基于恒星矢量差分的星敏感器星跟踪算法研究.pdf

《基于恒星矢量差分的星敏感器星跟踪算法研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第34卷2017年第2期上海AEROSPACE航天SHANGHAl99文章编号：1006一1630(2017)02—0099—07基于恒星矢量差分的星敏感器星跟踪算法研究金荷1’2，毛晓楠1’2，孙少勇1’2，刘露1’2，胡雄超1’2(1．中国航天科技集团公司红外探测技术研发中心，上海201109；2．上海航天技术控制研究所，上海201109)摘要：针对现有星跟踪算法依赖外部信息、模型复杂等缺点，结合卫星平台实际，提出了一种新的星敏感器内部星跟踪算法，利用星矢量与角速率间关系进行星点预测。先根据当前帧和前一帧的星矢量，用最小二乘原理估算出角速率，再对

2、角速率进行卡尔曼滤波以减小估计误差，之后用滤波后的角速率预测下一帧的星矢量，将星矢量转为星点坐标，最后在以该坐标为中心的波门中提取星点。讨论了角速率估计误差、截断误差、星点成像随机误差和定姿星数等因素对算法精度的影响。该方法不依赖外部信息进行预测，模型简单，易于实现。实验验证在星敏感器角速率为0．6(。)／s时，平均跟踪精度0．55像素，证明了其有效性。关键词：星跟踪；星矢量差分；角速率估计；星点预测；最小二乘法；卡尔曼滤波；截断误差；星点成像误差中图分类号：V448文献标志码：ADOI：10．19328／j．cnki．1006—1630．2017．

3、02．010ResearchonStarTrackingAlgorithmBasedonStarVectorDifferenceJINHel～。MAOXiao—nanl～，SUNShao—yon91～，LIULul～，HUXiong—cha01’2(1．InfraredDetectionTechnologyResearch&DevelopmentCenter，ChinaAerospaceScienceandTechnologyCorporation，Shanghai201109，China；2．ShanghaiInstituteofSpaceflig

4、htControlTechnology，Shanghai201109，China)Abstract：AccordingtOthedisadvantagesofconventionalalgorithmwhichweredependentofoutsideinformationofattitudeandcomplexmodel，aninnerstarpredictionalgorithmbasedontherelationshipbetweenstarvectorandangularratewasputforwardconsideringthework

5、ingconditionofsatelliteplatforminthispaper．Firstly，angularratewasestimatedaccordirLgtOthedifferencebetweencurrentandlaststarvectorbasedontheprincipleofleastsquares．Secondly，KalmanfilteringwasusedtOreducetheerrorofangularrateestimationinnextsampleperiod．Then，thefilteredangularra

6、tewasappliedtOpredictnextstarvectorswhichwouldbetransformedtOstarpositions．Atlast，centerofsubwindowwasappliedforstarextraction．Theinfluenceoftheerrorofangularvelocityestimation，truncationerror，randomerrorofstarpointimagingandstarnumbersforattitudedeterminationontheaccuracyofthe

7、algorithmwasdiscussed．ThismethodwouldmakepredictioninindependentofattitudewithsimplemodelandwaseasytObeimplemented．Therealskytesthadvalidatedthatthismethodhadaveragetrackingaccuracyof0．55pixelatangularrateof0．6(。)／s．Keywords：startracking；starvectordifference；angularrateestimati

8、on；starpointprediction；leastsquares；Kalmanfilter；trunc