CN106441280A - 用于星敏感器的筛选导航星的方法 - Google Patents

Abstract

本发明涉及一种用于星敏感器的筛选导航星的方法，包括：一、根据星敏感器的极限星等，对全天球的原始星表作星过滤处理，并确定星数阈值N_th；二、所述星敏感器在当前天区视场内的剩余星的数量设为N，若N≤N_th，则所述剩余星都选为导航星，执行步骤三；若N＞N_th，则通过多尺度像面分割筛选所述当前天区视场内的导航星，三、所述当前天区视场的导航星筛选结束后，所述星敏感器转到下一方位重复步骤(二)筛选导航星，直至遍历全天球；本发明中的采用多尺度像面分割筛选的方法能适应不同天区的星数变化删除星分布高密度天区的冗余星，保留低密度天区的所有星，并且筛选的导航星分布均匀。

Description

用于星敏感器的筛选导航星的方法

本申请是申请号为：201210344509.9，发明创造名称为《一种用于星敏感器的筛选 导航星的方法》，申请日为：2012年9月17日的发明专利申请的分案申请。

技术领域

本发明属于天文导航技术领域，涉及一种用于星敏感器的筛选导航星的方法。

背景技术

星敏感器通过星图识别，比较观测星星组和导航星星组的特征，识别观测星，确定它们在本体坐标系和惯性坐标系中的坐标，从而测量出卫星姿态，是现代航天领域中一种精度最高的卫星姿态测量仪器。星图识别是星敏感器的核心技术，建立导航星星库是识别星图的重要前提，合理选择导航星对于降低导航星星组特征相似性，提高星图识别速率和星图识别成功率，增强星敏感器抗伪星干扰能力，提高姿态测量精度有重要意义。

导航星在全天球上分布均匀时，导航星的星组特征冗余性小，星图识别稳定性高，通常以导航星分布均匀性评价优选(筛选)算法，目前的导航星优选(筛选)算法大致可以分为两大类。

第一类算法以导航星在全天球的均匀分布为出发点。1998年林涛等提出的正交网格方法将单位天球投影到平面上，正交分割该投影平面，将全天球分成很多互不交叉的等面积天区，在每个天区中选取一颗恒星为导航星。由于天区长宽比随着纬度变化，导航星密度并不均匀。2004年Samaan,Malak A等提出的球面分块法(The Spherical Patchesmethod)、固定斜度螺旋线法(The Fixed-Slope Spiral method)和带电粒子法(TheCharged Particles method)等算法均分天球，每个天区长宽比与所处位置的关系不大，得到的导航星分布也更均匀。2004年发表在ELECTRONICS LETTERS第40卷第2期上的基于玻尔兹曼熵的导航星优选算法，从选定的两颗导航星出发，逐个选取其他导航星，使所有已选导航星的玻尔兹曼熵最小，该算法可以有效删除冗余星，获得均匀的全天球导航星分布。此类算法较少考虑星敏感器的视场和各个天区视场内导航星的数目，虽然可以实现导航星均匀分布，但当视场很大时，每次可观测到的导航星仍有冗余。

第二类算法从导航星在局部天球上的均匀分布出发，实现在全天球上的均匀分布。2000年李立宏等提出星等加权方法，按照星等给每颗恒星赋予不同的权值，低星等的恒星有高权值，高星等的恒星有低权值，根据权值选取导航星，算法优于正交网格方法，但该算法较少考虑恒星位置，导航星分布均匀性有待提高。2002年Texas A&M大学Hye-YoungKim等提出了自组织导航星选取算法，在满足任意轴指向的视场内达到一定导航星数的前提下，根据恒星的位置关系，逐个挑选导航星，导航星分布在局部和全天球上都较均匀。2004年郑胜等提出的回归选取算法根据视场内可观测到的恒星数，基于支持向量机的方法，生成动态星等阈值，依据该阈值筛选不同天区视场内的观测星获得导航星，该方法能得到比较均匀的导航星分布，但对于有固定极限星等的星敏感器，回归选取算法得到的导航星分布仍不够均匀。

