星敏感器导航星筛选算法：优化星库与内存需求

"该文章提出了一种星敏感器导航星筛选算法，旨在减小导航星库容量，提高导航星分布的均匀性，并降低星图匹配环节的内存需求。通过在全天球上生成均匀分布的光轴随机矢量作为蒙特卡罗实施样本，筛选出视场内的亮星并构建导航星库。仿真条件包括15°×15°的星敏感器视场、5.6m的极限星等和1°的星间角距阈值。该算法能确保星库中导航星数最少，从而减少匹配模式库的条数，对星敏感器的工程设计具有实际应用价值。" 本文主要讨论的是星敏感器导航系统中的一个重要问题——如何有效筛选和构建导航星库。星敏感器在天文导航中扮演着关键角色，它们通过识别和跟踪天空中的特定星星来确定航天器的位置。传统的导航星库可能包含大量的星星，但并非所有星星都适合用于导航。因此，需要一种有效的筛选方法，以减少不必要的存储需求，同时保证导航的准确性。 作者提出了一种基于蒙特卡罗模拟的星敏感器导航星筛选算法。首先，他们生成全天球上的均匀分布光轴随机矢量，这些矢量代表了星敏感器可能指向的不同方向。然后，对于每个光轴矢量，计算其对应的外接圆视场，并选取其中的亮星作为星子集。接下来，将这些星子集中未出现在当前导航星库中的星星添加进去，并去除重复的星星。通过遍历所有样本，最终形成一个优化的导航星库。 文章中设定的仿真条件具体包括星敏感器的视场大小（15°×15°）、最大可探测星星的亮度（极限星等5.6m）以及相邻星星之间的最小角度间隔（1°）。这些参数影响着筛选过程和导航星库的构成。星图匹配环节需要15颗导航星，这个数量是满足导航需求的最小值，可以有效地减少匹配模式库的复杂性，进而降低系统的内存需求。 通过实施这一算法，可以实现导航星库的优化，使得导航星在空间中的分布更加均匀，这有助于提高星敏感器在不同姿态下的匹配效率和导航精度。同时，由于星库中导航星的数量减少，匹配模式库的条目也随之减少，从而降低了系统资源的消耗，对于实际的星敏感器设计具有重要的工程意义。 这项工作为星敏感器导航技术提供了新的思路，通过改进导航星库的构建方法，实现了导航性能和硬件资源之间的平衡，对于提升航天器自主导航系统的效能具有积极的推动作用。