基于P向量法和K矢量的星图识别方法摘要：为了减少导航数据库的存储容量和提咼星图识别的速度，在现有三角形算法及其改进的基础上，提出了一种新的三角形算法的改进。首先在观测视场中构造导航三角形，通过引入一颗新的观测星，根据K矢量法快速搜索角距表，获得三角形各星点的匹配侯选星。再通过对观测三角形构造P向量值对匹配侯选星进行匹配和验证。最后通过仿真比较，本文算法较现有算法有一定的优势。关键词：关键词：星图识别；二角形匹配；P向量；K矢量法中图分类号：V448.2文献标识码:A一引言本文在现有三角形算法及其一系列改进算法的基础上，提出一种新的星图识别方法。首先根据Quine和Liebe的方法为观测星构造三角形。在视场中找到三个观---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---测星构造观测三角形，通过引入第四个观测星，减少匹配的次数，最后通过构造P向量进行观测三角形特征提取对匹配的星点进行验证，从而达到提高星图识别速度和识别成功率的目的。二理论分析和可行性分析1引入观测三角形之外的观测星和三角形算法类似，用到的恒星信息为星对之间的角距信息。假设两颗观测星a,b和两颗导航星A,B的角距分别为&ab和UAB,对于给定的门限误差E,当满足时，&ab和UAB两角距匹配。在本文的识别算法中，首先找到三颗观测星SI、S2、S3,这三颗观测星构造观测三角形，在三角形之外在找第四颗导航星S4O识别的过程是通过找到引入观测星和导航三角形星点的三个角距对应的导航星对，确定各导航星的匹配候选星。该过程运用投票法进行匹配。假设此时星对角距为Oab,匹配门限误差2,此时星点的实际星角距应该在区间［9ab-g,&ab+g］中。给---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---角距表中角距在该范围内的每一条记录中的导航星各记上一票。星1585和星1661各通过914得到一票，同理其他各导航星的得票数如图1所示。投票结束以后，首先进行初步的恒星识别，得票最多的恒星即为引入观测星对应的恒星。此时可以确定星号为1585的恒星为S4的匹配候选星，同时可以得到星号为1661的恒星为S1的匹配候选星，星号为1670的恒星为S2的匹配候选星，星号为1698的恒星为S3的匹配候选星。2P向量理论采用P向量的方法来构造三角形并进行特征向量提取，特征向量由三角形角距构成。求解特征向量采用主成分分析方法求取最佳投影主轴，使得所有特征三角形特征向量在该主轴的投影点相互分散，通过投影点得到唯一的匹配三角形。3K矢量理论在角距表和P向量表中查找数据时,使用K矢量查找表来加快数据访问的速度。K矢量方法属于曲线拟合的一种，是一种---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---快速查找方法。首先角距表按照星角距从小到大排列，P向量表按照P值从小到大排列。下以角距为例进行说明，为方便表述特定义如下：设n个角距信息按照递增排序形成一个向量s(满足s(i)3个时，首先以观测星图中距离主轴最近的观测星为主星S1,在以主星为圆心6度为半径的范围内最亮的两颗星S2、S3,若找不到则扩大半径。构造观测三角形S1S2S3计算观测三角形对应的P值。在视场中选择第四颗导航星S4,通过对星对S1S4、S2S4、S3S4进行匹配，得到SI、S2、S3的侯选星。根据观测三角形S1S2S3的P值对侯选星进行验证，若匹配结果唯一则认为匹配成功。当视场内恒星的个数二3时，之间构造导航三角形S1S2S3计算观测三角形对应的P值进行匹配，若匹配结果唯一，再通过模拟星图的方法进行验证。若验证成功则认为匹配成功。其中运用模拟星图进行验证的过程中，首先根据视轴的方向生成模拟星图，并存储其中导航星的星号。---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---将模拟星图和观测星图中恒星进行比较，即可验证识别是否成功。五仿真结果和分析1从全天区随机抽取100幅模拟星图进行识别，并在生成模拟星图的时候，加上不同方差的高斯噪声作为位置误差。下图为各方法的识别率受位置噪声影响的仿真结果根据以上仿真结果数据可以看出：匹配准确度方面，本文提岀的算法较现有的算法有一定的优势。六总结本文在现有的...