Dottorato in INGEGNERIA AERONAUTICA E SPAZIALE

Titolo della tesi: Autonomous Optical Processing for Space Surveillance: From Detections to Data-to-Track Association and Orbit Determination

I sensori ottici rivestono un ruolo sempre più centrale nella sorveglianza spaziale, poiché consentono il monitoraggio di ampie porzioni dell’orbita terrestre e la rilevazione di oggetti difficilmente osservabili mediante sistemi radar. Tuttavia, la trasformazione delle osservazioni ottiche grezze in informazioni orbitali affidabili rimane una sfida rilevante, in particolare in scene ad alta densità di oggetti ed in regimi caratterizzati da copertura di catalogo incompleta, nei quali l’identificazione preliminare degli oggetti non è disponibile o risulta inaffidabile. Questa tesi affronta tali problematiche mediante lo sviluppo e la validazione di un framework autonomo end-to-end di processamento ottico, progettato per generare soluzioni orbitali di qualità catalogo a partire da osservazioni da terra con un intervento umano minimo. Il framework proposto integra in un’unica architettura il rilevamento basato su intelligenza artificiale, la correzione e calibrazione astrometrica, la correlazione dei dati e l’associazione autonoma, nonché la determinazione orbitale da sole misure angolari. Tecniche di deep learning consentono l’estrazione automatica di rilevamenti di oggetti spaziali residenti da immagini ottiche acquisite in differenti modalità osservative. Tali rilevamenti sono trasformati in misure angolari geometricamente e temporalmente consistenti mediante correzioni astrometriche deterministiche e la calibrazione dei bias temporali di sistema. Una strategia di correlazione e associazione a doppia modalità permette sia il processamento guidato dal catalogo sia la ricostruzione autonoma di tracce osservative in assenza di informazioni catalogate. La determinazione orbitale da sole misure angolari è quindi ottenuta attraverso una combinazione di metodi classici di inizializzazione, ricerca globale basata su particle swarm optimisation e correzione differenziale batch ad alta fedeltà, producendo traiettorie dinamicamente consistenti e stime di incertezza associate. Il framework è validato su dati osservativi reali acquisiti nei regimi LEO, GEO e HEO utilizzando la rete osservativa della Sapienza. In LEO, la determinazione orbitale da sole misure angolari raggiunge residui post-fit a livello di secondi d’arco e garantisce una predizione stabile su più giorni mediante l’assimilazione di dati multi-notte. In condizioni di survey GEO, la correlazione su larga scala con il catalogo scala a dataset contenenti decine di migliaia di misure per notte, mentre il raffinamento progressivo su più notti riduce gli errori di predizione a lungo termine da gradi a secondi d’arco. Nel regime Molniya, caratterizzato da archi osservativi brevi e da una copertura di catalogo limitata, l’associazione autonoma ed il collegamento delle tracce basato sulla dinamica orbitale consentono il mantenimento della custodia delle tracce e l’identificazione retrospettiva degli oggetti. Nel complesso, i risultati dimostrano che un framework di processamento ottico pienamente integrato è in grado di generare autonomamente soluzioni orbitali accurate a partire da osservazioni ottiche basate esclusivamente su misure angolari, consentendo il tracciamento sostenuto su più notti anche in contesti ad alta densità osservativa. Tali risultati confermano la fattibilità di sistemi autonomi di sorveglianza spaziale ottica in grado di supportare sia il mantenimento dei cataloghi esistenti sia il tracciamento indipendente in regimi a copertura incompleta.