现代卫星趋向于小型轻量化发展,成本降低,功能密集,逐渐成为空间系统的重要组成部分。星敏感器是实现小卫星自主姿态测量的核心部件,具有自主性好、精度高、工作可靠等特点,具有广阔应用前景。为适应小卫星技术的发展要求,星敏感器逐渐向大视场小口径,快速可靠方向发展,但是大视场小口径星敏测量算法仍然存在着许多技术难点,深入研究大视场小口径星敏测量技术具有重要意义。结合实际系统需求,本课题研究的具体工作包括:星图预处理、大视场星敏感器标定、星图识别和姿态测量以及空间运动目标检测。解决的重点和难点为大视场星敏感器高精度标定和星图识别算法优化。星图预处理包括星图滤波去噪和星点目标提取定位。统计分析星图噪声特点后比较常用滤波算法效果,选择数学形态学开操作对星图进行去噪处理。对比连通域标记算法和交叉投影算法进行星点提取的效率,选择灰度投影算法进行星点提取并采用传统质心法定位星点质心。大视场星敏感器标定是星敏感器高精度测量的重要保障。针对常用标定方法,比如畸变模型法和直接映射法的缺点,提出遗传算法优化BP神经网络算法进行大视场星敏感器标定,并建立标定系统进行实验,实验证明有效提高大视场星敏感器测角精度。归纳总结现有的星图识别算法,在星角距三角形算法基础上提出改进的全天星图识别算法。以两个共边的星角距三角形作为星图识别的基本匹配元素,减少匹配恒星冗余和虚假恒星干扰;并以k-d树数据结构组织导航特征数据库,进一步提高匹配速率。实验证明该算法具有良好的性能。本课题提出使用大视场小口径星敏感器进行空间运动目标检测。利用大视场星敏感器提供的观测窗口,分析空间目标检测的可行性,并利用空间目标和恒星运动特性的差异进行目标检测,实验证明该算法能检测多个空间目标,并且有较强的鲁棒性。