AI 改进激光测距望远镜以准确定位太空碎片
- 新的神经网络模型提高了激光测距望远镜的精度。
- 这使科学家们能够在不增加望远镜灵敏度的情况下确定地球轨道上较小碎片的位置。
空间碎片是地球轨道上已废弃、不再有用的人造物体。它们是在空间活动中产生的，主要来自运载火箭的末级，以及在轨道上解体的航天器不需要的物质。
截至 2019 年，地球上空轨道上约有 20,000 个人造物体，其中包括 2,218 颗运行卫星。然而，这些是唯一足够大的物体可以被追踪。
小于1厘米的碎片有1.3亿多件，1-10厘米的约有100万件，大于10厘米的有3万多件。它们都在环绕地球的轨道上运行，它们的存在严重影响了航天器的安全。
目前，全球有50多个监测空间碎片的激光观测站。然而，跟踪它们是一项极具挑战性的任务：物体越小，检测和跟踪就越困难。
一项新研究提出了一种神经网络模型，可提高激光望远镜的精度，使科学家能够精确定位较小碎片的位置。
它有多准确？
为了查明轨道碎片，科学家们使用了一种称为激光成像的方法。这涉及将高能激光射入太空，并使用望远镜收集从轨道碎片反射回来的信号。然后使用这些反射信号来评估碎片的距离。这个过程类似于蝙蝠如何使用回声定位来跟踪猎物。
但由于较小的碎片不会反射太多光线，因此很难精确定位它们。虽然以前的技术增强了对碎片的激光测距检测，但它们只能将碎片精确定位到 1 公里的水平。
另一方面，新方法能够在大约 1500 公里外找到一块小至 1 平方米的碎片。
参考：激光应用杂志 | DOI:10.2351/1.5110748 |维基百科
为此，研究人员使用了反向传播神经网络，该网络通过两种校正算法进行了优化：遗传算法和 Levenberg-Marquardt。
从高地球轨道上可以看到的空间碎片图|维基百科
神经网络帮助望远镜稳定其指向能力并识别太空垃圾小块的微弱信号。这一切都无需增加望远镜的灵敏度或进行任何硬件升级即可完成。
此外，望远镜现在可以更准确地检测空间局部区域的碎片，而不会产生很多误报。
测试
研究人员针对三种标准模型测试了他们的方法：安装模型、基本参数模型和球谐函数模型。他们发现神经网络的准确率优于这三种标准模型，同时也克服了收敛速度慢的缺点。
阅读：关于太空垃圾你应该知道的事情
为了证明神经网络的能力，研究人员使用了 95 颗星的观测数据来求解所有 4 个模型的算法系数。他们评估了探测其他 22 颗恒星的准确性。新算法不仅被证明是最准确的，而且还可以轻松操作并具有不错的实时性能。
该团队计划进一步优化神经网络，以发现更小的碎片。
工业技术