面向星敏感器的星模式识别算法.pdf

《面向星敏感器的星模式识别算法.pdf》由会员分享，可在线阅读，更多相关《面向星敏感器的星模式识别算法.pdf（6页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、第 12 卷第 1 期 中国惯性技术学报 2004 年 2 月 文章编号：1005-6734(2004)01-0055-06 面向星敏感器的星模式识别算法 朱长征，沈振康（国防科技大学 A T R 重点实验室，湖南 长沙 4 1 0 0 7 3）摘要：介绍了到目前为止出现的所有面向星敏感器的星模式识别算法，它们是概率统计算法、三角形算法、匹配组算法、网格算法、奇异值分解算法、神经网络算法和遗传算法，并分两组比较了它们的性能，给出了具有指导意义的结论。关 键 词：星敏感器；模式识别；三角形算法；匹配组算法；网格算法；奇异值分解；神经网络；遗传算法 中图分类号：U666.1 文献标识码：A Sta

2、r Pattern Recognition Algorithms for Star Tracker ZHU Chang-zheng,SHEN Zhen-kang(ATR Key-lab,the National University of Defense Technology,Changsha 410073,China)Abstract:In this paper,the star pattern recognition algorithms for star trackers are introduced,which are probability&statistics algorithm,

3、triangle algorithm,match group algorithm,grid algorithms,singular value decomposition algorithm,neural network algorithm,and genetic algorithm.Then they are divided into two groups and their performances are compared.Some conclusions are given.Key words：star tracker;pattern recognition;triangle algo

4、rithm;match group algorithm;grid algorithm;singular value decomposition;neural network;genetic algorithm 1 引 言 空间飞行器（下文简称飞行器）姿态是指飞行器绕其质心的旋转运动，几乎所有飞行器对姿态都有一定的要求，例如卫星上的太阳能帆板要正对太阳，通信卫星的天线要有特定的指向等。要使飞行器姿态满足一定的要求，必须对飞行器进行姿态控制。飞行器姿态控制涉及两个步骤：一是飞行器姿态测量；二是飞行器姿态控制。要完成飞行器姿态测量，必须使用姿态敏感器，如太阳敏感器、红外地平仪、射频敏感器、星敏感器等

5、。每种仪器都有其优点和缺点，本文选择星敏感器(又叫星跟踪器)作为讨论对象。星敏感器测量姿态相对于其它姿态测量仪器而言，具有指向精度高、体积小、自主性强、无姿态累 积误差等优点，因而自出现以来发展很快，目前已经能够实现完全自主姿态确定。它的工作原理是以恒星为参照物，利用 CCD 照相机实拍到的星图，经过恒星质心提取、星图识别和姿态估算等一系列计算，确定出星敏感器视轴在惯性参考空间的瞬时指向，从而确定飞行器的姿态。图 1 显示了基于自主式星敏感器的飞行器姿态控制系统框图。收稿日期：2003-11-22 作者简介：朱长征（1977），男，博士研究生，从事专业为信息与通信工程，主要研究方向为图像处理、

6、计算机图形学、航天发射任务建模与仿真等。56 中国惯性技术学报 2004 年 2 月 从图 1 可以看出，对星敏感器拍摄到的星图进行模式识别是一个关键步骤。针对这一点，已经出现了多种算法。本文的目的就是对目前出现的所有面向星敏感器的星模式识别算法进行综述，并比较它们的优缺点。2 星模式识别算法 星敏感器实时星图识别的本质是模式识别，它把观测星图作为待识别的模式，通过模式识别算法与预先储存的星模式进行匹配，找出最佳匹配模式，从而完成星模式识别。到目前为止，面向星敏感器提出的星模式识别算法有概率统计算法1,5、三角形算法2、匹配组算法2、栅格算法2,3、奇异值分解算法6、基于遗传算法的方法7,8和

7、基于神经网络的算法8。四边形算法4只是三角形算法的一个扩展，在此就不单独讨论了。下面就分别说明以上算法的原理和详细实现过程。2.1 概率统计算法 该类算法基于贝叶斯决策理论，通过比较观测星模式统计特征与预先计算的星表中星模式的统计特征来进行模式识别。识别标准是通过对在不同观测星区获取的星图序列的后验概率进行评估得到的。这种方法不直观，计算复杂，实时性差，目前已经被淘汰。2.2 三角形算法 三角形算法是一种很直观的算法，也是目前比较流行的星图识别算法，其核心思想是试图使一个由观测星构成的三角形模式唯一地与导航星座数据库中的同构三角形匹配。这种算法实现容易，但由于三角形模式的特征维数较低，所以在测

