型存儲(chǔ)星對(duì)角距即可，從而提高了星間角距位置確定的速度，又減少了存儲(chǔ)空間。星間角距的總數(shù)為n，用一組從1到n的整數(shù)表示星間角距的存儲(chǔ)位置，星間角距按遞增順序排列，星間角距θ與整數(shù)的關(guān)系可表示為

θ(i)=arccos(a0+a1i)i=1,2,…,n

(2)

因此，對(duì)任一θ，在星間角距數(shù)組中的位置i為

(3)

則角距在數(shù)組中的位置為(cos(θ-δ)/a1-a0/a1, cos(θ+δ)/a1-a0/a1)，利用該算法可以快速地確定星間角距的位置。

1.2 星點(diǎn)坐標(biāo)匹配識(shí)別

星點(diǎn)坐標(biāo)匹配識(shí)別一方面可以消除三角形識(shí)別中的冗余匹配，另一方面可識(shí)別出更多的觀測(cè)星，以便參與姿態(tài)計(jì)算，提高定姿精度[19]。利用觀測(cè)三角形和識(shí)別出的導(dǎo)航三角形可以確定姿態(tài)。由姿態(tài)信息、導(dǎo)航星表和星敏感器視場(chǎng)大小可計(jì)算得到該姿態(tài)下星敏感器應(yīng)該拍攝到的導(dǎo)航星圖。因此星敏感器實(shí)際拍攝的觀測(cè)星圖中的星點(diǎn)坐標(biāo)可以與該導(dǎo)航星圖的星點(diǎn)坐標(biāo)直接匹配，星點(diǎn)坐標(biāo)匹配成功的數(shù)量最多的導(dǎo)航星圖作為匹配成功的導(dǎo)航星圖。該算法包括兩部分：① 導(dǎo)航星圖在圖像坐標(biāo)系下的計(jì)算;② 星點(diǎn)坐標(biāo)匹配。

1.2.1 導(dǎo)航星圖在圖像坐標(biāo)系的坐標(biāo)計(jì)算

步驟1 計(jì)算光軸指向下的星敏感器視場(chǎng)內(nèi)的導(dǎo)航星集

假設(shè)光軸指向?yàn)橐唤M觀測(cè)三角形和導(dǎo)航三角形確定的姿態(tài)方向，用αi、βi、γi表示，則赤經(jīng)跨度范圍[20]Ra為

Ra=

(4)

式中：bs=2sin(FOVx/2);hs=2sin(FOVy/2)·sinβi, FOVx、FOVy為星敏感器視場(chǎng)大小。然后在導(dǎo)航星表中搜索滿足式(4)的導(dǎo)航星[20]，構(gòu)成導(dǎo)航星集S。

(5)

式中：Pr=360-Ra/2。

步驟2 計(jì)算導(dǎo)航星集S中的每顆導(dǎo)航星在圖像坐標(biāo)系下的坐標(biāo)

首先，由光軸指向計(jì)算地心慣性系下的矢量和地心慣性系到星敏感器坐標(biāo)系的轉(zhuǎn)換矩陣。然后，地心慣性系下的矢量經(jīng)坐標(biāo)轉(zhuǎn)換后得到星敏感器坐標(biāo)系下的矢量。最后，根據(jù)焦距，星敏感器坐標(biāo)系和圖像坐標(biāo)系之間的關(guān)系，計(jì)算圖像坐標(biāo)系下的星點(diǎn)坐標(biāo)。下面以導(dǎo)航星集S中一顆導(dǎo)航星(赤經(jīng)、赤緯分別為αj、βj)的坐標(biāo)計(jì)算為例，介紹具體計(jì)算算法。

地心慣性坐標(biāo)系OxIyIzI的定義如圖4所示，導(dǎo)航星在地心慣性坐標(biāo)系矢量為

(6)

(7)

計(jì)算導(dǎo)航星在星敏感器坐標(biāo)系下的矢量為

(8)

根據(jù)圖3中坐標(biāo)系定義，可得到在圖像坐標(biāo)系上的坐標(biāo)為

(9)

式中：f為星敏感器的焦距。

1.2.2 星點(diǎn)坐標(biāo)匹配

對(duì)任一顆觀測(cè)星點(diǎn)坐標(biāo)(xi1,yi1)，若能在導(dǎo)航星圖中找到(xj1,yj1)，滿足條件

(xi1-xj1)2+(yi1-yj1)2≤δ2

(10)

