请您在百忙之中抽出时间点击“关注”，方便与您讨论分享。 您的支持是我前进的最大动力，谢谢！
本文对大型星敏感器的智能星图处理进行研究。 研究内容围绕大规模星敏感器星图杂散光干扰抑制和畸变校准两个关键问题，提出了生成高保真模拟星图的数字动态星模拟器系统框架。
星敏感器在轨运行时，很容易受到太空环境的影响，对星图造成强烈的杂散光干扰，特别是当星敏感器赤道仪设计不完善或各类反射光进入星图视场时。看来，星图的背景发生了巨大的变化。 据悉，由于光学镜头加工偏差、光路装配偏差、振动、应力等诱因，光学系统形成大量的非线性畸变。 最大畸变可以达到两个像素以上，严重影响星敏感器的定位精度。
原型星敏感器
初始星敏感器通过跟踪视场内一颗或多颗已知恒星来确定卫星的姿态信息，需要其他姿态传感器辅助姿态确定。 星敏感器主要采用光电倍增管（或）和图像分辨管（）作为星像探测元件，结构简单，姿态确定精度低，抗杂散光干扰能力弱。
这一时期的典型代表有日本机载扫描星敏感器LN-20、SNARK潜艇星敏感器、猎犬（Hound）潜艇制导系统、前南斯拉夫研制生产的星敏感器、阿波罗系列航天器星敏感器等。
重影和耀斑
星图中的重影，表现为恒星或其他明亮天体的二次或多次漫反射。 当明亮星星的强光直接照射在镜框上时，光线会在镜面、镜筒内部和焦距杆上反复反射。 这种反射光会变成光像，形成局部覆盖现象。 成像位置处于入射光的延伸位置，照度（灰度级）不如出生图体强。
眩光（也称为眩光）与鬼影形成类似物理实验模拟器，不同之处在于它会导致主恒星附近的形状模糊或焦距明亮。 如图所示，月球进入星敏感器，产生一个亮点。 其中，靠近月球的模糊焦段称为眩光，右上角较暗的模糊光点称为鬼影，会对星图识别造成干扰。
不同强干扰消除算法的比较
常采用毛晓楠算法（以下简称毛算法）、NSTS算法等算法来处理月光等不同近视的抑制。 而且该算法并不能完全消除星图中的干扰。 本节将本文的算法与其他两种算法进行比较。 三种算法均直接应用于真实星图，提取星图中的星点。
本文提出的方法不是直接提取星点，而是消除强干扰区域，然后使用-LOF算法提取非干扰区域的星点。 图(a)所示为不同干涉下的原始星图，从上到下分别为月光干涉、线形干涉和不规则形干涉。 (b)至(c)代表不同算法的处理结果。
实验结果表明，Mao算法和NSTS算法在抑制月光等大面积干扰方面具有一定的优势。 但在处理复杂干扰时效果不佳，要么提取出大量虚假星点，要么获取的星点不足以进行星图识别。 本文提出的方法可以抑制各种类型的干扰，并且对干扰的形状不敏感，可以提高星图的可用性。
提取星点的可用性
本节分别使用了统计图中三类星图的星点提取结果，同时也使用了上述几种比较算法。 估计可用恒星与划分恒星面积的比例，结果如图所示。 Mao算法和W-LOF在处理大面积干扰星图时很难提取足够的恒星用于星图识别。 事实上，NSTS算法提取的星点可用率较高，而NSTS分割得到的星点总数相对较少。 SLIC-算法消除干扰区域后，再使用W-LOF算法提取非干扰区域中的星点，可以消除虚假星点，提高星点的可用性。
星点真检率和漏检率
本文还统计了不同算法的星点正确识别率和星点缺陷检测率。 提取星点后，使用相同的星图识别算法来匹配真实的星点，并估计真实检测率和漏检率，结果如图所示。 由于星图中存在大面积的不规则干扰，Mao算法和NSTS未能正确提取足够的恒星。
本文提出的方法主要是清除星图中的大干扰区域，因此大部分干扰星点已经被消除。 在本文算法处理后的星图中，正确识别星点的概率显着增强，漏检概率显着降低，这表明本文的方法对于大星点的星图是有效的。尺度干扰。
在轨星敏感器光学畸变/像差标定方法
理论上，星敏感器可以看作是高精度光学相机。 一般的星敏感器采用针眼成像模型进行建模，这只是透视投影，然后在图像平面上进行仿射变换。 传统的星敏感器探测模型基于小视场（FOV）的假设，因此模型一般只需要考虑主点和焦距，不需要考虑其他畸变的影响。 新一代大星敏感器具有视场更广、精度更高的特点。 随着视场的增大，理想的针孔成像模型并不精确。 因此，应综合考虑光学系统畸变等偏差诱因。
据悉，星敏感器一般运行在较为恶劣的太空环境中。 因此，气温和光压分布不均匀或者其他环境原因都会影响星敏感器的成像参数，导致星敏感器的透镜畸变。 星敏感器成像参数的漂移会影响最终的姿态估计，提高星敏感器的探测精度。 因此，星敏感器的畸变校正对于提高卫星定姿精度至关重要。
径向畸变