发明内容

本发明要解决的技术问题是提供一种用于星敏感器的适于均匀筛选出导航星的方法。

本发明的基本思想是，由于星敏感器的视场内的天区只占据全天球的很小一部分，所以该视场内的天区可看成是平面区域，如果任意视场内的导航星成像的像面均匀分布，那么导航星在全天球上也近似均匀分布。这样，可以根据像面上的星像密度筛选导航星，把导航星在全天球上的分布问题转换为其星像在像面上的分布问题。

在所述基本思想下，本发明提供了一种用于星敏感器的筛选导航星的方法，包括如下几个步骤：

第一步，对原始星表作星过滤处理；根据极限星等删除暗星，同时删除变星、双星，为方便后续处理，剩余星数据按照赤纬以由小到大的顺序排列，并根据星图识别算法确定星数阈值N_th，即根据实际需要选择相应的星图识别算法来确定星数阈值N_th；

第二步，星敏感器光轴指向全天球上坐标(α_i，δ_i)的位置，α_i或δ_i每次改变1°，遍历全天球；提取每个指向视场内的剩余星，计算剩余星总数N；如果N≤N_th，则所述剩余星都选为导航星；星敏感器光轴转到下一方位，再判断，直到星数大于阈值，开始第三步；

提取视场内的剩余星的方法是，首先挑选出坐标(α,δ)满足

|δ-δ_c|≤w_m

的星，其中w_m表示星敏感器像面探测器对角线对应的视场角；

上式限定当前视场内剩余星赤纬的上限和下限；由于赤纬δ取值范围是-90°～90°，当δ_i-w_m小于-90°时，应当设置下限为-90°，类似地，当δ_i+w_m大于90°时，上限应设置为90°，得到

剩余星数据按赤纬排序，用两分法确定赤纬值刚好大于δ_bot星的位置，然后读取后继数据，提取剩余星，直到赤纬值大于δ_top；

接着，计算已经提取出的剩余星在本体坐标系中的方位，对于赤经和赤纬为(α，δ)的星，有

它在X_b，Y_b方向上的视场角XFLD、YFLD为

若设光学系统在X_b，Y_b方向上的最大视场角为W_A和W_B，只有满足

|XFLD|≤W_A/2、|YFLD|≤W_B/2

的恒星才能被观测到；通过上式筛选得到当前视场中的剩余星，同时也得到它们的视场角XFLD、YFLD，以及它们的总数N；

第三步，将视场内的所有星成像到像面，按

x_b＝f tan(XFLD)，y_b＝f tan(YFLD)

计算并记录每个星像的位置；

第四步，沿焦平面行、列方向，分割像面为p×q的网格，建立并初始化与网格对应的三个p行q列的二维数组Marray、Idarray和MAGarray，p和q的比值应尽量和焦平面行、列方向尺寸比一致，以保证两个方向的尺度相同；开始时，p和q应取略大的值，以便详细考查星分布密度；数组Marray和Idarray初始化为0，MAGarray初始化为-99.99；

第五步，遍历各小区以计算所提取的星所在的小区；对于坐标为(x_b、y_b)的星像，它处于像面上第m行、n列的小区有星像，那么

其中floor(x)表示取比x小的最近一个整数，Marray[m][n]＝1；如果该小区有多颗星的星像，只保留最亮星，IDarray[m][n]记录保留下来的恒星星号，MAGarray[m][n]记录它的星等，更新当前视场内剩余星总数N，即多星小区的星筛选；

第六步，如果N≤N_th，返回第二步，否则采用像元聚类算法连通领域以计算出质心坐标，并作进一步作筛选：即把小区当作像元，小区内的星数当作灰度值，采用八连通将像面网格分成多个连通域，计算每个连通域的质心坐标和小区数；选取小区数最多的那个连通域，删除离质心坐标最近的星；如果多颗星离质心坐标都最近，删除其中最暗的星；如果小区数最多的连通域有多个，则删除这些连通域中最暗的星；同时，更新N、Marray，以及IDarray、MAGarray的值；如果N>N_th，重复该步骤，再寻找范围下一个最大的连通域；当N≤N_th时，当前视场内的导航星筛选完毕。如果N>N_th，且任意两颗星所在的小区都不再连通，则执行下一步；