則認(rèn)為該星點(diǎn)(xi1,yi1)匹配成功。遍歷觀測(cè)星圖中星點(diǎn)，則完成了該導(dǎo)航星圖的匹配。星點(diǎn)坐標(biāo)匹配成功的數(shù)量最多(且大于一定的門限)的導(dǎo)航星圖將認(rèn)為是正確的識(shí)別結(jié)果。

2 試驗(yàn)與分析

為了驗(yàn)證本算法的性能，開(kāi)展了試驗(yàn)驗(yàn)證。某星敏感器基本參數(shù)為：視場(chǎng)為10°×10°，感光芯片為CCD，像元數(shù)為512×512，可觀測(cè)星等為6.2等星，星等精度0.2 mV，星點(diǎn)位置精度：10″(1σ)。DSP為TI公司的TMS320C6416芯片，定點(diǎn)數(shù)值處理器，主頻600 MHz。

2.1 識(shí)別結(jié)果分析

選取6等星構(gòu)建角距星表，任選取一幅外場(chǎng)拍攝的星圖，識(shí)別出了一個(gè)對(duì)應(yīng)的導(dǎo)航三角形，確定的姿態(tài)角為：俯仰角為334.074°，偏航角為45.896°，橫滾角為-9.784°。利用1.2節(jié)的星點(diǎn)坐標(biāo)匹配識(shí)別算法，選取6等星計(jì)算導(dǎo)航星圖，觀測(cè)星圖和導(dǎo)航星圖的匹配結(jié)果如圖5(a)所示，匹配成功的星點(diǎn)有9顆；選取6.5等星計(jì)算導(dǎo)航星圖，觀測(cè)星圖和導(dǎo)航星圖如圖5(b)所示，匹配成功的星點(diǎn)有12顆，所有的觀測(cè)星均找到了與之匹配的導(dǎo)航星。因此，利用更高星等范圍內(nèi)的星構(gòu)建導(dǎo)航星表，可以充分利用星敏感器的探測(cè)能力，識(shí)別出更多的星。

當(dāng)前，一方面隨著星敏感器成像器件探測(cè)能力的不斷提高，能探測(cè)到的恒星的星等范圍越來(lái)越大，另一方面星敏感器的星等測(cè)試精度較低，一般低于0.2 mV，本算法非常適合目前星敏感器的情況，在算法設(shè)計(jì)時(shí)，可以選擇星敏感器能探測(cè)到的極限星等范圍內(nèi)的恒星構(gòu)成導(dǎo)航星表，用來(lái)計(jì)算導(dǎo)航星圖和定姿。如針對(duì)本文中的星敏感器，可選擇6.5等星構(gòu)成導(dǎo)航星表。然后在導(dǎo)航星表中選取較低星等范圍內(nèi)的導(dǎo)航星構(gòu)造角距星表，而不是導(dǎo)航星表中的所有星，這樣可以大大減少角距星表所需的存儲(chǔ)空間。因此本算法可以充分利用視場(chǎng)中的觀測(cè)星，又能夠以較小的星表實(shí)現(xiàn)，且可消除不在星表的觀測(cè)星干擾，提高了算法的適用性，而其他算法在提高星等范圍時(shí)必須以大幅度增大星表的存儲(chǔ)空間來(lái)實(shí)現(xiàn)[8,10,12]，且宇航級(jí)的存儲(chǔ)器價(jià)格十分昂貴，因此本算法所用的星表更利于在線應(yīng)用。

