CN103868510A - 一种快速全天星图自主恒星识别方法 - Google Patents

Abstract

一种快速全天星图自主恒星识别方法，包括下列步骤：（1）根据星敏感器的视场生成导航星对角距表；（2）对所有观测星按能量进行排序；（3）利用新型三角形选择方法构建观测星三角形；（4）基于改进型K矢量法对观测星三角形进行三角形匹配识别；（5）若三角形匹配识别结果唯一，则计算当前姿态并进行投影验证；若结果不唯一，则进行四面体识别，若四面体识别结果唯一，则计算姿态进行投影验证，若结果不唯一，则重新选择观测星组成四面体进行匹配识别。（6）对识别唯一的结果根据计算的姿态进行投影验证，若投影验证通过，则认为识别成功。本发明可节省存储空间，减小星图识别时间，提高识别正确率，具有很好的实用价值。

Description

一种快速全天星图自主恒星识别方法

技术领域

本发明涉及一种星图识别方法，尤其是用于星敏感器的一种快速全天星图自主恒星识别方法。

背景技术

星图识别算法是星敏感器的核心技术之一，其根据有无粗姿态或粗位置可分为全天星图识别和局部星图识别，相应的星敏感器的工作模式一般包括全天识别模式和星跟踪模式。局部星图识别需要提供大致的姿态信息，完成局部天区的识别和跟踪，全天星图识别不需要任何姿态信息，通过全天星图对比完成自主识别。全天星图识别是星敏感器实现全天自主姿态输出的基础，识别难度比局部星图识别大，是星图识别的核心研究内容。

星图识别算法中最关键的问题就是算法的识别成功率、识别速率和存贮量，其中鲁棒性和实时性是衡量算法好坏的主要标准。星图中可以提取的信息很少，主要有观测星的亮度、观测星对之间的角距、观测星组成的集合形状等，识别算法利用其中的一种或者多种识别特征对星图进行识别。其中星对角距是最主要的识别特征。根据识别时所采用的不同的特征，目前最为常用主要有以下几类方法：三角形法、匹配组法、栅格算法、神经网络法和基于平面极坐标匹配组的星图识别法。

三角形算法是目前最成熟也是使用最广泛的星图识别算法，已经成功应用于星敏感器系统。其识别过程为：从星敏感器拍摄到的星图中选择最亮的几颗观测星，由这几颗观测星组成一些待识别的三角形，在导航星表中寻找与这些观测三角形相匹配的导航三角形。如果找到且唯一，则认为识别成功；没有找到则认为识别失败。

三角形算法的特点是：三角形模式易于管理，通过建立从主星出发的星对树形结构，可以有效抑制星三角形的数量，从而减轻识别过程的计算量和导航星表的存储容量。但全天恒星可以组成的星三角形数量极多（

个，n为全天可观测恒星总数），可以通过判断同时出现在一个视场中的可能性，而剔除大量不实用的星三角形，需要存入导航星座数据库的星三角形也有相当大的数量，因此使用三角形算法需要较大的存储量，同时由于星三角形的数量很多，在匹配过程中出现冗余匹配的概率较大，冗余匹配导致算法的识别成功率迅速降低。

匹配组识别方法又称为主星识别法，该方法把观测星中一颗星安排作为主星，其余星为伴随星，对主星与伴随星间角距在一给定的门限内寻找对应的导航星对，然后进行亮度等级匹配，保留匹配组，再选下一颗星作主星，删除多余匹配星组。

该算法基本上不需要重复匹配，克服了三角形算法所具有的冗余匹配率高的缺点，在较高测量误差情况下仍能保持较高的识别成功率，而且适用于全天星图识别，识别速度快，识别率高。但该方法也存在一些缺陷：在有许多颗星等相近的亮星的视域内，识别率严重降低，且易产生误识别。

栅格算法是一种典型的采用模式匹配策略的星图识别算法。其基本原理为：首先为一些经过仔细挑选的导航星按照某种方式建立导航星模式，并有这些导航星模式组成导航模式数据库，对于观测星图再按照相同的模式组成观测星模式，识别过程实际就为从导航模式数据库中查找出与观测星模式相同或者最为接近的导航星模式。

