請您在百忙之中抽出時間點擊“關注”，方便與您討論分享。 您的支持是我前進的最大動力，謝謝！
本文對大型星敏感器的智能星圖處理進行研究。 研究內容圍繞大規模星敏感器星圖雜散光干擾抑制和畸變校準兩個關鍵問題，提出了生成高保真模擬星圖的數字動態星模擬器系統框架。
星敏感器在軌運行時，很容易受到太空環境的影響，對星圖造成強烈的雜散光干擾，特別是當星敏感器赤道儀設計不完善或各類反射光進入星圖視場時。看來，星圖的背景發生了巨大的變化。 據悉，由于光學鏡頭加工偏差、光路裝配偏差、振動、應力等誘因，光學系統形成大量的非線性畸變。 最大畸變可以達到兩個像素以上，嚴重影響星敏感器的定位精度。
原型星敏感器
初始星敏感器通過跟蹤視場內一顆或多顆已知恒星來確定衛星的姿態信息，需要其他姿態傳感器輔助姿態確定。 星敏感器主要采用光電倍增管（或）和圖像分辨管（）作為星像探測元件，結構簡單，姿態確定精度低，抗雜散光干擾能力弱。
這一時期的典型代表有日本機載掃描星敏感器LN-20、SNARK潛艇星敏感器、獵犬（Hound）潛艇制導系統、前南斯拉夫研制生產的星敏感器、阿波羅系列航天器星敏感器等。
重影和耀斑
星圖中的重影，表現為恒星或其他明亮天體的二次或多次漫反射。 當明亮星星的強光直接照射在鏡框上時，光線會在鏡面、鏡筒內部和焦距桿上反復反射。 這種反射光會變成光像，形成局部覆蓋現象。 成像位置處于入射光的延伸位置，照度（灰度級）不如出生圖體強。
眩光（也稱為眩光）與鬼影形成類似物理實驗模擬器，不同之處在于它會導致主恒星附近的形狀模糊或焦距明亮。 如圖所示，月球進入星敏感器，產生一個亮點。 其中，靠近月球的模糊焦段稱為眩光，右上角較暗的模糊光點稱為鬼影，會對星圖識別造成干擾。
不同強干擾消除算法的比較
常采用毛曉楠算法（以下簡稱毛算法）、NSTS算法等算法來處理月光等不同近視的抑制。 而且該算法并不能完全消除星圖中的干擾。 本節將本文的算法與其他兩種算法進行比較。 三種算法均直接應用于真實星圖，提取星圖中的星點。
本文提出的方法不是直接提取星點，而是消除強干擾區域，然后使用-LOF算法提取非干擾區域的星點。 圖(a)所示為不同干涉下的原始星圖，從上到下分別為月光干涉、線形干涉和不規則形干涉。 (b)至(c)代表不同算法的處理結果。
實驗結果表明，Mao算法和NSTS算法在抑制月光等大面積干擾方面具有一定的優勢。 但在處理復雜干擾時效果不佳，要么提取出大量虛假星點，要么獲取的星點不足以進行星圖識別。 本文提出的方法可以抑制各種類型的干擾，并且對干擾的形狀不敏感，可以提高星圖的可用性。
提取星點的可用性
本節分別使用了統計圖中三類星圖的星點提取結果，同時也使用了上述幾種比較算法。 估計可用恒星與劃分恒星面積的比例，結果如圖所示。 Mao算法和W-LOF在處理大面積干擾星圖時很難提取足夠的恒星用于星圖識別。 事實上，NSTS算法提取的星點可用率較高，而NSTS分割得到的星點總數相對較少。 SLIC-算法消除干擾區域后，再使用W-LOF算法提取非干擾區域中的星點，可以消除虛假星點，提高星點的可用性。
星點真檢率和漏檢率
本文還統計了不同算法的星點正確識別率和星點缺陷檢測率。 提取星點后，使用相同的星圖識別算法來匹配真實的星點，并估計真實檢測率和漏檢率，結果如圖所示。 由于星圖中存在大面積的不規則干擾，Mao算法和NSTS未能正確提取足夠的恒星。
本文提出的方法主要是清除星圖中的大干擾區域，因此大部分干擾星點已經被消除。 在本文算法處理后的星圖中，正確識別星點的概率顯著增強，漏檢概率顯著降低，這表明本文的方法對于大星點的星圖是有效的。尺度干擾。
在軌星敏感器光學畸變/像差標定方法
理論上，星敏感器可以看作是高精度光學相機。 一般的星敏感器采用針眼成像模型進行建模，這只是透視投影，然后在圖像平面上進行仿射變換。 傳統的星敏感器探測模型基于小視場（FOV）的假設，因此模型一般只需要考慮主點和焦距，不需要考慮其他畸變的影響。 新一代大星敏感器具有視場更廣、精度更高的特點。 隨著視場的增大，理想的針孔成像模型并不精確。 因此，應綜合考慮光學系統畸變等偏差誘因。
據悉，星敏感器一般運行在較為惡劣的太空環境中。 因此，氣溫和光壓分布不均勻或者其他環境原因都會影響星敏感器的成像參數，導致星敏感器的透鏡畸變。 星敏感器成像參數的漂移會影響最終的姿態估計，提高星敏感器的探測精度。 因此，星敏感器的畸變校正對于提高衛星定姿精度至關重要。
徑向畸變
