KR102184662B1 - 위성 탑재용 소프트웨어에 탑재 가능한 위성 이벤트 예측 기법 - Google Patents

Abstract

본 발명은 위성 탑재용 소프트웨어에 관한 것으로서, 더욱 구체적으로는 위성 이동경로에 대한 근사 모델을 통해 위성 이벤트를 예측하는 위성 탑재용 소프트웨어 운용 방법 및 이를 구현하기 위한 프로그램이 저장된 기록매체에 관한 것이다.
위성에 탑재된 위성 이벤트 시간 예측 방법은 위성의 이동경로 상의 복수의 지점에 대한 LLA(Latitude-Longitude-Altitude) 데이터를 획득하고, LLA 데이터를 바탕으로 위성의 이동경로에 대한 위도, 경도 및 고도 각각의 특성을 획득하는 단계, 특성을 바탕으로 이동경로에 대한 위도, 경도 및 고도 각각에 대한 근사 모델을 결정하는 단계, 근사 모델을 바탕으로 위성이 타겟 지점에 도달하는 제1 시간 범위를 예측하는 단계, 위성에 포함된 궤도전파기를 이용하여 제1 시간 범위에 대응하는 OOP(On-Orbit Propagator) 데이터를 획득하는 단계 및 OOP 데이터를 바탕으로 위성이 타겟 지점에 도달하는 제1 시간 범위 내의 제2 시간을 예측하는 단계를 포함한다.

Description

위성 탑재용 소프트웨어에 탑재 가능한 위성 이벤트 예측 기법 {A method for predicting satellite events embedded in satellite on-board software}

본 발명은 위성 탑재용 소프트웨어에 관한 것으로서, 더욱 구체적으로는 위성 이동경로에 대한 근사 모델을 통해 위성 이벤트를 예측하는 위성 탑재용 소프트웨어 운용 방법, 이를 구현하기 위한 프로그램이 저장된 기록매체 및 상술한 방법을 적용한 위성에 관한 것이다.

위성의 운용을 위해서는 궤도 결정 및 예측, 이벤트 예측, 위성 스케줄링, 자세명령 생성 등의 일련의 과정이 필요하다. 특히, 위성의 원활한 운영을 위해서는 위성　궤도에 대한 정보를 통한 예측이 필수적이다. 이를 위해서 종래에는 지상국에서 과거의 관측데이터를 이용한　궤도결정(Orbit Determination)을 통해 획득한　궤도정보를 바탕으로 미래의　궤도를 예측(Orbit Prediction)하는 기술이 연구되어 왔다.

다만, 최근에는 초소형위성을 이용한 위성군의 운용의 장점이 부각되면서 기존의 중대형 위성의 임무와 차별적으로 초소형위성군의 수용가 증대되고 있다.

초소형위성은 중대형위성에 비해 낮은 해상도 및 성능을 가지고 있으나 낮은 개발기간 및 비용의 장점이 있어서 다수 개체의 운용이 가능하기 때문에, 이를 통한 대용량 데이터의 획득을 목적으로 운용이 되고 있는 실정이다. 일례로 미국의 Planet사의 경우 100여 기가 넘는 초소형위성을 통해 전 지구의 24시간 관측을 목표로 하고 있다.

종래와 같이 기존의 지상국 기반의 운용을 수행하게 될 경우, 다수의 위성의 운용 시 태스크(Task)와 관련된 업로드 등의 통신에 과도한 부담(Burden)이 발생할 여지가 있다. 또한, 종래의 방식은 관성좌표계에 대한 위성의 위치예측 데이터를 사용하고, 타겟 지점의 위치데이터를 지구중심좌표계로 적용함에 따라 모든 데이터에 대한 좌표변환을 수행해야 되므로 계산량의 증대가 불가피하다.

더구나, 위성이 타겟 지점을 지나가는 시간 및 지상국과의 교신 시간 등의 이벤트를 예측하는 것을 위성의 모든 예측위치 정보에 대해서 수행하기에는 위성 탑재용 메모리 및 컴퓨팅 자원의 한계가 있는 실정이다.

본 발명은 상술한 필요성에 따른 것으로, 본 발명이 해결하고자 하는 일 과제는, 지상국에서 수행하던 이벤트 예측 업무를 각각의 초소형위성에서 자체적으로 수행할 수 있도록 하는 위성탑재용 소프트웨어 운용 방법 및 이를 구현하기 위한 프로그램이 저장된 기록매체를 제공하는 것이다.

