Система фильтрации на лету улучшает выравнивание погодных условий

Спутниковые снимки – важнейший аспект современной жизни. Например, оценки роста урожая и урожайности частично получены из спутниковых изображений. Точно так же качество воздуха, вырубка лесов и, конечно же, погода. Спутниковая съемка требует хорошего оборудования, такого как большое зеркало на телескопе, большой датчик с большим количеством пикселей и хорошей стабильной платформы, такой как геостационарные спутники окружающей среды (GOES-R).

Что не так очевидно, так это программная сторона. Например, для отслеживания метеорологической системы спутниковые изображения должны быть выровнены. Сферическая поверхность Земли отображается на плоскую плоскость с фиксированной сеткой, и каждый пиксель на спутниковом изображении должен соответствовать известному положению сетки .

Это просто проблема триггера, верно?

На первый взгляд, это кажется относительно простой проблемой: учитывая страницу тригонометрии и готового интерна, проблема решена, верно? Ну нет. Это оказывается довольно сложной проблемой, особенно если вы хотите получить более конкретную информацию, что больше не в конкретном месте. В недавней публикации в журнале SPIE Journal of Applied Remote Sensing Брюс Гиббс из Carr Astronautics обратил свое внимание на повышение точности изображения с GOES-R. Не часто дизайн фильтров занимает центральное место в исследованиях, но это один из таких случаев.

Несмотря на то, что спутники GOES являются геостационарными, они не являются стационарными, что представляло проблему для команды, отвечающей за усовершенствованный базовый имидж-сканер (ABI). Положение спутника, ориентация спутника и зеркало ABI постоянно меняются. Последнее особенно неприятно, когда Земля затмевает солнце, позволяя зеркалу быстро остыть.

Для сравнения, ABI должен иметь разрешение 0,5 км для изображений с использованием видимого света. Но геостационарная орбита находится примерно на 36 000 км над поверхностью Земли, а это означает, что ориентация должна быть известна более точно, чем 0,0008 градусов. Чтобы достичь этого, звезды используются для определения ориентации. ABI делает снимок звездного поля и использует положения звезд из каталога в сочетании с собственными датчиками ориентации для определения его точного положения и ориентации с высокой точностью. Эта информация затем используется для выравнивания изображений.

Тем не менее, все измерения имеют шум, связанный с ними. Чтобы уменьшить шум фильтра, разработчики приборов и спутников использовали ожидаемые эксплуатационные параметры оборудования для создания предварительно запрограммированного фильтра Калмана. К сожалению, производительность фильтра разочаровала.

Нет фильтра для слабонервных

В этом случае модель движения, вращения и зеркальной деформации спутника используется для оценки новой ориентации и положения спутника на основе последней известной позиции и ориентации. Измерения также используются для оценки положения и ориентации. Расчетное положение и данные измерений усредняются для получения более точной оценки положения и ориентации. Эта новая позиция становится входом для следующей оценки.

Волшебство заключается в том, как усредняются данные измерений и данные модели. Это не простой процесс, с некоторыми 30 с лишним параметров, которые требуют корректировки. Таким образом, фильтр Калмана в том виде, в котором он поставляется, не работает должным образом. Однако, более неприятным сюрпризом было то, что ручная настройка фильтра также не работала. В итоге было определено, что параметры фильтра должны быть определены на лету, а не с использованием некоторого фиксированного (но регулярно обновляемого) набора параметров.

Результатом является фильтр Калмана, который определяет, как он объединяет данные модели и измерения посредством статистического процесса минимизации. Минимизация достигается путем изучения корреляции (точнее, ковариации) шума между параметрами. Оптимизированный набор параметров минимизирует ковариацию (это означает, что параметры фильтра максимально независимы друг от друга). Следовательно, очень сложная, многомерная задача была сведена к последовательности одно- или двумерных процедур минимизации.

Сравнивая два фильтра, Гиббс показал, что ориентационный шум был снижен с 40 до 50 процентов до примерно 0,0002 градуса. Доказательство, однако, в данных изображения. Применяя фильтр к изображениям, полученным в 2017 году, Гиббс смог убедить операторов инструмента принять новый дизайн фильтра.

По материалам techxplore.com