栅格算法识别具有存储量小、成功率较高，实时性和鲁棒性也较好，算法对几何测量误差不敏感、识别中无需使用恒星亮度特征等优点，但主要的缺点是：在选定主星后，观测模式的建立完全取决于基准星，选择不同的基准星，则所建立的观测模式完全不同，而且彼此之间没有联系，如不能选择正确的基准星，对应的观测模式与导航模式将无法匹配。且栅格算法要求星敏感器视场内有较多的观测星，要求星敏感器有较大的视场或者能捕获到星等较低的观测星，在很大程度上限制了该算法的应用范围。同时该方法一个主要的问题在于网格图像必须要旋转角度一致才能完全匹配，其用待识别星最近一颗星作为标识来统一旋转角度，而该标识星的选择很容易受噪声影响，从而影响识别结果。

神经网络星图识别的基本方法是：在视场中选定最亮的观测星作为第一导航星，离第一导航星最近的观测星作为第二导航星。把第一导航星和第二导航星的连线作为参考基线，计算其余观测星与第一导航星连线与参考基线的夹角，并计算第一导航星到其余观测星的矢量。

该星图识别方法的模式特征表现为各神经元之间权值的连接强度，以权值矩阵代替了模式库。其识别过程只做一次匹配即可完成观测模式与众多模式的比较，无需迭代即可获得最终的识别结果，减小了星载数据量和星图识别的时间。但其训练过程需要很大的训练集合，精度受训练集合大小和训练时间长短的影响，并且算法对硬件的要求比较高。

基于平面极坐标匹配组法的星图识别方法，其特征在于：从所有观测星中选择一个主参考星座作为目标模板，对内存全部导航星座模板进行遍历，找到一个与选定主参考星座模板最为近似的导航星座模板作为识别结果。

该方法的优点是：识别概率高，算法实现的代价低，识别容错率较高；缺点是：需要选择参考星，以该参考星为基准建立极坐标模板，如不能选择正确的参考星，则观测模板与导航模板将无法匹配，且该识别方法需要对导航星表中每颗导航星分别建立极坐标模板，对于小视场、高灵敏度的小型星敏感器，其导航星表数量大，导航星的极坐标模板所需存储空间大，同时观测模板需与每一个导航模板进行一次模板匹配，所需的识别时间长，实时性较差。

上述识别方法中三角形算法和极坐标匹配法是到目前为止应用比较成熟的两种星图识别方法。其中三角形算法原理简单，易于实现，识别速度快，但是其识别的特征维数低，冗余和误匹配较大，所需存储空间也比较大；极坐标匹配法识别概率高，误识别率低，但该方法需要选择参考主星，若不能选择正确的参考星，则导致识别失败，且算法需要为每颗导航星建立模版，所需存储空间大，识别时间长，实时性较差。由于极坐标匹配法虽然误识别率低，但其实时性差，为此为了实现快速识别，本发明吸取三角形算法的优点，并对其缺点进行改进，提出了一种快速的全天自主星图识别算法。该算法合理有效，可节省存储空间，减小星图识别时间，提高识别正确率，具有很好的实用价值。

发明内容

本发明的技术解决问题是：克服现有技术的不足，提供一种快速全天星图自主恒星识别方法，可以实现高概率、低误识别率、快速、低代价的恒星识别。

本发明的技术解决方案是：一种快速全天星图自主恒星识别方法，步骤如下：

（1）根据原始星表计算导航星对角距表，并对导航星对角距表进行预处理；

（2）对星图中的所有观测星按能量从大到小进行排序；

（3）根据新型三角形选择方法，任意三颗观测星组成一个观测星三角形，构建观测星三角形组；

（4）采用改进型K矢量法对观测星三角形组中的任一观测星三角形和星对角距表进行三角形匹配识别；

（5）对观测星三角形和星对角距表匹配识别结果进行判断，如果匹配识别结果唯一，则根据匹配识别结果利用QUEST算法计算当前星图的姿态，并执行步骤（9）；如果匹配识别结果不唯一，则执行步骤（6）；