본 발명의 일 실시 예에 따른 위성에 탑재된 위성 이벤트 시간 예측 방법은 위성의 이동경로 상의 복수의 지점에 대한 LLA(Latitude-Longitude-Altitude) 데이터를 획득하고, 상기 LLA 데이터를 바탕으로 상기 위성의 이동경로에 대한 위도, 경도 및 고도 각각의 특성을 획득하는 단계; 상기 특성을 바탕으로 상기 이동경로에 대한 위도, 경도 및 고도 각각에 대한 근사 모델을 결정하는 단계; 상기 근사 모델을 바탕으로 상기 위성이 타겟 지점에 도달하는 제1시간 범위를 예측하는 단계; 상기 위성에 포함된 궤도전파기를 이용하여 상기 제1시간 범위에 대응하는 OOP(On-board Orbit Propagator) 데이터를 획득하는 단계; 및 상기 OOP 데이터를 바탕으로 상기 위성이 상기 타겟 지점에 도달하는 상기 제1시간 범위 내의 제2시간을 예측하는 단계; 를 포함할 수 있다.

또한, 상기 위성 이벤트 시간 예측 방법은 상기 근사 모델을 업데이트하는 단계;를 더 포함할 수 있다.

또한, 상기 업데이트하는 단계는 상기 위성이 획득하는 LLA 데이터를 바탕으로 실시간으로 상기 근사 모델을 업데이트하는 것일 수 있다.

또한, 상기 업데이트하는 단계는 상기 위성이 상기 궤도전파기(propagator)를 이용하여 획득하는 OOP 데이터를 바탕으로 상기 근사 모델을 업데이트하는 것일 수 있다.

또한, 상기 LLA 데이터는 상기 위성의 궤도 요소를 바탕으로 지구중심고정 좌표계(ECEF, Earth Centered Earth Fixed)로 계산된 것일 수 있다.

또한, 상기 근사 모델은 sine 함수, 삼각 함수 중 적어도 하나인 것을 특징으로 하는 것일 수 있다.

한편, 본 발명의 일 실시 예에 따른 기록매체는 상술한 위성 이벤트 시간 예측 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체일 수 있다.

한편, 위성에 탑재된 소프트웨어를 통해 위성 이벤트 시간 예측하는 위성은, 위성의 이동경로 상의 복수의 지점에 대한 GNSS 데이터 중 LLA(Latitude-Longitude-Altitude) 데이터를 획득하고, 상기 LLA 데이터를 바탕으로 상기 위성의 이동경로에 대한 위도, 경도 및 고도 각각의 특성을 획득하는 데이터 획득부; 상기 특성을 바탕으로 상기 이동경로에 대한 위도, 경도 및 고도 각각에 대한 근사 모델을 결정하는 LLA 모델 획득부; 및 상기 근사 모델을 바탕으로 상기 위성이 타겟 지점에 도달하는 제1 시간 범위를 예측하는 시간 계산부;를 포함하고, 상기 데이터 획득부는 상기 위성에 포함된 궤도전파기를 이용하여 상기 제1 시간 범위에 대응하는 OOP(On-board Orbit Propagator) 데이터를 획득하고, 상기 시간 계산부는 상기 OOP 데이터를 바탕으로 상기 위성이 상기 타겟 지점에 도달하는 상기 제1 시간 범위 내의 제2 시간을 예측하는 것일 수 있다.

또한, 상기 위성은 상기 근사 모델을 업데이트하는 업데이트부;를 더 포함하고, 상기 업데이트부는 상기 데이터 획득부가 획득하는 LLA 데이터를 바탕으로 실시간으로 상기 근사 모델을 업데이트할 수 있다.

또한, 상기 업데이트부는 상기 데이터 획득부가 획득하는 OOP 데이터를 바탕으로 상기 근사 모델을 업데이트할 수 있다.

전술한 것 외의 다른 측면, 특징, 이점이 이하의 도면, 청구범위 및 발명의 설명으로부터 명확해질 것이다.

본 발명에 따르면, 위성 이벤트 예측이 온 보드(On-board)에서 계산이 가능한 수준으로 계산량이 적어질 수 있다. 이에 따라, 본 발명에 따른 위성은 위성 탑재용 소프트웨어를 통해 온 보드에서 자율 스케줄링을 수행할 수 있다. 이에 따라, 다수의 초소형위성군을 운용하면서도 지상국의 과도한 부담을 방지할 수 있다.

도 1은 본 발명의 위성탑재용 소프트웨어의 이벤트 예측 방법을 설명하기 위한 블록도이다.
도 2는 본 발명의 일 실시예에 따른 소프트웨어를 수행하는 위성의 구성요소를 설명하기 위한 간략한 블록도이다.
도 3a 내지 3c는 본 발명의 일 실시예에 따른 근사 모델을 통해 위성의 이벤트를 예측하는 것을 설명하기 위한 도면이다.
도 4는 본 발명의 일 실시예에 따른 근사 모델을 삼각함수로 결정한 경우, 위도 정보를 근사화한 결과를 도시한 도면이다.

