Citation link: http://dx.doi.org/10.25819/ubsi/10098
Files in This Item:
File Description SizeFormat
Dissertation_Nadav_Neuberger.pdf3.73 MBAdobe PDFThumbnail
View/Open
Dokument Type: Doctoral Thesis
metadata.dc.title: Signal processing for space surveillance radar
Other Titles: Signalverarbeitung für Weltraumüberwachung Radar
Authors: Neuberger, Nadav 
Institute: Department Elektrotechnik - Informatik 
Free keywords: Radar, Array signal processing, Space surveillance, Waveform design, Beamformer, Weltraumüberwachung
Dewey Decimal Classification: 621.3 Elektrotechnik, Elektronik
GHBS-Clases: YCB
Issue Date: 2022
Publish Date: 2022
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.
DOI: http://dx.doi.org/10.25819/ubsi/10098
URN: urn:nbn:de:hbz:467-21876
URI: https://dspace.ub.uni-siegen.de/handle/ubsi/2187
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Appears in Collections:Hochschulschriften

This item is protected by original copyright

Show full item record

Page view(s)

92
checked on Aug 12, 2022

Download(s)

115
checked on Aug 12, 2022

Google ScholarTM

Check

Altmetric


This item is licensed under a Creative Commons License Creative Commons