1 中国科学院光电技术研究所自适应光学重点实验室,四川 成都 610209
2 中国科学院大学,北京 100049
针对较强天光背景下基于暗弱钠导星的大气波前畸变像差实时探测需求,本文提出了一种综合滤波的主动式波前探测技术,完成了对该技术的理论分析、参数设计及探测能力预估,并将该技术应用于传统哈特曼波前探测器,开展了基于钠导星的大气波前畸变像差探测实验。在约10 W/(m2·sr)的天光背景条件下,实现了基于钠导星同步采样大气波前畸变像差的实时探测。本工作对实际钠导星自适应光学系统应用的工作时段扩展进行了有益尝试。
自适应光学 钠导星 天光背景 波前探测
1 中国科学院上海技术物理研究所, 上海 200083
2 中国科学院智能红外感知重点实验室, 上海 200083
3 中国科学院大学, 北京 100049
空间目标监视和检测是维护空间环境安全的重要保障, 天基观测是其中的一个重要观测手段。在天基观测图像中, 恒星和空间小目标形状、大小相似, 影响空间小目标的检测。且空间环境复杂, 图像的噪声也会对空间小目标检测造成干扰。针对以上问题, 提出了一种基于轨迹预判的空间小目标在轨检测方法。首先对图像进行预处理, 包含使用图像滤波剔除坏像元和背景影响以及阈值分割。对相机进行畸变误差校正, 再进行坐标系转换以及匹配星表剔除大部分恒星。然后采集多帧图像, 对候选目标进行轨迹关联、预判, 确定搜索范围。最后实现对空间小目标的检测。本检测方法具有以下几方面的优势: 在低信噪比下, 实现高检测精度和低虚警率; 减少搜索范围, 提高在轨实时检测能力; 具备对连续帧图像上目标不连续出现的检测能力, 适应更复杂的空间环境下目标检测需求。本检测方法的检测能力在硬件系统上得到了验证, 实验结果表明, 该算法在检测信噪比为2的目标时也具有99.9%的检测率和0.002%的虚警率, 为在轨空间小目标检测提供参考。
空间小目标 信息处理 可见光图像 目标检测 星图匹配 space small target information processing visible light image target detection star map matching
中国科学院长春光学精密机械与物理研究所,吉林 长春130033
星敏感器是自主导航姿态控制系统中的重要组成部分之一。作为星敏感器的核心部件,信息处理系统对其整机性能有重要影响。基于飞腾多核DSP+复旦微FPGA架构设计了一种全国产化多视场星敏感器信息处理系统。在设计中采用EMIF接口和GPIO接口与复旦微FPGA进行数据交互及控制,将2片串行 Flash用于存储星库数据和启动程序,将2片DDR3芯片用于缓存数据。详细介绍了信息处理系统的整体软件流程设计、算法流程设计及实现。经试验验证,该系统可稳定运行并输出正确姿态。在星图分辨率为2048×2048的情况下,系统无初始指向时的数据更新频率为20Hz,有初始指向时的数据更新频率为625Hz。运算性能约为普通ARM架构的3倍,对于提升多视场星敏感器的实时性、丰富其工程化实现方法具有重要意义。
多视场星敏感器 飞腾DSP 硬件设计 信息处理系统 multi-field-of-view star sensor Feiteng DSP hardware design information processing system
面向甚高精度微型星敏感器在商业卫星以及中低轨资源勘探卫星的实际应用需求,开展了甚高精度微型星敏感器光学系统设计与验证研究。基于甚高精度微型星敏感器姿态测量精度要求,完成了光学系统技术指标论证工作,具体包括:根据材料透过率与折射率,给出了适用于轻小化镜头的工作波段;根据恒星像点的弥散特性,给出了适用于高精度质心提取的高斯半径;根据黑体辐射定律与探测器参数,给出了适用于提取6.5等星时所需通光口径;根据恒星色温与星等之间的关系,并结合蒙特卡洛方法,给出了最佳工作视场大小。基于光学系统指标论证方法,确定了光学系统设计参数,并依次实现了光路设计以及像质分析,结果表明:在−40~60 ℃工作温度区间内,其星点质心偏移不超过0.05 μm,且弥散斑尺寸变化量不大于1 μm。基于设计甚高精度微型星敏感器光学系统,开展了标定测试、外场观星以及耐辐射测试,结果表明:系统标定精度为0.6″,外场测量精度为1.5″(3σ),外场测量下可探测极限星等为6.51等星,累计60 krad(Si)辐射下可探测极限星等为6.01等星,进一步验证了所设计光学系统的精度以及可靠性,可为甚高精度微型星敏感器的工程应用提供理论基础与技术支持。
星敏感器 光学系统 甚高精度 无热化 耐辐射 star sensor optical system very high-precision accuracy athermal radiation resistant 红外与激光工程
2023, 52(11): 20230104
河北工业大学电子信息工程学院, 天津 300401
