Detecting Satellites in Radio-Frequency Data via Semi-Supervised Learning

Resumo Técnico: Detecção de Satélites em Dados de Radiofrequência via Aprendizado Semissupervisionado

Definição do Problema
O monitoramento de radiofrequência (RF) é essencial para a Consciência de Domínio Espacial (SDA), fornecendo observações de satélites, detritos espaciais e condições ionosféricas de fundo. No entanto, os conjuntos de dados de RF são frequentemente grandes, não rotulados e dinâmicos. Abordagens tradicionais de aprendizado profundo supervisionado (ex: YOLO) exigem conjuntos de dados extensos e pré-rotulados, além de retreinamento cuidadoso para se adaptar às mudanças nas condições ambientais, o que é muitas vezes impraticável devido à escassez de exemplos anotados por especialistas e ao alto custo da revisão por especialistas no assunto (SME). Além disso, métodos totalmente supervisionados podem falhar ao generalizar quando as condições de fundo de RF mudam. O desafio central é detectar e classificar assinaturas esparsas de satélites dentro de vastas quantidades de dados de RF não rotulados sem depender de enormes conjuntos de treinamento pré-rotulados.

Metodologia
Os autores propõem um fluxo de trabalho semissupervisionado que faz a ponte entre a descoberta de padrões não supervisionados, a interpretação de especialistas e a classificação supervisionada. O pipeline consiste em três estágios primários:

1. Pré-processamento de Dados e Extração de Características:

   • Fonte: Medições de fase e quadratura (I/Q) do radar ALTAIR (Kwajalein Atoll) coletadas durante o programa SINTRA.
   • Processamento: Para intervalos de pulso de 0,05 segundos, os sinais recebidos são convoluídos com pulsos transmitidos e transformados no domínio da frequência via transformada de Fourier. Os espectros são somados ao longo de 80 pulsos (integração de 4 segundos) para resolver a "linha iônica" e as assinaturas de satélite.
   • Representação: As observações de RF são convertidas em uma matriz de características não negativas representando espectros de potência de tempo-amplitude (range–Doppler).

2. Agrupamento Não Supervisionado via NMFk:

   • Algoritmo: Os autores utilizam a Fatoração de Matriz Não Negativa com determinação automática de modelo (NMFk).
   • Mecanismo: A NMFk decompõe a matriz de observação $X$ em padrões de base $W$ e coeficientes $H$ ($X \approx WH$). Diferente da NMF padrão, a NMFk estima automaticamente o número ideal de clusters ($k$) perturbando a matriz de entrada, realizando fatorações NMF repetidas e avaliando a estabilidade do agrupamento usando estatísticas de Silhueta e erro de reconstrução (estatísticas L).
   • Resultado: O processo gera um conjunto robusto de fatores latentes que representam padrões físicos recorrentes nos dados não rotulados.

3. Interpretação por SME e Classificação Supervisionada:

   • Rotulagem: Especialistas no assunto revisam os clusters da NMFk, analisando características espectrais (alcance, Doppler, intensidade) para atribuir rótulos semânticos físicos (ex: "satélite Starlink", "satélite não-Starlink", "ruído ionosférico de fundo").
   • Treinamento: Esses rótulos atribuídos pelos SMEs servem como verdade fundamental (ground truth) para treinar um classificador XGBoost.
   • Inferência: O classificador treinado mapeia novos vetores de características de RF para as categorias de eventos definidas pelo SME, permitindo a detecção automatizada de observações futuras.

Principais Contribuições
O artigo delineia quatro contribuições específicas:

1. A aplicação de um framework de classificação baseado em NMFk semissupervisionado especificamente para dados de RF no contexto de SDA.
2. Uma demonstração de como a NMFk pode estimar padrões físicos latentes e recorrentes em observações de RF não rotuladas.
3. O treinamento de um classificador XGBoost sobre os rótulos de clusters da NMFk interpretados por SME para atribuir novas amostras às categorias de eventos descobertas.
4. A validação das detecções da NMFk e das previsões do classificador contra a verdade fundamental derivada de Elementos de Duas Linhas (TLE) para avaliar a correspondência com objetos espaciais conhecidos e rastreados.

Resultos

• Agrupamento: A NMFk identificou um conjunto ideal de 25 clusters a partir do conjunto de dados ALTAIR. Os SMEs interpretaram esses clusters, distinguindo entre atividade ionosférica de fundo, satélites não-Starlink e assinaturas do tipo Starlink.
• Desempenho de Classificação: Um classificador XGBoost treinado nos clusters rotulados por SME (usando uma divisão cronológica de treino/teste de 80/20) alcançou uma precisão micro-média de 0,875, recall de 0,870 e F1-score de 0,872 no conjunto de teste. O F1-score macro-médio foi de 0,593, o que os autores atribuem à escassez de amostras em clusters minoritários devido à divisão cronológica.
• Validação de Detecção:
  • Na janela de treinamento, o fluxo de trabalho NMFk+SME detectou 44 de 57 satélites Starlink conhecidos.
  • Na janela de teste reservada, o classificador reproduziu com sucesso o comportamento de rotulagem da NMFk e detectou 9 dos 15 satélites Starlink esperados.
  • O classificador mostrou concordância perfeita com os clusters da NMFk rotulados pelo SME nos dados de teste, indicando o aprendizado bem-sucedido dos padrões latentes.
• Limitações: Os autores observam que alguns clusters foram muito esparsos para um aprendizado confiável na divisão de teste. Adicionalmente, algumas detecções não se alinharam com os dados TLE, sugerindo ou entradas de TLE perdidas ou detecções de objetos não-Starlink com assinaturas semelhantes.

Significância e Alegações
O artigo posiciona este fluxo de trabalho como uma solução prática para a classificação de eventos de RF onde os dados rotulados são escassos e a interpretabilidade é primordial. Ao alavancar a fatoração não supervisionada para descobrir estrutura e o uso de especialistas para atribuir significado, o método reduz a dependência de grandes conjuntos de dados pré-rotulados. Os autores afirmam que esta abordagem permite a detecção e caracterização automatizada de objetos espaciais, mantendo-se robusta às mudanças nas condições de RF.

O trabalho é apresentado como uma "prova de conceito" que demonstra uma metodologia promissora. Os autores reconhecem modestamente que a precisão pode ser melhorada, citando trabalhos contínuos para abordar falsos negativos através de detecção hierárquica (separando o fundo dos sinais) e abordagens multicanais utilizando diferentes frequências e polarizações. A principal significância reside no estabelecimento de um pipeline semissupervisionado que torna o monitoramento de RF mais escalável e interpretável para a Consciência de Domínio Espacial.