Space Surveillance from a Microsatellite: Metric observation processing from NEOSSat

Abstract

The Near-Earth Object Surveillance Satellite (NEOSSat) microsatellite is a dual mission space telescope that was launched on 25 February 2013 in a low Earth orbit (LEO) and which was designed to detect near-Earth asteroids and to conduct space surveillance observations. The microsatellite includes a 15-cm aperture optical telescope, two GPS receivers, and a high performance attitude control system. The space surveillance experimental mission, referred to as HEOSS (High Earth Orbit Space Surveillance), is designed to collect metric observations of Resident Space Objects (RSOs) in deep space orbits, primarily in the geostationary region. The HEOSS mission objectives are to evaluate the utility of microsatellites to perform Space Surveillance Network (SSN) catalog maintenance observations of RSOs and to perform optical space surveillance experiments which are difficult to perform from the ground.

An image analysis system was implemented that can automatically process NEOSSat's space-based track rate mode imagery. The image analysis software, known as Semi-QUIck Detection 3rd iteration (SQUID3) uses Fourier processing to identify the characteristics of star streaks in track rate mode images and a matched filter to detect image stars so that astrometry can be performed. The sequence of images taken on a given RSO is then processed in a stack of all frames, shifted to compensate for the RSO's motion between frames so that the signal is additive. Stacked image processing provides a method to reject false positive signals from the energetic cosmic ray background while enhancing the detectability of an RSO when compared to single image processing. Finally, detected observations are correlated against known objects in the SSN catalog.

An imaging campaign of GPS satellites was performed from September 2015 to February 2016 in order to assess the metric accuracy of HEOSS imagery. SQUID3 produced right-ascension and declination observations verified against reference orbits to a mean residual accuracy of 2.8 arcseconds level, meeting accuracy requirements of non-traditional sensors for SSN catalog maintenance.

The theoretical limiting magnitude of HEOSS imagery is presented and then verified from observations. Automated image processing of GPS satellites detected sources down to 15th magnitude. This is equivalent to detecting a 1.7 meter diameter RSO at geostationary range. An imaging campaign on Anik-A class satellites was taken on October 27 of 2015 at a range of solar phase angles. This produced imagery containing sources near and beyond NEOSSat's limiting magnitude. With manual verification of detected sources SQUID3 was able to produce observations down to 17th magnitude.

Le Satellite de surveillance des objets circumterrestres (NEOSSat) est un microsatellite qui a été lancé le 25 février 2013 dans une orbite basse terrestre (LEO) et qui a été conçue pour détecter les astéroïdes à proximité de la terre ainsi que de mener des observations de surveillance de l'espace. Le microsatellite est équipé d'un télescope optique ayant une ouverture de 15 cm, deux récepteurs GPS et un système très précis pour contrôler l'orientation du satellite. La mission expérimentale de surveillance de l'espace, connue sous le nom de HEOSS pour ``High Earth Orbit Space Surveillance", est conçue pour prendre des observations métriques de satellites et débris spatiaux ayant des orbites à haute altitude, soit principalement des orbites géosynchrones. Les objectifs de la mission HEOSS sont d'évaluer l'utilité des microsatellites dans le cadre d'une mission de surveillance de l'espace ainsi que de prendre des mesures qui sont soit difficiles ou impossible à prendre à partir d'un télescope situé sur la surface terrestre.

Cette thèse décrit le développement d'un système d'analyse d'image qui traite de manière automatique les données de surveillance de l'espace produite par le microsatellite NEOSSat. Ce logiciel, nommé ``Semi-QUIck Detection 3rd iteration" ou SQUID3, utilise en premier temps une analyse de Fourier afin d'identifier les caractéristiques des lignes produites par les étoiles sur les images recueillies par NEOSSat. Par la suite, un filtre adapté est utilisé pour détecter la position précise de ces étoiles à des fins d'astrométrie. La séquence d'images prises pour un objet donné est alors traitée en groupe afin de compenser pour le déplacement de l'objet dans chacune des images. Le traitement d'image en groupe est une méthode efficace qui permit d'améliorer la détection d'objet en orbite terrestre tout en permettant de rejeter les faux signaux positifs qui sont causés principalement par les rayons cosmiques. Finalement, le logiciel permet d'identifie l'objet détecté par NEOSSat en effectuant un corrélation entre cette détection et le catalogue, d'objets en orbite terrestre, produit par le United States Space Surveillance Network (US SSN).

Cette thèse décrit aussi une expérience d'observation de satellites GPS qui a été effectuée entre septembre 2015 et février 2016 et qui cherchait à évaluer la précision métrique des images produites dans le cadre de la mission HEOSS du microsatellite NEOSSat. Les résultats de cette expérience, obtenus en traitant les images avec le logiciel SQUID3, ont produit des observations métriques en ascension droite et en déclinaison ayant une précision résiduelle moyenne de 2,8 arc-secondes ce qui a démontré que NEOSSat répond aux exigences de précision des capteurs non-traditionnels fournissant des données au US SSN.

Finalement, en se servant des résultats obtenus des observations de satellite GPS, cette thèse présente les limites de détection des images produites produite dans le cadre de la mission HEOSS et les compare aux valeurs théoriques. Les résultats démontrent que NEOSSat peut détecter des objets de 15ème magnitude, ce qui équivaut à détecter un objet ayant un diamètre de 1,7 mètre en orbite géostationnaire. Une autre expérience d'observation est décrite durant laquelle des satellites de classe Anik-A ont été observés le 27 octobre 2015. Les images obtenues lors de cette expérience ont démontré que le logiciel SQUID3 est en mesure de traiter avec succès des images près de la limite de détection de NEOSSat. De plus, avec une intervention humaine, le système fut en mesure de détecter des objets de 17ème magnitude.