이하, 본 개시의 다양한 실시예가 첨부된 도면과 연관되어 기재된다. 본 개시의 다양한 실시예는 다양한 변경을 가할 수 있고 여러 가지 실시예를 가질 수 있는 바, 특정 실시예들이 도면에 예시되고 관련된 상세한 설명이 기재되어 있다. 그러나 이는 본 개시의 다양한 실시예를 특정한 실시 형태에 대해 한정하려는 것이 아니며, 본 개시의 다양한 실시예의 사상 및 기술 범위에 포함되는 모든 변경 및/또는 균등물 내지 대체물을 포함하는 것으로 이해되어야 한다. 도면의 설명과 관련하여, 유사한 구성요소에 대해서는 유사한 참조 부호가 사용되었다.

본 개시의 다양한 실시예에서 사용될 수 있는 "포함한다" 또는 "포함할 수 있다." 등의 표현은 개시(disclosure)된 해당 기능, 동작 또는 구성요소 등의 존재를 가리키며, 추가적인 하나 이상의 기능, 동작 또는 구성요소 등을 제한하지 않는다. 또한, 본 개시의 다양한 실시예에서, "포함하다" 또는 "가지다" 등의 용어는 명세서상에 기재된 특징, 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것이 존재함을 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.

본 개시의 다양한 실시예에서 "또는" 등의 표현은 함께 나열된 단어들의 어떠한, 그리고 모든 조합을 포함한다. 예를 들어, "A 또는 B"는, A를 포함할 수도, B를 포함할 수도, 또는 A 와 B 모두를 포함할 수도 있다.

본 개시의 다양한 실시예에서 사용된 "제1", "제2", "첫째", 또는 "둘째" 등의 표현들은 다양한 실시예들의 다양한 구성요소들을 수식할 수 있지만, 해당 구성요소들을 한정하지 않는다. 예를 들어, 상기 표현들은 해당 구성요소들의 순서 및/또는 중요도 등을 한정하지 않는다. 상기 표현들은 한 구성요소를 다른 구성요소와 구분하기 위해 사용될 수 있다. 예를 들어, 제1 사용자 기기와 제2 사용자 기기는 모두 사용자 기기이며, 서로 다른 사용자 기기를 나타낸다. 예를 들어, 본 개시의 다양한 실시예의 권리 범위를 벗어나지 않으면서 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소도 제1 구성요소로 명명될 수 있다.

어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소가 상기 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 상기 어떤 구성요소와 상기 다른 구성요소 사이에 새로운 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 상기 어떤 구성요소와 상기 다른 구성요소 사이에 새로운 다른 구성요소가 존재하지 않는 것으로 이해될 수 있어야 할 것이다.

본 개시의 다양한 실시예에서 사용한 용어는 단지 특정일 실시예를 설명하기 위해 사용된 것으로, 본 개시의 다양한 실시예를 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다.

다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 개시의 다양한 실시예가 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가지고 있다.

일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥 상 가지는 의미와 일치하는 의미를 가지는 것으로 해석되어야 하며, 본 개시의 다양한 실시예에서 명백하게 정의되지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.

이하에서, 첨부된 도면을 이용하여 본 발명의 다양한 실시 예들에 대하여 구체적으로 설명한다.

도 1은 본 발명의 위성탑재용 소프트웨어의 이벤트 예측 방법을 설명하기 위한 블록도이다.

도 1을 참조하면, 본 발명의 이벤트 예측 방법은 위성의 이동경로 상의 복수의 지점에 대한 GNSS 데이터 중 LLA(Latitude-Longitude-Altitude) 데이터를 획득하고, LLA 데이터를 바탕으로 위성의 이동경로에 대한 위도, 경도 및 고도 각각의 특성을 획득할 수 있다(S100). 이때, LLA 데이터는 위성의 궤도 요소를 바탕으로 지구중심고정 좌표계(ECEF, Earth Centered Earth Fixed)에서 계산된 것일 수 있다.

구체적으로, 궤도 요소는 비행 상태를 표시하는 데 필요한 요소로써, 지구의 중심에 가장 가까운 근지점, 가장 먼 원지점, 일주하는 데 소요되는 주기, 적도면에 대한 궤도면의 경사각, 어떤 시점에 위성이 궤도상의 어느 곳에 있는지를 표시하는 승교점의 경도 및 근지점 인수 등이 있을 수 있다. 이때, 지구 중심 또는 지구 표면에서 가장 가까운 점이 근지점, 가장 먼 점이 원지점, 한 바퀴 도는 데 걸리는 시간이 주기, 적도면에 대한 궤도면의 기울기 각도가 궤도 경사이다.

한편, 궤도상의 위성의 위치는 궤도 요소를 통해 결정될 수 있고, 근지점 파라미터, 승교점 적경, 궤도 경사를 통해 지구중심관성(ECI, Earth-Centered Initial) 좌표계로 위치를 구할 수도 있다. 지구 중심 관성(ECI) 좌표계는 지구의 질량중심을 원점으로 하는 좌표계이다. 지구의 적도면을 XY축으로 하며, X축은 춘분점, Z축은 XY평면에서 북극쪽으로 수직인 선, Y축은 XZ축에 직각인 축으로 한다.

