本文選題：星圖識別 + 三角形算法��； 參考：《南京理工大學》2017年碩士論文

【摘要】：導航系統(tǒng)是航天器必不可少的設(shè)備,在航天器工作中具有重要的作用。準確的姿態(tài)信息是航天器導航系統(tǒng)運作的基礎(chǔ),星敏感器是一種航天領(lǐng)域中高精度的姿態(tài)信息測量儀器。研究星敏感器工作中的關(guān)鍵技術(shù)——星圖識別,對于航天事業(yè)的發(fā)展具有重要的意義。星圖識別一般包括星圖采集及預處理、導航星數(shù)據(jù)庫構(gòu)建和星點特征匹配等過程。本文分別從這三個方面對星圖識別進行了研究。在現(xiàn)有算法的基礎(chǔ)上,探尋在星點提取和星圖識別環(huán)節(jié)進一步提高精度的方法和途徑。在星圖采集及預處理方面,提出了一種用于星點檢測的自適應(yīng)變鄰域背景預測算法。該算法在現(xiàn)有背景預測算法的基礎(chǔ)上,當待預測像素點在星點邊緣處時,僅用待預測像素點鄰域內(nèi)灰度小于鄰域灰度中值的像素點進行預測計算,而在其他區(qū)域時,直接使用固定權(quán)值進行預測。同時,該算法還判斷待預測像素點是否為單點噪聲,自適應(yīng)調(diào)整待預測像素點自身灰度值在背景預測計算中的權(quán)值。實驗結(jié)果證明,改進算法較現(xiàn)有算法對星點的提取更清晰,對噪聲的抑制能力更強,有利于后續(xù)星點檢測的處理。在導航星數(shù)據(jù)庫構(gòu)建方面,主要研究了均勻化導航星表的構(gòu)建。提出了一種基于正交網(wǎng)格的改進算法。該算法中在分析全天球恒星分布特點的基礎(chǔ)上,引入一個"距離-星等"加權(quán)的導航星綜合權(quán)值來篩選導航星。和現(xiàn)有正交網(wǎng)格算法相比,改進算法提高了導航星均勻化程度。另外利用等效星處理雙星問題,提高數(shù)據(jù)庫的完整性。在星點特征匹配方面,提出一種改進的星圖識別算法。該算法在現(xiàn)有三角形算法及其相關(guān)改進算法的基礎(chǔ)上,通過引入星三角形之外的輔助觀測星,構(gòu)造四邊形,并引入一種統(tǒng)計次數(shù)法對星點進行識別,利用星三角形特征對識別結(jié)果進行驗證。仿真證明,在保證識別速率的情況下,改進算法的抗干擾能力有所提高。最后,總結(jié)論文的主要內(nèi)容和創(chuàng)新點,并對進一步工作進行展望。
[Abstract]:Navigation system is an indispensable equipment for spacecraft and plays an important role in spacecraft work. Accurate attitude information is the basis of spacecraft navigation system operation. Star sensor is a kind of high precision attitude information measurement instrument in space field. The study of star map recognition, the key technology of star sensor, is of great significance to the development of space industry. Star map recognition includes star map acquisition and preprocessing, navigation star database construction and star feature matching. In this paper, star map recognition is studied from these three aspects. Based on the existing algorithms, the methods and ways to improve the accuracy of star extraction and star map recognition are explored. In the aspect of star map acquisition and preprocessing, an adaptive variable neighborhood background prediction algorithm for star detection is proposed. On the basis of the existing background prediction algorithms, when the pixel is at the edge of the star, only the pixel in the neighborhood of the pixel to be predicted is calculated, but in other regions, the gray level of the pixel is less than the median of the gray value of the neighborhood. Use fixed weights directly to predict. At the same time, the algorithm also determines whether the pixel to be predicted is a single point noise, and adaptively adjusts the weight of the gray value of the pixel to be predicted in the calculation of background prediction. The experimental results show that the improved algorithm can extract stars more clearly than the existing algorithms, and has stronger ability to suppress noise, which is beneficial to the processing of subsequent star detection. In the aspect of navigation star database construction, the construction of homogenized navigation catalog is studied. An improved algorithm based on orthogonal mesh is proposed. In this algorithm, based on the analysis of the star distribution characteristics of the whole celestial sphere, a "range-star magnitude" weighted navigation star synthesis weight is introduced to screen the navigation star. Compared with the existing orthogonal mesh algorithm, the improved algorithm improves the homogenization of navigation stars. In addition, the equivalent star is used to deal with the binary star problem to improve the integrity of the database. In the aspect of star feature matching, an improved star map recognition algorithm is proposed. On the basis of the existing triangle algorithm and its related improved algorithm, this algorithm constructs a quadrilateral by introducing an auxiliary observation star in addition to the star triangle, and introduces a statistical number method to identify star points. The star triangle features are used to verify the recognition results. Simulation results show that the anti-jamming ability of the improved algorithm is improved under the condition of ensuring the recognition rate. Finally, the paper summarizes the main content and innovation, and prospects for further work.
【學位授予單位】：南京理工大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：V448.2;TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 張麗芳;;3種聚類算法性能比較分析[J];長江大學學報(自然科學版)理工卷;2009年02期

