CN103940432B - 一种星敏感器的姿态确定方法 - Google Patents

Abstract

本发明公开了一种星敏感器的姿态确定方法，包括以下几个步骤：在初始时刻进行星图识别并计算载体的姿态；利用载体的姿态和陀螺的输出信息计算当前时刻星敏感器的视轴方向，利用得到的视轴方向从星表中选星生成模拟星图；将模拟星图与当前时刻星敏感器的拍摄星图组合形成新的星图；从新星图的真实视场中选择参考星使用栅格算法进行识别；若识别成功的星点数目大于2，则星图识别成功，计算载体姿态，反之重新运行。本发明将扩充视场的方法应用于栅格算法，使得视场中的恒星数目增加，打破了栅格算法不能应用与小视场、低星等敏感器的限制；使得星敏感器的星图识别过程具有高识别率。

Description

一种星敏感器的姿态确定方法

技术领域

本发明属于星敏感器姿态确定领域，特别涉及基于扩充视场的栅格算法的一种星敏感器的姿态确定方法。

背景技术

精确的姿态信息是航天器完成航天任务的基础。能够提供姿态信息的测量器件有很多，但是精度最高应用最广泛的是星敏感器。星敏感器的姿态确定过程分为：星空成像、星点提取、星图识别和姿态计算四个步骤。其中星图识别是星敏感器姿态确定的决定性阶段。

随着星敏感器的发展，出现了许多的星图识别算法，它们可大致分为两种类型。第一种类型是子图同构类算法，这类算法把观测星图看成是全天星图的子图，将星点作为顶点，利用星点之间的角距等信息，以线段、三角形、多边形等作为基本元素来进行星图识别。其中最具代表性的有，三角形算法、匹配组算法等。另一种类型是模式识别类算法，这种算法为每颗星构造一个独一无二的特征“星模式”，这样星图识别的实质就是在星表中寻找与观测星模式相近的导航星。其中，比较有代表性的有栅格算法、基于统计特征的识别算法。

在这两类算法中，三角形算法的应用最广泛。然而三角形算法也有着其本身的致命缺陷，它容易受到位置噪声的干扰，对噪声的鲁棒性不好，因此只能适用于噪声水平较低的情况。然而，星敏感器本身存在着暗电流噪声、畸变噪声等，同时在航天器执行任务时会不可避免的受到环境的影响从而引入一定的噪声，在这种情况下，三角形算法的使用会受到很大的限制。此时模式识别类算法成为了最佳的选择。其中，最具代表性的是栅格算法，它对噪声的鲁棒性较强适用于复杂环境中。然而栅格算法要求视场中观测星的数目不小于六颗，这就限制了该算法在小视场、低星等敏感极限星敏感器中的应用。

发明内容

本发明的目的是提供具有高识别率的一种星敏感器的姿态确定方法。

本发明是通过以下技术方案实现的：

一种星敏感器的姿态确定方法，包括以下几个步骤：

步骤一：在初始时刻进行星图识别并计算载体的姿态；

步骤二：利用载体的姿态和陀螺的输出信息计算当前时刻星敏感器的视轴方向，利用得到的视轴方向从星表中选星生成模拟星图；

模拟星图的生成步骤为：

2.1得到载体的初始姿态以后，根据陀螺的输出信息计算当前时刻的姿态；

2.2利用星敏感器与载体之间的安装矩阵M计算星敏感器视轴的方向矢量P；

使用下标b代表载体坐标系，上标i代表惯性坐标系，当前时刻由陀螺计算得到的载体系到惯性坐标系的转换矩阵为用下标s代表星敏感器坐标系，则星敏感器坐标系到惯性坐标系的转换矩阵为星敏感器的视轴方向即为星敏感器坐标系的z轴方向，方向矢量P即为的第三列元素；