지구중심고정 좌표계(ECEF, Earth Centered Earth Fixed)는 X-Y평면이 지구 적도면과 일치시키지만 X축은 경도 0°에 두고 Y축은 경도 90°의 방향에 두고 있는 양축 X, Y는 결국 지구 자전과 함께 회전되므로 더 이상 뉴턴의 법칙에 적용 받는 관성 공간에서 고정된 지향성을 유지 못한다. 다만, 지구와 함께 회전하는 좌표로서 위성의 경도, 위도, 고도 표시에 편리하다.

이에 따라, 본 발명의 이벤트 예측 방법은 위성의 위치 계산을 위하여 위성의 궤도 요소를 바탕으로 ECI 좌표계로 계산한 후, ECEF 좌표계로 변환된 LLA 데이터를 획득할 수 있다.

즉, 본 발명의 이벤트 예측기법은 기존의 ECI 좌표계의 위성의 위치데이터 대신, GPS의 ECEF 데이터 중 LLA(Latitude-Longitude-Altitude) 데이터를 활용할 수 있다.

위성의 위도, 경도 고도 정보는 주기적으로 변할 수 있고, 본 발명의 일 실시예에 따르면, 이를 단순한 함수로 근사(Fitting)가 가능하다. 이때, 위성의 위도, 경도 고도는 각각의 근사 모델을 통해 근사화될 수 있다. 구체적으로, 근사 모델은 시간에 대한 SINE 함수일 수도 있고, 시간에 대한 삼각 함수일 수도 있으나, 이에 한정하지 않고 다양한 함수일 수 있다.

다만, 근사 모델의 계수를 구하기 위하여, 본 발명의 이벤트 예측 방법은 복수의 지점에 대한 LLA 데이터를 필요로 한다. 이에 따라, 위성의 각각의 시각에 대한 시간 정보와 LLA 데이터를 바탕으로 근사 모델의 계수를 획득할 수 있다. 이때, 근사 모델의 계수는 각각 위성의 위도, 경도 고도의 특성이라고 할 수 있다.

본 발명의 이벤트 예측 방법은 획득한 특성을 바탕으로 이동경로에 대한 위도, 경도 및 고도 각각에 대한 근사 모델을 결정할 수 있다(S110). 즉, 본 발명의 이벤트 예측 방법은 획득한 위도, 경도 고도의 특성 또는 계수를 통해, 각각의 궤도를 근사하는 근사 모델을 결정할 수 있다.

본 발명의 이벤트 예측 방법은 근사 모델을 바탕으로 위성이 타겟 지점에 도달하는 제1 시간 범위를 예측할 수 있다(S120). 구체적으로, 타겟 지점의 위도, 경도 및 고도를 알고 있는 경우, 본 발명은 결정된 위도, 경도 및 고도 각각의 근사 모델에 타겟 지점의 위도, 경도 및 고도를 입력하여 시간 정보를 예측할 수 있다.

위성이 타겟 지점에 도달하는 시간의 범위는 오차범위 내에서 예측될 수 있으며, 이를 제1 시간 범위라고 한다. 상술한 바와 같이 본 발명은 수학적 모델을 통해 예측함으로써 원하는 타겟 지점에 도달하는 시간을 해석적으로 예측하는 것이 가능하다는 효과가 있다.

다만, 근사 모델을 통한 시간 정보는 상대적으로 정밀도가 낮을 수 있다. 이에, 본 발명은 예측 시간의 정밀도를 향상시키기 위해 근사 모델을 이용하여 대략적인 이벤트 시간인 제1 시간 범위를 계산한 후, 제1 시간 범위를 기준으로 보다 정밀한 예측을 수행할 수 있다.

구체적으로, 본 발명의 이벤트 예측 방법은 제1 시간 범위에 대응하는 OOP(On-Orbit Propagator) 데이터를 획득할 수 있다(S130). 이때 OOP 데이터는 위성탑재용 궤도전파기(OOP, On-Orbit Propagator)를 이용한 예측 데이터일 수 있다.

본 발명의 일 실시예에 따르면, 정밀한 궤도 예측을 위해서 미국의 합동우주전략센터(JSpOC, Joint Space Operations Center)에서 제공해주고 있는 TLE(Two Line Element) 정보를 이용해서 SGP(Simplified General Perturbations) 계열의 궤도전파기를 이용해서 궤도예측을 수행할 수 있다. 일 예로, 본 발명은 SGP 4와 같은 위성 탑재용 궤도전파기(OOP) 통해 얻은 궤도정보를 의사관측데이터(Pseudo-Observation Data)를 활용해서 궤도예측을 수행할 수 있다.

한편, 본 발명의 이벤트 예측 방법은 OOP 데이터를 바탕으로 위성이 타겟 지점에 도달하는 제1 시간 범위 내의 제2 시간을 예측할 수 있다(S140).

