卷积神经网络和基于模拟推断的轻量级星形遮光板位置感知
摘要：使用星形屏是实现直接探测和光谱表征与地球相似的系外行星的先进技术。为了在大的分离距离上保持星形屏和望远镜的对准，需要可靠地感知被遮挡星的衍射光强度的峰值。当前的技术依赖于图像匹配或模型拟合，这两种方法都给资源有限的航天器计算机带来了较大的计算负担。我们提出了一种轻量级图像处理方法，该方法基于卷积神经网络和基于模拟的推理技术，用于估计阿拉戈斑点位置及其不确定性。该方法在整个瞳孔平面上实现了几厘米的精度，只需1.6 MB的存储数据结构和每幅图像测试时间的5.3 MFLOPs（百万浮点运算）。通过在普林斯顿星形屏试验平台上部署我们的方法，我们证明了神经网络可以在模拟图像上训练并用于真实图像，并且可以成功地集成到闭环编队飞行的控制系统中。
作者：Andrew Chen, Anthony Harness, Peter Melchior
论文ID：2204.03853
分类：Instrumentation and Methods for Astrophysics
分类简称：astro-ph.IM
提交时间：2023-06-27