This thesis addresses the research on characterization and classification of a space object at low Earth orbit using a multiple model approach. Space situational awareness has become a global interest as many industries started diving into the space market for commercialization of the resident space. The states of a space object can be estimated based on the orbital mechanics, but the inference of the object's characteristics is difficult while it is necessary when there is no a priori information about the detected object that its re-entry trajectory needs to be estimated. Thus, this thesis introduces an algorithm that estimates the ballistic coefficient of an object and classifies into a catalog depending on its shape with the multiple-model adaptive estimation that uses a parallel set of Kalman filters with multiple models. The simulation is done at the altitude of 300 km where the re-entry is expected within approximately two months, and the increase in accuracy of ballistic coefficient estimate through the moving-bank MMAE is shown. Also, the feasibility of supplementing the lack of data using techniques that speed up the convergence in the algorithm is presented.
본 논문에서는 다중 모델 기법을 통해 지구 저궤도에서의 우주 물체에 대한 특성 추정 및 분류 방법에 대해 연구를 수행한다. 우주 공간의 상업화가 높아지면서 민간 소형위성 산업이 급격히 발전하는 만큼 우주 상황 인식에 대한 관심 또한 세계적으로 높아지고 있다. 궤도 역학을 통해 우주 물체의 상태를 추정할 수는 있지만 물체의 특성을 추정하는 데에는 한계가 있으며, 해당 물체에 대한 정보가 전혀 없는 상태에서 탐지가 되었을 때 근원지를 파악하고 재진입 시 낙하 경로를 예측하기 위해서는 물체의 특성을 추정하는 알고리즘이 필요하다. 이에 따라 본 논문에서는 여러 모델들을 바탕으로 다중의 칼만 필터를 사용하는 다중 모델 기법을 사용하여 탄도 계수의 추정과 우주 물체를 형상에 따른 카탈로그로 분류하는 알고리즘을 소개한다. 약 2개월 내에 재진입이 예측되는 고도 300 km에서의 물체에 대해 시뮬레이션을 수행하며, 이동식 다중 모델 추정 기법을 통해 탄도 계수 추정 시 정확도 향상을 확인한다. 또한, 알고리즘의 수렴 속도를 향상시키는 기법을 적용하여 탄도 계수 추정 시 부족한 측정 데이터의 보완 가능성을 보인다.