구체적으로, 궤도전파기를 이용해 모든 시간에 대하여 위치를 계산하는 경우에는 위성 궤도에 대하여 정밀한 예측할 수 있으나, 계산량이 과도하게 증가하여 위성탑재용 온 보드(On board) 환경에서는 실질적으로 구현이 어렵다.

이에 본 발명의 일 실시예에 따르면, 근사 모델을 통해 대략적인 제1 시간의 범위에 대해서만 궤도전파기를 이용해 계산함으로써 정밀도를 향상시키면서 계산의 부담(burden)을 절감할 수 있다. 즉, 본 발명의 이벤트 예측 방법은 OOP 데이터를 바탕으로 위성이 타겟 지점에 도달하는 정밀한 제2 시간을 계산할 수 있다.

도 1에는 도시하지 않았으나, 본 발명의 이벤트 예측 방법은 제1 시간 범위에서의 상기 위성의 위치 정보를 이용하여 근사 모델을 업데이트할 수 있다.

특히, 본 발명의 일 실시예에 따르면, 위도, 경도 및 고도 각각에 대한 근사 모델을 통해 시간을 예측하고, 실시간으로 획득하는 LLA 데이터를 통해 LLA 예측 모델을 업데이트할 수 있다. 구체적으로 복수의 데이터 세트를 과거의 관측데이터 정보 혹은 OOP의 정보에서 얻을 수도 있으며, GNSS에서 순차적으로 들어오는 정보만을 바탕으로 LLA 모델을 업데이트할 수 있다. 즉 LLA 모델의 업데이트는 RLS(Recursive Least Sqaure)를 이용해서 가능할 수 있다. 상술한 바와 같은 회귀적 추정법에 의하면 정밀도가 상대적으로 낮은 반면, 계산량이 적어서 초소형 위성군에 구현하기 용이하다는 장점이 있다.

본 발명의 또 다른 실시예에 따르면, GPS 데이터를 관성(ECI) 좌표계로 변환하여 위성의 궤도전파기(OOP)를 갱신한 후, 해당 OOP의 데이터에서 샘플 데이터를 뽑아 LLA 근사 모델을 업데이트할 수 있다. 상술한 바와 같은 궤도전파기 기반 추정법에 의하면 상대적으로 계산량이 많아질 수 있으나, 정밀도를 높일 수는 있다는 장점이 있다.

도 2는 본 발명의 일 실시예에 따른 소프트웨어를 수행하는 위성의 구성요소를 설명하기 위한 간략한 블록도이다.

도 2를 참조하면, 위성(200)은 데이터 획득부(100), LLA 샘플지점 생성부(220), LLA 모델 획득부(230), 예측시간 계산부(240) 및 업데이트부(250)를 포함할 수 있다. 다만, 이는 일 예에 불과할 뿐 다양한 실시예에 따라 도 2에서 도시하지 않은 다양한 구성요소를 포함할 수 있다.

상술한 데이터 획득부(100), LLA 샘플지점 생성부(220), LLA 모델 획득부(230), 예측시간 계산부(240) 및 업데이트부(250)는 위성(200)의 프로세서(미도시)에 포함된 소프트웨어(software) 또는 컴퓨터로 읽을 수 있는 기록매체(computer readable recording medium)에 저장된 명령어를 포함하는 소프트웨어로 구현될 수 있다.

이때 프로세서(미도시)는 디지털 신호를 처리하는 디지털 시그널 프로세서(digital signal processor(DSP), 마이크로프로세서(microprocessor), TCON(Time controller)으로 구현될 수 있다. 다만, 이에 한정되는 것은 아니며, 중앙처리장치(central processing unit(CPU)), MCU(Micro Controller Unit), MPU(micro processing unit), 컨트롤러(controller), 어플리케이션 프로세서(application processor(AP)), 또는 커뮤니케이션 프로세서(communication processor(CP)), ARM 프로세서 중 하나 또는 그 이상을 포함하거나, 해당 용어로 정의될 수 있다. 또한, 프로세서는 프로세싱 알고리즘이 내장된 SoC(System on Chip), LSI(large scale integration)로 구현될 수도 있고, FPGA(Field Programmable gate array) 형태로 구현될 수도 있다.

데이터 획득부(100)는 GPS 또는 GNSS(Global Navigating Satellite System) 데이터를 획득할 수 있다. LLA 샘플지점 결정부(220)는 궤도 주기(orbital period), 궤도 경사(inclination) 등의 궤도 요소를 바탕으로 샘플 지점을 결정할 수 있다.

LLA 모델 획득부(230)는 획득한 LLA 데이터를 바탕으로 적합한 근사 모델을 결정할 수 있다. 이때 근사 모델은 SINE 함수 및 삼각 함수를 통해 구현될 수 있으나, 이에 한정하지 않는다. 또한, LLA 모델 획득부(230)는 획득한 LLA 데이터를 통해 위도, 경도 및 고도에 대한 시간에 대한 근사 함수의 계수를 결정할 수 있다.