徑向畸變表現為星點剛體位置相對理想位置向內或向外的位移，且位移僅發生在從圖像中心向外輻射的方向上，如圖所示。 徑向畸變主要是由光學透鏡的徑向曲率缺陷引起的。 光線遠離鏡頭中心比靠近中心更彎曲，不同視場下光學系統的垂直放大倍數也不同。 徑向畸變也是光學鏡頭畸變中最重要的畸變。
基于星對角距旋轉不變性的算法
在無畸變星敏感器中，探測到的恒星之間的角距離與導航星庫的恒星之間的角距離理論上是相等的。 當星點剛體位置發生偏差時，星敏感器的光學偏差包含在星間角距的方差中，公式中方差項減小。 通過視場內多個星點的星對星角距離物理實驗模擬器，常采用星最小二乘法和卡爾曼混合算法來標定偏差參數。 據悉，有學者還提出了多特征組合方法，利用卡爾曼混合算法來估計光學偏差參數。
傳統方法在大規模星敏感器的標定中存在一定的局限性：大多數基于星對角距的方法只考慮簡單的星圖畸變模型，例如三階徑向畸變。 在軌星敏感器受到多種原因的干擾，并且無法使用多個固定物理模型（例如僅徑向畸變模型）對畸變進行建模。
據悉，各種失真源是相互耦合的。 為了保證星敏感器的精度，必須考慮復雜的模型來描述各種畸變。 并且當偏差項增大時，很難前饋各種失真源。 在進行星敏感器畸變標定時，對一種畸變的偏置補償可能會導致其他畸變的減少，導致畸變標定結果不可靠。
畸變校準算法流程
本章提出的畸變校準算法不需要額外的姿態傳感器來提供姿態信息，是一種不依賴于外部姿態的算法。 首先，通過星點提取和質心定位算法得到檢測到的星點的位置坐標（Xmea，yma）。 之后，通過星圖識別算法得到導航星的編號。 通過姿態計算方法得到當前星敏感器的大致方向，結合導航星數得到理論星點坐標（xref，yref），最后將檢測坐標值和理論坐標值輸入到二維中神經網絡，調整網絡的權重，直到模型收斂。 本章提出的在軌畸變校準算法總體流程圖如圖所示。
數字動態星模擬器
星敏感器是航天器姿態控制系統中必不可少的傳感元件。 在星敏的開發和測試階段，驗證其關鍵算法（星點提取、星圖識別等）非常重要。 算法驗證有數字仿真測試、星模擬器硬件測試和現場測試三種方式。 地面模擬試驗可以有效降低興民號在軌故障風險。
然而，當前星傳感器的主要缺點是，與其他姿態傳感器相比，星傳感器一直很昂貴。 現場測試有很多限制。 首先，目前的星敏感器大多只能在夜空環境下進行測試，開發者必須在漆黑的夜晚進行實地測試。
其次，要求天氣足夠好，即天空不受厚云影響。 第三個要求是現場測試無光污染。 一般情況下，現場測試只能在廣闊的郊區進行。 這類問題在星敏感器的研發中會消耗大量的時間成本和實驗成本。 星模擬器具有成本低、實現難度低、可大規模驗證的特點。 廣泛應用于星敏感器的預驗證測試。 本章介紹基于星模擬器數字力升的星圖模擬方法，為星敏感器關鍵算法的測試和驗證提供了一種低成本的開發方法。
態度四元數輸入
星敏感器的姿態表示從天體慣性坐標系到星敏感器坐標系的旋轉矩陣，一般以姿態四元數的形式表示。 主要說明數字動星模擬器的外部輸入是姿態四元數。
同時，為了滿足姿態信息的多樣化輸入，數字動星模型還支持歐拉角或姿態矩陣格式的輸入，系統可以根據輸入類型手動確定姿態信息。 三個不同的姿態信息輸入可以通過變換公式進行變換。 數值動態星模型構成四元數以遙測數據或動力學模型開始。
總結
深入分析大型星敏感器在軌運行的復雜空間環境，重點研究對星像成像影響較大的幾個環境成因，主要包括范艾倫輻射帶、太陽雜散光和月球反照率，航天器軌跡、空間碎片反射、重影和眩光以及羽流干擾。 構建了各種空間環境中干擾源的物理模型。 結合在軌真實星圖，總結了星圖中不同擾動的成像特征。
基于此，提出一種基于SLIC的雜散光干擾去除方法。 首先，基于明顯性檢查算法，提高星圖的灰度對比度； 然后，借助超像素分割對明顯圖像進行分割，并提取特征。 最后根據不同特征進行降維，得到干擾區域。 在軌真實星圖實驗表明，該方法能夠有效去除大面積干擾，且對干擾形狀不敏感，還可以識別不同類型的強雜散光干擾。 該方法顯著提高了星圖的可用性，星敏感器能夠在強干擾環境下智能識別并消除干擾，有效保證星敏感器的健康。
針對傳統星模擬器難以直接模擬星敏感器在軌狀態的問題，本文實現了高保真星圖的模擬，并提出了數字星模型系統框架。 首先利用星模擬器的數字星圖方案生成理想的模擬星圖，然后借助星模擬器中的外源干擾物理模型來模擬驗證各種空間環境對星圖的影響。空間環境，最終實現高保真星圖模擬策略。
重點是空間粒子富集、地球反射、航天器軌跡和空間碎片反射的瞬態效應。 基于背景的方法實現了星圖背景與理想星圖的融合，模擬了星圖在軌道上的真實成像。 本文提出的數字模擬器可以在一定程度上彌補半數學星模擬器的不足，生成更接近真實狀態的數字星圖，從而驗證星敏感器在運行時的性能。在軌道上。