基于机器学习的大视场星敏感器畸变在轨标定技术

摘要：

随着遥感卫星在轨任务复杂性的不断提升，对卫星定姿精度的要求也不断提高。星敏感器是星上精度最高的姿态敏感器，因而其在轨标定是提高定姿精度的有效手段。由于大视场星敏感器的镜头畸变复杂，目前广泛采用的基于星对角距的最小二乘法存在一定局限性。因此提出一种基于机器学习的星敏感器在轨标定算法，该方法结合机器学习预测建模思想，通过构造特征建立镜头畸变模型，并结合主成分分析方法进行冗余特征的消除，最后从星角距和模型泛化能力两方面对标定效果进行评价。仿真结果表明：算法对镜头畸变程度较大的星敏感器有良好的校正效果，标定精度始终能保持在0.8″内，与目前几种主流算法相比，具有精度高，鲁棒性好等优点。

关键词：标定、星敏感器、光学系统、畸变、机器学习、主成分分析

所属期刊栏目：45

分类号：V241.62+3(航空仪表、航空设备、飞行控制与导航)

资助基金：黑龙江省博士后科研启动金LBH-Q14054；中央高校基本科研业务费专项资金HEUCFD1503

在线出版日期：2017-03-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共1页

页码：1217004-1-1217004-9