Multireceiver radar technologies for space surveillance and tracking

The increasing population of resident space objects is currently fostering many Space Surveillance and Tracking initiatives, which rely on the use of ground sensors. In this framework, besides slant range and Doppler shift measurements, surveillance radars can provide the angular track as well, but the related accuracy may be quite poor. This thesis shows the advantage which may derive from an adaptive beamfoming technique in multi-receiver surveillance radars devoted to SST-related activities. Combining such an approach with a proper clustering strategy and criteria to solve the possible estimations ambiguity, the resulting MATER algorithm is capable of providing angular track either in presence of a single or multiple targets, in a robust way. In both cases, the accuracy is in the order of 1e-03 deg, but may deteriorate depending on the impinging signal power, the number of samples integrated to generate each estimation and the related integration time length. Nevertheless, MATER represents a remarkable step forward in favour of the surveillance radars contribution to SST-related activities, such as Collision Avoidance, Re-entry and Fragmentations Analysis services. Particular attention is devoted to fragments cloud monitoring. Specifically, the fragmentation epoch identification problem from a single fragment observation is dealt with. Given the initial orbit determination accuracy, the uncertainty associated to the fragment orbital state cannot be neglected, and a stochastic approach is introduced. The resulting FRED algorithm ranks a set of fragmentation epoch candidates according to the statistical matching between the minimum orbital intersection distance and the relative distance distributions, and the optimal candidate is returned. The convergence to the correct solution strongly depends on the mutual geometry between fragment and parent orbits, the fragment orbital state accuracy and the time elapsed between the event and the observation, but FRED always performs better than an alternative deterministic metrics. MATER allows to exploit such an approach, but the associated non-zero mean and non-Gaussian error of measurements would prevent from stable and reliable results. Nevertheless, in operational applications, the detected fragment may be later tracked with additional sensors to derive a more accurate orbital state to be used in FRED algorithm.

L'aumento della popolazione di oggetti in orbita terrestre sta attualmente incoraggiando molte iniziative di sorveglianza e tracciamento spaziale (SST), che si basano sull'utilizzo di sensori a terra. In questo contesto, oltre alle misure di distanza obliqua e di effetto Doppler, i radar di sorveglianza sono in grado di fornire anche la traccia angolare, ma con un'accuratezza che rischia di essere piuttosto scarsa. Questa tesi illustra i vantaggi che potrebbero derivare da una tecnica di beamforming adattativo nei radar di sorveglianza multi-ricevitori che vengono impiegati in attività SST. Combinando tale approccio con un'appropriata strategia di clustering e con criteri per risolvere eventuali ambiguità, l'algoritmo MATER che ne deriva è in grado di fornire in modo robusto la traccia angolare in presenza sia di una sola che di molteplici sorgenti. In entrambi i casi l'accuratezza ottenuta è nell'ordine di 1e-03 gradi, ma può deteriorarsi a seconda della potenza del segnale rilevato, del numero di campioni integrati per generare ciascuna stima e della connessa lunghezza del tempo di integrazione. Ad ogni modo, MATER rappresenta un passo importante per il contributo dei sensori radar di sorveglianza alle attività SST quali i servizi di anticollisione, di analisi di rientro e di analisi di frammentazioni. Particolare attenzione viene dedicata al monitoraggio della nube di frammenti. Specificatamente, si affronta il problema dell'identificazione dell'epoca di frammentazione dall'osservazione di un solo frammento. Data l'accuratezza della determinazione orbitale iniziale, l'incertezza associata allo stato orbitale del frammento non può essere trascurata e si introduce quindi un approccio stocastico. L'algoritmo FRED che ne deriva ordina una serie di epoche di frammentazione candidate a seconda della corrispondenza statistica tra le distribuzioni di distanza di intersezione orbitale minima e di distanza relativa e viene così restituito il candidato ottimale. La convergenza alla soluzione corretta dipende fortemente dalla geometria relativa tra le orbite del frammento e dell'oggetto genitore, dall'accuratezza dello stato orbitale del frammento e dal tempo intercorso tra l'evento e l'osservazione, ma FRED dà risultati sempre migliori di una metrica deterministica alternativa. MATER permette di sfruttare tale approccio, ma l'errore di misura, non Gaussiano e a media diversa da zero, impedirebbe di ottenere risultati stabili e affidabili. Comunque sia, in applicazioni operative, il frammento rilevato può poi essere tracciato con altri sensori per ottenere uno stato orbitale più accurato che possa essere usato nell'algoritmo FRED.