静止通信或电视卫星信号的干扰识别

论文总字数：17267字

目 录

1. 引言 3

2. 国内外研究进展 4

2.1 国内研究进展 4

2.2 国外研究进展 5

3. AMSR-2仪器及RFI算法介绍 6

3.1 AMSR-2仪器简介及通道特征 6

3.2 谱差法 7

4.计算结果分析 7

4.1 北美洲南部地区RFI信号识别 7

4.2 中国沿海及周边国家地区RFI信号识别和来源分析 9

5. 总结 12

参考文献 12

致谢 14

静止通信或电视卫星信号的干扰识别

黄浩杰

,China

Abstract: Mixed signal of spaceborne microwave radiometer passive thermal radiation from the earth atmosphere system and active sensor receiving emission, called radio frequency interference (RFI), a RFI as the meteorological satellite brightness temperature data error, first to correctly identify it is necessary. Rail lift observation in the summer of 2014 August 1st to 16 one observation period of spaceborne microwave radiometer AMSR-2 brightness temperature data based on the spectral difference of North America, RFI pollution in parts of East Asia were identified, and further analyzes the cause of formation of RFI in eastern coastal areas and the surrounding area China, results show that the brightness temperature of AMSR-2 low frequency channel value is larger than the same high frequency channel. Frequency, vertical channel region bright temperature is generally higher than the level of the channel, and the spectral difference method in the identification of RFI on land in summer is effective, the North America area south of RFI mainly concentrated in the East and West Coast And the strength is greater; the Korean Peninsula, the eastern coast of Vietnam, southeastern Cambodia, north of the Philippines and China's eastern coastal areas of RFI interference source for ground active microwave emission source and RFI in the coastal area of eastern China is mainly produced by the ground-based radar transmitting signal, and Japan and China, Hebei Province, Zhangjiakou City in the vicinity of the RFI is mainly observed by reflection of stationary communication / TV satellite downlink signal generation, and only appear on the AMSR-2 of rail lift observation, to track down almost undisturbed. The eastern coast of Vietnam, southeastern Cambodia and northern Philippines RFI specific causes to be further explored.

Key words: RFI identification; AMSR - 2; Microwave remote sensing;Satellite borne microwave radiometer

1. 引言

无线电频率干扰（Radio-Frequency Interference，简称RFI）是卫星微波接收的来自自然大气和地表的被动热辐射与主动微波传感器所发射的信号相混合，形成RFI干扰，对星载微波辐射计的观测资料造成污染，这个问题在主动微波遥感和星载微波辐射计被动微波遥感探测已经越来越为重要^[1]。近几年来随着手机通讯、GPS导航等主动遥感的不断发展和其他行业对微波波段的使用日益增多，由于有无线电干扰现象的存在，使得星载微波仪器观测来自地球大气系统辐射也越来越受到主动微波技术的影响^[2]。

