On the Space Observation of Resident Space Objects (RSOs) in Low Earth Orbits (LEOs)
Notice bibliographique
Résumé
Space debris is an increasingly severe problem in the space industry. According to projections, the number of satellites will increase from the current 10,000 to 100,000 by 2030, specially in LEO orbits. This significant rise in the number of satellites threatens space sustainability, forcing satellites to perform more maneuvers to avoid impacts or leading to the production of more and more space debris due to collisions (Kessler Syndrome). Consequently, substantial efforts have been made to detect and track space debris, leading to the development of the current catalogs. However, with existing technology, detecting and tracking small debris remains challenging. In order to improve the current system, several proposals of Space-Based Situational Awareness (SBSA) have been made. These proposals involve satellites equipped with telescopes to detect space debris and determine their orbits. Unlike prior works, focused primarily on detection rates, this research aims to quantify their accuracy in orbit determination as a function of observation duration, the number of observers, and sensor precision. The Unscented Kalman Filter (UKF) is employed as the core estimation algorithm, leveraging both simulated single-case analyses and Monte Carlo simulations to evaluate system performance under various configurations and uncertainties. The results indicate that a constellation of at least three observers with high-precision instruments and sub-kilometer positioning accuracy can reliably estimate debris orbits within an observation period of 4–7 min, with the mean error in position and velocity obtained being 2.2–3 km and 3–4 m/s, respectively. These findings offer critical insights for designing future SBSA constellations and optimizing their operational parameters to address the growing challenge of orbital debris.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».