8、星误差较大时，冗余匹配导致算法的识别成功率迅速降低。尽管已有不少改进算法，但受特征维数的限制，较高的冗余匹配仍是三角形算法的一大缺陷。星模式的三角形识别算法有两种模式，其一是“边角边”模式，其二是“边边边”模式。事实上，根据三角形全等定理，三角形识别算法还可以用“边边角”和“角边角”两种模式，但是这两种模式都与第一种模式类似，判别时需要两个门限参数。下面就仅仅以“边边边”模式进行说明。图 2 给出基于该模式的星三角形识别算法的实现过程。首先从星敏感器实时星图中选取不共线三颗星组成一个待识别的星三角形，通过与导航星表中的星三角形进行比较，在满足匹配约束条件下完成对星模式的识别。图 2 三角形星模

9、式识别算法 图 1 基于自主式星敏感器的飞行器姿态控制系统框图 自主式 CCD 星跟踪器 星图预处理、星图模式识别 飞行器姿态 估计与控制 实时星图 第1期 朱长征等：面向星敏感器的星模式识别算法 57 星模式识别的三角形算法具体实现过程如下：从敏感器星图中选出最亮的k个星对象。生成一个列表，由待识别的3kC个星三角形组成。对每一个星三角形，标记其顶点；三角边对应的星对角距按照升序排列，与导航星表中星对角距进行比较，找出满足差值在d（角距误差门限）范围内的星对。对于中得到的每一个星对，确定被标识的敏感器顶点星与对应导航星的星等误差是否在b（星等误差门限）范围内；如果是，把该导航星对放进匹配表中

10、。如果匹配表为空，显示匹配失败，否则检查是否所有的导航星对都在同样的星敏感器视场角范围内；如果不是，在同样的视场角内存在最大的导航星组，认为这一组为识别结果星组；如果不存在最大星组（它们大小一样），显示匹配失败。2.3 匹配组算法 匹配组算法是另一个比较通用的星模式识别算法，该方法的原理是在导航星表中寻找一个同态子图，该图要与星敏感器实时星图特定星结构在一定约束条件下一致。图 3 显示了匹配组星模式识别算法的实现过程。算法具体实现过程如下：从敏感器星图中选出最亮的k个星对象；让k个对象分别作为顶点星，计算它与相邻星的角距离，在导航星角距离数据库中找到误差在d范围内的片段；对于敏感器每一个星组，

11、如果可能，标记每一个片段中星等误差在b范围内的所有导航星，在适当的匹配组中记录每一个片段；通过确认匹配组中角距离关系，找出最大一致匹配组；如果不存在最大一致匹配组，或者最大匹配组不充分满足条件，则算法失败，否则匹配组给出了导航星与观测星之间正确的对应关系。2.4 栅格算法 星模式识别的栅格方法也是一种直观的方法，这种算法的模式通过以下步骤生成：首先选择一颗星is，在以r为半径的圆周外找一颗最近的星ns；以is为原点、从is到ns的方向为x轴正向确定一个坐 标系统，在该坐标系统上定义一个网格；敏感器星图上在模式半径pr范围内的所有观测星投影到这个网 格上；网格大小为gg，典型情况下分辨率比敏感器

12、分辨率小得多；结果模式是简单的位矢量，有观测星的网格值是 1，没有观测星的网格值是 0；这个模式就是星is的特征。以上过程见图 4。图 3 匹配组星识别算法 58 中国惯性技术学报 2004 年 2 月 图 4 栅格算法中模式建立过程 该算法的具体实现过程如下：从敏感器星图中选出最亮的k个星对象；对每一星对象，找出半径pr外最近的一颗星，确定网格指向，然后利用整个敏感器视场形成一个模式；找出导航模式中最相近的匹配模式，如果匹配数超过m，就把敏感器观测星与模式相关联的导航星配对；进行类似三角形算法的一致性检测：寻找视场角直径范围内最大识别星组，如果该组大小大于 1则这一组的配对结果，如果不存在最

13、大组或者不能进行识别，则报告错误。2.5 奇异值算法 星模式识别的奇异值算法是一种非直观的模式识别方法，它利用观测坐标系下的观测单位列矢量矩阵的奇异值和参考坐标系下相应的参考单位列矢量矩阵的奇异值来进行星模式识别。从数学原理上来说，该算法进行模式识别所用的奇异值相对于坐标变换是不变的；而且对于噪声干扰而言，该算法所用的特征不变量是稳健的；该算法可同时完成星模式识别和飞行器姿态估计，其详细原理推导及实现过程由于所占篇幅太多，在此从略，具体过程参见文献 6 。2.6 基于遗传的算法 遗传算法（GA）源于生物进化以及群体遗传学，是一种较新的优化算法。它具有不受函数性质制约、全方位搜索以及全局收敛等诸