如果匹配识别失败且不是观测星三角形组中的最后一个观测星三角形，则执行步骤（3），重新选择观测星三角形；如果观测星三角形组中的所有观测星三角形都已和星对角距表完成匹配识别且都匹配识别失败，则匹配识别失败，结束识别；

（6）选择剩余观测星中序号最小的一颗观测星与步骤（5）中匹配识别结果不唯一的三颗观测星组成空间四面体，按照四面体匹配识别方法将空间四面体和星对角距表进行四面体匹配识别，所述剩余观测星为未参与步骤（4）中匹配识别过程的观测星；

（7）对四面体匹配识别结果进行判断，如果四面体匹配识别结果唯一，则匹配识别成功，结束识别；如果四面体匹配识别结果不唯一或匹配识别失败，则执行步骤（8）；

（8）如果剩余观测星都已参与四面体匹配识别，则执行步骤（3），重新选择观测星三角形，如果还有剩余观测星未参与四面体匹配识别，则从剩余观测星中重新选择一颗观测星与步骤（5）中匹配识别不唯一的三颗观测星组成空间四面体并进行四面体匹配识别；如果观测星三角形组中的所有观测星三角形都已进行匹配识别且匹配识别失败，则匹配识别失败，结束识别；

（9）根据步骤（5）中计算得到的星图姿态，对识别结果进行投影验证；

（10）对投影验证结果进行判断，如果投影验证成功，则匹配识别成功，结束识别，否则执行步骤（3）。

所述步骤（1）中根据原始星表计算导航星对角距表，并对导航星对角距表进行预处理，具体方法如下：

（1）初始化导航星对角距表；

（2）遍历全天球所有天区，对于任意给定光轴指向，根据光轴指向将导航星表中导航星进行投影，得到星敏感器视场内导航星；

（3）对星敏感器视场内导航星按星等从小到大进行排序，选择前Thr_Nstar颗导航星，并计算导航星之间的星对角距，所述Thr_Nstar为设定的导航星数阈值；

（4）对步骤（3）计算得到的星对角距进行判断，如果导航星对角距表中已存在该星对角距，则不对导航星对角距表进行更新；若导航星对角距表中不存在该星对角距，则将该星对角距存入导航星对角距表中。

所述步骤（3）中的新型三角形选择方法，具体如下：

（1）设置循环变量d_j为1；

（2）设置循环变量d_k为1；

（3）设置循环变量i为1；

（4）设置选择的观测星三角形中三颗观测星序号分别为i₁，i₂和i₃，则i₁=1，i₂=i+d_j，i₃=i+d_j+d_k；

（5）利用选择的观测星三角形和星对角距表进行匹配识别，若匹配识别成功，则结束选择观测星三角形，否则执行步骤（6）；

（6）对i值进行判断，若i<Nstar-d_j-d_k，则令i加1，执行步骤（4），否则执行步骤（7）；

（7）若d_k<Nstar-d_j-1，则令d_k加1，执行步骤（3），否则执行步骤（8）；

（8）若d_j<Nstar-2，则令d_j加1，执行步骤（2），否则结束选择观测星三角形。

所述步骤（4）中采用改进型K矢量法对观测星三角形和星对角距表进行三角形匹配识别，具体计算过程如下：

（1）建立平面直角坐标系，在坐标系内以整数i为行坐标，星对角距正弦值S(i)为纵坐标，构建坐标系点坐标集[i,S(i)],i=1,2,3,...,10；

（2）计算计算中间量D、a₀、a₁和整型数组K，其中：

D=[S(m)-S(1)]/(m-1);

a₁=mD/(m-1);

a₀=S(1)-a₁-D/2。

由直线sinv=a₁k+a₀和S(i)，可计算出整型数组K，即

K(k)=n，满足S(n)≤a₁k+a₀≤S(n+1)，

其中sinν为观测角距的正弦值，显然K(1)=0，K(m)=m，数组K中的第k个元素K(k)代表了小于sinv=a₁k+a₀的S(i)的个数；

令观测角距的正弦值为sinν，角距匹配门限值为ε，识别过程需要分别确定sin(ν-ε)和sin(ν+ε)对应星对角距表中的角距，其查找过程如下：

（i）计算k_start和k_end的值，其中

l_bot=bot{[sin(v-ε)-a₀]/a₁}

l_top=top{[sin(v+ε)-a₀]/a₁}

k_start=K(l_bot)+1

k_end=K(l_top)

