I rifiuti non sono solo un problema sulla Terra. Secondo la Nasa, ci sono attualmente milioni di pezzi di spazzatura spaziale nella gamma di altitudini da 200 a 2, 000 chilometri sopra la superficie terrestre, nota come orbita terrestre bassa (LEO). La maggior parte della spazzatura è composta da oggetti creati dagli umani, come pezzi di vecchie astronavi o satelliti defunti. Questi detriti spaziali possono raggiungere velocità fino a 18, 000 miglia all'ora, che rappresenta un grave pericolo per il 2, 612 satelliti che attualmente operano a LEO. Senza strumenti efficaci per tracciare i detriti spaziali, parti di LEO possono persino diventare troppo pericolose per i satelliti.

In una pubblicazione cartacea oggi in SIAM Journal on Imaging Sciences , Matan Leibovich (Università di New York), George Papanicolaou (Università di Stanford), e Chrysoula Tsogka (Università della California, Merced) introduce un nuovo metodo per acquisire immagini ad alta risoluzione di oggetti in rapido movimento e rotazione nello spazio, come satelliti o detriti in LEO. Hanno creato un processo di imaging che utilizza prima un nuovo algoritmo per stimare la velocità e l'angolo di rotazione di un oggetto nello spazio, quindi applica tali stime per sviluppare un'immagine ad alta risoluzione del bersaglio.

Leibovich, Papanicolaou, e Tsogka hanno utilizzato un modello teorico di un sistema di imaging spaziale per costruire e testare il loro processo di imaging. Il modello raffigura un frammento di detriti in rapido movimento come un ammasso di piccolissimi, oggetti altamente riflettenti che rappresentano i bordi fortemente riflettenti di un oggetto in orbita, come i pannelli solari di un satellite. I gruppi di riflettori si muovono tutti insieme con la stessa velocità e direzione e ruotano attorno a un centro comune. Nel modello, molteplici sorgenti di radiazioni sulla superficie terrestre, come le stazioni di controllo a terra dei sistemi satellitari di navigazione globale, emettono impulsi che vengono riflessi da frammenti di detriti spaziali. Un insieme distribuito di ricevitori quindi rileva e registra i segnali che rimbalzano sui bersagli.

Il modello si concentra su sorgenti che producono radiazioni in banda X, o da frequenze da 8 a 12 gigahertz. "È risaputo che la risoluzione può essere migliorata utilizzando frequenze più alte, come la banda X, " ha detto Tsogka. "Frequenze più alte, però, provocano anche distorsioni dell'immagine dovute alle fluttuazioni ambientali dovute agli effetti atmosferici." I segnali sono distorti dall'aria turbolenta mentre viaggiano dal bersaglio ai ricevitori, che può rendere l'imaging di oggetti in LEO piuttosto impegnativo. Il primo passo del processo di imaging degli autori è stato quindi quello di correlare i dati presi a diversi ricevitori, che possono aiutare a ridurre gli effetti di queste distorsioni.

Il diametro dell'area racchiusa dai ricevitori è chiamato apertura fisica del sistema di imaging:nel modello, sono circa 200 chilometri. In condizioni di imaging normali, la dimensione dell'apertura fisica determina la risoluzione dell'immagine risultante; un'apertura più ampia genera un'immagine più nitida. Però, il rapido movimento del target di imaging rispetto ai ricevitori può creare un apertura sintetica inversa , in cui i segnali che sono stati rilevati a più ricevitori mentre il bersaglio si muoveva nel loro campo visivo sono sintetizzati in modo coerente. Questa configurazione può migliorare efficacemente la risoluzione, come se il sistema di imaging avesse un'apertura più ampia di quella fisica.

Gli oggetti in LEO possono ruotare su scale temporali che vanno da una rotazione completa ogni pochi secondi a ogni poche centinaia di secondi, che complica il processo di imaging. È quindi importante conoscere, o almeno essere in grado di stimare, alcuni dettagli sulla rotazione prima di sviluppare l'immagine. Gli autori avevano quindi bisogno di stimare i parametri relativi alla rotazione dell'oggetto prima di sintetizzare i dati provenienti da diversi ricevitori. Sebbene sia tecnicamente fattibile controllare semplicemente tutti i parametri possibili per vedere quali producono l'immagine più nitida, farlo richiederebbe molta potenza di calcolo. Invece di utilizzare questo approccio di forza bruta, gli autori hanno sviluppato un nuovo algoritmo in grado di analizzare i dati di imaging per stimare la velocità di rotazione dell'oggetto e la direzione del suo asse.

Dopo aver tenuto conto della rotazione, il passo successivo nel processo di imaging degli autori è stato quello di analizzare i dati per sviluppare un'immagine dei detriti spaziali che si sperava fosse il più accurata e ben risolta possibile. Un metodo che i ricercatori utilizzano spesso per questo tipo di imaging di oggetti in rapido movimento è la migrazione a punto singolo delle correlazioni incrociate. Sebbene le fluttuazioni atmosferiche di solito non compromettano significativamente questa tecnica, non ha una risoluzione molto alta. Un diverso, l'approccio di imaging comunemente usato chiamato migrazione di Kirchhoff può raggiungere un'alta risoluzione, in quanto beneficia della configurazione ad apertura sintetica inversa; però, il compromesso è che è degradato dalle fluttuazioni atmosferiche. Con l'obiettivo di creare uno schema di imaging che non sia influenzato troppo pesantemente dalle fluttuazioni atmosferiche ma mantenga comunque un'alta risoluzione, gli autori hanno proposto un terzo approccio:un algoritmo il cui risultato chiamano immagine di rango 1. "L'introduzione dell'immagine di rango 1 e la sua analisi della risoluzione per oggetti in rapido movimento e rotazione è la parte più nuova di questo studio, " disse Leibovich.

Per confrontare le prestazioni dei tre schemi di imaging, gli autori hanno fornito a ciascuno i dati simulati di un oggetto rotante in LEO e hanno confrontato le immagini che hanno prodotto. Eccitante, l'immagine di rango 1 era molto più accurata e ben risolta rispetto al risultato della migrazione a punto singolo. Aveva anche qualità simili all'output della tecnica di migrazione di Kirchhoff. Ma questo risultato non è stato del tutto sorprendente, data la configurazione del problema. "È importante notare che l'immagine di rango 1 beneficia della rotazione dell'oggetto, " disse Papanicolaou. Sebbene un oggetto rotante generi dati più complessi, si può effettivamente incorporare queste informazioni aggiuntive nella tecnica di elaborazione delle immagini per migliorarne la risoluzione. La rotazione a determinati angoli può anche aumentare le dimensioni dell'apertura sintetica, che migliora significativamente la risoluzione per la migrazione di Kirchhoff e le immagini di rango 1.

Ulteriori simulazioni hanno rivelato che l'immagine di rango 1 non è facilmente confusa da errori nel nuovo algoritmo per la stima dei parametri di rotazione. È anche più resistente agli effetti atmosferici rispetto all'immagine della migrazione di Kirchhoff. Se i ricevitori acquisiscono dati per una rotazione completa dell'oggetto, l'immagine di rango 1 può persino raggiungere una risoluzione ottimale dell'immagine. Grazie alle sue buone prestazioni, questo nuovo metodo di imaging potrebbe migliorare l'accuratezza dell'imaging dei satelliti LEO e dei detriti spaziali. "Globale, questo studio ha fatto luce su un nuovo metodo per l'imaging di oggetti in rapido movimento e rotazione nello spazio, " Ha detto Tsogka. "Questo è di grande importanza per garantire la sicurezza della banda LEO, che è la spina dorsale del telerilevamento globale".