第七步，p和q都减小1，增大均分尺度，像面的小区面积有少量增加，距离较远的几个星像可能又会连通，再从第四步开始执行，直到N≤N_th；

第八步，当全天球遍历完毕，导航星筛选结束。

与现有技术相比，本发明具有如下优点：(1)本发明中的采用多尺度像面分割筛选的方法能适应不同天区的星数变化删除星分布高密度天区的冗余星，保留低密度天区的所有星，并且筛选的导航星分布均匀；(2)本发明把小区当作像元，小区内有星则该像元的灰度值为非0，小区内无星则该像元的灰度值为0，遍历后的具有剩余星的相邻小区划分为连通域，通过该连通域的行列能快速计算出该连通域的质心坐标，并且通过该质心坐标能有效的删除高密度区的冗余星，使剩余星的分布趋向于均匀，即最后获得均匀导航星；(3)通过星敏感器完成全天球的导航星筛选，并且筛选的全天球的导航星分布也同样均匀；(4)所述p和q的初始值的比值与所述像面的行、列尺寸比相同使小区的分割更加合理，便于p和q的递减以完成多尺度像面分割。

附图说明

为了使本发明的内容更容易被清楚的理解，下面根据的具体实施例并结合附图，对本发明作进一步详细的说明，其中

图1是本发明建立在光学系统上的本体坐标系示意图；

图2是惯性坐标系与本体坐标系的旋转关系示意图；

图3是本发明的筛选导航星的方法的流程图；

图4是举例给出的原始星图；

图5是按照5×5分割像面后当前视场内恒星的分布图；

图6是删除各小区暗星后当前视场内剩余星的分布图；

图7是删除距离最大连通域质心最近处星后当前视场内剩余星的分布图；

图8是删除2个最大连通域中较暗星后当前视场内剩余星的分布图；

图9是筛选当前视场内恒星后导航星的分布图；

图10按照8×8分割像面后当前视场内恒星的分布图；

图11是删除各小区暗星后当前视场内剩余星的分布图；

图12是删除距离连通域质心最近处星后当前视场内剩余星的分布图；

图13是按照7×7分割像面后当前视场内剩余星的分布图；

图14是按照6×6分割像面后当前视场内剩余星的分布图；

图15是按照5×5分割像面后当前视场内剩余星的分布图；

图16是按照5×5分割像面处理后当前视场内导航星的分布图；

图17是当极限星等为5.2等时，星过滤后、筛选前导航星的分布图；

图18是当极限星等为5.2等和视场为21.91°×16.47°时，运用本发明筛选后导航星在全天球上的分布图；

图19是当极限星等为5.2等和视场为21.91°×16.47°时，筛选前视场中导航星星数的概率分布图；

图20是当极限星等为5.2等和视场为21.91°×16.47°时，筛选后视场中导航星星数的概率分布图；

图21是当极限星等为5.2等和视场为21.91°×16.47°时筛选前和筛选后视场中导航星星数的累积概率分布图。

具体实施方式

下面结合附图及实施例对本发明进行详细说明：

(实施例1)

星像高密度区有两个特点，一是相等面积内存在星像数多，二是星像之间的距离近。本发明根据这两个特点设计出用于星敏感器的筛选导航星的方法。

首先，按照第一个特点，沿像面探测器的焦平面行、列方向将像面分割成多个等面积的矩形区域，形成一个正交网格。为简化叙述，每个矩形区域称为一个小区(即所述正交网格中的每个网格为一个小区)，行、列方向的等分间隔称为尺度。选择某个尺度对像面(也称像平面)进行分割，再实际操作中，采用设定对像面分割的行数为p、列数为q来实现；若星像高密度区含有多颗星，根据较亮的星被探测到的概率大、星像信噪比高的特点，故保留其中最亮的一颗星，通过这种方法处理所有小区。

然后，按照第二个特点，那些距离较近的剩余星必定处于彼此邻域内，也即它们所在的小区是连通的，组成一个连通域，星密度越高，连通域范围越大。若删除最接近最大连通域的质心的星，则可使连通域分裂成多个小连通域，此区域的星密度下降。然后再从处理结果中挑选下一个最大连通域，按照类似方法再处理，直到不再有连通域。