2 張宏哲;;FFT算法的一種改進[J];長安大學學報(自然科學版);1988年01期

3 江少鋒,楊素華;一種簡單高效的圖象縮小算法[J];南昌航空工業(yè)學院學報(自然科學版);2003年04期

4 蔡濤,王潤生;分開合并算法的若干討論和改進[J];國防科技大學學報;2000年04期

5 樊祥;方義強;程正東;朱斌;施展;;基于AHP的跟蹤算法性能評價研究[J];彈箭與制導學報;2013年02期

6 秦緒紅;趙杰;程俊廷;;手持式三維激光掃描儀定位算法的研究[J];科學技術(shù)與工程;2013年23期

7 武志昊;林友芳;田盛豐;唐銳;;高度重疊社區(qū)的社區(qū)合并優(yōu)化算法[J];北京交通大學學報;2011年03期

8 唐偉;;基于軟件實現(xiàn)的誤差算法自動分析處理[J];硅谷;2012年16期

9 范曉平;;最小生成樹(MST)的“分級選樹”算法[J];西南交通大學學報;1983年01期

10 陳廣江;用MUSIC算法處理非均勻間隔采樣數(shù)據(jù)[J];系統(tǒng)工程與電子技術(shù);1998年09期

相關(guān)會議論文 前10條

1 尹冀鋒;;一種新的圖象自適應(yīng)增強算法[A];四川省通信學會一九九二年學術(shù)年會論文集[C];1992年

2 寧春平;田家瑋;郭延輝;王影;張英濤;鄭桂霞;劉研;;計算機輔助增強、分割算法在鑒別乳腺良、惡性腫塊中的應(yīng)用價值[A];中華醫(yī)學會第十次全國超聲醫(yī)學學術(shù)會議論文匯編[C];2009年

3 謝麗聰;;SVB查詢改寫算法的改進[A];第二十一屆中國數(shù)據(jù)庫學術(shù)會議論文集（研究報告篇）[C];2004年

4 鄭存紅;;復雜背景下相關(guān)跟蹤算法研究及DSP實現(xiàn)[A];中國光學學會2010年光學大會論文集[C];2010年

5 楊文杰;吳軍;;RFID抗沖突算法研究[A];2008通信理論與技術(shù)新進展——第十三屆全國青年通信學術(shù)會議論文集（上）[C];2008年

6 高山;畢篤彥;魏娜;;一種基于UPF的小目標TBD算法[A];第十四屆全國圖象圖形學學術(shù)會議論文集[C];2008年

7 周磊;張衛(wèi)華;王曉奇;張軍;;基于流水算法的智能路障機器人設(shè)計[A];2011年全國電子信息技術(shù)與應(yīng)用學術(shù)會議論文集[C];2011年