RFI信号主要来源是来自视场反射的静止电视或通信卫星所下发的RFI信号，还有来自人为的从地表的主动微波发射器中发射的RFI信号。利用星载微波辐射计的低频通道所观测的亮温数据来反演地表参数，在这些数据中却发现大面积的RFI信号，这些RFI信号是由人为的主动微波源(如地基雷达的无线电信号、手机、空中交通管制设备、高速路上的GPS信号等)所产生的，当主动微波源的工作频率恰好和星载被动微波辐射计的观测频率相同时，使得卫星观测到的自然地表、大气辐射所产生的信号受到这些信号的干扰，对观测数据造成了严重污染^[1]。所谓地表参数就是指表温度、地表湿度度、土壤湿度、植被含水量、表面降水率等重要的气象要素，若采用以前直接观测的方法，不仅所观测的资料具有很强的局限性，观测站所覆盖的区域也不是很广^[3]。无线电的干扰在被动遥感中尤其严重，这是因为地表中较弱的亮温数据很容易被强的RFI信号覆盖。这些RFI信号会污染地球大气的发射辐射和散射，会使卫星资料在使用过程中增加数据的误差，造成视场内观测到的亮度温度要比实际的大气的地表辐射异常偏大^[4]。使得被动微波遥感观测反演地表参数中观测数据的精度更难提高^[5-7]。RFI信号一般来源于范围较大的点源，它们通常处于窄波段内，具有方向性，造成空间上孤立性，时间上持续性的分布特征。然而在设计星载微波低频观测的工作频率时会优先选用不被其他信号干扰，为被动遥感设备保留的受保护的波段，但是为了实现一些特定目的的观测，许多星载微波低频观测的工作频率必须在一些不受保护的波段(C 波段和X 波段)，而且未来的星载微波低频观测的工作频率不得不在这些不受保护的波段来进行观测^[8]。由于观测受到来自地面主动微波发射器发射的信号即无线电频率干扰（RFI）信号影响，使得观测的局地的亮度温度异常偏高,进而使星载微波仪器所反演的地表参数（土壤湿度、植被含水量、地表温度、表面降水率、海表温度以及雪盖等）与实际的自然大气的地表发射、散射辐射具有较大误差 ^[9]。在阴天、雨雪等极端天气情况下，如果用卫星观测的热红外通道来反演地表的温度就会有很多的干扰因素，导致热红外地表温度的数值不能接近实际值^[10-12]。而被动微波遥感恰好可以弥补这个缺陷，因为大气在微波窗区通道的干扰比较小，能够穿透部分的云区得到地表发射辐射，具有多极化等特点,所以微波在地表参数的反演中具有很大的优越性^[13]。

不同国家识别RFI信号的微波辐射计也是不同的:AMSR-E是美国NASA地球观测系统EOS Aqua卫星所搭载的微波扫描辐射计（Advanced Microwave Scanning Radiometer，简称AMSR-E）^[14]。搭载在GCOM-W1卫星上的AMSR-2于2012年5月发射，AMSR-2相比AMSR-E增加了频率为7.3GHz 的水平极化和垂直极化的两个观测通道，缓解了亮温资料在C波段对无线电干扰信号（RFI）的识别。MWRI是我国所用的搭载在FY-3B卫星上的微波成像仪（Microwave Radiation Imager）。研究发现将MWRI和AMSR-2所观测的数据的结合，可以有效提高卫星监测地球和大气中的水循环能力^[15]。为了能够准确的在亮温资料中识别出RFI信号，经过多年的研究和实践，目前已经形成了多种用来识别和分析RFI信号的方法，来消除RFI信号对于星载微波辐射计反演地标参数的影响，如谱差法、主成分分析（PCA）方法、标准化的主成分分析（NPCA）方法和双主成分分析（DPCA）方法等，通过使用算法可以定量得到RFI信号所在的的范围和强度。若能够正确的识别和去除RFI污染资料，那么将很大程度的提高星载微波辐射计的科学价值，所以识别去除星载微波仪器的观测数据上所产生的RFI信号越来越重要。

1. 国内外研究进展

2.1 国内研究进展

2011 年，Wu Y等针对AMSR-E 观测数据中出现的RFI现象提出了线性拟合法^[5]。2012 年，邹晓蕾等通过我国FY-3B极轨卫星上搭载的微波辐射计（MWRI） 观测的数据，对冬季冰雪区域和复杂地表的RFI信号识别问题进行了研究，提出了标准化的主成分分析方法，根据通道间的相关性能够有效识别冬季冰雪覆盖区域的RFI信号，而且这个方法不仅适用于冬季冰雪下垫面而且适用于夏季晴空非散射地表^[1]。2013 年，官莉等用微波辐射计WindSat观测到格陵兰岛和南极洲附近海冰下垫面的数据进行RFI识别，并指出在海冰区RFI识别时，谱差法和主成分分析方法会产生大面积的虚假信号，并对识别RFI信号的方法进行改进，提出双主成分分析算法（DPAC） 方法，该方法能够识别强散射的海冰区的RFI信号 ^[16]。2014年，Zhao J等针对冬季冰雪和RFI混合的复杂陆地表面进一步改进了识别RFI信号的方法，提出了改进的主成分分析算法^[17]。

剩余内容已隐藏，请支付后下载全文，论文总字数：17267字

相关图片展示：