Signal processing for space surveillance radar

Abstract

Space Situational Awareness (SSA) by ground-based Digital-Array Radar (DAR) systems has been attracting global attention in recent years. One of its fundamental tasks is to provide accurate collision forecast between space debris and active satellites, leading to increased avoidance probability. In a DAR system, this is achieved by a rigorous Signal Processing (SP) stage that successfully detects stray space debris and accurately estimates its parameters: range, Direction-of-Arrival (DOA), radial velocity, and more. However, classical SP methods, which are not tailored to the SSA environment, ultimately lead to sub-optimal performance. The objective of this thesis is to improve the DAR performance through the adaptation of the SP scheme to the SSA scenario. We present the shortcomings of several key traditional SP aspects and propose new methods for improved target detection and parameter estimation, supported by numerical demonstrations of a real SSA DAR. One such aspect is the SP of large DAR with a high number of receiving antenna elements, which contributes to a better target detection and DOA estimation. Commonly used data reduction transformations harness existing resources to serve only the target detection aspect, which is not necessarily optimal for SSA. We present a novel parameter-controlled design method to construct a lossless (or optimal) transformation, with respect to the available resources and an acceptable trade-off between detection and DOA estimation performance. Moreover, a new tool is provided to analyze the potential performance of a given array without the need for simulations. The abovementioned concept is also demonstrated in a multi-static radar network configuration, showing significant performance gain. A common topic in most radar systems is the DOA Maximum Likelihood Estimator (MLE). In SSA, we deal with targets in the Low Earth Orbit (LEO) region, moving at great orbital velocities. Pulsed radar systems therefore experience the so-called ‘DOA migration’ effect from pulse to pulse, where each pulse echo returns with changing DOA and unequal amplitude. With a classical MLE, these effects result in a large target localization estimation bias (in the order of kilometers). For that purpose, the orbital mechanics of LEO targets are implemented in the DOA motion model, rendering the estimation bias removed. Another issue of great impact is the target masking phenomenon. Classical SP gives rise to a miss-detection in two specific cases related to SSA. A far range target will go unnoticed in the presence of a short range target. In addition, a small target will remain undetected due to a nearby larger target. With this challenge in mind, two new waveform design concepts are successfully demonstrated. The above-mentioned techniques ultimately lead to superior estimation accuracy, higher resource efficiency, and robust detection capabilities, contributing to the SSA goal. Based on this research, new estimation methods and operational modes could be explored in the context of a single station and radar networks.

Die Erfassung der Weltraumlage durch erdgebundene digitale Phased-Array-Radarsysteme hat in den letzten Jahren global an Bedeutung gewonnen. Eine ihrer grundlegenden Aufgaben ist es hochgenaue Kollisionsvorhersagen zwischen Weltraumschrott und aktiven Satelliten zu ermöglichen, sodass durch notwendige Ausweichmanöver die Kollisionswahrscheinlichkeit minimiert werden kann. Digitale Phased-Array-Radarsysteme erreichen dies durch eine komplexe Signalverarbeitung, welche erfolgreich Weltraumschrott detektiert und deren Parameter, unter anderem Entfernung, Einfallsrichtung und Radialgeschwindigkeit, präzise schätzt. Klassische, nicht auf die Weltraumumgebung zugeschnittene, Signalverarbeitungsmethoden führen jedoch zu einer suboptimalen Leistungsfähigkeit. Ziel dieser Arbeit ist es, die Leistungsfähigkeit eines digitalen Phased-Array-Radarsystems durch die Anpassung der Signalverarbeitung an das Weltraumszenario zu optimieren. Hierfür werden zunächst Schwachpunkte einiger Aspekte der klassischen Signalverarbeitung aufgezeigt und anschließend neue Methoden zur verbesserten Zielerfassung und Parameterschätzung eingeführt. Dies wird mit numerischen Beispielen eines realen digitalen Phased-Array-Radars zur Weltraumüberwachung unterstützt. Ein solcher Aspekt tritt besonders bei einer hohen Anzahl von Empfangselementen des digitalen Phased-Array-Radars auf, welche zu einer besseren Zieldetektion und Richtungsschätzung beiträgt. Aufgrund der mit der hohen Anzahl an Empfangselementen einhergehenden großen Datenmenge werden in solchen Systemen im Vorfeld der Signalverarbeitung häufig Transformationen zur Datenreduktion verwendet. Die gängigen Transformationen konzentrieren die vorhandenen Ressourcen ausschließlich auf die Leistung der Zieldetektion, was für das Weltraumszenario nicht notwendigerweise optimal ist. Wir präsentieren eine neuartige parametergesteuerte Design-Methode zur Konstruktion einer optimalen Transformation in Bezug auf die verfügbaren Ressourcen und einen akzeptablen Kompromiss zwischen den Leistungsfähigkeiten bezüglich Detektion und Richtungsschätzung. Des Weiteren wird ein neues Tool vorgestellt, welches die potenzielle Leistung eines gegebenen Phased-Array-Systems ohne erforderliche Simulation analysiert. Zusätzlich wird die vorgestellte Methode auf ein multistatisches Radarnetzwerk angewandt, welche einen signifikanten Leistungsgewinn zeigt. Ein in Radarsystemen gängiges Verfahren zur Schätzung der Einfallsrichtung ist der Maximum Likelihood (ML)-Richtungsschätzer. In der Weltraumüberwachung werden unter anderem Ziele im LEO betrachtet, welche sich mit sehr hohen Bahngeschwindigkeiten bewegen. Daher tritt bei gepulsten Radarsystemen die sogenannte "directionof- arrival" Migration von Puls zu Puls auf. Hierbei zeigt das Empfangssignal jedes Pulses eine veränderte Einfallsrichtung und Amplitude. Mit einem klassischen MLRichtungsschätzer führen diese Effekte zu einem Bias bei der Ziellokalisierung in der Größenordnung von Kilometern. Um diesen Bias zu beseitigen wird die Bahnmechanik von LEO-Zielen betrachtet und erfolgreich in das Bewegungsmodell des ML-Richtungsschätzers implementiert. Ein weiteres wichtiges Problem ist das Phänomen der Maskierung von Zielen. Mit der klassischen Signalverarbeitung kommt es in zwei für die Weltraumüberwachung spezifischen Fällen zu Fehldetektionen. Zum einen bleibt ein weit entferntes Ziel in Anwesenheit eines Ziels mit geringer Entfernung undetektiert und zum anderen bleibt ein kleines Ziel aufgrund eines nahegelegenen größeren Ziels unerkannt. Vor diesem Hintergrund werden zwei neue Konzepte zum Wellenform-Design vorgestellt und deren Leistung erfolgreich demonstriert. All die genannten Techniken führen letztendlich zu verbesserten Schätzgenauigkeiten, erhöhter Ressourceneffizienz sowie zu einer robusteren Detektionsfähigkeit und tragen damit zum Ziel der Weltraumlageerfassung bei. Auf Basis dieser Arbeit können neue Schätzverfahren und Betriebsmodi für einzelne Radar-Stationen, als auch für Radarnetzwerke, erforscht werden.