导航星表的性能对于星敏感器姿态测量的实时性及精度至关重要。为了克服星等过滤算法的缺点

将支持向量机应用于导航星表的构造算法中。将基本星表中的恒星视为待分类的数据点

选取抽样视场中最亮的k颗星作为导航星

而非导航星的数量由抽样视场中恒星的密度决定。为了获得具有最大推广能力的抽样数据

采用了一种球面螺旋形算法生成抽样视场视轴指向

使用抽样数据构建最优导航星分类器

应用最优导航星分类器对基本星表中每一颗恒星进行分类判决。仿真结果表明

在满足8°×8°视场中至少出现3颗导航星的条件下

该算法生成的导航星表导航星总数约为星等过滤算法的33%

比传统支持向量机算法减少了7.8%

其标准差仅为星等过滤算法的21%

这表明本算法在导航星表容量及导航星分布均匀性方面大大优于星等过滤算法和传统支持向量机算法。