6.3 Évaluation préliminaire des performances
6.3.3 Rappel et ambiguïté obtenus par fenêtrage et SPRT
Le rappel obtenu en pratique grâce à la méthode de fenêtrage et au SPRT est de
93,20% :
Nombre d’objets correctement corrélés
Nombre total d’objets présents = 11 004
11 807 = 93,20%
On obtient une précision finale telle que l’ambiguïté a pour propriétés statistiques :
– Moyenne : 4,87 observations par observation initiale,
– Écart-type : 4,02 observations par observation initiale,
– Maximum : 30 observations par observation initiale.
Le filtrage par SPRT permet donc de réduire de 23,06% le nombre d’observations
corrélées à chaque observation initiale en moyenne (4,87 contre 6,33 observations
corrélées par observation initiale). Cela est du même ordre que le gain de 26,74%
prédit grâce à la Figure 6.11. De même, nous obtenons des gains significatifs sur
l’écart-type et le maximum. Le taux de rappel a quant à lui faiblement diminué (de
93,50% à 93,20% au lieu de 91,06%), ce que l’on peu attribuer à une fréquence de
passage suffisante et à un rendement relativement élevé (69,00%), c’est-à-dire que
plusieurs paires d’observations correctes correspondent à un même objet (sur trois
jours : 64 241 paires d’observations correctes pour 11 807 objets présents, c’est-à-dire
5,44 paires d’observations par objet en moyenne).
6.4 Conclusion du chapitre
Nous proposons dans ce chapitre une nouvelle méthode permettant une première
as-sociation d’observations sans calcul d’orbite en nous appuyant sur les observations
simulées d’objets réels appartenant au catalogue Space-Track. La complexité
combi-natoire est gardée sous contrôle grâce à une modélisation des paires d’observations à
une révolution d’intervalle qui rend possible une association peu ambiguë. De plus,
la méthode proposée s’appuie sur une technique d’apprentissage et a un coût de
calcul très faible lors de la mise en correspondance d’observations.
En sortie de cet algorithme, nous obtenons un ensemble de paires d’observations à
une révolution d’intervalle. Les paires d’observations correctement associées peuvent
être confirmées lors d’une tentative d’initialisation, tandis que les paires fausses
peuvent être filtrées. En effet, les prolonger grâce à un modèle dynamique permet
d’évaluer leur vraisemblance vis-à-vis d’une trajectoire possible et d’observations
supplémentaires, ce qui fait l’objet du chapitre suivant.
Chapitre 7
Initialisation du pistage
La Détermination d’Orbite Initiale (IOD) consiste de manière générale à estimer
grossièrement une orbite à partir d’un nombre minimal d’observations pour fournir
une valeur initiale à un algorithme d’optimisation utilisant la totalité des
observa-tions associées. L’IOD peut se faire avec une faible ambiguïté si l’on dispose de deux
ou trois observations de position respectant certaines conditions de coplanarité (cf.
méthodes de type Lambert ou de Herrick-Gibbs au Chapitre 3). Or, nous disposons
maintenant de deux observations associées à une révolution d’intervalle. Cela ne
suf-fit pas pour estimer de manière univoque les paramètres orbitaux de l’objet suivi du
fait de la proximité des deux observations dans un référentiel inertiel (ECI) vis-à-vis
des erreurs de mesure. Il est alors nécessaire d’associer davantage d’observations à
une paire initiale pour déterminer ces paramètres orbitaux.
Dans ce chapitre, nous proposons une méthode analytique permettant d’estimer
une orbite circulaire (paramètres d’excentricité e
oet ω
onuls) en tirant avantage
des particularités d’une paire d’observations à une révolution d’intervalle. Le faible
coût de calcul de cette méthode permet d’appliquer une technique de Monte-Carlo
pour prendre en compte le bruit de mesure. L’orbite circulaire obtenue est ensuite
utilisée pour associer une troisième observation permettant d’affiner la connaissance
sur l’orbite réelle.
Sommaire
7.1 Principe . . . 101
7.2 Approximation de l’orbite circulaire X
4. . . 102
7.2.1 Nécessité d’un bruit de modèle . . . 103
7.3 Association de troisièmes observations par
transforma-tion non-parfumée . . . 104
7.3.1 Prédiction des observations . . . 104
7.3.2 Fenêtrage . . . 105
7.4 Estimation d’orbite définitive X
7. . . 105
7.4.1 Critère minimisé . . . 106
7.4.2 Implémentation de l’algorithme de Gauss-Newton . . . 106
7.4.3 Critère de convergence et de validité . . . 108
7.5.1 Données de test . . . 108
7.5.2 Convergence d’un algorithme de Gauss-Newton comme
critère de validation . . . 109
7.5.3 Fenêtrage . . . 110
Chapitre 7 : Initialisation du pistage
7.1 Principe
Les méthodes de type Lambert (cf. Chapitre 5) permettent de calculer des
para-mètres orbitaux képlériens à partir de deux observations seules. Lorsque l’on dispose
de deux observations non-bruitées, ces méthodes fournissent 2n+ 1 orbites possibles,
oùn désigne le nombre de révolutions maximal que l’on autorise. Une paire
d’obser-vations permet donc une certaine observabilité des paramètres orbitaux képlériens.
Ces méthodes font cependant intervenir des processus itératifs qui ne garantissent
ni une convergence systématique, ni un coût de calcul faible ou même constant, et
ne prennent pas en compte le bruit d’observation.
Figure 7.1 –Schéma représentant des observations corrélées avec une paire d’observations
initiale à des longitudes opposées.
Une orbite képlérienne comprend au moins 6 paramètres : no, eo, io, Ω
o, ωo et Mo
(cf. Chapitre 3). Dans le cas d’une orbite circulaire, l’excentricité e
oest nulle et
l’argument du périgéeω
on’a plus de sens. Il reste donc quatre paramètres orbitaux
à déterminer (no, io, Ω
oet Mo). Rappelons également que le paramètre de traînée
B∗ n’est observable que sur le long terme (plusieurs dizaines d’heures), sa valeur
étant approximativement nulle quand les observations disponibles s’étalent sur une
période courte.
Nous posonsX
4= [n
o, i
o,Ω
o, M
o]
T,
X
7= [n
o, e
o, i
o,Ω
o, ω
o, M
o, B∗]
T,
X désigneX
4ou X
7.
Nous proposons une méthode alternative tirant avantage des spécificités du
pro-blème : les observations sont espacées d’environ une révolution (le mouvement moyen
n
oest donc presque connu) et les objets sont dans une grande majorité sur des orbites
faiblement excentriques.
Cette nouvelle méthode s’appuie alors sur l’estimation d’une orbite initiale circulaire
pour chaque paire d’observations. À partir de l’estimation d’une telle orbite
(esti-mée et covariance), des méthodes plus classiques, en l’occurrence la transformation
non-parfumée et l’algorithme de Gauss-Newton, permettent d’associer davantage
d’observations puis de déterminer une orbite définitive X
7(les paramètres
orbi-taux SGP). Les observations ne permettant pas une convergence de l’algorithme de
Gauss-Newton sont rejetées.
Dans le document
Catalogage de petits débris spatiaux en orbite basse par observations radars isolées
(Page 123-127)