2.3星敏感器视场为方形视场，且视场大小为θ_R×θ_R，扩充后的视场大小为θ_E×θ_E，其中θ_R和θ_E为方形视场的一边对应的天空视场角，利用P从星表中选择落入视场大小为θ_E×θ_E星敏感器中的星，并生成模拟星图A，模拟星图A包括模拟真实星图和扩充星图；

步骤三：将星敏感器拍摄到的当前时刻的第一星图B与步骤二中生成的模拟星图A组合，并将模拟真实星图中的星删除得到新的第二星图C；

步骤四：从新星图的真实视场中选择参考星使用栅格算法进行识别；

使用栅格算法进行星识别的具体实现步骤为：

4.1从拍摄星图中选取一颗星作为参考星，将参考星连同其邻域半径pr一起移动，使得参考星移动到视场中央；

4.2确定近邻星，近邻星是在参考星邻域半径pr之内，缓冲半径br以外离参考星最近的星；

4.3以参考星和近邻星连线为基准，以主星为中心旋转星图，使得星图的x轴穿过近邻星；

4.4生成g×g栅格，g为星图的某一边对应的栅格数目，得到一个有g²个元素的矢量，有伴星的网格为1，否则为0，从而得到一个参考星的星模式s＝[a₁a₂…a_m]；

4.5将参考星的星模式与存储在数据库中的星的星模式进行对比，若与星库中第i颗星的星模式的相同元素数目超过门限值ξ，则两颗星匹配成功；

步骤五：若识别成功的星点数目大于2，则星图识别成功，计算载体姿态，若识别成功的星点数目不大于2，则返回步骤一重新运行。

本发明一种星敏感器的姿态确定方法还包括

1、模拟星图A中引入了因陀螺漂移产生的星点位置噪声，

星敏感器与载体之间的安装矩阵为单位阵且惯性陀螺捷联安装在载体的三轴上，在t时刻，星点在像平面的位置为由绕y轴旋转的角速度ω_y引起的星点移动速度为v₁且沿x轴反方向，由绕x轴旋转的角速度ω_x引起的星点移动速度为v₂且沿y轴方向，由绕z轴旋转的角速度ω_z引起的移动速度可以分解为沿着x轴的负方向速度v₃和沿着y轴的正方向速度v₄，星点的移动速度可以表示为：

$\left\{\begin{array}{c}{v}_x=-{\mathrm{\ω}}_z\·y_c^t-{\mathrm{\ω}}_y\·f\\ v_y={\mathrm{\ω}}_z\·x_c^t+{\mathrm{\ω}}_x\·f\end{array}\right.$

f为星敏感器光学系统的焦距，t+δt时刻星点的位置为：

$\left\{\begin{array}{c}{x}_c^{t+\mathrm{\δ}t}=x_c^t+{\∫}_t^{t+\mathrm{\δ}t}{v}_{x}dt\\ y_c^{t+\mathrm{\δ}t}=y_c^t+{\∫}_t^{t+\mathrm{\δ}t}{v}_{y}dt\end{array}\right.$

陀螺的测量模型可以简化为：ω＝ω_r+b+η，其中ω_r为真实角速度；b为陀螺常值漂移；η为陀螺随机测量噪声，则角速度ω_x＝ω_xr+b_x+η_x，ω_y＝ω_yr+b_y+η_y，ω_z＝ω_zr+b_z+η_z，进一步得到简化的t+δt时刻星点的位置为：

$\left\{\begin{array}{c}{x}_c^{t+\mathrm{\δ}t}=x_c^t+(-{\mathrm{\ω}}_{zr}\·y_c-{\mathrm{\ω}}_{yr}\·f)\·\mathrm{\δ}t+\[-(b_z+{\mathrm{\η}}_z)\·y_c-(b_y+{\mathrm{\η}}_y)\·f\]\·\mathrm{\δ}t\\ y_c^{t+\mathrm{\δ}t}=y_c^t+({\mathrm{\ω}}_{zr}\·x_c+{\mathrm{\ω}}_{xr}\·f)\·\mathrm{\δ}t+\[(b_z+{\mathrm{\η}}_z)\·x_c+(b_x+{\mathrm{\η}}_x)\·f\]\·\mathrm{\δ}t\end{array}\right.$

