[发明专利]一种结合神经网络技术及三角形算法的星图识别方法

权利要求书

1.一种结合神经网络技术及三角形算法的星图识别方法，其特征在于方法如下：

对于筛选好的星库，根据每颗星的邻近星的分布特点，构造特征向量，采用自组织映射网络进行分类，并将每颗恒星与其邻近星所组合成的三角形信息存储在三角形库中，通过分类网络判断待识别星的类别，并在该类别对应的三角形库中应用三角形算法，找到星库中与之匹配的恒星；

星图识别包括如下步骤：

1).输入待识别星，采用相同的特征提取方法，生成待识别星的特征向量并输入已训练好的自组织映射网络，网络输出该星与所有类别的相关度，选择相关度最高的一类别代表该星进行后面的识别匹配；

2).将待识别星与其邻近最亮的n颗星进行组合，生成n×(n-1)/2个三角形，n选择3～10，按照邻近星的亮度由大到小对三角形进行排序；

3)根据待识别星所属的类别，在该类别所对应的三角形库中，应用三角形算法，依次匹配排好序的组合三角形；

4).当找到匹配三角形时，根据待识别星所匹配的恒星在星表中的信息，以及待识别星在实测星图中的坐标，生成星表中该星可形成的理论星图，验证理论星图与实测星图的差距，如果理论星图中的恒星大部分都能在实测星图中找到，且坐标误差在允许的范围内，则认为识别成功，若验证不通过则继续搜索匹配；

5).当搜索完待识别星的所有组合三角形，却依然无法找到验证成功的三角形时，则放弃该星的识别，回到第1)步，选择实测星图中下一颗星进行识别；

6).若识别成功，则根据QUEST方法的姿态解算公式，计算出实测星图所对应的姿态。

2.根据权利要求1所述的一种结合神经网络技术及三角形算法的星图识别方法，其特征在于：所采用的自组织映射网络，属于无监督学习算法的一种，恒星的特征向量作为网络的输入，特征向量的维度与输入神经元的个数保持一致，为5～15，输出神经元的个数与分类的总数相同，选择50～150。

3.根据权利要求1所述的一种结合神经网络技术及三角形算法的星图识别方法，其特征在于：所述的邻近星的角距选取范围与构建恒星的特征向量所选取的角距范围一致。