其中：bot{x}代表小于x的最大整数；

top{x}代表大于x的最小整数；

k_start表示sin(ν-ε)在星对角距表中的位置；

k_end表示sin(ν+ε)在星对角距表中的位置；

（ii）对观测角距sinν进行匹配：

y_a=sin(ν-ε)，其对应l_bot=4，由K矢量的构成K(l_bot)=3，k_start=4；y_b=sin(ν+ε)，其对应l_top=9，由K矢量的构成K(l_top)=9，k_end=9，以ε作为角距匹配门限的sinν，其对应的角距范围从S(4)到S(9)。

所述步骤（9）中的投影验证，具体方法如下：

（1）根据观测星三角形和星对角距表匹配识别结果计算当前星图姿态；

（2）根据步骤（1）计算的星图姿态遍历导航星表，并将星敏感器视场内导航星投影在星敏感器成像面上；

（3）计算星敏感器成像面上导航星与观测星之间的夹角；

（4）根据设定的角距阈值对步骤（3）计算的导航星与观测星之间的夹角进行判断，统计满足角距阈值的角距个数；

（5）若角距个数大于等于设定的角距个数阈值，则认为投影验证成功；若角距个数小于设定的角距个数阈值，则认为投影验证失败。

本发明与现有技术相比的有益效果是：

（1）本发明对导航星对角距表进行了预处理，以减小存储空间。即在根据视场生成导航星对角距表后，根据视场内导航星数对导航星对角距表进行筛选，获得有效的星对角距。如此筛选后得到的导航星对角距个数大幅减少（相对于只根据视场筛选得到的角距个数），同时也减少了冗余角距个数，节省了存储空间，加快匹配识别的速度；

（2）本发明在角距查找时，对K矢量法进行改进，采用改进型K矢量法来查找满足角距匹配阈值的导航星对角距，加快了导航星对角距查找速度，减少了全天星图识别时间；

（3）本发明提出了一种新型选择观测星三角形的方法，有效减少了星图识别时选择观测星三角形的次数，提高了星图识别的速度；

（4）本发明在三角形识别不唯一时，引入第四颗观测星与之前三颗观测星组成空间四面体，进行四面体识别，有效提高了识别成功率；

（5）本发明在识别结果唯一时，根据识别结果进行姿态计算，并对计算的姿态进行投影验证，有效避免了误识别，提高了识别正确率。

附图说明

图1为本发明方法流程示意图；

图2为改进型K矢量算法原理示意图；

图3为视场内观测星与其相应的导航星示意图。

具体实施方式

下面结合附图对本发明的具体实施方式进行进一步的详细描述。

图1为本发明的流程图，设星敏感器全视场角为ω，导航星数阈值为Thr_Nstar，为以某星敏感器产品为例，其视场为20°×20°，即ω为20°，设置Thr_Nstar为15，星图匹配角距阈值Thr_angle1为60″，投影验证时满足角距个数阈值Thr_Nangle为5，投影验证的角距阈值Thr_angle2为35″。

以图3中的观测星和导航星为例，来说明整个自主星图识别过程。如图3所示，选取的观测星为1、2、3、4、5、6，其对应的导航星序号依次为26、35、34、29、42和45。本发明的具体步骤如下：

（1）根据原始星表计算导航星对角距表，并对导航星对角距表进行预处理；

导航星对角距表包含满足星敏感器视场大小的所有导航星对之间的星对角距，以及组成星对的每颗导航星在导航星信息表中的存储位置即导航星序号。导航星表预处理即生成导航星对角距具体过程如下：

