星敏感器是当前航天器绝对姿态测量精度最高的传感器,随着星敏感器向着大视场、高精度和高动态方向发展,高精度星敏感器正面临着数据量过大、处理速度不足等问题,对其效能及应用造成较大的限制。压缩感知理论的出现通过改变传统的成像方式为解决这些问题提供了新的思路。本文主要研究了压缩感知理论在星敏感器姿态确定应用中的稀疏表示、非相干测量和稀疏重构三个关键问题,并探讨了压缩成像模式下的可靠星模式识别和姿态确定方法。主要研究成果包括:第一,定量分析了星图的稀疏表示性能。介绍了基本的稀疏表示理论,包括常用的完备基、超完备字典和学习字典稀疏表示方法;根据图像层面和特征层面的星图稀疏表示性能评价指标,从星图的图像误差和星点的质心位置误差两个方面,定量考察了星图在不同稀疏度、不同表示基下的稀疏表示性能。结果表明,星图的稀疏度能够很好地满足压缩采样的要求,验证了压缩感知应用于星敏感器姿态确定的可行性。第二,构造了适用于星图压缩测量的加权分块循环矩阵,提出了基于确定性相位调制的星敏感器压缩测量方法。加权分块循环矩阵加强了对低频部分的采样能力,对于如星图等含较多低频信息的信号具有较好的压缩测量性能。同时,针对星敏感器的成像要求,将加权分块循环矩阵实现在了基于确定性相位调制的压缩测量方法中。结果验证了确定性相位调制方法的可行性,同时表明该方法相对几种传统方法具有更好的压缩测量性能,并且易于硬件设计和实现,具有较大的应用前景。第三,建立了星图空域压缩测量模型,提出了面向特征的星图数据重构方法。理论上分析了稀疏重构对星图的影响,通过星点特征重构误差的评价方法,定量分析了重构误差对星点造成的位置误差、亮度误差和干扰星的影响,结果表明重构星点能够在很大程度上保持可用于姿态确定的特征。此外,提出了一种基于光学叠加的星图特征重构方法,该方法基于星图空域稀疏性和压缩叠加测量模型,其优势是在压缩数据中提取星点的质心特征,并直接对其进行重构,是一种创新的面向特征的重构方法,实验表明该方法能够有效减少数据处理量和重构时间,同时结果验证了其在求解过程中的有效性以及在噪声情况下的鲁棒性。第四,建立了奇异值分解星模式识别算法的误差模型,提出了高鲁棒性的改进方法。研究了奇异值分解算法中奇异值与方向矢量关系,分别推导了一般情况下三个奇异值的界限;针对星图重构误差的影响,建立了该算法对于位置误差、亮度误差和干扰星影响的误差模型;在此基础上,提出具有高鲁棒性的改进算法,较好地克服了重构误差对星模式识别和姿态确定的影响。仿真实验验证了所推导的模式矩阵奇异值界限的正确性,检验了改进策略的有效性,并且表明改进SVD算法较传统算法在以上三种误差下具有更好的鲁棒性能,从根本上保证了利用重构数据进行星模式识别和姿态计算的正确性和可行性。最后,通过综合仿真实验对压缩感知的姿态确定进行验证,结果表明,基于压缩采样和重构数据处理的方法能够实现正确的姿态计算,并在很大程度上保持了姿态确定精度。