由陀螺测量噪声引起的星点位置误差为：

$\left\{\begin{array}{c}\mathrm{\δ}{x}_c^{t+\mathrm{\δ}t}=\[-(b_z+{\mathrm{\η}}_z)\·y_c^t-(b_y+{\mathrm{\η}}_y)\·f\]\·\mathrm{\δ}t\\ \mathrm{\δ}{y}_c^{t+\mathrm{\δ}t}=\[(b_z+{\mathrm{\η}}_z)\·x_c^t+(b_x+{\mathrm{\η}}_x)\·f\]\·\mathrm{\δ}t\end{array}\right.$

三个陀螺完全相同，即b_x+η_x＝b_y+η_y＝b_z+η_z＝b+η，由陀螺测量噪声引入的总的星点位置误差为：

$\begin{array}{c}\mathrm{\δ}p=\sqrt{{\left({\mathrm{\δx}}_c^{t+\mathrm{\δ}t}\right)}^2+{\left({\mathrm{\δy}}_c^{t+\mathrm{\δ}t}\right)}^2}\\ =(b+\mathrm{\η})\·\mathrm{\δ}t\·\sqrt{{(x_c^t+f)}^2+{(y_c^t+f)}^2}\end{array}.$

2、星敏感器视场大小为4°×4°，星等敏感极限为7.5，选取栅格大小为0.2°。设置扩充视场大小为8°×8°，像平面像素为1024×1024时，则栅格数目g＝8°/0.2°＝40，缓冲半径br＝0.3°，陀螺常值漂移值为1°/h，陀螺随机噪声为0.5°/h；星表中包含的星等噪声为0.1，星点位置噪声为0.1像素。

本发明的有益效果：

本发明将扩充视场的方法应用于栅格算法，使得视场中的恒星数目增加，打破了栅格算法不能应用与小视场、低星等敏感器的限制；使得星敏感器的星图识别过程具有高识别率。

附图说明：

图1是一种星敏感器的姿态确定方法的流程图；

图2是扩充视场的栅格算法图示；

图3是星点移动示意图；

图4是拍摄星图模拟过程；

图5是模拟星图形成过程；

图6是视场中星点分布统计图；

图7是新算法在不同噪声环境下的星图识别成功率；

图8是星敏感器捕获星数目的概率统计；

图9是新算法的近邻星选择成功率；

图10是星敏感器更新周期对识别成功率的影响；

图11是陀螺引入的位置噪声与星敏感器更新周期的关系；

图12是新算法耗时与捕获星数目之间的关系；

具体实施方式

下面将结合附图对本发明进行详细说明：

本发明是一种星敏感器的姿态确定方法，包括以下几个步骤：

步骤一：使用Pyramid算法在初始时刻进行星图识别并计算载体的姿态；

Pyramid算法的具体实现方式请参照文献《Lost-in-space Pyramid algorithmfor robust star pattern recognition》。

步骤二：利用载体的姿态和陀螺的输出信息计算当前时刻星敏感器的视轴方向，利用得到的视轴方向从星表中选星生成模拟星图；

具体是实现步骤为：

步骤A：得到载体的初始姿态以后，根据陀螺的输出信息计算当前时刻的姿态；

步骤B：利用星敏感器与载体之间的安装矩阵M计算星敏感器视轴的方向矢量P；

使用下标b代表载体坐标系，上标i代表惯性坐标系，当前时刻由陀螺计算得到的载体系到惯性坐标系的转换矩阵为用下标s代表星敏感器坐标系，则星敏感器坐标系到惯性坐标系的转换矩阵为星敏感器的视轴方向即为星敏感器坐标系的z轴方向，方向矢量P即为的第三列元素；