利用该尺度无法再决定到底还可以删除哪颗星，则增大等分间隔，减小等分数，即p和q的取值都减1。

为方便说明本发明的原理，现假设星敏感器本体坐标系建立在光学系统之上，如图1所示。令光学系统等效为理想成像系统，H和H′分别为其物、像方主点，f为光学系统的焦距，星敏感器本体坐标系的原点在像方主点H′处，X_b轴、Y_b轴在像方主面内，分别平行于像面探测器焦平面的行和列，Z_b轴沿光轴，其正向如图1所示，三轴构成右旋坐标系。恒星S在该坐标系中的方向余弦矢量为V_b，在X_b，Y_b方向上的视场角XFLD、YFLD，在像面上的坐标为(x_b、y_b)。

设在惯性坐标系中，光轴指向(α_c、δ_c)，可按一定方式旋转惯性坐标系得到本体坐标系。如图2所示，惯性坐标系先绕Z轴由+X轴向+Y轴旋转α_c，得到X′Y′Z′坐标系，新坐标系再绕Y′轴由+Z′轴向+X′轴旋转90°-δ_c，得到X"Y"Z"坐标系，该坐标系绕Z"轴旋转φ，得到本体坐标系X_bY_bZ_b。

根据上述星敏感器设定和惯性坐标与本体坐标的转换，本发明所述的用于星敏感器的筛选导航星的方法，包括：

步骤一、根据星敏感器的极限星等，对全天球的原始星表作星过滤处理，即删除双星、变星和星等高于极限星等的恒星；并根据星图识别算法确定星数阈值N_th；

步骤二、所述星敏感器在当前天区视场内的剩余星的数量设为N，若N≤N_th，则所述剩余星都选为导航星，执行步骤三；

若N＞N_th，则通过多尺度像面分割筛选所述当前天区视场内的导航星，其步骤如下：

步骤(1)将所述剩余星成像到像面，把该像面分割为行数为p、列数为q的正交网格；所述正交网格中的每个网格为一个小区；

步骤(2)依次遍历各小区，检查其中的剩余星的数量，其中，若一小区剩余星的数量有多颗，则保留其中最亮的一颗星，删除其余星；同时判断此时剩余星的数量，若N≤N_th，则设当前剩余星为导航星，遍历结束，执行步骤三；若N＞N_th，则继续遍历；若遍历所有小区后，N仍大于N_th，则把小区当作像元，若小区内有星，则该像元的灰度值为非0，若小区内无星，则该像元的灰度值为0，遍历后的具有剩余星的相邻小区划分为连通域，计算出各连通域的质心坐标和小区数；

步骤(3)选取其中小区数最多的连通域，设在该连通域中离该连通域的质心坐标最近的一颗星为冗余星；若该连通域中离质心坐标最近的星有多颗，则其中最暗的一颗星为冗余星；若小区数最多的连通域有多个，则选择这些连通域中最暗的一颗星为冗余星；删除所述冗余星；判断此时剩余星的数量，若N≤N_th，则设当前剩余星为导航星，执行步骤三；若N＞N_th，则重复该步骤(3)；

步骤(4)若不再有连通域后；N仍大于N_th，则所述p和q的取值都减1，重复步骤(1)至(4)；直到N≤N_th；

步骤三、所述当前天区视场的导航星筛选结束后，所述星敏感器转到下一方位重复步骤二筛选导航星，直至遍历全天球。

所述步骤(3)中的质心坐标计算方法为：

其中x_c,y_c为每个连通域的灰度质心坐标，x_i,y_i表示该连通域中第i个小区所在的行和列的序号，k表示连通域中的小区总数。

所述p和q的初始值的比值与所述像面的行、列尺寸比相同。

(实施例2)

在实施例1的基础上实现所述用于星敏感器的筛选导航星的方法，其具体实施过程如下：

第一步，对原始星表作星过滤处理。根据极限星等删除暗星，同时删除变星、双星，为方便后续处理，剩余星数据按照赤纬以由小到大的顺序排列，并根据星图识别算法确定星数阈值N_th，即根据实际需要选择相应的星图识别算法来确定星数阈值N_th，也可以根据需要自己来设定。

