The exponential increase in the number of satellites along with the hazards of the space environment they encounter endangers the sustainability of low earth orbit (LEO). The consequences of events such as collisions, fragmentations and fatal failures are then becoming more than ever a threat to any kind of space activity. Therefore, the space situational awareness is of utter importance in all its aspects, i.e., assessing and predicting the risks from space weather and SST (Space Surveillance and Tracking), in addition to implementing mitigation measures. In this context, this paper covers the benefits of in-orbit inspection combined with the aggregation and processing of existing space data, proposed by the French company SpaceAble for low earth orbit sustainability. Collision risk awareness for a LEO constellation is raised in this paper through the analysis of the conjunction risks of the Starlink constellation. An inspection plan is also derived in terms of the number of inspections for different scenarios, and with respect to different LEO altitudes.

Global Navigation Satellite Systems (GNSS) are a key player in a plethora of applications, ranging from navigation and timing, to Earth observation or space weather characterization. For navigation purposes, interference scenarios are among the most challenging operation conditions, which clearly impact the maximum likelihood estimates (MLE) of the signal synchronization parameters. While several interference mitigation techniques exist, a theoretical analysis on the GNSS MLE performance degradation under interference, being fundamental for system/receiver design, is a missing tool. The main goal of this contribution is to provide such analysis, by deriving closed-form expressions of the estimation bias, for a generic GNSS signal corrupted by an interference. The proposed bias are validated for a tone interference and a linear frequency modulation chirp interference.

We consider the transmission of a continuous phase modulated (CPM) signal through a Gaussian channel affected by Doppler shifts. We propose a receiver robust to the Doppler shifts derived from a non-coherent detection criterion. We compare its performance to another non-coherent receiver based on a linear approximation of the CPM signal (Laurent decomposition) to which we add a Doppler compensation. Simulation results show that the first algorithm is robust to low-moderate Doppler shifts, while the second is robust to any one. We finally compare these two algorithms to delay-optimized differential detectors which do not require any Doppler shift estimation. We also provide complexity estimations to guide the possible complexity-performance trade-offs.

This is a supplementary material associated with the article "Untangling first and second order statistics contributions in multipath scenarios" that can be found, in the online version, at doi: https://doi.org/10.1016/j.sigpro.2022.108868.

We consider the transmission of a continuous phase modulated (CPM) signal through a Gaussian channel affected by Doppler shifts. We focus on a receiver robust to the Doppler shift by proposing two different types of receiver derived from a non-coherent detection criterion : one based on a linear approximation of the CPM signal (Laurent decomposition) and the other based on its exact expression. Simulation results show that the first algorithm is robust to low-moderate Doppler shifts, while the second is robust to any one.

Pendant plus de trente ans, les signaux Global Navigation Satellite System (GNSS) ont été utilisés comme signaux d’opportunité comme en GNSS Reflectometry (GNSS-R). L’étude de la réflexion de ces signaux sur le sol peut en effet conduire à l’estimation de paramètres sur la surface de réflexion ou sur la hauteur du récepteur. Lorsque cette hauteur est faible, le récepteur est à site bas et la proximité du sol entraîne de fortes interférences entre les signaux direct et réfléchi ce qui rend difficile une estimation non biaisée des différentes observables. Cette difficulté peut néanmoins être levée grâce à des signaux GNSS occupant des bandes de plus en plus larges. For more than three decades, Global Navigation Satellite System (GNSS) signals have been seen as signals of opportunity as in GNSS Reflectometry (GNSS-R). The study of the reflections from the ground of such signals can indeed lead to many features regarding the reflecting surface and the receiver’s height. When this height is small, the receiver is said ground-based and the vicinity to the ground induces important interferences between the direct and the reflected path which make it difficult to process to obtain an unbiased altimetry product. However, this difficulty can be leveraged thanks to recent wideband GNSS signals.

Cet article étudie une nouvelle architecture récurrente basée sur l’attention, plus légère et moins coûteuse en temps de calcul qu’un réseau d’attention global. Nous détaillons en quoi ce type d’architecture permet d’atteindre de meilleures performances que des réseaux récurrents plus classiques, dans le cas de la régression de séries temporelles. Nous montrons son intérêt pour la prédiction de l’état d’un réseau de communication, et plus particulièrement pour la détection de la congestion.

L’analyse multifractale est aujourd’hui un outil important de la caractérisation des dynamiques temporelles ou spatiales. Si l’estimation du paramètre de multifractalité peut se faire efficacement par des outils devenus standards, elle reste délicate pour des signaux et images de petites tailles. Le présent travail propose différents estimateurs construits sur des algorithmes Expectation-Maximization et compare leurs performances à l’aide de simulations de Monte Carlo contre les outils de l’état de l’art dans un contexte de signaux univariés de petites tailles.

Cet article présente une extension d'un algorithme EM (expectation maximization) publié récemment par les auteurs permettant d'estimer conjointement le centre et le rayon d'une hypersphère avec les hyperparamètres d'un modèle statistique prenant en compte le fait que les observations sont localisées sur une partie de l'hypersphère. La méthode proposée repose sur l'ajout de variables latentes ayant une loi a priori de von Mises-Fisher. Ce modèle statistique permet d'exprimer la vraisemblance complète des données, dont l'espérance conditionnée aux données observées possède une distribution connue conduisant à un algorithme EM simple et efficace. Les performances de cet algorithme d'estimation sont évaluées à l'aide de de simulations effectuées dans un cas bi-dimensionnel avec des résultats prometteurs.