星敏感器是最常用的姿態確定儀器之一，相對于太陽敏感器、磁強計、地平儀和陀螺儀等其他常見的姿態測量設備而言，星敏感器不僅姿態測量精度比較高，而且能夠實現自主導航能力，抗干擾能力也比較強，目前是衛星等航天器上最主要的姿態測量儀器，在導彈、飛機和艦船上也有應用。

　　星敏感器技術研究開始于20世紀50年代，截止到目前為止，已經研制出很多不同類型的星敏感器產品并且被成功應用。美國、德國、法國、丹麥和意大利等國家的航空航天產品研發機構研制出諸多應用于不同環境的星敏感器產品，其中有部分產品的姿態定位精度已經達到1″甚至更高。國內星敏感器技術的研究開始于20世紀80年代后期，經過多年的積累和發展，國內許多科研院所和高校也研制出成功應用于航天和航空的星敏感器產品，但是相對于國外研制的星敏感器仍然有很大的差距。本文通過整理國內外星敏感器發展歷程以及關鍵技術的研究現狀，分析星敏感器技術的發展趨勢，為國內星敏感器研究人員提供一些可參考的思路。

　　星圖識別算法分為以下三類：（1）基于星座特征的星圖識別算法；（2）基于字符模式的星圖識別算法;（3）基于智能行為的星圖識別算法。

　　基于星座特征的星圖識別算法

　　是利用恒星之間相互位置關系組成特征進行識別的算法。最早是20世紀70年代Junkins提出的三角形算法，該算法比較直觀，也是目前工程中最經常使用的星圖識別算法，算法的核心思想是用由觀測恒星構成的三角形特征與導航星座數據庫中的同構三角形匹配。Liebe、Quine和Douma設計了改進的三角形星圖模式識別算法。

　　Liebe根據視場大小和亮星的數量，選取所有能構成的三角形恒星進行識別；Quine首先選取視場內最亮星作為主星，然后在主星周圍的圓形區域內選取兩顆最亮的星同主星構成星三角；Douma同Liebe的方法類似，但他考慮了視場內恒星形成三角形的概率，只選取概率最大的三角形。與單純使用星角距作為特征的星圖識別算法相比，三角形算法的優點是具有更多的特征維數，減少誤匹配的概率，便于建立導航星庫索引方式，縮短導航星庫的搜索時間，提高星圖識別的速度。

　　三角形識別算法的缺點是在星三角形數量較多時，會出現冗余匹配或者誤匹配，降低識別成功率。Mortari提出了基于k-vector方法的Pyramid識別算法。k-vector方法可以快速初始定位，減少導航星表搜索次數，提高星圖識別速度。Pyramid算法以四面體為識別特征，選擇了4顆觀測星，以1顆星為頂點，其余3顆星為三角形來構成一個四面體，以k-vector方法為導航星庫搜索算法，可以實現在噪聲和偽星點比較多的情況下快速的識別出導航星。該算法的缺點是隨著星對信息表增加，導致擬合曲線精度降低，不能確保最佳匹配星對落在角距誤差范圍內。張廣軍使用線型數據庫搜索的方式，對Liebe的算法進行了修正，提高了算法的速度。

　　基于字符模式的星圖識別算法

　　Padgett等人提出了網格算法。該算法將星坐標映射到一個稀疏矩陣上，給星圖識別提供了新的思路。網格算法具有存儲量很小、識別速度快、算法對星敏感器的測量誤差不敏感等優點。但是當恒星位置誤差或者星等誤差比較大的情況下，網格算法的識別率會迅速的下降。孟娜提出了對網格算法的改進算法，提出“彈性灰度網格算法”，在識別過程中增加一個虛擬的彈性模板。

　　該算法顯著的提高了對于星等和噪聲誤差的容錯能力，提高識別率。Hyunjae Lee也提出了改進的柵格星圖識別算法，他采用圓形柵格代替原始算法的正方形柵格，不僅克服了原始柵格算法對參照星的依賴，而且使改進算法對圖像旋轉環境有很強的魯棒性，并且引入虛擬柵格，增大了選擇模式的空間，在星圖識別成功率上有很大提高。

　　李葆華等人提出了KMP星圖識別算法，是柵格算法的另一種表示形式，他將采集到的星圖經過高通濾波后，直接生成0-1字符串形式匹配模式，再利用KMP字符串搜索算法進行星圖字符串識別。由于原始圖像字符串存儲容量過大，又提出了基于小波變換的改進KMP算法。

　　基于智能行為的星圖識別算法

　　是隨著人工智能技術的快速發展而產生的。Hong將神經網絡引入星圖識別，提出了基于模糊神經網絡的星圖識別方法。該算法基于三角形的三個角距特征，將挑選的導航三角形庫進行神經網絡學習，利用學習后神經網絡結構識別星圖。神經網絡識別算法有識別率高、識別速度快的特點，缺點是學習速度慢、存在一定的誤識別概率。與傳統的算法比較，神經網絡算法具有數據存儲量低、實時性和魯棒性好等優點。

　　但是需要大量的樣本集進行訓練，識別的精度受到訓練集大小和訓練時間的影響，對硬件的要求也比較高。McClintock首次將遺傳算法引入星圖識別，對基于遺傳算法的星圖識別方法進行了初步研究，Paladugu深入研究了遺傳算法在星圖識別中的應用，提出了改進的基于遺傳算法的星圖識別方法。

　　選定一顆主星，對主星跟伴星間的星對角距和星與星之間的夾角進行編碼，定義兩組星圖對應的星角距誤差和夾角誤差和為適應度函數，將搜索分為粗定位和細定位兩個階段，在粗定位階段變異因子適當大些，在細定位變異因子調小些。全偉等人使用了自適應蟻群算法（AAC）來實現星圖識別。

　　對比分析3種類型的星圖識別算法，其優缺點總結如表 4所示。類型1指基于星座特征的星圖識別算法，類型2指基于字符模式的星圖識別算法，類型3指基于智能行為的識別算法。目前在實際工程中，類型1是應用最多的算法，類型2和類型3的算法還沒有得到廣泛應用。