层叠式SOM神经网络星图识别算法及FPGA验证

郑天宇, 尹达一, 赵玥皎

郑天宇, 尹达一, 赵玥皎. 层叠式SOM神经网络星图识别算法及FPGA验证[J]. 红外技术, 2018, 40(3): 246-252.
引用本文: 郑天宇, 尹达一, 赵玥皎. 层叠式SOM神经网络星图识别算法及FPGA验证[J]. 红外技术, 2018, 40(3): 246-252.
ZHENG Tianyu, YIN Dayi, ZHAO Yuejiao. Star Pattern Recognition Algorithm and FPGA Verification of Stacked SOM Neural Network[J]. Infrared Technology , 2018, 40(3): 246-252.
Citation: ZHENG Tianyu, YIN Dayi, ZHAO Yuejiao. Star Pattern Recognition Algorithm and FPGA Verification of Stacked SOM Neural Network[J]. Infrared Technology , 2018, 40(3): 246-252.

层叠式SOM神经网络星图识别算法及FPGA验证

基金项目: 国家自然科学基金资助项目(40776100)
详细信息
  • 中图分类号: V19%TP391.4

Star Pattern Recognition Algorithm and FPGA Verification of Stacked SOM Neural Network

  • 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.
计量
  • 文章访问数:  200
  • HTML全文浏览量:  27
  • PDF下载量:  13
  • 被引次数: 0
出版历程

目录

    /

    返回文章
    返回