步骤C：假设星敏感器视场为方形视场，且视场大小为θ_R×θ_R，扩充后的视场大小为θ_E×θ_E，其中θ_R和θ_E为方形视场的一边对应的天空视场角，利用P从星表中选择落入视场大小为θ_E×θ_E星敏感器中的星，并生成模拟星图A如图2所示(星图的模拟方法可参考文献《一种基于三正交主轴平面的快速星图模拟方法》)；

陀螺漂移的存在，使得陀螺的输出信息中含有误差。使用陀螺信息生成的模拟星图中必定引入了因陀螺漂移而产生的位置噪声。因此，研究该噪声对星图识别算法的影响是必要的。

为了简化计算，假设星敏感器与载体之间的安装矩阵为单位阵且惯性陀螺捷联安装在载体的三轴上。假设在t时刻，星点在像平面的位置为如图3所示由绕y轴旋转的角速度ω_y引起的星点移动速度为v₁且沿x轴反方向；由绕x轴旋转的角速度ω_x引起的星点移动速度为v₂且沿y轴方向；由绕z轴旋转的角速度ω_z引起的移动速度可以分解为沿着x轴的负方向速度v₃和沿着y轴的正方向速度v₄。因此星点的移动速度可以表示为

$\left\{\begin{array}{c}{v}_x=-{\mathrm{\ω}}_z\·y_c^t-{\mathrm{\ω}}_y\·f\\ v_y={\mathrm{\ω}}_z\·x_c^t+{\mathrm{\ω}}_x\·f\end{array}\right.---\left(1\right)$

其中，f为星敏感器光学系统的焦距，根据上述公式可以得到t+δt时刻星点的位置为

$\left\{\begin{array}{c}{x}_c^{t+\mathrm{\δ}t}=x_c^t+{\∫}_t^{t+\mathrm{\δ}t}{v}_{x}dt\\ y_c^{t+\mathrm{\δ}t}=y_c^t+{\∫}_t^{t+\mathrm{\δ}t}{v}_{y}dt\end{array}\right.---\left(2\right)$

当δt较小时有

$\left\{\begin{array}{c}{x}_c^{t+\mathrm{\δ}t}\≈x_c^t+v_x\·\mathrm{\δ}t\\ y_c^{t+\mathrm{\δ}t}\≈y_c^t+v_y\·\mathrm{\δ}t\end{array}\right.---\left(3\right)$

陀螺的测量模型可以简化为：ω＝ω_r+b+η，其中ω_r为真实角速度；b为陀螺常值漂移；η为陀螺随机测量噪声，则角速度ω_x＝ω_xr+b_x+η_x，ω_y＝ω_yr+b_y+η_y，ω_z＝ω_zr+b_z+η_z，将三者带入上式得：

$\left\{\begin{array}{c}{x}_c^{t+\mathrm{\δ}t}=x_c^t+(-{\mathrm{\ω}}_{zr}\·y_c-{\mathrm{\ω}}_{yr}\·f)\·\mathrm{\δ}t+\[-(b_z+{\mathrm{\η}}_z)\·y_c-(b_y+{\mathrm{\η}}_y)\·f\]\·\mathrm{\δ}t\\ y_c^{t+\mathrm{\δ}t}=y_c^t+({\mathrm{\ω}}_{zr}\·x_c+{\mathrm{\ω}}_{xr}\·f)\·\mathrm{\δ}t+\[(b_z+{\mathrm{\η}}_z)\·x_c+(b_x+{\mathrm{\η}}_x)\·f\]\·\mathrm{\δ}t\end{array}\right.---\left(4\right)$

则由陀螺测量噪声引起的星点位置误差为

$\left\{\begin{array}{c}\mathrm{\δ}{x}_c^{t+\mathrm{\δ}t}=\[-(b_z+{\mathrm{\η}}_z)\·y_c^t-(b_y+{\mathrm{\η}}_y)\·f\]\·\mathrm{\δ}t\\ \mathrm{\δ}{y}_c^{t+\mathrm{\δ}t}=\[(b_z+{\mathrm{\η}}_z)\·x_c^t+(b_x+{\mathrm{\η}}_x)\·f\]\·\mathrm{\δ}t\end{array}\right.---\left(5\right)$

