基于角距空间一致性的几何拓扑模式星图识别算法及其在复杂辐射环境下的性能提升研究

《Journal of Systems Engineering and Electronics》：Angular distance space consistency based geometric topology pattern star identification algorithm

针对复杂辐射环境下星敏感器面临的质心误差、星点提取失败和虚假星点干扰等挑战，本研究提出了一种基于角距空间一致性的星图识别方法。通过理论分析角距的空间一致性特征，构建了查找表(LUT)和星模式数据库(SPD)，将传统算法框架中的距离度量替换为角距。全天空扫描仿真表明：该方法在高噪声环境下识别率较传统方法提升2.3%，总执行时间减少12.74秒，单星平均识别时间达到毫秒级，证实角距在复杂环境中具有更强鲁棒性和更高计算效率。

　　

在航天器自主导航领域，星敏感器因其高精度和抗误差累积特性被誉为"太空罗盘"。然而当星敏感器部署于临近空间高超声速飞行器、航空器等新型平台时，气动热辐射、大气辐射等复杂辐射环境会产生强烈背景噪声，导致星点质心计算误差、弱星提取失败，甚至产生虚假星点。这些干扰如同"宇宙迷雾"般笼罩着星图识别过程，严重制约导航精度。传统光学滤波器虽能抑制特定波段噪声，却会衰减有效星点信号，且无法根除质心误差和虚假星点问题。

为解决这一难题，中国石油大学（北京）人工智能学院刘丹妮团队在《Journal of Systems Engineering and Electronics》发表最新研究，创新性地将角距的空间一致性特征引入星图识别算法。角距作为恒星间的三维空间夹角，具有不随观测位置和姿态改变的固有特性，如同宇宙中的"永恒标尺"。相比传统二维投影距离易受观测几何变化影响，角距能有效抵抗复杂环境干扰，为星图识别提供更稳定的度量基准。

研究团队采用两级数据库架构技术，通过32样本的查找表(LUT)实现快速候选星筛选，再结合512样本的星模式数据库(SPD)进行精确匹配。算法核心采用汉明距离（Hamming distance）预筛选与斯皮尔曼相关系数（Spearman correlation）精匹配的双重识别机制，在保证精度的同时显著提升计算效率。特别值得关注的是，角距计算本身较传统距离计算耗时降低21.4%（182.690 ns vs 232.183 ns），这一优势在大规模星图处理中尤为关键。

在仿真验证环节，研究团队构建了覆盖全球5°网格的2592个观测点，模拟星敏感器20°视场角（FOV）下的全天空扫描。通过设置不同等级的质心误差、星点缺失和虚假星点干扰，系统评估算法性能。结果显示，当质心误差标准差达0.5像素时，角距法的识别率仍保持82.68%，较传统距离法提升1.7%；在存在4颗星点缺失的场景下，角距法识别率高达99.11%，展现卓越的容错能力。

算法参数优化研究揭示了重要规律：汉明距离阈值（d_HT）从6增至10时，识别率仅提升0.309%，但计算耗时翻倍。这一发现为工程应用提供了关键设计准则——采用d_HT=6的阈值配置可实现最优的精度效率平衡。在此配置下，角距法完成2592次识别仅需478.250秒，较距离法节约12.74秒，单星识别时间进入毫秒级。

研究结论表明，角距的空间一致性特性为星图识别提供了更严格的判别准则。在同等干扰条件下，角距法较传统距离法识别率提升2-3%，且计算效率显著提高。这项突破不仅解决了复杂辐射环境下的星图识别难题，更为未来深空探测、高动态飞行器导航等极端环境下的自主定位技术奠定了理论基础。该成果的创新性在于将天体测量学中的角距概念与模式识别算法深度融合，开创了星敏感器抗干扰技术的新路径，对提升我国航天器自主导航能力具有重要工程价值。