（i）初始化导航星对角距表；

（ii）遍历全天球所有天区，对于任意给定光轴指向，根据光轴指向将导航星表中导航星进行投影，得到星敏感器视场内导航星；

（iii）对星敏感器视场内导航星按星等从小到大进行排序，选择前Thr_Nstar颗导航星，并计算导航星之间的星对角距，所述Thr_Nstar为设定的导航星数阈值；

（iv）对步骤（iii）计算得到的星对角距进行判断，如果导航星对角距表中已存在该星对角距，则不对导航星对角距表进行更新；若导航星对角距表中不存在该星对角距，则将该星对角距存入导航星对角距表中。

（2）将所有观测星按照星点能量从大到小进行排序，令观测星个数为Nstar；

图3中观测星排序后的序号依次为1、2、3、4、5、6，观测星数Nstar为6；

（3）根据新型三角形选择方法，任意三颗观测星组成一个观测星三角形，构建观测星三角形组；观测星三角形的选择按三重循环进行选取，具体步骤如下：

（i）设置循环变量d_j为1；

（ii）设置循环变量d_k为1；

（iii）设置循环变量i为1；

（iv）设置选择的观测星三角形中三颗观测星序号分别为i₁，i₂和i₃，则i₁=1，i₂=i+d_j，i₃=i+d_j+d_k；

（v）利用选择的观测星三角形和星对角距表进行匹配识别，若匹配识别成功，则执行步骤（ix），否则执行步骤（v）；

（vi）对i值进行判断，若i<Nstar-d_j-d_k，则i=i+1，执行步骤（iv），否则执行步骤（vii）；

（vii）若d_k<Nstar-d_j-1，则d_k=d_k+1，执行步骤（iii），否则执行步骤（viii）；

（viii）若d_j<Nstar-2，则d_j=d_j+1，执行步骤（ii），否则执行步骤（ix）；

（ix）结束选择观测星三角形。

实施例中第一次选取的观测星序号分别为1，2，3，组成观测星三角形。

（4）根据设置的角距阈值Thr_angle1,采用改进型K矢量法对观测星三角形组中的任一观测星三角形和星对角距表进行三角形匹配识别；

通常方法都是根据星敏感器的视场进行筛选生成星对角距，该方法若导航星表中星数较少时，根据视场筛选后得到的导航星星对角距也较少，其所占存储空间较小；若导航星表中星数较多时，则根据视场筛选得到的角距个数仍然很多，需要占用较大的存储空间，且增加星图识别时角距匹配的时间，同时根据视场筛选得到的导航星对角距表中存在一部分冗余角距。本发明中提出的星对角距生成方法可获得有效星对角距，减小存储空间，加快角距匹配的速度。

由于星敏感器系统存在各种误差，观测角距并不能完全等同于对应导航星之间的真实角距，通常需根据星敏感器的测量精度，设置合理的门限值，在门限值的范围内对观测角距进行匹配。利用K矢量法可加快星图识别过程中查找匹配角距的速度，本发明对K矢量算法进行改进，下面说明改进型K矢量查找匹配角距的方法，需在星图识别前计算出星图识别过程中改进型K矢量查找法所需的几个参数。

改进型K矢量算法可以看作拟和曲线方法的一种，它通过拟和曲线来确定数组K，有效克服拟和曲线精度低的缺点。一定视场条件下，角距正弦值的分布介于直线和正弦曲线之间，可用正弦曲线和直线来模拟角距正弦值的分布。下面说明用直线来模拟角距正弦值分布的方法，其构造过程如下：

以图2为例说明改进型K矢量查找算法，记S为从小到大排序后的星对夹角正弦值，其包含10个元素的角距信息表，即数组S的维数m等于10，其角距分布如图2中点所示，I_s和J_s也是m维数组，和数组S中的元素相对应，代表了组成候选星对的两颗恒星在导航星信息表中的编号。在查找匹配角距之前需要先计算查找中所需的参数D，a₀，a₁和整型数组K，其计算过程如下：