假设三个陀螺完全一样，即b_x+η_x＝b_y+η_y＝b_z+η_z＝b+η那么由陀螺测量噪声引入的总的星点位置误差为

$\begin{array}{c}\mathrm{\δ}p=\sqrt{{\left({\mathrm{\δx}}_c^{t+\mathrm{\δ}t}\right)}^2+{\left({\mathrm{\δy}}_c^{t+\mathrm{\δ}t}\right)}^2}\\ =(b+\mathrm{\η})\·\mathrm{\δ}t\·\sqrt{{(x_c^t+f)}^2+{(y_c^t+f)}^2}\end{array}---\left(6\right)$

假设星敏感器误差引起的星点位置噪声为δp_s像素。若新方法在星点位置噪声为δp+δp_s时仍能保证较高的星图识别成功率，则能够说明新算法对陀螺噪声鲁棒性将强。

步骤三：将模拟星图与当前时刻星敏感器的拍摄星图组合形成新的星图；

将星敏感器拍摄到的当前时刻的星图B后与步骤二中生成的模拟星图组合，并将模拟真实星图中的星删除得到星图C，如图2所示：

步骤四：从新星图的真实视场中选择参考星使用栅格算法进行识别；

栅格算法具体实施方法如下：

(1)从拍摄星图中选取一颗星作为待识别星(参考星又叫做主星)，将参考星连同其邻域半径pr一起移动，使得参考星移动到视场中央；

(2)决定近邻星，近邻星是在参考星邻域半径pr之内，缓冲半径br以外离参考星最近的星；

(3)以参考星和近邻星连线为基准，以主星为中心旋转星图，使得星图的x轴穿过近邻星；

(4)生成g×g栅格(g为星图的某一边对应的栅格数目)得到一个有g²个元素的矢量，有伴

星的网格为1，否则为0，从而得到一个参考星的星模式s＝[a₁a₂…a_m]

将参考星的星模式与存储在数据库中的星的星模式进行对比，若与星库中第i颗星的星模式的相同元素数目超过门限值ξ，则认为两颗星匹配。若任意视轴下匹配星的数目超过两颗，则认为此次星图识别成功。

从栅格的形成过程可以看出，近邻星的缓冲半径br和星图某一坐标轴方向上的栅格数目g这两个参数控制栅格的形成过程从而决定栅格算法的性能。如果g较大，则每个栅格就较小，此时位置噪声对算法的影响较大。但是g较大时能够保证星图中的星点充分被利用，使得一个是栅格中出现多颗星的概率降低，从而使得星模式有足够多的维数来进行星点匹配。但是，g如果太大，则栅格算法的计算量将会大大增加，更严重的是星点可能出现在多个栅格中，这样会使得误匹配的概率增加。反之g减小，则每个栅格将会变大，噪声对算法的影响随之减小。然而，当g变小的时候，一个栅格中出现多颗星的概率将会升高。如果g过小，会使得星模式维数太低，达不到正常识别的要求。同理，br变大会使得算法对噪声的鲁棒性变强,但是br太大会使得近邻星出现在视场之外的几率增加，使得近邻星的选择成功率降低，这将会直接影响到算法的星图识别成功率。因此，在小视场的星敏感器使用中，需要统计星点在视场中的分布情况，然而根据统计结果来设置栅格数目g和缓冲半径br，应该在位置噪声保证鲁棒性的基础上尽量的选取较大的g和较小的br。

步骤五：若识别成功的星点数目大于2，则星图识别成功计算载体姿态，否则识别失败；

为了验证新算法的性能，设计了算法在不同环境下的仿真过程。仿真中所用的基本星表是第谷第二星表(Tycho-2)，从中选取星等亮度大于8.0的星42057颗组成导航星表。