随着越来越多的大型光谱巡天计划的实施, 产生了海量的恒星光谱数据, 这对于恒星演化理论的研究具有重大意义, 但也给传统的光谱分类和处理带来极大挑战。 2021年发布的LAMOST DR7(v2.0版本)光谱数据集中, 恒星光谱总量为百万量级, 但其中O型星的数量仅为129条, 远远小于其他六类恒星光谱数量。 对于这种数据量大、 数据集严重不平衡的情况, 传统的机器学习分类方法达不到较好的效果, 因此多用于对相邻两类、 部分类或子类恒星光谱进行分类。 针对以上问题, 使用一维卷积神经网络(CNN)和一维生成对抗网络(GAN)相结合的半监督学习模式对七类恒星光谱进行全分类。 实验首先对每条光谱进行裁剪和去噪, 截取光谱波长范围为370.00~867.16 nm部分, 然后进行均匀采样和归一化, 生成大小为1×3 700的数据集样本, 送入CNN进行训练。 为了避免过拟合并提高模型对未知数据的预测能力, 在CNN的全连接层和池化层之间添加正则项Dropout。 使用该网络对除O型星以外的六类光谱进行分类, 平均分类准确率达到98.08%。 针对O型星数量严重偏少的问题, 采用GAN来扩充数据集。 GAN的输入是1×900大小的噪声信号, 经过生成器中全连接的三层跨步卷积运算, 输出大小为1×3 700的数据。 通过对生成器和判别器进行单独交替迭代训练使GAN收敛, 最终输出所需数量的O型星样本, 达到扩充数据集的目的。 和常见的通过过采样扩充数据集相比, 利用GAN扩充数据集, 结合一维CNN对恒星光谱进行全分类, 可以将O型星的分类准确率由72.92%提升至97.92%, 整个分类器的准确率达到96.28%。 实验结果表明, 使用这种半监督模式的恒星光谱自动分类方法可以实现对七类恒星光谱的快速、 准确分类, 也可以用于对标记为“Unknown”的未分类恒星光谱进行挖掘, 达到充分利用光谱的目的。
恒星光谱 自动分类 卷积神经网络 生成对抗网络 半监督模式 Star spectra Automatic classification Convolutional neural networks Generative adversarial networks Semi-supervised mode 光谱学与光谱分析
2023, 43(6): 1875
1 河北工业大学, 天津 300400
2 中国科学院国家天文台, 北京 100012
天文学上把亮度随时间变化的恒星称为变星。 它对于研究星系的距离, 恒星的演化以及恒星在不同阶段的性质具有非常重要的意义。 目前对变星的识别主要依靠长时间观测其亮度变化, 并结合对恒星的光谱进行分析才能最终完成认证。 这项工作需要天文学家投入大量时间, 难以开展大规模分类。 针对上述问题本文提出了一种将测光图像与一维光谱进行数据融合用于对变星进行分类的方法——光谱-测光融合网络(ASPF-Net)。 该网络由C1网络和C2网络两部分组成, 其中C1是用于提取光谱特征的一维卷积神经网络, C2是用于提取测光数据特征的二维卷积神经网络; 最后将两者提取到的特征进行融合, 用一个全连接前馈神经网络完成分类。 该研究在对食变星、 脉冲变星和标准星分类问题上进行了实验。 实验数据均来自于斯隆数字巡天项目(SDSS), 该项目包含了测光图像和光谱两种数据。 对于光谱数据本文选取波长在380.0 ~680.0 nm范围内的流量值。 测光图像由: u、 g、 r、 i和z共5个波段数据组成, 对应的中心波长分别为: 355.1、 468.6、 616.6、 748.0和893.2 nm。 相比于传统的利用其中三个波段合成RGB图像, 原始SDSS数据拥有更高的灰度等级。 为了方便网络训练, 对测光数据和光谱数据均做了标准化处理。 分类性能分析方面, 使用了精确率, 召回率, F1值和平均准确率四个指标进行评估。 提出的光谱-测光融合网络(ASPF-Net)在针对食双星、 脉冲变星和标准星的分类任务, 精确率分别为: 91.1%、 92.8%和98.2%。 实验证明, 数据融合之后的分类性能优于单独使用光谱数据或测光数据的分类性能。 说明将光谱数据和测光数据结合起来对变星进行分类是一种有效的方法, 这为今后的变星的分类提供了一种新的思路和方法。
数据融合 光谱分类 多模态融合网络 测光图像 变星分类 Data fusion Spectral classification Feature fusion network Photometry image Variable star classification 光谱学与光谱分析
2023, 43(6): 1869
1 中山大学 航空航天学院, 广东 深圳 518107
2 福建师范大学 光电与信息工程学院, 福建 福州 350117
