[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

摘要

本发明公开了一种结合神经网络技术及三角形算法的星图识别方法，恒星敏感器工作期间，在没有先验姿态的情况下，可以采用该方法进行全天星图识别。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，采用神经网络技术构建分类网络，对星表中所有恒星进行分类，并将每颗恒星与其邻近星的三角形信息存储在对应的三角形库中。星图识别过程中，生成待识别恒星的特征向量，通过分类网络输出最相似类，在该类对应的三角形库中应用三角形算法，找到匹配三角形。当验证成功之后，输出该识别姿态。本发明的优点是存储量小、识别速度快、识别率高、抗干扰性强。

主权项

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的相关度，选择相关度最高的一类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一般选择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种类，在该类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。