با توجه به کاربرد وسیع ماهواره ها و فضاپیماها در زمینه های مختلف، برای انجام مأموریتها لازم است آنها بصورت دقیق و به طور خودکار تحت کنترل قرار بگیرند. یکی از پارامترهایی که در کنترل ماهواره یا فضاپیما مطرح می گردد تعیین وضعیت است. هر چه تعیین وضعیت دقیق تر صورت بگیرد عملکرد ماهواره یا فضاپیما از کیفیت بهتری برخوردار خواهد بود. برای این منظور سامانه های متفاوتی مثل سنسور خورشید، سنسور زمین، ژیروسکوپ و ... موجود است. در هر یک از این سامانه ها وضعیت زاویه ی فضا پیما نسبت به یک بردار مشخص و شناخته شده در دستگاه مختصات مرجع، تعیین می شود. مثلاً سنسور خورشید با در نظر گرفتن بردار اشاره به خورشید در دستگاه مرجع، وضعیت را مشخص می کند. امّا هر یک از این سامانه ها دارای محدودیتهایی نیز می باشد. مثلاً در سنسور خورشید همواره لازم است خورشید در میدان دید سامانه قرار داشته باشد. ردیاب ستاره یکی از سامانه هایی است که کاربرد وسیعی در تعیین وضعیت دارد. این سامانه نسبت به سایر سامانه ها دارای عملکرد بهتر و انعطاف بیشتری است. البته سایر سامانه ها نیز در کنار ردیاب ستاره استفاده می شوند. عملیات تعیین وضعیت در ردیاب ستاره مبتنی بر تصویربرداری از فضای اطراف ردیاب و شناسایی ستارگان موجود در تصویر است. برای این منظور الگوریتم های متفاوتی طراحی گردیده است که هر کدام دارای قابلیت های مخصوص به خود می باشد. ردیابی ستاره شامل مراحل مرکز یابی ، شناسایی و ردیابی ستاره در تصاویر متوالی است پس از هر بار شناسایی ستارگان در تصویر، عملیات تعیین وضعیت انجام می شود. تمرکز این پایان نامه بر مسئله ردیابی ستارگان با هدف شناسایی الگوی ستاره ها در تصاویر متوالی است. در تحقیقات گذشته برای این منظور الگوریتم های مختلفی ارائه شده است. نقطه ضعف موجود این الگوریتم ها این است که عمدتاً، در عملیات تخمین موقعیت ستاره و تخمین وضعیت ماهواره به مشاهدات اکتفا می کنند از آنجا که مشاهدات اغلب آغشته به نویز هستند و این مسأله بر کیفیت عملیات تأثیرگذار است. در این تحقیق با ارائه روش جدیدی این مشکل را تا حدودی مرتفع می نماییم. الگوریتم های ردیابی مبتنی بر فیلتر کالمن دارای کیفیت خوبی برای تخمین موقعیت می باشند. در این تحقیق با استفاده ازیکی از این الگوریتم ها با نام الگوریتم انتساب داده احتمالاتی مشترک این کار صورت می گیرد و نتایج تخمین وضعیت با نتایج تخمین وضعیت حاصل از روش sna که یکی از معروفترین الگوریتم های موجود است مقایسه می گردد که بهبود در نتایج دیده می شود.