一种新的导航星选取算法研究

在导航星表的建立过程中 ,由于恒星的数量太多 ,往往要进行筛选 ,通常这种选择复杂费时 ,而结果往往并不是最优的。本文引入了动态星等阈值分布函数 ,将传统星等阈值过滤算法中的静态阈值用动态星等阈值代替 ,建立了一种新的动态星等阈值过滤选择模式。而基于统计学习理论的支持向量机方法为求解高维非线性动态星等阈值分布函数提供了新的途径。本文讨论了这种基于支持向量机的导航星自动选择算法——回归选取算法。实验表明 ,用该算法所选取的导航星表 ,导航星数量少、分布均匀性好。同时它还能适应多种任务的导航星选取要求 ,具有很强的通用性。