径向畸变表现为星点刚体位置相对理想位置向内或向外的位移，且位移仅发生在从图像中心向外辐射的方向上，如图所示。 径向畸变主要是由光学透镜的径向曲率缺陷引起的。 光线远离镜头中心比靠近中心更弯曲，不同视场下光学系统的垂直放大倍数也不同。 径向畸变也是光学镜头畸变中最重要的畸变。
基于星对角距旋转不变性的算法
在无畸变星敏感器中，探测到的恒星之间的角距离与导航星库的恒星之间的角距离理论上是相等的。 当星点刚体位置发生偏差时，星敏感器的光学偏差包含在星间角距的方差中，公式中方差项减小。 通过视场内多个星点的星对星角距离物理实验模拟器，常采用星最小二乘法和卡尔曼混合算法来标定偏差参数。 据悉，有学者还提出了多特征组合方法，利用卡尔曼混合算法来估计光学偏差参数。
传统方法在大规模星敏感器的标定中存在一定的局限性：大多数基于星对角距的方法只考虑简单的星图畸变模型，例如三阶径向畸变。 在轨星敏感器受到多种原因的干扰，并且无法使用多个固定物理模型（例如仅径向畸变模型）对畸变进行建模。
据悉，各种失真源是相互耦合的。 为了保证星敏感器的精度，必须考虑复杂的模型来描述各种畸变。 并且当偏差项增大时，很难前馈各种失真源。 在进行星敏感器畸变标定时，对一种畸变的偏置补偿可能会导致其他畸变的减少，导致畸变标定结果不可靠。
畸变校准算法流程
本章提出的畸变校准算法不需要额外的姿态传感器来提供姿态信息，是一种不依赖于外部姿态的算法。 首先，通过星点提取和质心定位算法得到检测到的星点的位置坐标（Xmea，yma）。 之后，通过星图识别算法得到导航星的编号。 通过姿态计算方法得到当前星敏感器的大致方向，结合导航星数得到理论星点坐标（xref，yref），最后将检测坐标值和理论坐标值输入到二维中神经网络，调整网络的权重，直到模型收敛。 本章提出的在轨畸变校准算法总体流程图如图所示。
数字动态星模拟器
星敏感器是航天器姿态控制系统中必不可少的传感元件。 在星敏的开发和测试阶段，验证其关键算法（星点提取、星图识别等）非常重要。 算法验证有数字仿真测试、星模拟器硬件测试和现场测试三种方式。 地面模拟试验可以有效降低兴民号在轨故障风险。
然而，当前星传感器的主要缺点是，与其他姿态传感器相比，星传感器一直很昂贵。 现场测试有很多限制。 首先，目前的星敏感器大多只能在夜空环境下进行测试，开发者必须在漆黑的夜晚进行实地测试。
其次，要求天气足够好，即天空不受厚云影响。 第三个要求是现场测试无光污染。 一般情况下，现场测试只能在广阔的郊区进行。 这类问题在星敏感器的研发中会消耗大量的时间成本和实验成本。 星模拟器具有成本低、实现难度低、可大规模验证的特点。 广泛应用于星敏感器的预验证测试。 本章介绍基于星模拟器数字力升的星图模拟方法，为星敏感器关键算法的测试和验证提供了一种低成本的开发方法。
态度四元数输入
星敏感器的姿态表示从天体惯性坐标系到星敏感器坐标系的旋转矩阵，一般以姿态四元数的形式表示。 主要说明数字动星模拟器的外部输入是姿态四元数。
同时，为了满足姿态信息的多样化输入，数字动星模型还支持欧拉角或姿态矩阵格式的输入，系统可以根据输入类型手动确定姿态信息。 三个不同的姿态信息输入可以通过变换公式进行变换。 数值动态星模型构成四元数以遥测数据或动力学模型开始。
总结
深入分析大型星敏感器在轨运行的复杂空间环境，重点研究对星像成像影响较大的几个环境成因，主要包括范艾伦辐射带、太阳杂散光和月球反照率，航天器轨迹、空间碎片反射、重影和眩光以及羽流干扰。 构建了各种空间环境中干扰源的物理模型。 结合在轨真实星图，总结了星图中不同扰动的成像特征。
基于此，提出一种基于SLIC的杂散光干扰去除方法。 首先，基于明显性检查算法，提高星图的灰度对比度； 然后，借助超像素分割对明显图像进行分割，并提取特征。 最后根据不同特征进行降维，得到干扰区域。 在轨真实星图实验表明，该方法能够有效去除大面积干扰，且对干扰形状不敏感，还可以识别不同类型的强杂散光干扰。 该方法显着提高了星图的可用性，星敏感器能够在强干扰环境下智能识别并消除干扰，有效保证星敏感器的健康。
针对传统星模拟器难以直接模拟星敏感器在轨状态的问题，本文实现了高保真星图的模拟，并提出了数字星模型系统框架。 首先利用星模拟器的数字星图方案生成理想的模拟星图，然后借助星模拟器中的外源干扰物理模型来模拟验证各种空间环境对星图的影响。空间环境，最终实现高保真星图模拟策略。
重点是空间粒子富集、地球反射、航天器轨迹和空间碎片反射的瞬态效应。 基于背景的方法实现了星图背景与理想星图的融合，模拟了星图在轨道上的真实成像。 本文提出的数字模拟器可以在一定程度上弥补半数学星模拟器的不足，生成更接近真实状态的数字星图，从而验证星敏感器在运行时的性能。在轨道上。