시간 계산부(240)는 획득한 근사 모델을 통해 위성(200)이 타겟 지점을 지나는 대략적인 제1 시간 범위를 계산할 수 있다. 본 발명의 일 실시예에 따라, 시간 계산부(240)는 OOP(궤도전파기)를 통해 제1 시간 범위 내의 정밀한 제2 시간을 계산할 수 있다.

업데이트부(250)는 GPS 데이터를 획득하면, 궤도전파기를 업데이트시킬 수 있다. 또한, 본 발명의 실시예에 따라, 업데이트부(250)는 실시간으로 획득하는 LLA 데이터를 통해 LLA 예측 모델을 업데이트할 수 있다. 본 발명의 또 다른 실시예에 따라, 업데이트부(250)는 GPS 데이터를 관성(ECI) 좌표계로 변환하여 위성의 궤도전파기(OOP)를 갱신한 후, 해당 OOP의 데이터에서 샘플 데이터를 뽑아 LLA 근사 모델을 업데이트할 수 있다.

도 3a 내지 3c는 본 발명의 일 실시예에 따른 근사 모델을 통해 위성의 이벤트를 예측하는 것을 설명하기 위한 도면이다. 이하 설명의 편의를 위하여, 본 발명의 위성 이벤트 예측 방법을 위한 소프트웨어가 탑재된 위성(200)을 기준으로 설명하도록 한다.

도 3a는 본 발명의 일 실시예에 따른 복수의 지점을 샘플 지점으로 획득한 것을 도시한다.

도 3a를 참조하면, 본 발명의 일 실시예에 따른 소프트웨어가 탑재된 위성(200)은 GPS 또는 GNSS 데이터에 포함된 궤도 요소 정보를 바탕으로 복수의 지점을 샘플 지점(310)으로 획득할 수 있다. 또한, 위성(200)은 샘플 지점(310)에 대한 각각의 LLA(위도, 경도, 고도)에 대한 데이터를 획득할 수 있다.

위성(200)은 샘플 지점(310)들의 각각의 LLA 데이터를 바탕으로 위도, 경도 및 고도에 대한 근사 모델을 결정할 수 있다. 예를 들어, 도 3b은 위성(200)은 위도(Latitude)에 대한 근사 모델로 sine 함수를 결정한 것을 도시한다.

도 3b를 참조하면, 위성(200)은 샘플 지점(310)의 위도 데이터가 주기적인 궤적을 나타낸다는 것으로 판단할 수 있고, 각 샘플 지점(310)을 연결하는 근사 모델 Lat (320)을 결정할 수 있다. 근사 모델 Lat(320)은 위성의 위도(Latitude)에 대한 근사 모델일 수 있다. 이때, Lat(320)은 A₁sin(B₁t+C₁)+L로써 시간에 대한 sine 함수 모델일 수 있으나, 이는 일 예에 불과하고 데이터의 주기 특성에 따라 다양한 모델을 이용할 수 있다.

위성(320)은 복수의 샘플 지점(310)의 위도 값을 근사 모델(320)에 입력하여, 근사 모델 Lat(320)의 각 계수 값 A_1, B_1, C₁ (321)값을 획득할 수 있다. 이후 도 3b과 같이 위성(200)은 근사 모델 Lat(320)을 이용하여 복수의 샘플 지점(310)을 지나도록 위성(200)의 근사화된 위도 궤도(311)를 계산할 수 있다.

본 발명의 일 실시예에 따르면, 위성(200)은 근사 모델 Lat(320)로 근사화한 수학적 모델을 통해, 타겟 지점을 위성(320)이 지나는 시점을 예측할 수 있다.

구체적으로 도 3c를 참조하면, 위성(200)은 타겟 지점(330)을 위성(200)이 지나는 시간을 계산할 수 있다. 즉, 위성(200)은 타겟 지점(330)을 지나는 대략적인 시간을 제1 시간 범위로 예측할 수 있다.

다만, 근사 모델 Lat(320)과 같은 수학적 모델을 통해 근사화하는 경우 정밀도가 상대적으로 낮을 수 있다는 단점이 있다. 이에 따라, 본 발명의 일 실시예에 따르면, 위성(200)은 근사 모델(320)을 통해 예측한 제1 시간 범위에 대응되는 시간에 대한 OOP 데이터를 획득할 수 있고, 획득한 OOP 데이터를 통해 정밀한 시간 예측을 수행하여, 제1 시간 범위 내의 이벤트가 발생할 것으로 예측되는 제2 시간을 획득할 수 있다.