针对天基序列星图配准存在的效率和精度问题, 提出了一种天基序列星图高精度在轨实时配准方法。对基准图和待配准图进行分块, 通过预设搜索框的方式, 采用归一化相关系数匹配法, 获得整像素精度的子图匹配结果; 对该结果的小邻域进行二次曲面拟合, 获得亚像素精度的匹配对点; 使用单应变换模型求解星图的变换关系, 完成单帧星图的配准; 使用基于末帧的窗口滑动方式, 实现序列星图的连续实时配准。实验结果表明, 所提方法可以避免恒星质心提取误差和天基平台长时间运动对配准精度造成的影响, 相比标准的块匹配, 对于16位4096×4096的真实天基星图, 所提方法的子图匹配计算效率提升98.7%, 配准时间缩短了89.0%, 单帧配准的峰值信噪比平均提升了将近0.20; 所提序列星图的连续配准方式, 速度达到了0.040秒/帧, 配准结果的峰值信噪比为6.765, 能满足高精度和高实时性要求, 通过适当移植优化有望应用于后续的天基平台的弱小目标检测。
星图配准 序列星图 图像匹配 相关系数 star image registration star image sequences image matching correlation coefficient
北京信息科技大学 仪器科学与光电工程学院, 北京 100192
对星图识别算法的应用背景进行介绍, 就其优势进行了简述。重点对目前主流的三类星图识别算法进行了综述, 介绍了子图同构类算法、模式识别类算法以及人工智能类算法, 并进行了分析和比较;对星图识别算法研究的评估进行了说明;对星图识别算法的未来发展进行了展望, 提到了非可见光条件下的星图识别、高动态复杂环境下的星图识别和考虑气动光学效应的星图识别等相关未来的研究重点。
星敏感器 星图识别 子图同构 模式识别 人工智能 star sensor star identification subgraph isomorphism pattern recognition artificial intelligence
Author Affiliations
Abstract
Space Optics Research Center, Harbin Institute of Technology, Harbin 150001, China
The application of starlight refraction navigation to spacecraft and space weapons is a significant development direction. Observing enough refracted stars for the star sensor in a strong limb background is an urgent problem. The all-day optical system parameters are analyzed based on the star detection requirement and navigation accuracy. Combined with primary aberration theory, the prime-focus catadioptric optical system is selected to meet the design requirements of a wide field of view (FOV) and tight structure. An H-band (1.52 μm–1.78 μm) star sensor is designed with an FOV of 6°, a focal length of 831 mm, an effective aperture of 253 mm, and a relative distortion of 0.03%. The energy concentration of the star point is 85% within 30 μm, and the maximum lateral chromatic aberration is 2.9 μm, which meets the imaging requirements. Furthermore, a baffle is designed to avoid the influence of direct sunlight on stellar imaging. The proposed method can provide a theoretical foundation and technical support for the optical design of the refraction star navigation.
Optical design Starlight refraction All-day star sensor Short-wave infrared (SWIR) Autonomous navigation Journal of the European Optical Society-Rapid Publications
2023, 19(2): 2023041