第二步，星敏感器光轴指向全天球上坐标(α_i，δ_i)的位置，α_i或δ_i每次改变1°，遍历全天球。提取每个指向视场内的剩余星，计算剩余星总数N。如果N≤N_th，则所述剩余星都选为导航星；星敏感器光轴转到下一方位，再判断，直到星数大于阈值，开始第三步。

提取视场内的剩余星的方法是，首先挑选出坐标(α,δ)满足

|δ-δc|≤w_m

的星，其中w_m表示星敏感器像面探测器对角线对应的视场角。

上式限定当前视场内剩余星赤纬的上限和下限。由于赤纬δ取值范围是-90°～90°，当δ_i-w_m小于-90°时，应当设置下限为-90°，类似地，当δ_i+w_m大于90°时，上限应设置为90°，得到

剩余星数据按赤纬排序，用两分法确定赤纬值刚好大于δ_bot星的位置，然后读取后继数据，提取剩余星，直到赤纬值大于δ_top。

接着，计算已经提取出的剩余星在本体坐标系中的方位，对于赤经和赤纬为(α，δ)的星，有

它在X_b，Y_b方向上的视场角XFLD、YFLD为

若设光学系统在X_b，Y_b方向上的最大视场角为W_A和W_B，只有满足

|XFLD|≤W_A/2、|YFLD|≤W_B/2

的恒星才能被观测到。通过上式筛选得到当前视场中的剩余星，同时也得到它们的视场角XFLD、YFLD，以及它们的总数N。

第三步，将视场内的所有星成像到像面，按

x_b＝f tan(XFLD)，y_b＝f tan(YFLD)

计算并记录每个星像的位置。

第四步，沿焦平面行、列方向，分割像面为p×q的网格，建立并初始化与网格对应的三个p行q列的二维数组Marray、Idarray和MAGarray，p和q的比值应尽量和焦平面行、列方向尺寸比一致，以保证两个方向的尺度相同。开始时，p和q应取略大的值，以便详细考查星分布密度。数组Marray和Idarray初始化为0，MAGarray初始化为-99.99。

第五步，遍历各小区以计算所提取的星所在的小区。对于坐标为(x_b、y_b)的星像，它处于像面上第m行、n列的小区有星像，那么

其中floor(x)表示取比x小的最近一个整数，Marray[m][n]＝1。如果该小区有多颗星的星像，只保留最亮星，IDarray[m][n]记录保留下来的恒星星号，MAGarray[m][n]记录它的星等，更新当前视场内剩余星总数N，即多星小区的星筛选。

第六步，如果N≤N_th，返回第二步，否则采用像元聚类算法(像元聚类算法参见作者杨帆，《数字图像处理与分析》，ISBN 978-7-5124-0188-4)连通领域以计算出质心坐标，并作进一步作筛选。即把小区当作像元，小区内的星数当作灰度值，采用八连通将像面网格分成多个连通域，计算每个连通域的质心坐标和小区数。选取小区数最多的那个连通域，删除离质心坐标最近的星。如果多颗星离质心坐标都最近，删除其中最暗的星。如果小区数最多的连通域有多个，则删除这些连通域中最暗的星。同时，更新N、Marray，以及IDarray、MAGarray的值。如果N>N_th，重复该步骤，再寻找范围下一个最大的连通域。当N≤N_th时，当前视场内的导航星筛选完毕。如果N>N_th，且任意两颗星所在的小区都不再连通(即无连通域)，则执行下一步。

第七步，p和q都减小1，增大均分尺度，像面的小区面积有少量增加，距离较远的几个星像可能又会连通，再从第四步开始执行，直到N≤N_th。

第八步，当全天球遍历完毕，导航星筛选结束。

上述步骤简化成流程图，如图3所示。

(实施例3)