（i）建立平面直角坐标系，在坐标系内以整数i为行坐标，星对角距正弦值S(i)为纵坐标，构建坐标系点坐标集[i,S(i)],i=1,2,3,...,10；

（ii）计算计算中间量D，a₀，a₁和整型数组K，其中：

D=[S(m)-S(1)]/(m-1);

a₁=mD/(m-1);

a₀=S(1)-a₁-D/2。

由直线sinv=a₁k+a₀和S(i)，可计算出整型数组K，即

K(k)=n，满足S(n)≤a₁k+a₀≤S(n+1)，

其中sinν为观测角距的正弦值，显然K(1)=0，K(m)=m。数组K中的第k个元素K(k)实际代表了小于sinv=a₁k+a₀的S(i)的个数，图2中K矢量的构成为：[0，2，2，3，3，5，6，8，9，10]。

假设观测角距的正弦值为sinν，角距匹配门限值为ε，识别过程需要分别确定sin(ν-ε)和sin(ν+ε)对应星对角距表中的角距，其查找过程如下：

（i）首先计算k_start和k_end的值，其中

l_bot=bot{[sin(v-ε)-a₀]/a₁}

l_top=top{[sin(v+ε)-a₀]/a₁}

k_start=K(l_bot)+1

k_end=K(l_top)

其中：bot{x}代表小于x的最大整数；

top{x}代表大于x的最小整数；

k_start表示sin(ν-ε)在星对角距表中的位置；

k_end表示sin(ν+ε)在星对角距表中的位置。

（ii）对观测角距sinν进行匹配：

y_a=sin(ν-ε)，其对应l_bot=4，由K矢量的构成K(l_bot)=3，k_start=4；y_b=sin(ν+ε)，其对应l_top=9，由K矢量的构成K(l_top)=9，k_end=9。以ε作为角距匹配门限的sinν，其对应的角距范围从S(4)到S(9)。

示例中与观测星1、2满足匹配阈值的导航星对角距为32个，与观测星1、3匹配导航星对角距47个，与观测星2、3匹配的导航星对角距为22个。

（5）对观测星三角形和星对角距表匹配识别结果进行判断，如果匹配识别唯一，则根据匹配识别结果利用QUEST算法计算当前星图的姿态，并执行步骤（9）；如果匹配识别不唯一，则执行步骤（6）；如果观匹配识别失败且不是观测星三角形组中的最后一个观测星三角形，则执行步骤（3），重新选择观测星三角形；如果观测星三角形组中的所有观测星三角形都已和星对角距表完成匹配识别且都匹配识别失败，则匹配识别失败，结束识别；

示例中与观测星序号为1、2和3组成的观测星三角形匹配的导航星三角形只有1个，序号分别为26、35、34，则三角形识别结果唯一，执行步骤（9）进行投影验证。

（6）选择剩余观测星中序号最小的一颗观测星与步骤（5）中匹配识别不唯一的三颗观测星组成空间四面体，按照四面体匹配识别方法将空间四面体和星对角距表进行四面体匹配识别，所述剩余观测星为没有未参与步骤（4）中匹配识别过程的观测星；为了加快角距查找的速度，在四面体匹配过程中同样采用改进型K矢量法查找满足角距匹配阈值的导航星对角距。

（7）对四面体匹配识别结果进行判断，如果四面体匹配识别结果唯一，则匹配识别成功，结束识别；如果四面体匹配识别结果不唯一或匹配识别失败，则执行步骤（8）；

（8）从剩余观测星中重新选择一颗观测星与步骤（5）中匹配识别不唯一的三颗观测星组成空间四面体并进行四面体匹配识别，如果剩余观测星都已参与四面体匹配识别，则执行步骤（3），重新选择观测星三角形；如果观测星三角形组中的所有观测星三角形都已进行匹配识别且匹配识别失败，则匹配识别失败，结束识别；

