Perpustakaan Digital ITB

Kebutuhan akan sensor bintang yang lebih efisien terus meningkat, memberikan kebutuhan akan sistem pengenalan pola bintang yang lebih cepat. Sensor bintang menyediakan sensor paling akurat untuk penentuan sikap. Dengan berkembangnya industri antariksa dan semakin banyak satelit mikro yang diproduksi, kebutuhan akan sensor bintang yang berukuran kecil dan efisien perlu dikembangkan agar sesuai dengan tuntutan industri. Sebagian besar sistem pengenalan pola bintang yang kompleks memerlukan sistem dan personel berbasis darat untuk bantuan komputasi. Sistem on-board konvensional mengalami inefisiensi komputasi karena memori yang dialokasikan untuk katalog bintang dan algoritma yang memerlukan pencarian brute force di seluruh katalog bintang. Arsitektur komputasi baru berdasarkan anatomi otak manusia menjanjikan akurasi tinggi dan komputasi kecepatan tinggi yang melampaui kemampuan pemrosesan serial konvensional. Motivasi menggunakan jaringan saraf atau deep learning untuk menggantikan pencarian brute force dari seluruh katalog bintang ini berasal dari inefisiensi yang dialaminya. Model deep learning membutuhkan ekstraksi fitur dari gambar bintang untuk mengurangi dimensinya agar lebih efisien dalam penggunaan data. Ekstraksi fitur menggunakan fitur berbasis radial merupakan metode yang paling baik karena hasil fitur yang dalam bentuk dimana dapat diterima oleh jaringan saraf yaitu array. Sistem seperti itu dapat menentukan secara real time, ke arah mana sensor bintang menghadap dengan kecepatan yang cepat untuk misi yang lebih kompleks. Namun, sistem tersebut perlu juga handal saat beroperasi pada komputer kecil agar dapat digunakan pada satelit mikro. Oleh karena itu, komputer Raspberry Pi dengan ukuran hanya 2,22 x 3,37 inci ini dapat dijadikan sebagai benchmark untuk menguji algoritma yang akan segera berjalan di mikro satelit. Hasil akurasi model jaringan saraf dengan kasus terbaik memberikan hasil akurasi sebesar 98% ketika diberikan kondisi optimal sementara juga dapat memiliki skenario yang terburuk dengan akurasi di bawah 40% ketika diberikan banyak gangguan. Waktu pemrosesan sistem saat dijalankan di Raspberry Pi juga tergolong cepat karena hanya membutuhkan waktu sekitar 1,4 detik. Simulasi monte carlo menggunakan model terbaik dapat memiliki akurasi hingga 99%. Bedasarkan hasil tesis ini, model jaringan saraf dapat dengan sukses digunakan untuk sistem pengenalan pola bintang dan sudah teruji menggunakan ekstraksi fitur berbasis radial.