2.2 算法的性能

選取8 780顆6.5等星構(gòu)建導(dǎo)航星表，導(dǎo)航星編號(hào)采用Short int類型，赤經(jīng)和赤緯用Float類型,導(dǎo)航星表為8 780×10 B=0.083 7 MB,從8 780顆導(dǎo)航星中選取4 238顆6等星，角距限制在0.2°～10°范圍內(nèi)，構(gòu)建角距星表，角距用Float類型存儲(chǔ)，角距星表的大小為76 514×8 B=0.583 7 MB，總的星表為0.667 4 MB。文獻(xiàn)[8]算法是用g×g維向量描述觀測(cè)星圖和導(dǎo)航星圖的模式，星敏感器的視場(chǎng)為10°×10°，網(wǎng)格的大小取0.2°時(shí)，用字符型數(shù)據(jù)記錄星模式，大小為2 500個(gè)字節(jié)，總的容量21.017 MB。由于文獻(xiàn)[11,13]是采用K矢量查找法，星表中對(duì)應(yīng)的角距余弦值需要用Double類型存儲(chǔ)。按照各算法中星圖識(shí)別的算法，建立的6.5等星和6等星的星表容量分別如表1所示。由表1中的數(shù)據(jù)可見(jiàn)，隨著星等的增加，本算法容量增加的最少。因此本算法可以僅增加一些導(dǎo)航星表的容量，就可以實(shí)現(xiàn)8 780顆6.5等星范圍內(nèi)的識(shí)別，基本保證了星敏感器探測(cè)到的極限弱星能包含在星表里，充分利用了星敏感器的探測(cè)能力。

結(jié)合所用的星敏感器的精度，匹配門限選為0.02°，隨機(jī)對(duì)1 000幀外場(chǎng)拍攝的星圖進(jìn)行測(cè)試，各算法的運(yùn)行時(shí)間如表2所示，文獻(xiàn)[8]算法運(yùn)算時(shí)間最少，文獻(xiàn)[10]的算法運(yùn)算時(shí)間最多，不過(guò)各算法的運(yùn)算時(shí)間差別不大。

對(duì)1 000幀外場(chǎng)拍攝的星圖進(jìn)行測(cè)試，各星圖識(shí)別算法的正確識(shí)別率分別如表3所示，文獻(xiàn)[8]算法由于鄰星的選擇受星等誤差大，識(shí)別率較低。文獻(xiàn)[10-11,13]的算法參與識(shí)別的星較少且固定，無(wú)法充分利用更多的觀測(cè)星參與識(shí)別，影響了識(shí)別率。本算法的識(shí)別率最高，為99.9%。本算法采用基于角距匹配的三角形識(shí)別和星圖坐標(biāo)匹配相結(jié)合，三角形識(shí)別部分優(yōu)先選取亮星進(jìn)行識(shí)別，大大減少了不在星表中的暗星的干擾，且可以選取多個(gè)觀測(cè)三角形進(jìn)行識(shí)別，提高了存在偽星時(shí)的識(shí)別率。利用星圖坐標(biāo)匹配一方面可以消除三角形冗余匹配，另一方面可以識(shí)別出更多的觀測(cè)星，因此利用星圖坐標(biāo)匹配提高了星圖識(shí)別率，且實(shí)現(xiàn)簡(jiǎn)單，使用靈活。

表1 星表總?cè)萘縏able 1 Total volume of stellar catalog

表2 星圖識(shí)別算法運(yùn)行時(shí)間Table 2 Speed of star pattern identification algorithms

表3 星圖識(shí)別率Table 3 Star identification rate

3 結(jié) 論

本文針對(duì)當(dāng)前星敏感器探測(cè)星等的靈敏度高，星等測(cè)試精度低的特點(diǎn)，提出了一種全天區(qū)星圖識(shí)別算法，從星表大小，運(yùn)算速度和識(shí)別率方面綜合考慮優(yōu)勢(shì)更大，適合在線應(yīng)用。

1) 提出利用非線性函數(shù)描述的算法查找角距星表，可用單精度類型的數(shù)據(jù)存儲(chǔ)角距星表，與K矢量相比，在星表定位速度和星表容量方面更有優(yōu)勢(shì)。

2) 導(dǎo)航星表選取星敏感器探測(cè)的極限星等范圍內(nèi)的導(dǎo)航星構(gòu)建，角距星表選取較亮范圍內(nèi)的星構(gòu)建，因此確保了星表的完備性，隨著星等的增加，容量增加的最少，且有利于提高識(shí)別率。

3) 在三角形識(shí)別環(huán)節(jié)，優(yōu)先選擇亮星識(shí)別，消除了星等誤差的影響；在星點(diǎn)坐標(biāo)匹配環(huán)節(jié)，提出利用所有探測(cè)到的星參與三角形識(shí)別結(jié)果的判別，有利于提高識(shí)別率和定姿態(tài)精度。