（9）根据步骤（5）中计算得到的星图姿态，对识别结果进行投影验证；具体方法如下：

（i）根据观测星三角形和星对角距表匹配识别结果计算当前星图姿态；

（ii）根据步骤（1）计算的星图姿态遍历导航星表，并将星敏感器视场内导航星投影在星敏感器成像面上；

（iii）计算星敏感器成像面上导航星与观测星之间的夹角；具体方法为：令导航星载星敏感器空间坐标系中的坐标为(x,y,z)，观测星载星敏感器空间坐标系中的坐标为(x′,y′,z′)，导航星与观测星之间的夹角为θ，则有cosθ=(x,y,z)·(x′,y′,z′)，由此可计算出导航星与观测星之间的夹角；

（iv）根据设定的角距阈值对计算的导航星与观测星夹角进行判断，统计满足角距阈值Thr_Nangle的角距个数Nangle；

（v）若角距个数Nangle大于等于设定的角距个数阈值Thr_Nangle，则认为投影验证成功；若角距个数Nangle小于设定的角距个数阈值Thr_Nangle，则认为投影验证失败。

示例中计算的满足投影角距阈值的角距个数Nangle为8，大于角距个数阈值Thr_Nangle（设置角距个数阈值Thr_Nangle为5），则投影验证成功。

（10）对投影验证结果进行判断，如果投影验证成功，则匹配识别成功，结束识别，否则执行步骤（3）；

示例中投影验证成功，匹配识别成功，结束识别。

实施例中星图识别成功，识别成功的观测星序号为1、2、3，对应的导航星序号依次为26、35、34。

本发明未详细说明部分属本领域技术人员公知常识。

Claims (5)

1.一种快速全天星图自主恒星识别方法，其特征在于步骤如下：

（1）根据原始星表计算导航星对角距表，并对导航星对角距表进行预处理；

（2）对星图中的所有观测星按能量从大到小进行排序；

（3）根据新型三角形选择方法，任意三颗观测星组成一个观测星三角形，构建观测星三角形组；

（4）采用改进型K矢量法对观测星三角形组中的任一观测星三角形和星对角距表进行三角形匹配识别；

（5）对观测星三角形和星对角距表匹配识别结果进行判断，如果匹配识别结果唯一，则根据匹配识别结果利用QUEST算法计算当前星图的姿态，并执行步骤（9）；如果匹配识别结果不唯一，则执行步骤（6）；

如果匹配识别失败且不是观测星三角形组中的最后一个观测星三角形，则执行步骤（3），重新选择观测星三角形；如果观测星三角形组中的所有观测星三角形都已和星对角距表完成匹配识别且都匹配识别失败，则匹配识别失败，结束识别；

（6）选择剩余观测星中序号最小的一颗观测星与步骤（5）中匹配识别结果不唯一的三颗观测星组成空间四面体，按照四面体匹配识别方法将空间四面体和星对角距表进行四面体匹配识别，所述剩余观测星为未参与步骤（4）中匹配识别过程的观测星；

（7）对四面体匹配识别结果进行判断，如果四面体匹配识别结果唯一，则匹配识别成功，结束识别；如果四面体匹配识别结果不唯一或匹配识别失败，则执行步骤（8）；

（8）如果剩余观测星都已参与四面体匹配识别，则执行步骤（3），重新选择观测星三角形，如果还有剩余观测星未参与四面体匹配识别，则从剩余观测星中重新选择一颗观测星与步骤（5）中匹配识别不唯一的三颗观测星组成空间四面体并进行四面体匹配识别；如果观测星三角形组中的所有观测星三角形都已进行匹配识别且匹配识别失败，则匹配识别失败，结束识别；

（9）根据步骤（5）中计算得到的星图姿态，对识别结果进行投影验证；

（10）对投影验证结果进行判断，如果投影验证成功，则匹配识别成功，结束识别，否则执行步骤（3）。

2.根据权利要求1所述的一种快速全天自主恒星识别方法，其特征在于：所述步骤（1）中根据原始星表计算导航星对角距表，并对导航星对角距表进行预处理，具体方法如下：

（1）初始化导航星对角距表；

（2）遍历全天球所有天区，对于任意给定光轴指向，根据光轴指向将导航星表中导航星进行投影，得到星敏感器视场内导航星；

（3）对星敏感器视场内导航星按星等从小到大进行排序，选择前Thr_Nstar颗导航星，并计算导航星之间的星对角距，所述Thr_Nstar为设定的导航星数阈值；

（4）对步骤（3）计算得到的星对角距进行判断，如果导航星对角距表中已存在该星对角距，则不对导航星对角距表进行更新；若导航星对角距表中不存在该星对角距，则将该星对角距存入导航星对角距表中。