상술한 바와 같이, 본 발명의 위성 이벤트 예측 방법은 1차적으로 ECEF 좌표계 기반의 LLA 데이터를 바탕으로 근사 모델을 이용해 대략적인 이벤트 시간(제1 시간 범위)을 예측하고, 2차적으로 ECI 좌표계 기반의 OOP 데이터를 바탕으로 정밀한 이벤트 시간(제2 시간)을 예측할 수 있다. 다만, 본 발명은 대략적인 이벤트 시간에 대응되는 OOP 데이터만을 대상으로 궤도전파기 연산을 수행하기 때문에, 초소형위성군에 탑재가 가능할 정도로 적은 연산량을 가질 수 있으면서, 상당한 정밀도를 유지할 수 있다는 효과가 있다.

구체적으로 도 4는 본 발명의 일 실시예에 따른 근사 모델을 삼각함수로 결정한 경우, 위도 정보를 근사화한 결과를 도시한 도면이다.

도 3a 내지 도 3c에서는 근사 모델을 A₁sin(B₁t+C₁) + L과 같은 sine 함수로 설정하였으나, 발명의 일 실시예에 따르면, 근사 모델

의 삼각함수로 설정할 수 있다.

도 4를 참조하면, 본 발명의 위성 이벤트 예측 방법은 근사 모델을 Y(x)와 같이 삼각함수 모델로 설정한 경우, 적은 오차율로 실제 궤도와 근사하게 예측할 수 있다는 것을 알 수 있다.

한편, 상술한 본 발명의 다양한 실시 예들에 따른 방법들은, 기존 위성에 설치 가능한 어플리케이션 형태로 구현될 수 있다.

또한, 상술한 본 발명의 다양한 실시 예들에 따른 방법들은, 기존 위성에 대한 소프트웨어 업그레이드, 또는 하드웨어 업그레이드 만으로도 구현될 수 있다.

또한, 상술한 본 발명의 다양한 실시 예들은 위성에 구비된 임베디드 서버, 또는 위성의 외부 서버를 통해 수행되는 것도 가능하다.

한편, 본 발명의 일 실시예에 따르면, 이상에서 설명된 다양한 실시 예들은 소프트웨어(software), 하드웨어(hardware) 또는 이들의 조합을 이용하여 컴퓨터(computer) 또는 이와 유사한 장치로 읽을 수 있는 기록매체(computer readable recording medium)에 저장된 명령어를 포함하는 소프트웨어로 구현될 수 있다. 일부 경우에 있어 본 명세서에서 설명되는 실시예들이 프로세서 자체로 구현될 수 있다. 소프트웨어적인 구현에 의하면, 본 명세서에서 설명되는 절차 및 기능과 같은 실시예들은 별도의 소프트웨어 모듈들로 구현될 수 있다. 소프트웨어 모듈들 각각은 본 명세서에서 설명되는 하나 이상의 기능 및 동작을 수행할 수 있다.

한편, 컴퓨터(computer) 또는 이와 유사한 장치는, 저장 매체로부터 저장된 명령어를 호출하고, 호출된 명령어에 따라 동작이 가능한 장치로서, 개시된 실시 예들에 따른 장치를 포함할 수 있다. 상기 명령이 프로세서에 의해 실행될 경우, 프로세서가 직접, 또는 상기 프로세서의 제어 하에 다른 구성요소들을 이용하여 상기 명령에 해당하는 기능을 수행할 수 있다. 명령은 컴파일러 또는 인터프리터에 의해 생성 또는 실행되는 코드를 포함할 수 있다.

기기로 읽을 수 있는 기록매체는, 비일시적 기록매체(non-transitory computer readable recording medium)의 형태로 제공될 수 있다. 여기서, '비일시적'은 저장매체가 신호(signal)를 포함하지 않으며 실재(tangible)한다는 것을 의미할 뿐 데이터가 저장매체에 반영구적 또는 임시적으로 저장됨을 구분하지 않는다. 이때 비일시적 컴퓨터 판독 가능 매체란 레지스터, 캐쉬, 메모리 등과 같이 짧은 순간 동안 데이터를 저장하는 매체가 아니라 반영구적으로 데이터를 저장하며, 기기에 의해 판독(reading)이 가능한 매체를 의미한다. 비일시적 컴퓨터 판독 가능 매체의 구체적인 예로는, CD, DVD, 하드 디스크, 블루레이 디스크, USB, 메모리카드, ROM 등이 있을 수 있다.

이와 같이 본 발명은 도면에 도시된 실시예를 참고로 설명되었으나 이는 예시적인 것에 불과하며, 당해 기술분야에서 통상의 지식을 가진 자라면 이로부터 다양한 변형 및 균등한 다른 실시예가 가능하다는 점을 이해할 것이다. 따라서 본 발명의 진정한 기술적 보호 범위는 첨부된 청구범위의 기술적 사상에 의하여 정해져야 할 것이다.