由于各种噪声的存在，星敏感器不能够完美的呈现星空。因此，为了模拟真实情况下的星图识别过程，用两种形式的高斯白噪声对所有的噪声进行模拟。第一种是星等噪声MN(Magnitude Noise)，由于恒星亮度的变化引起。第二种是星点的位置噪声PN(PositionNoise)，由星敏感器噪声和陀螺测量噪声引起，测量单位为像素。另外，由于恒星的自行、测量误差等因素的存在，星表中也存在噪声。对于大视场星敏感器而言，与其它噪声相比星表噪声非常小可以忽略不计。然而，对于本文使用的小视场星敏感器，星表噪声是需要考虑的一个因素，因此在本文中星表噪声也用MN和PN来表征。图4和图5描述了星敏感器拍摄星图和扩充法中用到的模拟星图的模拟方法。

根据步骤四，需要根据星点在星图中分布的统计结果来设置栅格数目g和缓冲半径br。选取的星敏感器视场大小为4°×4°，星等敏感极限为7.5，图6为10000次随机视轴指向星点之间角距分布的统计结果。根据统计结果：星等敏感极限为7.5，视场大小为4°×4°的星敏感器捕获到的恒星中，星点之间的角距在0°-0.1°之间的概率为0.17％，在0.1°-0.2°之间的概率为0.67％，在0.2°-0.3°之间的概率为1.02％。则角距分布在0-0.2°之间的概率为99.16％，因此选取栅格大小为0.2°。设置扩充视场大小为8°×8°，像平面像素为1024×1024时，则栅格数目g＝8°/0.2°＝40。同理选择缓冲半径br＝0.3°，约为40像素。仿真中，陀螺常值漂移值为1°/h，陀螺随机噪声为0.5°/h；星表中包含的星等噪声为0.1，星点位置噪声分别为0.1像素。

当星敏感器更新周期为1s时，在10000次随机视轴的仿真中，新算法星图识别成功率与位置噪声之间的关系曲线如图7所示。如图6所示，当星点位置噪声小于1像素时，新算法的星图识别成功率大于97.4％。同时我们还注意到一点，即使星点位置噪声为0，星图识别成功率也达不到100％。因为有时星敏感器只能捕获到1颗或者2颗星，这时成功识别两颗星的概率会大大降低。在上述仿真条件下，10000次随机视轴仿真中，星敏感器捕获星数目的统计结果如图8所示。星敏感器捕获到小于两颗星的概率为0.6％，而星图识别过程成功的要求是至少成功匹配两颗星。因此即使所有误差都不存在，星图识别的成功率也只有99.4％。但是，这并不能代表本文的算法不够优秀，从表中我们发现，星敏感器捕获不小于6颗星的概率为79.71％，即传统算法即使在所有噪声都为零时，星图识别成功率也只能达到79.71％，而本文算法的在位置噪声为1像素的情况下仍能够达到97.4％。能够取得这么高的成功率，除了视场扩充带来更丰富的星点信息之外近邻星选择成功率的提高也是一个很重要的因素。传统方法近邻星的选择成功率最高只有52.2％，而本文算法近邻星成功率对大可达到86.7％，如图9所示。主要原因是，新算法的参考星是从真实星图中选择，而真实星图在整个扩充后的星图的中央，因此参考星的近邻星不会出现在扩充后星图的边缘，使得近邻星出现在星图外的概率大大降低。

图10是当星敏感器的星点位置噪声为0.3像素时，更新周期与星图识别成功率的仿真结果。图11是由陀螺漂移引入的位置噪声随更新周期变化的仿真结果。如图9和10所示，当星敏感器更新周期为10s时，由陀螺漂移引入的位置噪声约为0.54像素，此时总的位置噪声为0.84像素，星图识别成功率为97.6％。而实际上星敏感器的更新频率为1Hz-10Hz，即其更新周期小于1s，因此由陀螺引入的位置噪声小于0.05像素，这时总的位置噪声小于0.35像素，星图识别成功率经达到98.2％.因此，考虑到栅格算法对噪声的强鲁棒性，由陀螺漂移产生的噪声对星图识别成功率的影响非常小，可以不予考虑。

