Attitude estimation of space objects from combined multispectral measurements

In the context of space surveillance and tracking, determining the attitude of a target observed from a ground station is a critical step. This work focuses on the estimation of attitude variables and material properties of a space object starting from measurements acquired by ground-based sensors working in different wavelength bands. The closer the working region of the sensor wavelength is to the visible band, the greater the contribution of the reflected component of the incoming radiation compared to the emitted one. Moving towards infrared wavelengths, the latter component becomes more and more important for space objects in the LEO region due to their typical temperature values around 300 K. The first part of this research is devoted to the generation of simulated measurements through the use of a tool called Virtual Observatory and a thermal and radiometric model. These are used to retrieve the state and the temperature of a space object together with relative geometry considerations with respect to an observer on the earth's surface. Then, the signal-to-noise ratio defined specifically for a photodetector and a thermal detector is calculated for performance comparison. The simulated measurements are then exploited to use the non-linear least-squares method and the MATLAB MultiStart algorithm to get an estimate of the variables of interest. For this, two observation strategies are analyzed that showed the potential of combining several measurements. Data acquired from multiple observation sites, as well as data acquired from multiple instruments located in the same observatory, were exploited to guide the applied methods towards more precise solutions. Satisfactory results were obtained through the least-squares method when an accurate first guess was given to the algorithm. When the latter was not available, the MultiStart procedure, capable of running optimization algorithms in parallel using a large number of different starting points, was exploited to better explore the solution space and find a valid solution.

Nell'ambito della sorveglianza spaziale, determinare l'assetto di un corpo osservato da una stazione di terra è un aspetto critico. Questo lavoro si concentra sulla stima delle variabili di assetto e delle proprietà materiali di un oggetto spaziale a partire da misure acquisite da sensori che lavorano in diverse bande di lunghezza d'onda. Più la banda di lunghezza d'onda del sensore è vicina a quella del visibile, maggiore è il contributo della componente riflessa della radiazione in entrata rispetto a quella emessa. Spostandosi verso il regime infrarosso, quest'ultima componente diventa sempre più importante per gli oggetti in orbite LEO a causa dei loro tipici valori di temperatura intorno ai 300 K. La prima parte di questa ricerca è dedicata alla generazione di misure simulate attraverso l'uso di uno strumento chiamato Virtual Observatory e un modello termico e radiometrico. Questi vengono utilizzati per recuperare lo stato e la temperatura di un oggetto spaziale insieme a considerazioni sulla geometria relativa rispetto a un osservatore sulla superficie terrestre. In seguito, il rapporto segnale-rumore definito specificamente per un photodetector e un thermal detector sono calcolati per un confronto delle prestazioni. Le misure simulate sono poi sfruttate tramite il metodo dei minimi quadrati non lineari e l'algoritmo MultiStart di MATLAB per ottenere una stima delle variabili di interesse. Per questo, vengono analizzate due strategie di osservazione che hanno permesso di mettere in evidenza il potenziale della combinazione di diverse misurazioni. I dati acquisiti da più siti di osservazione, così come i dati acquisiti da più strumenti situati nello stesso osservatorio, sono stati sfruttati per guidare i metodi applicati verso soluzioni più precise. Risultati soddisfacenti sono stati ottenuti con il metodo dei minimi quadrati quando una prima ipotesi accurata è stata data all'algoritmo. Quando quest'ultima non era disponibile, la procedura MultiStart, capace di eseguire algoritmi di ottimizzazione in parallelo usando un gran numero di punti di partenza diversi, è stata sfruttata per esplorare meglio lo spazio delle soluzioni e trovare una stima valida.