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

【摘要】：導(dǎo)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(zhǔn)確的姿態(tài)信息是航天器導(dǎo)航系統(tǒng)運(yùn)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(cè)量?jī)x器。研究星敏感器工作中的關(guān)鍵技術(shù)——星圖識(shí)別,對(duì)于航天事業(yè)的發(fā)展具有重要的意義。星圖識(shí)別一般包括星圖采集及預(yù)處理、導(dǎo)航星數(shù)據(jù)庫(kù)構(gòu)建和星點(diǎn)特征匹配等過(guò)程。本文分別從這三個(gè)方面對(duì)星圖識(shí)別進(jìn)行了研究。在現(xiàn)有算法的基礎(chǔ)上,探尋在星點(diǎn)提取和星圖識(shí)別環(huán)節(jié)進(jìn)一步提高精度的方法和途徑。在星圖采集及預(yù)處理方面,提出了一種用于星點(diǎn)檢測(cè)的自適應(yīng)變鄰域背景預(yù)測(cè)算法。該算法在現(xiàn)有背景預(yù)測(cè)算法的基礎(chǔ)上,當(dāng)待預(yù)測(cè)像素點(diǎn)在星點(diǎn)邊緣處時(shí),僅用待預(yù)測(cè)像素點(diǎn)鄰域內(nèi)灰度小于鄰域灰度中值的像素點(diǎn)進(jìn)行預(yù)測(cè)計(jì)算,而在其他區(qū)域時(shí),直接使用固定權(quán)值進(jìn)行預(yù)測(cè)。同時(shí),該算法還判斷待預(yù)測(cè)像素點(diǎn)是否為單點(diǎn)噪聲,自適應(yīng)調(diào)整待預(yù)測(cè)像素點(diǎn)自身灰度值在背景預(yù)測(cè)計(jì)算中的權(quán)值。實(shí)驗(yàn)結(jié)果證明,改進(jìn)算法較現(xiàn)有算法對(duì)星點(diǎn)的提取更清晰,對(duì)噪聲的抑制能力更強(qiáng),有利于后續(xù)星點(diǎn)檢測(cè)的處理。在導(dǎo)航星數(shù)據(jù)庫(kù)構(gòu)建方面,主要研究了均勻化導(dǎo)航星表的構(gòu)建。提出了一種基于正交網(wǎng)格的改進(jìn)算法。該算法中在分析全天球恒星分布特點(diǎn)的基礎(chǔ)上,引入一個(gè)"距離-星等"加權(quán)的導(dǎo)航星綜合權(quán)值來(lái)篩選導(dǎo)航星。和現(xiàn)有正交網(wǎng)格算法相比,改進(jìn)算法提高了導(dǎo)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(kù)的完整性。在星點(diǎn)特征匹配方面,提出一種改進(jìn)的星圖識(shí)別算法。該算法在現(xiàn)有三角形算法及其相關(guān)改進(jìn)算法的基礎(chǔ)上,通過(guò)引入星三角形之外的輔助觀測(cè)星,構(gòu)造四邊形,并引入一種統(tǒng)計(jì)次數(shù)法對(duì)星點(diǎn)進(jìn)行識(shí)別,利用星三角形特征對(duì)識(shí)別結(jié)果進(jìn)行驗(yàn)證。仿真證明,在保證識(shí)別速率的情況下,改進(jìn)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(diǎn),并對(duì)進(jìn)一步工作進(jìn)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(xué)位授予單位】：南京理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：V448.2;TP391.41

【相似文獻(xiàn)】

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(zhǎng)江大學(xué)學(xué)報(bào)(自然科學(xué)版)理工卷;2009年02期

2 張宏哲;;FFT算法的一種改進(jìn)[J];長(zhǎng)安大學(xué)學(xué)報(bào)(自然科學(xué)版);1988年01期

3 江少鋒,楊素華;一種簡(jiǎn)單高效的圖象縮小算法[J];南昌航空工業(yè)學(xué)院學(xué)報(bào)(自然科學(xué)版);2003年04期

4 蔡濤,王潤(rùn)生;分開合并算法的若干討論和改進(jìn)[J];國(guó)防科技大學(xué)學(xué)報(bào);2000年04期

5 樊祥;方義強(qiáng);程正東;朱斌;施展;;基于AHP的跟蹤算法性能評(píng)價(jià)研究[J];彈箭與制導(dǎo)學(xué)報(bào);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(xué)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(xué)學(xué)報(bào);2011年03期

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

9 范曉平;;最小生成樹(MST)的“分級(jí)選樹”算法[J];西南交通大學(xué)學(xué)報(bào);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(huì)議論文 前10條

1 尹冀鋒;;一種新的圖象自適應(yīng)增強(qiáng)算法[A];四川省通信學(xué)會(huì)一九九二年學(xué)術(shù)年會(huì)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(jì)算機(jī)輔助增強(qiáng)、分割算法在鑒別乳腺良、惡性腫塊中的應(yīng)用價(jià)值[A];中華醫(yī)學(xué)會(huì)第十次全國(guó)超聲醫(yī)學(xué)學(xué)術(shù)會(huì)議論文匯編[C];2009年

3 謝麗聰;;SVB查詢改寫算法的改進(jìn)[A];第二十一屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)議論文集（研究報(bào)告篇）[C];2004年

4 鄭存紅;;復(fù)雜背景下相關(guān)跟蹤算法研究及DSP實(shí)現(xiàn)[A];中國(guó)光學(xué)學(xué)會(huì)2010年光學(xué)大會(huì)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(jìn)展——第十三屆全國(guó)青年通信學(xué)術(shù)會(huì)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(biāo)TBD算法[A];第十四屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)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(jī)器人設(shè)計(jì)[A];2011年全國(guó)電子信息技術(shù)與應(yīng)用學(xué)術(shù)會(huì)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(duì)稱分片復(fù)制連接算法優(yōu)化技術(shù)研究[A];第29屆中國(guó)數(shù)據(jù)庫(kù)學(xué)術(shù)會(huì)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(fù)結(jié)構(gòu)的多尺度快速檢測(cè)算法[A];第六屆和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2010)、第19屆全國(guó)多媒體學(xué)術(shù)會(huì)議（NCMT2010）、第6屆全國(guó)人機(jī)交互學(xué)術(shù)會(huì)議（CHCI2010）、第5屆全國(guó)普適計(jì)算學(xué)術(shù)會(huì)議（PCC2010）論文集[C];2010年

10 楊任爾;陳懇;勵(lì)金祥;;基于棱邊方向檢測(cè)的運(yùn)動(dòng)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(bào)紙文章 前1條

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

相關(guān)博士學(xué)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(fù)旦大學(xué);2013年

2 許玉杰;云計(jì)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(xué);2014年

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

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

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

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

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

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

相關(guān)碩士學(xué)位論文 前10條

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

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

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

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

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

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

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

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

，

本文編號(hào)：1910681