3.根据权利要求1所述的一种快速全天自主恒星识别方法，其特征在于：所述步骤（3）中的新型三角形选择方法，具体如下：

（1）设置循环变量d_j为1；

（2）设置循环变量d_k为1；

（3）设置循环变量i为1；

（4）设置选择的观测星三角形中三颗观测星序号分别为i₁，i₂和i₃，则i₁=1，i₂=i+d_j，i₃=i+d_j+d_k；

（5）利用选择的观测星三角形和星对角距表进行匹配识别，若匹配识别成功，则结束选择观测星三角形，否则执行步骤（6）；

（6）对i值进行判断，若i<Nstar-d_j-d_k，则令i加1，执行步骤（4），否则执行步骤（7）；

（7）若d_k<Nstar-d_j-1，则令d_k加1，执行步骤（3），否则执行步骤（8）；

（8）若d_j<Nstar-2，则令d_j加1，执行步骤（2），否则结束选择观测星三角形。

4.根据权利要求1所述的一种快速全天自主恒星识别方法，其特征在于：所述步骤（4）中采用改进型K矢量法对观测星三角形和星对角距表进行三角形匹配识别，具体计算过程如下：

（1）建立平面直角坐标系，在坐标系内以整数i为行坐标，星对角距正弦值S(i)为纵坐标，构建坐标系点坐标集[i,S(i)],i=1,2,3,...,10；

（2）计算计算中间量D、a₀、a₁和整型数组K，其中：

D=[S(m)-S(1)]/(m-1);

a₁=mD/(m-1);

a₀=S(1)-a₁-D/2。

由直线sinv=a₁k+a₀和S(i)，可计算出整型数组K，即

K(k)=n，满足S(n)≤a₁k+a₀≤S(n+1)，

其中sinν为观测角距的正弦值，显然K(1)=0，K(m)=m，数组K中的第k个元素K(k)代表了小于sinv=a₁k+a₀的S(i)的个数；

令观测角距的正弦值为sinν，角距匹配门限值为ε，识别过程需要分别确定sin(ν-ε)和sin(ν+ε)对应星对角距表中的角距，其查找过程如下：

（i）计算k_start和k_end的值，其中

l_bot=bot{[sin(v-ε)-a₀]/a₁}

l_top=top{[sin(v+ε)-a₀]/a₁}

k_start=K(l_bot)+1

k_end=K(l_top)

其中：bot{x}代表小于x的最大整数；

top{x}代表大于x的最小整数；

k_start表示sin(ν-ε)在星对角距表中的位置；

k_end表示sin(ν+ε)在星对角距表中的位置；

（ii）对观测角距sinν进行匹配：

y_a=sin(ν-ε)，其对应l_bot=4，由K矢量的构成K(l_bot)=3，k_start=4；y_b=sin(ν+ε)，其对应l_top=9，由K矢量的构成K(l_top)=9，k_end=9，以ε作为角距匹配门限的sinν，其对应的角距范围从S(4)到S(9)。

5.根据权利要求1所述的一种快速全天自主恒星识别方法，其特征在于：所述步骤（9）中的投影验证，具体方法如下：

（1）根据观测星三角形和星对角距表匹配识别结果计算当前星图姿态；

（2）根据步骤（1）计算的星图姿态遍历导航星表，并将星敏感器视场内导航星投影在星敏感器成像面上；

（3）计算星敏感器成像面上导航星与观测星之间的夹角；

（4）根据设定的角距阈值对步骤（3）计算的导航星与观测星之间的夹角进行判断，统计满足角距阈值的角距个数；

（5）若角距个数大于等于设定的角距个数阈值，则认为投影验证成功；若角距个数小于设定的角距个数阈值，则认为投影验证失败。

Images