随着航天任务的日益增多,对于姿态控制精度的要求也越来越高。星敏感器作为姿态测量精度最高的自主式测量器件,也逐渐成为航天器不可或缺的一部分。星敏感器通过对恒星的识别来实现姿态的测量,其中星图识别算法是星敏感器中的重中之重,它决定着星敏感器姿态定位的性能。对于星图识别算法的研究,一直以来都是热点。各位专家学者相继提出多种类型的星图识别算法,取得了不错的成果。但现有的部分算法,对于噪声的鲁棒性以及图像畸变的容忍性方面仍然具有一定的不足。本文针对以上问题,主要做了如下工作:（1）沿着星敏感器工作的整个流程,首先了解各个坐标系之间的转换关系,星图成像的数学模型以及数字星图的生成过程,通过生成的模拟星图为后续研究提供支持;其次,对识别算法之前的图像去噪、星点提取和质心定位等技术进行介绍;最终,构建导航星库并对识别算法的大致流程有了更深入的了解。（2）部分星图识别算法使用最近邻星作为起始星,在星点提取误差较大的情况下,起始星错误选择会直接导致星点识别的失败。针对该问题,本文使用邻星之间的夹角以及邻星和观测星之间的距离作为动态夹角特征,并利用该特征作为后续匹配的起点,通过累计角度和距离验证的方法计算与各个导航星之间的匹配程度,最终得到匹配程度最高的星作为识别结果。相较于其它方法,该方法具有更高的识别准确率,同时在位置噪声、伪星以及星等噪声影响下仍能保持较高的识别准确率。（3）常见的星图识别算法容易受到图像畸变、焦距变化等情况的影响,导致无法完成识别。针对该问题,结合畸变、焦距对星点成像影响的分析,在动态夹角匹配算法的基础之上,将先前的距离特征推广为距离之间的比例特征,并结合动态比例计算的方法,使得算法对与畸变,尤其对于焦距的变化具有更强的适应能力,进一步提高了算法的鲁棒性。（4）受到图像畸变等因素的影响,相较于理想情况下,星图识别算法能够完成识别的星点数量大大减少。针对这种情况,结合本文识别算法的识别流程,并借助已识别星点和邻星之间的位置关系,直接将邻星的星号进行补充,在正常方法无法识别的情况下显著提高了可识别星点的数目,充分的利用了各个星点之间的信息,并为图像的畸变校正提供了支撑。