高精度天基监视空间目标轨迹提取算法研究

"天基监视空间目标轨迹提取算法" 在天基监视系统中，对空间目标的精确检测和跟踪是至关重要的。序列星图是进行这种监视的基础，它包含了大量的星体和其他空间物体的信息。然而，由于环境噪声和设备本身的限制，星图中往往混杂着大量的噪声和虚假目标，这给弱小目标的检测与定位带来了挑战。针对这一问题，文中提出了一种新的在轨检测轨迹提取算法，专门设计用于高斯噪声环境的星图处理。 该算法主要包括三个主要步骤：首先，通过高斯最小二乘拟合方法对星图数据进行初步处理，以减小噪声影响并提高目标识别的准确性。接着，应用小区域滤波技术进一步降低背景噪声，同时保留目标的局部特性，确保对目标边缘的精细处理。最后，采用星象边缘阈值分割策略，精确地识别出星图中的真实目标，有效减少虚假目标的数量。 与传统的阈值分割算法和美国天基可见光相机(SBV)的在轨检测(Moving Target Indicator, MTI)相比，该算法表现出显著的优势。它能将虚假目标数量减少80%，同时提高弱小目标的信噪比约3 dB。由于对星斑边缘的保护，算法可以提供更高的定位精度，恒星及卫星的位置误差小于MTI算法的一个角秒。此外，该算法具有良好的实时性，适合在实际工程应用中实施。 在实际应用中，星图预处理是提高检测效果的关键步骤。小区域滤波器在抑制背景杂波方面发挥了重要作用，尤其是在高动态环境下，能有效避免因背景变化导致的目标丢失。定位精度的提升意味着空间目标的跟踪更加稳定，对于太空安全和科学研究有着重大的价值。 该文提出的天基监视空间目标轨迹提取算法，通过高斯最小二乘拟合、小区域滤波和边缘阈值分割等手段，实现了对星图中弱小目标的高效检测和精确定位，降低了虚警率，并提高了系统的实时性。这一成果为天基监视系统提供了强大的技术支持，有助于提升全球空间态势感知能力。