在实施例1和实施例2的基础上，通过二种分割尺度(即q和p的不同取值)的实施方式和与现有技术相比较进一步说明本发明的内容。

以下实施方式以SAO星表作为原始星表；SAO星表(The SmithsonianAstrophysical Observatory Star Catalog/史密松天体物理台星表)是一个天体测量星表，在1966年由史密松天体物理台出版，共包含258,997颗恒星。该星表由之前的一些星表编纂而成，但仅收录9.0等以上且已经精确测量过自行的恒星。SAO星表里的星名由字母SAO开头接着数字序号表示，恒星以赤纬分区，每10度为一区，共分为18区，在每一区中的恒星依照赤经位置来排序。

实施方式一

选取所述SAO星表为原始星表，极限星等为5.5等、视场角为20°×20°，对原始星表星过滤处理后，某光轴指向视场内的剩余星在像面上的星像分布如图4所示，此时共有18颗剩余星，这些星分布不够均匀。取N_th＝7，p和q初始值都取为5，像面按5×5分割后，如图5所示，有多个小区中存在多颗星，各小区删除暗星、保留最亮星后，得到图6，剩余10颗星。图6中，第1到5行，第1、2列，其中有五个小区组成一个连通域，包含星像数最多，该区域星密度高。删除最接近该连通域质心的星，此区域的星密度下降。这五颗星的坐标为(1，1)、(2，1)、(3，2)、(4，1)、(5，1)，它们的质心为(3，1.25)，它到(3，2)的距离最近，那么删除(3，2)的那颗星，得到图7。此时，共有3个连通域都含有2个小区，它们的连通域范围最大。其中第2行第1列的星最暗，则删除它。剩余的2个连通域含有2个小区，范围最大，第1行第3列的星是这2个连通域中最暗的星，再删除它。这样剩余星数不大于阈值N_th，筛选结果得到如图8和图9所示。

实施方式二

对如图4对应的视场内的剩余星筛选，N_th仍取为7，p和q初始值都取为8，像面按8×8分割后，如图10所示，有多个小区中存在多颗星，各小区删除暗星、保留最亮星后，得到图11。

如图11中，第1到4行，第1、2列，其中有四个小区组成一个连通域，包含星像数最多，该区域星密度高。删除最接近该连通域的质心的星，此区域的星密度下降。这四颗星的坐标为(1，1)、(2，2)、(3，1)、(4，1)，它们的质心为(2.5，1.25)，它到(3，1)的距离最近，那么删除(3，1)的那颗星。接着再从处理结果中挑选最大连通域，按照类似方法再处理，直到任意两颗剩余星所在的小区都不再连通。处理图11后的结果如图12所示，在该尺度内剩余星分布得更加均匀。

利用该尺度无法再决定到底还可以删除哪颗星，则增大等分间隔，减小等分数。将像面分割为7×7共49个等面积区域，得到图13，按照上一尺度的方法作类似处理。如图14再增大尺度，将像面分割为6×6处理，得到图15和16，可见剩余星分布已经非常均匀了，这些剩下的星即可作为导航星。

实施方式三

为将本发明的筛选导航星的方法与正交网格法和玻尔兹曼熵算法作比较，表1给出当视场分别取11.5°×11.5°、14°×14°，极限星等分别取6和7.5等时，筛选导航星结果的数据比较。正交网格法和玻尔兹曼熵算法的数据分别来源于发表在Proceedings of ICSP'98会议上的论文《A General Method of the automatically selection of guide star》和2004年刊登在“ELECTRONICS LETTERS”第40卷第2期的论文《Boltzmann entropy-basedguide star selection algorithm for star tracker》。采用本发明，星数阈值N_th取为6，行、列方向等分数p和q初始值都取为8，由此建立的导航星星库玻尔兹曼熵最小，全天球均匀性最好。从局部天球均匀性来看，正交网格法和玻尔兹曼熵算法得到的导航星星数最大值较大，最小值较小，均匀性也略差。

表1本发明与正交网格法和玻尔兹曼熵算法的比较

为与回归选取算法，星等加权算法和自组织算法比较，当取视场为8°×8°，极限星等取6.5到7.9之间共7个值时，运用本发明筛选导航星后的结果如表2所示。回归选取算法，星等加权算法和自组织算法数据分别来源于2004年郑胜等发表在“宇航学报”第25卷第1期的《一种新的导航星选取算法研究》，2000年李立宏等发表在“光学技术”第26卷第4期的《一种改进的全天自主三角形星图识别算法》，2002年Hye-Young Kim等发表在IEEE onaerospace conference proceedings会议上的论文《Self-organizing Guide StarSelection Algorithm for Star Trackers:Thinning Method》。