14、多优点，已经广泛应用于多个领域。基于遗传算法的星模式识别算法把星模式识别看作一种组合优化问题，并用遗传算法来求解。该算法具体描述如下：根据敏感器观测视场得到的角距向量初始化种群，选择控制参数；根据个体所包含的角距信息搜索导航星数据库并计算个体适应度值，判断是否匹配成功，匹配成功或已经达到最大遗传代数则退出；按照遗传算法原理产生新的种群，重复。2.7 基于神经网络的算法 用神经网络方法解决候选系统的模式识别问题很久以前就获得显著成功。只要神经网络经过恰当的训练，它就能够处理输入数据并基于已经学习的被识别的模式或者输出对数据进行分类。通过对恒星观测确定飞行器的姿态类似于模式识别问题，通过星相机获得

15、一幅观测星图，然后经过一系列计算获得星相机视轴相对于可见恒星的指向。通常是，按照入射光子量的强度选择一颗最亮的恒星1G，把对应的模式识别问题变成把观测星图与已知导航星表进行比较，然后在导航星表中找出一个与观测星图模式一致的已知星模式。于是神经网络就可以用来完成模式识别的最优化问题，就能够使观测星图模式与导航 第1期 朱长征等：面向星敏感器的星模式识别算法 59 60 中国惯性技术学报 2004 年 2 月 图 7 说明如下：仿真试验前提是CCD星相机 为 512 512 像 素（11.8 mm11.8 mm），假定CCD星相机最小敏感度为 7.5 视星等，角距f=84.2 mm，所用星表为美国

16、喷气推进试验提供的星表，模拟星图使用的星等范围为 2.58.0，网格算法中所用网格大小为 4040。图 7（1）中，星等噪声设定为标准差 0.3 视星等，y 轴为 500 个随机视轴指向对应的星模式识别成功率，x 轴为位置噪声精度（标准差，单位为像素），曲线显示了三种算法的星模式识别成功率随位置精度变化的趋势。图 7（2）中，位置噪声设定为标准差 0.5像素，y 轴为 500 个随机视轴指向对应的星模式识别成功率，x轴为星等噪声精度（标准差，单位为星等），曲线显示了三种算法的星模式识别成功率随星等精度变化的趋势。图 7（3）中，位置噪声设定为标准差 0.5 像素，星等噪声设定为 0.3 视星等

17、，y 轴为 500 个随机视轴指向对应的星模式识别成功率，x 轴为角距变化量（标准差，单位为 mm），曲线显示了三种算法的星模式识别成功率随角距误差变化的趋势。从图 7 可以看出，网格算法在各种误差的干扰下最稳定，因此可以认为网格算法在三种星模式识别算法中性能最优。另外从图 7（3）中可以看出，星相机光学系统角距误差对三种算法的性能影响甚大，稍微变化一点（0.8%）三角形算法和匹配组算法的识别成功率甚至会下降近 50%；网格在误差相对百分比为 3.6%时，星模式正确识别成功率也下降近 15%。因此在实际应用中对 CCD 相机的参数，尤其是相机光学系统的角距，进行修正是非常必要的。4 结束语 本

18、文综述了到目前为止提出的所有星模式识别算法，并对它们的性能进行了分组分析比较，给出了具有一定指导意义的结论，对这一领域今后的研究工作具有启示作用。参考文献：1 Udomkesmalee S,Alexander J W,Tolivar A F.Stochastic star identificationJ.Journal of Guidance,Control,and Dynamics,1994,17(6):1283-1286.2 Padgett C.Evaluation of star identification techniquesJ.Journal of Guidance,Control

19、,and Dynamics,1997,20(2):259-267.3 Padgett C,Kreutz-Delgado K.A grid algorithm for autonomous star identificationJ.IEEE Transactions on Aerospace and Electronic Systems,1997,33(1):202-213.4 林涛.四边形全天自主星图识别算法J.宇航学报，2000，21(2)：82-85.5 Clouse D S,Padgett C W.Small field-of-view star identification using

20、 bayesian decision theoryJ.IEEE Transactions on Aerospace and Electronic Systems,2000,34(3):773-783.6 Juang J N,Kim H Y,Junkins J L.An efficient and robust singular value method for star recognition and attitude determinationR.NASA/TM-2003-212142.7 Paladugu L,Williams B G,Schoen M P.Star pattern rec

21、ognition for attitude determination using genetic algorithmsA.The 17th AIAA/USU Conference on Small SatellitesC,Logan,UT,August 11-14,2003.8 Paladugu L,Schoen M P,Williams B G.Intelligent techniques for star-pattern recognitionA.IMECE 2003C,Washington DC,Novermeber 16-21,2003,.9 张钧萍.一种模拟 CCD 星图的方法J.中国空间科学技术，1999，19(3)：46-50.图 7 第一组中三种星模式识别算法比较