Covariance information fusion for resident space objects from the Special Perturbations Catalogue

The availability of realistic covariance information for the orbit of every Resident Space Object (RSO) contained in a catalogue is of crucial importance for Space Situational Awareness (SSA) activities. The most comprehensive of these catalogues is the Special Perturbations Catalogue (SPCAT), maintained by the U.S. 18th Space Defense Squadron. However, covariance information is not provided for the SPCAT orbits. So-called observed covariance values can be obtained via a comparison procedure between consecutive orbit information updates referring to the same SPCAT RSO. This work proposes new methodologies for calculating covariance values for catalogues deprived of such information, including the application and adaptation of existing data fusion methods from the literature. The main final goal is computing observed covariance values that are more realistic than the results obtained with the currently available methods. Another key objective is the integration of the new methodology in an operational environment. Computational efficiency is then a relevant factor, and the baseline method to be developed and improved is selected, out of the few publicly available options, as the only one capable of processing daily the data from a catalogue with tens of thousands of entries such as the SPCAT. A new routine that takes into account the Orbit Determination epoch of each RSO ephemeris arc for a coherent combination of covariances based on their propagation time is developed and implemented. Two fusion methods are deployed, Covariance Intersection (CI) and Covariance Union (CU), and the realism of the results is tested with a well-established metric, the Mahalanobis distance. The tests are conducted thanks to the availability for LEO Sentinel satellites of orbits precise down to the centimetre, acting as the reference for the Mahalanobis distance computation. While CI proves to be inadequate as a stand-alone fusion method for the problem at hand, CU provides covariance values that are consistently more realistic than the ones obtained with the baseline method.

La disponibilità di informazioni realistiche sulla covarianza dell'orbita di ogni Resident Space Object (RSO) contenuto in un catalogo è di cruciale importanza per le attività di Space Situational Awareness (SSA). Il catalogo più completo è lo Special Perturbations Catalogue (SPCAT), prodotto dal 18th Space Defense Squadron degli Stati Uniti. Tuttavia, i dati di covarianza non sono forniti per le orbite dell'SPCAT. I cosiddetti valori di covarianza osservata possono essere ottenuti con una procedura di confronto tra aggiornamenti consecutivi delle informazioni sull'orbita che si riferiscono allo stesso RSO dell'SPCAT. Questo lavoro propone nuove metodologie per il calcolo delle informazioni di covarianza per i cataloghi privi di esse, includendo l'applicazione e l'adattamento di metodi di data fusion esistenti in letteratura. Il principale obiettivo è quello di calcolare valori di covarianza osservata più realistici rispetto a quelli ottenuti con i metodi attualmente disponibili. Altro obiettivo chiave è l'integrazione della nuova metodologia in un ambiente operativo. L'efficienza computazionale è quindi un fattore rilevante e il metodo di base da sviluppare e migliorare è stato selezionato, tra le poche opzioni pubblicamente disponibili, come l'unico in grado di elaborare quotidianamente i dati di un catalogo con decine di migliaia di voci come l'SPCAT. È stata sviluppata e implementata una nuova routine che tiene conto dell'epoca di determinazione dell'orbita di ciascun arco di effemeridi RSO, per una combinazione coerente di covarianze basate sul loro tempo di propagazione. Sono utilizzati due metodi di fusione, Covariance Intersection (CI) e Covariance Union (CU), e il realismo dei risultati viene testato con una metrica consolidata, la distanza di Mahalanobis. I test sono stati condotti grazie alla disponibilità per i satelliti LEO Sentinel di orbite precise al centimetro, come riferimento per il calcolo della distanza di Mahalanobis. Mentre la CI si dimostra inadatta come metodo di data fusion autonomo per lo scenario in questione, la CU fornisce valori di covarianza sistematicamente più realistici rispetto ai dati ottenuti con la metodologia di base.