表2表明，本发明能有效减少高密度天区的星数，而对低密度天区星数影响甚微，95％以上天区视场内导航星数在5到12之间。极限星等较低的时候，导航星数目略多一点，主要是此时有些天区视场内星数小于N_th，周围天区即使有冗余星，也不能删除。

当极限星等为6.5和7.3时，回归选取算法在部分天区删除了过多的星，超过10％的天区导航星数小于5，当极限星等大于7.5等时，该算法建立的导航星星库，仍有很多天区视场内星数太多，星数最大值较大。运用星等加权算法和自组织算法筛选导航星，低密度天区的比例较大。随着极限星等增高，运用自组织算法建立的导航星星库，冗余性越来越大。本发明得到的导航星星库的标准偏差最小，分布最均匀，优于星等加权算法、自组织算法和回归算法。

表28°×8°视场时导航星筛选算法对比

实施方式四

取SAO星表为原始星表，极限星等为5.2等，星敏感器探测器长宽比为4：3，视场为21.91°×16.47°，行、列方向等分数p和q的初始值取12和9，选取星数阈值N_th为6。运用本发明建立导航星星库时，共删除了529颗星，保留了1078颗星。图17和图18分别为导航星筛选前和筛选后在全天球上的分布，玻尔兹曼熵由原来的0.0119下降为1.3643×10^-4，导航星分布更均匀。

通过全天球遍历，统计筛选前和筛选后的导航星星数分布，结果如图19和图20所示。视场内导航星星数最大值由原来的47，降低为18，而最低值为2保持不变，计算得到的星数标准偏差由原来的6.15降低为1.87，平均星数由13.75颗降低为9.37颗，导航星在局部天球上的均匀性得到改善。图21为视场中导航星星数的累积概率分布，当星数小于4时，导航星筛选前后的两曲线重合，视场内出现4颗以上导航星的概率都为99.94％，表明本发明能有效减少星分布高密度天区的星数量，降低导航星特征冗余性。

显然，上述实施例仅仅是为清楚地说明本发明所作的举例，而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说，在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而这些属于本发明的精神所引伸出的显而易见的变化或变动仍处于本发明的保护范围之中。

Claims (1)

1.用于星敏感器的筛选导航星的方法，其特征在于包括如下几个步骤：

第一步，对原始星表作星过滤处理；根据极限星等删除暗星，同时删除变星、双星，为方便后续处理，剩余星数据按照赤纬以由小到大的顺序排列，并根据星图识别算法确定星数阈值N_th，即根据实际需要选择相应的星图识别算法来确定星数阈值N_th；

第二步，星敏感器光轴指向全天球上坐标(α_i，δ_i)的位置，α_i或δ_i每次改变1°，遍历全天球；提取每个指向视场内的剩余星，计算剩余星总数N；如果N≤N_th，则所述剩余星都选为导航星；星敏感器光轴转到下一方位，再判断，直到星数大于阈值，开始第三步；

提取视场内的剩余星的方法是，首先挑选出坐标(α,δ)满足

|δ-δ_c|≤w_m

的星，其中w_m表示星敏感器像面探测器对角线对应的视场角；

上式限定当前视场内剩余星赤纬的上限和下限；由于赤纬δ取值范围是-90°～90°，当δ_i-w_m小于-90°时，应当设置下限为-90°，类似地，当δ_i+w_m大于90°时，上限应设置为90°，得到

