层叠式SOM神经网络星图识别算法及FPGA验证

• 作者: 尹达一 赵玥皎 郑天宇
• 来源期刊: 红外技术
• 学科: 工学
• 关键词: 精细导星仪 星图识别 星特征矢量 SOM神经网络 FPGA验证
• 年，卷（期）: 2018,（3）
• 所属期刊栏目: 图像处理与仿真
• 页码范围: 246-252
• 页数: 7页
• 分类号: V19|TP391.4
• 字数: 4006字
• 语种: 中文

摘要

为了对空间天文望远镜精细导星仪获得的星图完成识别,提出一种层叠式自组织映射(SOM)神经网络算法模型,将该模型在硬件中实现星特征矢量匹配算法.首先,针对精细导星仪的特点详细介绍了导航星库的建立、星特征矢量的构建和筛选方法;其次,建立层叠式SOM神经网络模型,对其权值进行在线训练;最后,设计算法离线运行硬件电路并将其在FPGA中实现.仿真与测试结果表明,基于层叠式自组织神经网络的星图识别算法识别率高、抗噪声能力强、识别速度快.星点位置噪声为0.648″,星等噪声为0.18视星等条件下星图识别成功率在80%以上,新算法在FPGA中运行速度是PC机上传统三角形法的100倍.对精细导星仪星图识别算法的优化设计提供了合理可行的参考依据.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	尹达一	中国科学院红外探测与成像技术重点实验室	50	240	9.0	13.0
5	赵玥皎	中国科学院红外探测与成像技术重点实验室	4	12	2.0	3.0
14	郑天宇	中国科学院红外探测与成像技术重点实验室	4	16	2.0	4.0