Le immagini satellitari sono un aspetto cruciale della vita moderna. Ad esempio, la crescita del raccolto e le stime della resa sono parzialmente derivate da immagini satellitari; allo stesso modo, qualità dell'aria, deforestazione, e, Certo, il tempo. L'imaging satellitare richiede un buon hardware, come un grande specchio al telescopio, un grande sensore con molti pixel, e un bel, piattaforma stabile, come i satelliti ambientali operativi geostazionari-R (GOES-R).

Quello che non è così ovvio è il lato software. Per monitorare un sistema meteorologico, ad esempio, le immagini satellitari devono essere allineate. La superficie sferica della Terra è mappata su un piano piano con una griglia fissa, e ciascun pixel in un'immagine satellitare dovrebbe corrispondere a una posizione nota della griglia.

È solo un problema di trigonometria, Giusto?

A prima vista, questo sembra un problema relativamente semplice:data una pagina di trigonometria e uno stagista volenteroso, il problema è risolto, Giusto? Bene, no. Risulta essere un problema abbastanza difficile, soprattutto se desideri informazioni più specifiche di "non più in Kansas". In una recente pubblicazione sullo SPIE Journal of Applied Remote Sensing, Bruce Gibbs di Carr Astronautics ha rivolto la sua attenzione all'aumento della precisione dell'imaging da GOES-R. Non capita spesso che il design del filtro sia al centro della ricerca, ma questa è una di quelle occasioni.

Anche se i satelliti GOES sono geostazionari, non sono fermi, che ha presentato un problema al team responsabile dell'Advanced Baseline Imager (ABI). La posizione satellitare, l'orientamento del satellite, e lo specchio dell'ABI si sposta continuamente. Quest'ultimo è particolarmente problematico quando la Terra eclissa il sole, permettendo allo specchio di raffreddarsi rapidamente.

Per metterlo in prospettiva, l'ABI dovrebbe avere una risoluzione di 0,5 km per le immagini che utilizzano la luce visibile. Ma, un'orbita geostazionaria è di circa 36, 000 km sopra la superficie terrestre, il che significa che l'orientamento deve essere conosciuto con maggiore precisione di 0,0008 gradi. Per realizzare questo, le stelle sono usate per determinare l'orientamento. L'ABI fotografa un campo stellare e usa le posizioni delle stelle da un catalogo, in combinazione con i propri sensori di orientamento, per determinarne la posizione esatta e l'orientamento con elevata precisione. Queste informazioni vengono quindi utilizzate per allineare le immagini.

Però, a tutte le misurazioni è associato un rumore. Per ridurre il rumore del filtro, i progettisti di strumenti e satelliti hanno utilizzato i parametri operativi previsti dell'apparecchiatura per creare un filtro Kalman preprogrammato. Sfortunatamente, le prestazioni del filtro sono state deludenti.

Nessun filtro per i deboli di cuore

In questo caso, un modello del moto del satellite, la rotazione e la deformazione dello specchio viene utilizzata per stimare un nuovo orientamento e posizione del satellite, in base all'ultima posizione e orientamento noti. Le misurazioni vengono utilizzate anche per stimare la posizione e l'orientamento. La posizione stimata ei dati di misurazione vengono mediati per produrre una stima più accurata della posizione e dell'orientamento. Questa nuova posizione diventa input per la stima successiva.

La magia sta nel modo in cui vengono mediati i dati di misurazione e i dati del modello. Non è un processo semplice, con circa 30 parametri dispari che richiedono la regolazione. Così, il filtro di Kalman, come fornito, non ha funzionato come previsto. Però, la sorpresa più spiacevole è stata che anche la regolazione manuale del filtro non ha funzionato. Alla fine, è stato stabilito che i parametri del filtro avrebbero dovuto essere determinati al volo piuttosto che utilizzare un set di parametri fisso (ma regolarmente aggiornato).

Il risultato è un filtro di Kalman che determina come combina i dati del modello e delle misurazioni tramite un processo di minimizzazione statistica. La minimizzazione si ottiene esaminando la correlazione (più precisamente, la covarianza) nel rumore tra i parametri. Un set di parametri ottimizzato ridurrà al minimo la covarianza (il che significa che i parametri del filtro sono al massimo indipendenti l'uno dall'altro). Quindi, molto difficile, problema multidimensionale è stato ridotto a una sequenza di procedure di minimizzazione uni o bidimensionali.

Confrontando i due filtri, Gibbs ha mostrato che il rumore di orientamento è stato ridotto dal 40 al 50 percento a circa 0,0002 gradi. La prova, però, è nei dati di imaging. Applicando il filtro alle immagini ottenute nel 2017, Gibbs è riuscito a convincere gli operatori dello strumento ad adottare il nuovo design del filtro.