星敏感器是以恒星為參照系，以星空為工作對象的高精度空間姿態(tài)測量裝置，通過探測天球上不同位置的恒星并進行解算，為衛(wèi)星、洲際戰(zhàn)略導(dǎo)彈、宇航飛船等航空航天飛行器提供準(zhǔn)確的空間方位和基準(zhǔn)，并且與慣性陀螺一樣都具有自主導(dǎo)航能力，具有重要的應(yīng)用價值。

　　星敏感器的研究發(fā)展與應(yīng)用已歷經(jīng)半個多世紀(jì)，隨著新材料，新器件的出現(xiàn)和工藝技術(shù)的進步，精度提高，功耗減小，成本降低，應(yīng)用領(lǐng)域日益廣泛的新型星敏感器不斷推出。因此，及時收集整理分析比較國外星敏感器的信息，有利于國內(nèi)有關(guān)姿態(tài)測量控制技術(shù)的發(fā)展。

　　根據(jù)具體計算方法的不同，星敏感器中常用的姿態(tài)結(jié)算算法可以分為靜態(tài)確定性姿態(tài)解算算法和動態(tài)濾波估計算法。

　　確定性姿態(tài)解算算法

　　確定性姿態(tài)解算算法是指根據(jù)一組矢量觀測值，求出衛(wèi)星本體坐標(biāo)系相對于慣性坐標(biāo)系的方向余弦矩陣。由確定性算法求解出來的結(jié)果具有明確的幾何和物理意義，而且只需通過一次測量就可以得到衛(wèi)星的瞬時姿態(tài)。所以靜態(tài)確定性算法具有穩(wěn)定性高、計算速度快、占用內(nèi)存少等優(yōu)點，也是目前星敏感器中主要使用的姿態(tài)確定算法。

　　但是直接求解Wahba問題比較困難，而且很難獲得最優(yōu)解。1968年，Davenport提出了q-方法，利用四元數(shù)參數(shù)化姿態(tài)矩陣，將Wahba問題轉(zhuǎn)化為K矩陣的最大特征值求解問題，極大的推動了靜態(tài)確定性姿態(tài)解算算法的發(fā)展。后來研究者又提出了TRIAD算法、Euler-q算法、QUEST算法和FORM算法等。Shuster指出利用TRIAD法求解時，在兩個觀測矢量測量精度不對等時將無法得到最優(yōu)的結(jié)果［32］。Baritzhack提出利用兩次TRIAD法進行加權(quán)處理得到更為準(zhǔn)確的姿態(tài)矩陣的方法［33］。Markley從FOAM方法入手推導(dǎo)了目前形式最為簡潔的雙矢量觀測情形下的閉合解形式，并且分析了該算法的方差。

　　QUEST算法是最小二乘意義下的最優(yōu)四元數(shù)估計，該算法最早應(yīng)用于1979年的MAGSAT任務(wù)，也是目前解決Wahba問題的最常用算法。Shuster提出了QUEST測量模型并證明了其對于小視場敏感器是比較精確的，并利用QUEST測量模型推導(dǎo)了TRIAD法和QUEST法的方差陣，從理論上證明了QUEST法優(yōu)于TRIAD法。

　　動態(tài)濾波估計算法

　　在實際應(yīng)用中，衛(wèi)星軌道參數(shù)的測量誤差和星敏感器的安裝誤差都會給觀測矢量的測量帶來不確定性的誤差，而且這些誤差很難克服。為了滿足高精度姿態(tài)控制的需要，可以利用動態(tài)濾波估計方法來結(jié)算航天器的姿態(tài)信息。動態(tài)濾波估計方法是利用航天器根據(jù)姿態(tài)動力學(xué)方程，建立狀態(tài)方程和觀測方程，根據(jù)觀測信息得到一定準(zhǔn)則下的最優(yōu)估計方法得到航天器的真實姿態(tài)。相對于靜態(tài)確定性算法，動態(tài)濾波估計算法利用了更多的觀測信息，能提供統(tǒng)計意義下的最優(yōu)解，可以避免不確定因素對航天器姿態(tài)的影響，提高姿態(tài)確定的精度。

　　擴展卡爾曼濾波（EKF）算法是航天器最常用的實時姿態(tài)確定算法［36］。根據(jù)姿態(tài)參數(shù)的選取不同和觀測量的不同形式，常見的有乘性擴展卡爾曼濾波（MEKF）和加性擴展卡爾曼濾波（AEKF），其中MEKF被廣泛應(yīng)用于各種航天器姿態(tài)確定任務(wù)并且發(fā)展最為成熟。但是EKF魯棒性不強，易于發(fā)散，對于非線性特性較強的估計問題時常不能得到最優(yōu)解。Julier和Uhlmann利用UT變換取代了局部線性化［37］，提出Unscented卡爾曼濾波器（UKF），在初始誤差較大的情況下，依然有良好的收斂性，得到比較優(yōu)的結(jié)果。不管是EKF還是UKF算法，都是基于系統(tǒng)的隨機部分服從高斯分布的假設(shè)條件上提出來的，在星敏感器的姿態(tài)動力學(xué)模型中存在有不確定性的力矩模型誤差情況下，其結(jié)果的有效性難以保證。

　　基于QUEST算法，Shuster提出了濾波QUEST算法［38］，該算法利用姿態(tài)分布矩陣B的傳播實現(xiàn)了卡爾曼濾波的遞推處理功能。Bar-Itzhack也對QUEST算法進行了擴展，提出RE-QUEST算法［39］，通過K矩陣的傳播來實現(xiàn)遞推功能。從本質(zhì)上來說，濾波QUEST算法和RE-QUEST算法在數(shù)學(xué)上是等效的。但是由于這兩種算法的精度相對于EKF算法來說比較差，并沒有在工程中廣泛使用。近些年來，隨著新的濾波估計方法的出現(xiàn)，越來越多的算法用在了星敏感器動態(tài)姿態(tài)估計中，如粒子濾波算法［40］、高斯濾波算法［41］和多模自適應(yīng)估計算法［42］等。動態(tài)濾波估計方法的優(yōu)點是可以利用先驗的知識來逼近統(tǒng)計意義下的最優(yōu)解，但是由于采用了非線性的方法，算法復(fù)雜性較高，在實際使用中尚有一定的困難。

　　無論是靜態(tài)確定性姿態(tài)解算方法還是動態(tài)濾波算法都在星敏感器產(chǎn)品中得到了實踐和應(yīng)用。表 5中對比分析了星敏感器姿態(tài)解算算法的特點。對于有陀螺的姿態(tài)確定系統(tǒng)，目前最實用也最常用的是乘性擴展卡爾曼濾波（MEKF）的方法，對于無陀螺的姿態(tài)確定系統(tǒng)，可以采用QUEST或者預(yù)測濾波估計的方法。