200: 위성
210: 데이터 획득부
220: LLA 샘플 지점 결정부
230: LLA 모델 획득부
240: 시간계산부
250: 업데이트부

Claims (10)

1. 위성에 탑재된 위성 이벤트 시간 예측 방법에 있어서,
   데이터 획득부에 의해, 위성의 이동경로에 대응하는 GNSS 데이터를 지구중심고정 좌표계(ECEF)로 계산한 ECEF 데이터 중 LLA(Latitude-Longitude-Altitude) 데이터를 획득하고, 상기 LLA 데이터를 바탕으로 상기 위성의 이동경로에 대한 위도, 경도 및 고도 각각의 특성을 획득하는 단계;
   LLA 모델 획득부에 의해, 상기 특성을 바탕으로 상기 이동경로에 대한 위도, 경도 및 고도 각각에 대한 근사 모델을 결정하는 단계;
   시간 계산부에 의해, 상기 근사 모델을 바탕으로 상기 위성이 타겟 지점에 도달하는 제1 시간 범위를 예측하는 단계;
   업데이트부에 의해, 상기 위성에 포함된 궤도전파기(OOP)를 통해 상기 제1 시간 범위에 대응하는 제1 OOP(On-board Orbit Propagator) 데이터를 획득하는 단계;
   상기 시간 계산부에 의해, 상기 제1 OOP 데이터를 바탕으로 상기 위성이 상기 타겟 지점에 도달하는 상기 제1 시간 범위 내의 제2 시간을 예측하는 단계; 및
   상기 업데이트부에 의해, 상기 위성이 실시간으로 획득하는 LLA 데이터를 바탕으로 상기 근사 모델을 업데이트하는 단계;를 더 포함하고,
   상기 업데이트하는 단계는,
   상기 GNSS 데이터를 관성 좌표계(ECI)로 계산한 ECI 데이터를 기초로 상기 OOP를 갱신하는 단계; 를 더 포함하고,
   상기 위성 이벤트 시간 예측 방법은,
   LLA 샘플지점 결정부에 의해, 상기 위성의 궤도 주기 및 궤도 경사 중 적어도 하나를 기초로 제2 OOP 데이터를 샘플링하여 샘플 데이터를 획득하는 단계;를 더 포함하고,
   상기 업데이트하는 단계는 상기 샘플 데이터를 기초로 상기 근사 모델을 업데이트하는 위성 이벤트 시간 예측 방법.
2. 삭제
3. 삭제
4. 삭제
5. 삭제
6. 제1항에 있어서,
   상기 근사 모델은 sine 함수, 삼각 함수 중 적어도 하나인 것을 특징으로 하는 위성 이벤트 시간 예측 방법.
7. 제1항 또는 제6항의 위성 이벤트 시간 예측 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체.
8. 위성에 탑재된 소프트웨어를 통해 위성 이벤트 시간 예측하는 위성에 있어서,
   위성의 이동경로에 대응하는 GNSS 데이터를 지구중심고정 좌표계(ECEF)로 계산한 ECEF 데이터 중 LLA(Latitude-Longitude-Altitude) 데이터를 획득하고, 상기 LLA 데이터를 바탕으로 상기 위성의 이동경로에 대한 위도, 경도 및 고도 각각의 특성을 획득하는 데이터 획득부;
   상기 특성을 바탕으로 상기 이동경로에 대한 위도, 경도 및 고도 각각에 대한 근사 모델을 결정하는 LLA 모델 획득부;
   상기 근사 모델을 바탕으로 상기 위성이 타겟 지점에 도달하는 제1 시간 범위를 예측하는 시간 계산부; 및
   상기 데이터 획득부가 실시간으로 획득하는 LLA 데이터를 바탕으로 상기 근사 모델을 업데이트하는 업데이트부; 를 포함하고,
   상기 데이터 획득부는 상기 위성에 포함된 궤도전파기(OOP)를 통해 상기 제1 시간 범위에 대응하는 제1 OOP(On-Orbit Propagator) 데이터를 획득하고,
   상기 시간 계산부는 상기 제1 OOP 데이터를 바탕으로 상기 위성이 상기 타겟 지점에 도달하는 상기 제1 시간 범위 내의 제2 시간을 예측하고,
   상기 업데이트부는 상기 GNSS 데이터를 관성 좌표계(ECI)로 계산한 ECI 데이터를 기초로 상기 OOP를 갱신하고, 상기 갱신된 OOP를 통해 제2 OOP 데이터를 획득하고,
   상기 위성은 LLA 샘플지점 결정부; 더 포함하고,
   상기 LLA 샘플지점 결정부는 상기 위성의 궤도 주기 및 궤도 경사 중 적어도 하나를 기초로 제2 OOP 데이터를 샘플링하여 샘플 데이터를 획득하고,
   상기 업데이트부는 상기 샘플 데이터를 기초로 상기 근사 모델을 업데이트하는 위성.
9. 삭제
10. 삭제

Images