8 潘巍;李戰(zhàn)懷;陳群;索博;李衛(wèi)榜;;面向MapReduce的非對稱分片復制連接算法優(yōu)化技術(shù)研究[A];第29屆中國數(shù)據(jù)庫學術(shù)會議論文集（B輯）（NDBC2012）[C];2012年

9 李偉偉;蔡康穎;鄭新;王文成;;3D模型中重復結(jié)構(gòu)的多尺度快速檢測算法[A];第六屆和諧人機環(huán)境聯(lián)合學術(shù)會議（HHME2010)、第19屆全國多媒體學術(shù)會議（NCMT2010）、第6屆全國人機交互學術(shù)會議（CHCI2010）、第5屆全國普適計算學術(shù)會議（PCC2010）論文集[C];2010年

10 楊任爾;陳懇;勵金祥;;基于棱邊方向檢測的運動自適應(yīng)去隔行算法[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

相關(guān)重要報紙文章 前1條

1 國泰君安資產(chǎn)管理部;“算法交易”是道指暴跌罪魁禍首?[N];上海證券報;2010年

相關(guān)博士學位論文 前10條

1 馮輝;網(wǎng)絡(luò)化的并行與分布式優(yōu)化算法研究及應(yīng)用[D];復旦大學;2013年

2 許玉杰;云計算環(huán)境下海量數(shù)據(jù)的并行聚類算法研究[D];大連海事大學;2014年

3 李琰;基于貓群算法的高光譜遙感森林類型識別研究[D];東北林業(yè)大學;2015年

4 陳加順;海洋環(huán)境下聚類算法的研究[D];南京航空航天大學;2014年

5 王洋;基于群體智能的通信網(wǎng)絡(luò)告警關(guān)聯(lián)規(guī)則挖掘算法研究[D];太原理工大學;2015年

6 雷雨;面向考試時間表問題的啟發(fā)式進化算法研究[D];西安電子科技大學;2015年

7 熊霖;大數(shù)據(jù)下的數(shù)據(jù)選擇與學習算法研究[D];西安電子科技大學;2015年

8 周雷;基于圖結(jié)構(gòu)的目標檢測與分割算法研究[D];上海交通大學;2014年

9 王冰;人工蜂群算法的改進及相關(guān)應(yīng)用的研究[D];北京理工大學;2015年

10 周旭;復雜網(wǎng)絡(luò)中社區(qū)發(fā)現(xiàn)算法研究[D];吉林大學;2016年

相關(guān)碩士學位論文 前10條

1 姚鑫宇;EMD去噪與MUSIC算法在DOA估計中的聯(lián)合應(yīng)用[D];昆明理工大學;2015年

2 陸進;面向含噪數(shù)據(jù)聚類相關(guān)算法的研究[D];復旦大學;2014年

3 李家昌;基于能量約束的超聲圖像自動分割算法[D];華南理工大學;2015年

4 陳堅;基于密度和約束的數(shù)據(jù)流聚類算法研究[D];蘭州大學;2015年

5 高健;基于Zynq7000平臺的去霧算法研究及實現(xiàn)[D];南京理工大學;2015年

6 顧磊;基于Hadoop的聚類算法的數(shù)據(jù)優(yōu)化及其應(yīng)用研究[D];南京信息工程大學;2015年

7 楊燕霞;基于Hadoop平臺的并行關(guān)聯(lián)規(guī)則挖掘算法研究[D];四川師范大學;2015年

8 王羽;基于MapReduce的社區(qū)發(fā)現(xiàn)算法的設(shè)計與實現(xiàn)[D];南京理工大學;2015年

9 許振佳;流式數(shù)據(jù)的并行聚類算法研究[D];曲阜師范大學;2015年

10 董琴;人工蜂群算法的改進與應(yīng)用[D];大連海事大學;2015年

，

本文編號：1910681