Design and validation of a radio frequency interference prediction tool for the SMOS mission

In the last few years, the number of satellites launched has been increasing, in particular those of private companies for Earth observation purposes. Polar orbits are exploited for these satellites and consequently high latitude ground stations have become even more fundamental in order to down link and acquire the payload data in near real time. However, the transmission frequency bands over these stations have become overcrowded, leading to an increase of Radio Frequency Interference events. This causes partial and even total loss of transmitted data. The Soil Moisture and Ocean Salinity mission of the European Space Agency Earth Explorer programme is affected by this problem, in particular during the passes over the Svalbard ground station. Therefore, the aim of this work is the implementation and validation of a prediction tool able to predict in advance the list of future passes that might be affected by an interference from other adjacent satellites. The tool development consists in collecting a list of potentially conflicting commercial and military satellites, in retrieving their corresponding TLEs for the time range of interest and in propagating their orbital state, using the SPICE Toolkit functions. This model is validated comparing the predicted results with the reported events of past interference, identifying the responsible satellites. Then, an analysis for potential patterns on the data of these confirmed events is made; this leads to the identification of four parameters (time of the day at which the RFI happens, minimum angular distance, elevation and azimuth values at maximum interference), which shows meaningful patterns related to each family of responsible satellites. Therefore, these patterns are used inside the prediction model in order to compute the probability of a new event: this is based on the computation of the Mahalanobis distance of this predicted event with respect to the available dataset and then on the computation of the corresponding probability value. To conclude, the prediction model shows very good accordance between predicted and reported events.

Negli ultimi anni, il numero di satelliti lanciati in orbita è aumentato, in particolare satelliti di aziende private dedicati all’osservazione della Terra. Orbite polari sono sfruttate per questi satelliti e di conseguenza le stazioni di terra ad alte latitudini sono diventate sempre più fondamentali per scaricare e acquisire in tempo reale i dati degli strumenti di bordo. Le bande di trasmissione sopra queste stazioni sono però diventate sovraffollate, con il conseguente aumento di eventi di interferenza radio. Questa situazione comporta una parziale e a volte totale perdita dei dati trasmessi. La missione Soil Moisture and Ocean Salinity del programma Earth Explorer dell’European Space Agency è anch’essa interessata da questo problema, in particolare durante i passaggi sulla stazione di terra localizzata a Svalbard. Lo scopo di questo lavoro è quindi l’implementazione e la validazione di un tool predittivo capace di prevedere la lista dei passaggi futuri di SMOS che potrebbero essere interessati da interferenze da parte di altri satelliti vicini. Lo sviluppo del tool consiste nel realizzare una lista di satelliti commerciali e militari potenzialmente in conflitto, nel recuperare le loro corrispondenti TLE per il periodo di tempo di interesse e nel propagare il loro stato orbitale, usando le funzioni dello SPICE Toolkit. Questo modello è validato confrontando i risultati predetti con gli eventi riportati di interferenze passate, identificando i satelliti responsabili. Successivamente, viene eseguita un’analisi su potenziali schemi nei dati di questi eventi confermati; questo studio conduce all’identificazione di quattro parametri (orario del giorno a cui l’RFI avviene, minima distanza angolare, valori di elevazione e azimut in corrispondenza della massima interferenza), che mostrano schemi significativi associati a ciascuna famiglia dei satelliti responsabili. Questi schemi sono usati all’interno del modello predittivo per calcolare la probabilità di un nuovo evento: questa probabilità è basata sul calcolo della distanza di Mahalanobis dell’evento predetto rispetto ai dati disponibili e, in seguito, sul calcolo del corrispondente valore di probabilità. In conclusione, il modello predittivo mostra una buona concordanza tra gli eventi predetti e quelli riportati.