图12表示星敏感器捕获星数目与进行一个星图识别的平均识别时间之间的关系。仿真硬件为：Pentium(R)CPU E5200，2.49GHz，计算机系统为Windows XP，所用软件为MATLAB，代码没有经过优化。由图中看出，随着捕获星数目的增加，星图识别所用时间也随之增加。但是由于小视场星敏感器一次只能捕获几颗星，因此平均识别时间大约为6ms。

上述实验结果表明：扩充视场的栅格算法保持了传统算法强鲁棒性、高星图识别成率等特点，更重要的是该算法在在小视场星星敏感器上体现出了较好的性能，打破了传统算法的限制。

Claims (3)

1.一种星敏感器的姿态确定方法，其特征在于，包括以下几个步骤：

步骤一：在初始时刻进行星图识别并计算载体的姿态；

步骤二：利用载体的姿态和陀螺的输出信息计算当前时刻星敏感器的视轴方向，利用得到的视轴方向从星表中选星生成模拟星图；

模拟星图的生成步骤为：

2.1得到载体的初始姿态以后，根据陀螺的输出信息计算当前时刻的姿态；

2.2利用星敏感器与载体之间的安装矩阵M计算星敏感器视轴的方向矢量P；

使用下标b代表载体坐标系，上标i代表惯性坐标系，当前时刻由陀螺计算得到的载体系到惯性坐标系的转换矩阵为用下标s代表星敏感器坐标系，则星敏感器坐标系到惯性坐标系的转换矩阵为星敏感器的视轴方向即为星敏感器坐标系的z轴方向，方向矢量P即为的第三列元素；

2.3星敏感器视场为方形视场，且视场大小为θ_R×θ_R，扩充后的视场大小为θ_E×θ_E，其中θ_R和θ_E为方形视场的一边对应的天空视场角，利用P从星表中选择落入视场大小为θ_E×θ_E星敏感器中的星，并生成模拟星图A，模拟星图A包括模拟真实星图和扩充星图；

步骤三：将星敏感器拍摄到的当前时刻的第一星图B与步骤二中生成的模拟星图A组合，并将模拟星图A模拟真实星图中的星删除得到新的第二星图C；

步骤四：从新星图的真实视场中选择参考星使用栅格算法进行识别；

使用栅格算法进行星识别的具体实现步骤为：

4.1从拍摄星图中选取一颗星作为参考星，将参考星连同其邻域半径pr一起移动，使得参考星移动到视场中央；

4.2确定近邻星，近邻星是在参考星邻域半径pr之内，缓冲半径br以外离参考星最近的星；

4.3以参考星和近邻星连线为基准，以主星为中心旋转星图，使得星图的x轴穿过近邻星；

4.4生成g×g栅格，g为星图的某一边对应的栅格数目，得到一个有g²个元素的矢量，有伴星的网格为1，否则为0，从而得到一个参考星的星模式s＝[a₁ a₂ …a_m]；

4.5将参考星的星模式与存储在数据库中的星的星模式进行对比，若与星库中第i颗星的星模式的相同元素数目超过门限值ξ，则两颗星匹配成功；

步骤五：若识别成功的星点数目大于2，则星图识别成功，计算载体姿态，若识别成功的星点数目不大于2，则返回步骤一重新运行。

2.跟据权利要求1所述的一种星敏感器的姿态确定方法，其特征在于：所述的模拟星图A中引入了因陀螺漂移产生的星点位置噪声，

星敏感器与载体之间的安装矩阵为单位阵且惯性陀螺捷联安装在载体的三轴上，在t时刻，星点在像平面的位置为由绕y轴旋转的角速度ω_y引起的星点移动速度为v₁且沿x轴反方向，由绕x轴旋转的角速度ω_x引起的星点移动速度为v₂且沿y轴方向，由绕z轴旋转的角速度ω_z引起的移动速度可以分解为沿着x轴的负方向速度v₃和沿着y轴的正方向速度v₄，星点的移动速度可以表示为：

