采用星敏感器确定飞行器姿态是现行姿态测量方法中精度最高的。跟其它姿态敏感器相比，星敏感器还具有自主性强、无姿态积累误差等优点，使无陀螺的飞行器姿态确定系统成为可能。星图识别是星敏感器研制过程中的关键技术之一。姿态更新率和识别率是衡量星图识别的重要指标。本学位论文从提高星敏感器数据更新率和降低星图误匹配等问题出发，对星图识别算法进行了深入研究，取得了一些成果。在综述国内外研究现状的基础上，完成了以下工作：　　采用KMP(Knuth-Morris-Pratt)算法实现了星图识别。典型的星图识别算法从星等和星对角距角度考虑，因此当星敏感器视场内存在许多星等相近的亮星或星对角距很小的情况，这些算法识别率严重降低。针对这一缺点，本文用0-1的方法建立导航星数据库、用KMP算法进行星图识别。该方法一方面提高了识别率；另一方面该方法具有识别时间短的优点。但是，采用该方法进行全天球识别时建立的导航星数据库大。为此，提出了一种采用KMP算法进行星图识别的改进方法，该方法不但继承了上述方法识别时间短的优点，而且采用小波变换方法对导航星数据库进行了一定压缩。同时由于导航星数据库的压缩，进一步减少了星图识别时间。　　由于原始的0-1字符包含了大部分无用的信息，如果直接存储这些字符，那么导航星数据库中的无用信息占了绝大部分空间。为此，提出一种新的导航星数据库存储方法。该方法对原始0-1字符进行如下压缩：用一个整数和额外一位0表示某处连续0的个数，用11来表示一个字符1，把它们存储到导航星库中相应位置。与存储原始的0-1字符相比，这样大大压缩了导航星数据库容量。然而采用该方法在生成导航星数据库过程中，把整个天球分为若干个不重叠的四方形区域。因此如果星敏感器拍摄的一幅星图与在这些区域不完全重合时，那么采用这些方法就不能正确识别。为此，采用如下方法进行改进：在全天球中适当选取一些亮星作为主星，以这些主星为中心，把整个天球分为若干个四方形区域；然后形成原始的0-1字符；最后采用上述方法进行压缩。在星图识别过程如下：从星图中选取主星和副星，根据这两颗星从星图中选取适当的区域参与识别，最后根据该区域从导航星数据库所有参与识别的区域中选取一个子集，利用这些子集与星图中选取的区域进行比较。　　全天球识别成功后，星敏感器必然有适当的先验信息。为了充分利用这些先验信息，星敏感器进入星跟踪模式。为此，提出了一种星跟踪算法。该算法利用这些先验信息在星图中适当范围内提取相应的星像坐标。这样不但提高了星敏感器数据更新率，而且可以避免星图识别误匹配。　　飞行器在空中始终处于运动状态，这种运动必然引起星敏感器光轴指向的变化。由于光轴指向的变化必然导致星敏感器视场内已知恒星的减少，同时未知恒星的增加。为了避免由于视场内已知恒星数量不足而进入全天球识别模式，在视场内已知恒星较少的情况下，星敏感器进入预估识别模式。为此，本文提出了一种预估识别算法。预估识别算法不但根据星敏感器少量已知恒星信息在星图中适当范围内提取已知星像坐标，而且根据这些信息在星图中适当范围内来提取这些未知恒星星像坐标信息并且识别这些这些未知恒星。这样不但提高了星敏感器数据更新率，而且可以降低星图识别误匹配。　　应用本文提出的星跟踪算法和预估识别算法研制的星敏感器于2004年12月在云南丽江进行了地面观星测试，并于2005年在某卫星进行了搭载试验，这是我国第一个在轨应用的、具有星跟踪和预估识别能力的星敏感器。地面测试以及在轨试验结果表明，本文研究的星跟踪算法、预估识别算法与全天球识别算法比具有识别率高、识别时间短等优点，试验取得圆满成功。