共查询到17条相似文献,搜索用时 109 毫秒
1.
提高星图识别正确率的方法研究 总被引:8,自引:2,他引:6
在CCD星敏感器中,快速而可靠的星图识别算法成为星敏感器确定姿态的最关键部分.针对星图识别误匹配的存在,通过实验数据探讨了采用不同的星图识别特征、增加参与星图识别的恒星数目、提高恒星位置测量精度和星等测量精度、使用不同的星图匹配门限、选取合适导航星等方法,提高星图识别正确率。实验结果表明,采用这些方法后,星图正确匹配概率大大提高. 相似文献
2.
3.
适用于星敏感器的星图识别方法 总被引:18,自引:4,他引:14
采用星敏感器测卫星姿态是现行方法中精度最高的 ,其关键是星图识别。阐述了只采用观测星的位置信息 ,利用观测星图与导航星表的星对角距进行聚类匹配 ,根据观测星图的连通性进行匹配识别的方法 ;用图论理论解释了星识别过程 ;介绍了导航星的选取规则、导航星库的存储内容及采用球矩阵存储和读取导航星库的方法 ;用 1 2 0 MHz主频的微机模拟分析了门限和位置噪声对识别及识别时间的影响。在门限取 0 .0 5°,位置噪声 (单轴 )δ=0 .0 2°以下时 ,在任一区域的识别率达 1 0 0 % ,识别时间平均少于 0 .2 s。 相似文献
4.
提出了一种采用RISC作为星敏感器主处理器的设计方案。RISC(Reduced Instruction Set Computer)是精简指令集计算机,它具有指令简单、功耗低、运行速度快的特点。以RISC技术为基础搭建了星敏感器处理器部分的硬件结构。在此平台上,成功地实现了星敏感器的数据处理和控制功能,其中包括系统的启动,模式转换控制,星图识别、跟踪和姿态计算,以及与FPGA通讯等。在跟踪状态下,姿态更新频率可以达到10Hz。测试表明,应用RISC技术的系统功耗小,仅为400mW,成本约为使用功能类似DSP构建系统的1/4。 相似文献
5.
高精度星图模拟及有效性验证新方法 总被引:10,自引:0,他引:10
为在地面上进行星图模拟以测试星图识别算法和星敏感器性能,提出了一种新的高精度星图模拟方法。该方法利用截面圆和固定区域的性质,根据赤纬值求解赤经跨度来确定选星条件;将选出的导航星通过构建理想星敏感器模型,来求解它们在CCD面阵上的精确位置;根据位置信息,采用TFT液晶光阀,以实现高质量的星图模拟;利用星间角距和投影原理的性质来验证星图模拟的有效性。仿真实验结果表明,与现有星图模拟方法相比,此方法选星速度快,模拟实时性好,准确率达到98.8742%,位置精度达到1/50个像素。 相似文献
6.
7.
快速星图匹配算法的研究 总被引:9,自引:5,他引:4
将态敏感和姿态稳定是卫星的重要技术之一。星体敏感器是目前最高精度的姿态测量技术。对于这种技术,很多文献都进行了讨论,并涌现了许多关于星图匹配行之有效的算法。 相似文献
8.
9.
10.
针对船用星惯组合导航系统中惯性导航系统和星敏感器之间刚性和弹性两种不同的安装方式,提出了一种星敏感器安装角的动态标校方法。该方法以星敏感器得到的姿态数据和惯导系统输出的姿态数据构建滤波观测量,基于惯导误差传播方程构建状态方程,通过Kalman滤波实现对惯导系统姿态误差和星敏感器安装误差的动态最优估计。基于"远望三号"航天测量船的实测导航数据、船体弹性角形变数据对该动态标校方法进行了仿真测试,结果表明星敏感器与捷联惯导系统之间本地刚性安装时安装角动态标校误差较小,异地弹性安装时由于安装误差角的动态变化导致标校误差较大。 相似文献
11.
12.
13.
An artificial neural network is applied to analysis of specklegrams of binary stars. Parameters of a binary star, the angular separation and the position angle, are estimated from the specklegrams by use of neural networks for each parameter. It is shown that a neural network is useful to analyze stellar specklegrams of binary stars. 相似文献
14.
15.
16.
17.
目的肌肉骨骼疾患是与工作姿势有关的主要职业病,不仅影响工人的健康,而且对经济造成巨大的损失。而不良的工作姿势是引发肌肉骨骼疾患的主要原因。因此评估工作姿势所造成的肌肉骨骼疾患并采取科学的纠正措施逐渐成为相应领域研究的热点问题。基于现有对肌肉骨骼疾患风险评估方法的研究现状和未来趋势进行分析与展望。方法通过对肌肉骨骼疾患、人因风险评估、人体姿态识别等核心概念的相关文献进行梳理和归纳,论述了肌肉骨骼疾患风险评估的主要方法,并重点分析了图像识别技术在肌肉骨骼疾患风险评估中的应用,结合人体骨架与神经网络算法模型对作业姿势进行识别,探讨了人工智能环境下,基于图像识别的评估方法中待解决的难点问题,对未来可能发展趋势进行预测。结论将肌肉骨骼风险评估方法总结为三大类,并分析其在现场评估应用过程中的优缺点;结合图像识别技术的发展,对肌肉骨骼风险评估提出了展望,即智能化自动化评估、多评估方法融合、多通道特征识别。 相似文献