剩余星数据按赤纬排序，用两分法确定赤纬值刚好大于δ_bot星的位置，然后读取后继数据，提取剩余星，直到赤纬值大于δ_top；

接着，计算已经提取出的剩余星在本体坐标系中的方位，对于赤经和赤纬为(α，δ)的星，有

$\begin{array}{c}\left[\begin{array}{c}{V}_{\mathrm{bx}}\\ V_{\mathrm{by}}\\ V_{\mathrm{bz}}\end{array}\right]=\left[\begin{array}{ccc}\cos \mathrm{\φ}& \sin \mathrm{\φ}& 0\\ -\sin \mathrm{\φ}& \cos \mathrm{\φ}& 0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{ccc}\cos (90-{\mathrm{\δ}}_i)& 0& -\sin (90-{\mathrm{\δ}}_i)\\ 0& 1& 0\\ \sin (90-{\mathrm{\δ}}_i)& 0& \cos (90-{\mathrm{\δ}}_i)\end{array}\right]\×\\ \left[\begin{array}{ccc}\cos {\mathrm{\α}}_i& \sin {\mathrm{\α}}_i& 0\\ -\sin {\mathrm{\α}}_i& \cos {\mathrm{\α}}_i& 0\\ 0& 0& 1\end{array}\right]\left[\begin{array}{c}\cos \mathrm{\α}\cos \mathrm{\δ}\\ \sin \mathrm{\α}\cos \mathrm{\δ}\\ \sin \mathrm{\δ}\end{array}\right]\end{array}$

它在X_b，Y_b方向上的视场角XFLD、YFLD为

$\mathrm{XFLD}=-{\mathrm{tg}}^{-1}\left(\frac{V_{\mathrm{bx}}}{V_{\mathrm{bz}}}\right),\mathrm{YFLD}=-{\mathrm{tg}}^{-1}\left(\frac{V_{\mathrm{by}}}{V_{\mathrm{bz}}}\right),$

若设光学系统在X_b，Y_b方向上的最大视场角为W_A和W_B，只有满足

|XFLD|≤W_A/2、|YFLD|≤W_B/2

的恒星才能被观测到；通过上式筛选得到当前视场中的剩余星，同时也得到它们的视场角XFLD、YFLD，以及它们的总数N；

第三步，将视场内的所有星成像到像面，按

x_b＝f tan(XFLD)，y_b＝f tan(YFLD)

计算并记录每个星像的位置；

第四步，沿焦平面行、列方向，分割像面为p×q的网格，建立并初始化与网格对应的三个p行q列的二维数组Marray、Idarray和MAGarray，p和q的比值应尽量和焦平面行、列方向尺寸比一致，以保证两个方向的尺度相同；开始时，p和q应取略大的值，以便详细考查星分布密度；数组Marray和Idarray初始化为0，MAGarray初始化为-99.99；

第五步，遍历各小区以计算所提取的星所在的小区；对于坐标为(x_b、y_b)的星像，它处于像面上第m行、n列的小区有星像，那么

$n=\mathrm{floor}(\frac{p}{2f\tan \left(\frac{w_A}{2}\right)}{x}_b+\frac{p}{2}-1)$

$m=\mathrm{floor}(\frac{q}{2f\tan \left(\frac{w_B}{2}\right)}{y}_b+\frac{q}{2}-1),$

其中floor(x)表示取比x小的最近一个整数，Marray[m][n]＝1；如果该小区有多颗星的星像，只保留最亮星，IDarray[m][n]记录保留下来的恒星星号，MAGarray[m][n]记录它的星等，更新当前视场内剩余星总数N，即多星小区的星筛选；

第六步，如果N≤N_th，返回第二步，否则采用像元聚类算法连通领域以计算出质心坐标，并作进一步作筛选：即把小区当作像元，小区内的星数当作灰度值，采用八连通将像面网格分成多个连通域，计算每个连通域的质心坐标和小区数；选取小区数最多的那个连通域，删除离质心坐标最近的星；如果多颗星离质心坐标都最近，删除其中最暗的星；如果小区数最多的连通域有多个，则删除这些连通域中最暗的星；同时，更新N、Marray，以及IDarray、MAGarray的值；如果N>N_th，重复该步骤，再寻找范围下一个最大的连通域；当N≤N_th时，当前视场内的导航星筛选完毕；如果N>N_th，且任意两颗星所在的小区都不再连通，则执行下一步；

第七步，p和q都减小1，增大均分尺度，像面的小区面积有少量增加，距离较远的几个星像可能又会连通，再从第四步开始执行，直到N≤N_th；

第八步，当全天球遍历完毕，导航星筛选结束。