$\left\{\begin{array}{c}{v}_x=-{\mathrm{\ω}}_z\·y_c^t-{\mathrm{\ω}}_y\·f\\ v_y={\mathrm{\ω}}_z\·x_c^t+{\mathrm{\ω}}_x\·f\end{array}\right.$

f为星敏感器光学系统的焦距，t+δt时刻星点的位置为：

$\left\{\begin{array}{c}{x}_c^{t+\mathrm{\δ}t}=x_c^t+{\∫}_t^{t+\mathrm{\δ}t}{v}_{x}dt\\ y_c^{t+\mathrm{\δ}t}=y_c^t+{\∫}_t^{t+\mathrm{\δ}t}{v}_{y}dt\end{array}\right.$

陀螺的测量模型可以简化为：ω＝ω_r+b+η，其中ω_r为真实角速度；b为陀螺常值漂移；η为陀螺随机测量噪声，则角速度ω_x＝ω_xr+b_x+η_x，ω_y＝ω_yr+b_y+η_y，ω_z＝ω_zr+b_z+η_z，进一步得到简化的t+δt时刻星点的位置为：

$\left\{\begin{array}{c}{x}_c^{t+\mathrm{\δ}t}=x_c^t+(-{\mathrm{\ω}}_{zr}\·y_c-{\mathrm{\ω}}_{yr}\·f)\·\mathrm{\δ}t+\[-(b_z+{\mathrm{\η}}_z)\·y_c-(b_y+{\mathrm{\η}}_y)\·f\]\·\mathrm{\δ}t\\ y_c^{t+\mathrm{\δ}t}=y_c^t+({\mathrm{\ω}}_{zr}\·x_c+{\mathrm{\ω}}_{xr}\·f)\·\mathrm{\δ}t+\[(b_z+{\mathrm{\η}}_z)\·x_c+(b_x+{\mathrm{\η}}_x)\·f\]\·\mathrm{\δ}t\end{array}\right.$

由陀螺测量噪声引起的星点位置误差为：

$\left\{\begin{array}{c}{\mathrm{\δx}}_c^{t+\mathrm{\δ}t}=\[-(b_z+{\mathrm{\η}}_z)\·y_c^t-(b_y+{\mathrm{\η}}_y)\·f\]\·\mathrm{\δ}t\\ {\mathrm{\δy}}_c^{t+\mathrm{\δ}t}=\[(b_z+{\mathrm{\η}}_z)\·x_c^t+(b_x+{\mathrm{\η}}_x)\·f\]\·\mathrm{\δ}t\end{array}\right.$

三个陀螺完全相同，即b_x+η_x＝b_y+η_y＝b_z+η_z＝b+η，由陀螺测量噪声引入的总的星点位置误差为：

$\begin{array}{c}\mathrm{\δ}p=\sqrt{{\left({\mathrm{\δx}}_c^{t+\mathrm{\δ}t}\right)}^2+{\left({\mathrm{\δy}}_c^{t+\mathrm{\δ}t}\right)}^2}\\ =(b+\mathrm{\η})\·\mathrm{\δ}t\·\sqrt{{(x_c^t+f)}^2+{(y_c^t+f)}^2}\end{array}.$

3.跟据权利要求1所述的一种星敏感器的姿态确定方法，其特征在于：所述的星敏感器视场大小为4°×4°，星等敏感极限为7.5，选取栅格大小为0.2°。设置扩充视场大小为8°×8°，像平面像素为1024×1024时，则栅格数目g＝8°/0.2°＝40，缓冲半径br＝0.3°，陀螺常值漂移值为1°/h，陀螺随机噪声为0.5°/h；星表中包含的星等噪声为0.1，星点位置噪声为0.1像素。