Data-driven satellite maneuver detection and characterization using deep learning

In recent decades the number of space objects, either operational or non-operational, is increasing dramatically, posing the risk of collision between them. Space Situational Awareness (SSA) aims at overcoming this problem. One of its most important task is satellite maneuver detection. Up to few years ago, the research on satellite maneuver detection has been mainly addressed with traditional techniques, which are based on statistical analysis and orbit propagation. More recently, data-driven approaches leveraging machine learning and deep learning have begun to gain attention. The thesis work introduces the very first development of a method to not only detect but also characterize satellite maneuver (distinguishing in-plane from out-of-plane maneuver) from a set of orbital parameters time-series data using the mentioned Artificial Intelligence techniques. Despite the method works well on some satellites and rather poorly on other satellites, the method shows the capability of spotting maneuvering events and gives a promising result for future developments.

Negli ultimi decenni il numero di oggetti spaziali, operativi o non operativi, è in forte aumento, il che comporta il rischio di collisione tra di loro. La Space Situational Awareness (SSA) punta a rimediare a questo problema. Il suo compito principale è il rilevamento di manovre operate da satelliti operativi. Fino a pochi anni fa, la ricerca sul rilevamento delle manovre satellitari era ancora prevalentemente basata su approcci più tradizionali, basati su analisi statistica e propagazione della dinamica orbitale. Successivamente, un approccio basato su machine learning, piu in particolare deep learning ha iniziato a diffondersi e svilupparsi. Il lavoro di tesi introduce il primissimo sviluppo di una tecnica non solo per rilevare, ma anche per caratterizzare la manovra del satellite (che si tratti di una manovra in-plane o out-of-plane) da una serie temporale di parametri orbitali utilizzando algoritmi di le citate tecniche di Intelligenza Artificiale. Le performance dipendono molto dalla capacità di generalizzazione dell'algoritmo che risulta al momento limitata al singolo satellite. Nonostante ciò, il metodo mostra la capacità di rilevare e caratterizzare la manovra del satellite e fornisce risultati promettenti per sviluppi futuri.