Kinesiska forskare har förbättrat noggrannheten när det gäller att upptäcka rymdskräp i jordens omloppsbana, ger ett mer effektivt sätt att rita säkra rutter för rymdfarkoster.

"Möjligheten att framgångsrikt navigera ett asteroidfält är ungefär 3, 720 till en!" utbrast C-3PO när Han Solo styrde in Millennium Falcon i ett asteroidfält i "Star Wars:The Empire Strikes Back." Jordens omloppsbana är inte i närheten av lika farlig, men efter mer än ett halvt sekel av rymdaktivitet, kollisioner mellan överkastade motorer och sönderfallna rymdfarkoster har bildat en planetarisk skrothög som rymdfarkoster måste undvika.

Forskare har utvecklat system för identifiering av rymdskräp, men det har visat sig vara svårt att peka ut den snabba, små fläckar av rymdskräp. En unik uppsättning algoritmer för laseravståndsteleskop, beskrivs i Journal of Laser Applications , har avsevärt förbättrat framgångsfrekvensen för upptäckt av rymdskräp.

"Efter att ha förbättrat teleskopets peknoggrannhet genom ett neuralt nätverk, rymdskräp med en tvärsnittsarea på 1 kvadratmeter och ett avstånd på 1, 500 kilometer kan detekteras, " sa Tianming Ma, från Chinese Academy of Surveying and Mapping, Pekings och Liaonings tekniska universitet, Fuxin.

Laseravståndsteknik använder laserreflektion från föremål för att mäta deras avstånd. Men ekosignalen som reflekteras från ytan av rymdskräp är mycket svag, minska noggrannheten. Tidigare metoder förbättrade laseravståndsbestämningen av skräp men bara till en 1-kilometers nivå.

Tillämpning av neurala nätverk – algoritmer som är modellerade på den mänskliga hjärnans sensoriska input, bearbetnings- och utgångsnivåer – till laseravståndstekniker har föreslagits tidigare. Dock, Ma's studie är första gången ett neuralt nätverk har förbättrat peknoggrannheten avsevärt för ett laserteleskop.

Ma och kollegor tränade ett neuralt nätverk för bakåtpropagation för att känna igen rymdskräp med hjälp av två korrigeringsalgoritmer. Den genetiska algoritmen och Levenberg-Marquardt optimerade det neurala nätverkets trösklar för att känna igen rymdskräp, säkerställa att nätverket inte var för känsligt och kunde tränas på lokaliserade områden i rymden. Teamet demonstrerade den förbättrade noggrannheten genom att testa mot tre traditionella metoder vid Beijing Fangshens teleskopstation för laseravstånd.

Observationsdata för 95 stjärnor användes för att lösa algoritmkoefficienterna från varje metod, och noggrannheten för att detektera 22 andra stjärnor bedömdes. De nya pekkorrigeringsalgoritmerna visade sig vara de mest exakta, samt enkel att använda med bra realtidsprestanda.

Ma siktar på att ytterligare förfina metoden. "Att erhålla den exakta omloppsbanan för rymdskrot kan ge effektiv hjälp för säker drift av rymdfarkoster i omloppsbana."