Définition

Une matrice de covariance est une matrice carrée qui fournit une mesure de la variabilité ou de la dispersion des points de données dans des ensembles de données multivariées.

Dans le contexte des statistiques multivariées et de la théorie des probabilités, elle est utilisée pour représenter la covariance, c’est-à-dire dans quelle mesure deux variables aléatoires varient ensemble.

Les éléments diagonaux de la matrice représentent la variance de chaque variable, tandis que les éléments hors diagonale représentent la covariance entre différentes paires de variables.

Dans les applications, en particulier dans des domaines comme la finance, l’apprentissage automatique et la connaissance de la situation spatiale, la matrice de covariance est essentielle pour comprendre les relations et les dépendances entre plusieurs variables ou facteurs, en aidant à l’évaluation des risques, à la détection d’anomalies et à la modélisation prédictive.

Matrices de covariance dans l’évaluation des conjonctions SSA/SDA

En SSA/SDA, la matrice de covariance quantifie l’incertitude et les corrélations dans l’état estimé d’un objet (généralement la position et la vitesse), ce qui influence directement les résultats de l’évaluation des conjonctions.

Elle détermine la taille et l’orientation des ellipsoïdes d’incertitude, influence les calculs de probabilité de collision et aide les opérateurs à prioriser les événements nécessitant une action plutôt qu’une simple surveillance.

Une modélisation fiable des covariances favorise des décisions de manœuvre plus sûres, un meilleur pilotage des capteurs et une gestion des risques plus évolutive pour les constellations où des milliers de rapprochements doivent être filtrés de manière cohérente.

Look Up et SYNAPSE : suivi, fusion et fourniture du risque de collision

• Look Up utilise les radars SORASYS pour détecter et suivre les objets en orbite basse (LEO) avec une grande précision et une forte réactivité, en fournissant des mesures en temps utile qui contribuent à réduire l’incertitude d’état et à améliorer la qualité des covariances.
• SYNAPSE fusionne les données de Look Up avec des sources externes afin de cataloguer les objets, de calculer le risque de conjonction et de transmettre des alertes de collision ainsi que des recommandations de manœuvre alignées sur les contraintes de mission, y compris des prédictions d’évitement de collision avec un taux de précision de 99,9 %.
• Via des API ou un déploiement sur site, SYNAPSE aide les équipes à coordonner les décisions et à protéger des flottes de satellites grâce à des flux de travail cohérents, auditables et pilotés par l’incertitude.