低轨空间监测中的群目标运动状态估计

Space surveillance plays a fundamental role in space situation awareness and spacecraft collision avoidance. Nowadays, with the emergence of formation flying small satellites and the intense increase of space debris created by the orbital objects' collisions, it begins to form the LEO group space objects which are constituted with a large number of small size objects and exhibit a high density. It strongly challenges the conventional surveillance techniques that are based on the tracking and orbit determination of individual object. Therefore, in order to estimate the kinetic states of LEO group space objects, this item mainly investigates the principle and method for group state estimation based on the optimal Bayesian framework. Due to obeying the rule of orbital movement, group space objects shows some stable group characteristics. By extracting these group features of space objects, we efficiently accumulate and update the measurement information, and implement the transformation process from the overall probability distribution of group to the individual object's distribution. Firstly, we analyze the group motional characteristics including the orbital movement, the relative movement and perturbation, we construct the unified transfer equation of group states. In addition, the knowledge involving group structure and RCS fluctuation is incorporated to assist in the construction of the likelihood function of the measurement. Subsequently, the joint probability distribution of the overall group is utilized to predict and update the group states within the optimal Bayesian framework. In order to update the model and accumulate the information more conveniently, we approximately represent the optimal filter by simplifying some complex relativity of the measurement conditions and models. Finally, the available calculation method is studied. All the studies in this item aim to provide the necessary theoretic and technical preparation for exploring the surveillance and cataloging problems of LEO group space objects.

空间目标监测是空间态势感知、航天器碰撞预警的基础。近年来，随着组网小卫星的出现，卫星碰撞裂解产生的碎片数量的增加，在低轨空间形成了数量多、尺寸小、分布密集的空间群目标，对现有基于个体目标跟踪定轨的监测技术提出了严峻挑战。为此，本项目针对近地轨道空间群目标的运动状态估计问题，探索基于最优贝叶斯框架的"群"状态估计的理论与方法，通过有效综合空间目标轨道运动特性及群体特征，实现测量信息的积累以及由群的似然分布到目标个体分布的转化。通过研究群目标的轨道、相对运动、摄动等对群演化规律的影响，构造基于群特征的状态转移函数。根据雷达散射截面的统计特性，建立群目标量测的似然函数。在此基础上，利用贝叶斯框架，开展基于群特征联合概率分布的群目标状态估计方法的研究，并结合应用特点简化测量条件的相关性，推导状态贝叶斯滤波器近似表示，寻求可行的计算方法。为探索低轨空间群目标的监测编目问题提供必要的理论与技术储备。

空间监测是空间态势感知的主要手段，是实现空间控制，维护空间安全的基础。碰撞、解体等事件会产生大量空间碎片，碎片大多尺寸较小，分布密集，对这类空间碎片群目标的监测已成为空间监测中的难点问题。地基雷达作为低轨空间监测的主要设备，迫切需要提出针对这种场景的更加有效的信息处理技术。. 本项目针对这一难点问题展开研究，提出将编目对象从个体上升到群体的理念，并对群编目过程展开研究，提出基于群处理的信息处理方法。主要的研究内容和取得的结果如下：. 对碎片群目标的特性进行了有效表征，包括群特性和群内目标特性。通过对Fengyun 1C碎片群实测数据的研究，总结了空间碎片群特性。基于属于同一群的个体目标具有相似的空间环境和轨道参数的特点，提出了利用比值的空间碎片弹道系数估计方法，可以很大程度减少模型和量测误差的影响，在两个目标轨道比较相近时获得比直接估计更加准确稳定的结果。提出的方法通过对不同碎片参数之间关系的计算判断其是否来自同一个群，可作为群编目中对碎片归属判断的重要依据。. 建立了基于群特性的状态转移和量测模型，对目标密集传感器不可分辨的情况，提出了基于回波信号层的数据处理过程，避免了传统检测过程的信息损失。提出了检测跟踪一体化处理方法，完成了对目标不可分辨区域的目标数量估计和目标状态估计。仿真实验结果表明算法在信噪比较高时能很好分辨可能存在的多个目标，随信噪比降低表现下降。. 建立了含群特性的群目标最优贝叶斯滤波器并进行近似求解。根据实际场景面临的滤波困难，提出了适用场景的标记集势概率假设密度滤波器。新滤波器解决了漏检目标信息丢失问题和未知检测模型的适配问题，具有准确稳定的数据关联能力。新滤波器使用Beta高斯混合近似实现，结合后处理过程，完成了群内目标分布和目标数估计，显著目标轨迹提取和状态估计。依据Fengyun 1C碎片群数据建立的场景对新滤波器进行仿真验证，结果表明，新滤波器在该场景下获得了准确且稳定的估计结果。