基于L波段Stokes參數遙感數據射頻干擾檢測及特性分析

王新新 王 祥 韓 震 楊建洪

?

基于L波段Stokes參數遙感數據射頻干擾檢測及特性分析

王新新①王 祥*①韓 震②楊建洪③

①(國家海洋環境監測中心 大連 124000)②(上海海洋大學 上海 201306)③(深圳市朗誠科技股份有限公司 深圳 518029)

近岸海域鹽度衛星微波遙感精度受射頻干擾(RFI)嚴重影響，針對近岸海域檢測RFI源并分析其影響特性對后續開展射頻干擾抑制研究具有重要意義。該文基于SMOS衛星傳感器MIRAS獨特的全極化特性，以中國海域沿岸陸地為研究區域，通過合成第3、第4 Stokes參數來表征RFI源的輻射強度，生成了RFI源分布圖并分析了其影響范圍。研究結果表明，影響中國海域的RFI源主要分布于中國沿海陸地區域，渤、黃海全部、東海的西部及南海的北部受RFI污染嚴重，衛星降軌數據和升軌數據受RFI影響具有很大的差異性。RFI源主要可能是微波發射站，表現為點狀射線源，受天線輻射旁瓣的影響，會導致其周圍數百公里區域衛星數據污染，并且由于受RFI源輻射衰減和天線輻射方向圖各異等因素的影響，導致其對衛星的影響極其復雜，抑制其影響也具有一定的挑戰性。

射頻干擾；鹽度遙感；Stokes參數；源檢測；L波段微波輻射

1 引言

近年來，國際上微波輻射遙感技術的發展和應用取得了重要的進展，促成了基于L波段微波輻射計的海表鹽度(Sea Surface Salinity, SSS)微波遙感技術的興起和發展，成為具有廣闊研究應用前景的新興技術。目前用于觀測SSS的在軌衛星主要有SMOS衛星和Aquarius/SAC-D衛星，兩顆衛星的工作頻段都選擇1.413 GHz的L波段[1,2]。這兩顆衛星都搭載了目前最先進的微波輻射計，理論上可以有效觀測全球海域SSS，但是相關研究結果表明，雖然衛星的工作頻段受國際ITU條例的保護，即原則上不受人為電磁波輻射的干擾，但是坐落在陸地或海洋平臺上的發射源的RFI(Radio Frequency Interference)依然會嚴重影響微波輻射計接收的輻射信號，嚴重影響發射源周圍海域SSS衛星遙感的精度。如何檢測RFI源位置并分析其在L波段對衛星微波輻射計的影響規律，對優化海表鹽度反演模型和提高衛星觀測精度具有重要意義。

由于RFI源的發射功率、發射頻率、天線方向圖、天線增益、傳輸損耗等參數各異，所以針對衛星數據的RFI檢測與抑制一直都是一個科學難題。傳統的RFI檢測方法有很多，包括脈沖信號檢測、頻率域和時間域等檢測方法，由于SMOS衛星微波輻射計儀器自身的局限性，RFI檢測具有一定的挑戰性，SMOS衛星通過單一頻率(1.413 GHz)通路進行數據采集，并且其采樣頻率并不高，僅為，因此應用頻率域和時間域對RFI進行檢測效果不理想[8]。針對SMOS衛星數據，可以采用檢測亮溫高值(一般大于340 K)、Stokes參數異常變化、異常亮溫值(TBh>TBv)等檢測方法，但是這些檢測方法只是直觀的檢測到疑似異常值，并標記為疑似目標，通過設定閾值的方法進行簡單的過濾剔除，導致大量數據丟失，破壞了數據的連續性，后期迭代反演鹽度產品精度也會隨之偏低[7]。此外角域算法和峰態算法也能用于SMOS衛星檢測RFI，但是角域算法在應用三階多項式模擬亮溫的過程中，難免會受到污染樣本的影響，導致模擬的亮溫誤差較大，從而影響整個算法的檢測精度[11,12]。峰態算法也具有一定的局限性，該算法對海水中其他的異構體很敏感，比如海水中的初生冰[13,14]。Kristnsen等人[15]在2012年提出利用第3或第4 Stokes參數低值的特性開展RFI檢測技術，人為的RFI源通常不可能與傳感器偏振軸保持一致，因此很可能污染第3和第4 Stokes參數，由于自然條件下電磁輻射的第3或第4 Stokes參數很低，對RFI源很敏感，很容易受到RFI污染并表現出異常高值，可以用來指示RFI源的存在。

本文主要以中國海域和沿岸陸地區域為研究對象，應用SMOS衛星L1C數據開展RFI源位置檢測，根據SMOS衛星的極化特性，在全極化的模式下，利用第3、第4 Stokes參數(,)合成參量對RFI源開展源檢測工作，并統計分析其分布特征和對衛星的影響特性。

2 理論基礎

2.1衛星RFI影響機理

RFI是指頻率相近的目標電磁波與干擾電磁波同時被衛星傳感器接收時，干擾電磁波對傳感器造成的干擾主要通過視距傳播(直射傳播)、反射傳播、繞射傳播以及大氣折射和散射作用等途徑進入衛星傳感器。RFI的典型特征是其在地表的不均勻分布，其中99%分布在陸地上，其余分布在海上的石油鉆井平臺或船只等設施上。RFI信號可以根據干擾的時間分布分為瞬時發射源和永久發射源，瞬時發射源的影響比較不穩定，有可能是移動的發射源，比如船舶等，在時間和空間的影響上都具有一定的局限性；永久發射源的影響在時空上一般都比較穩定，對衛星的影響具有一定的規律性[8]。

對于海洋來說，遠離陸地的大洋海域受RFI影響較小，甚至不受其影響，但是對于近岸海域來說，衛星微波輻射計會受RFI源發射的微波信號的干擾。由于RFI源天線輻射旁瓣的存在，導致發射源周圍很大范圍內的衛星數據都會受其影響，體現為海表面亮溫圖像上形成較清晰的條帶，嚴重影響微波輻射計的的觀測精度，可見對于近岸海域來說，RFI影響不可忽視[4]。

2.2 SMOS衛星觀測特性

SMOS衛星搭載的基于綜合孔徑技術的微波輻射計MIRAS由69個接受收單元構成，所有接收單元均與分布在Y字形伸展結構上，接收單元間距為18.37 cm，理論上可以觀測直徑近3000 km的區域，但是受干涉測量原理、Y字形的天線結構和接收單元之間的間距等因素的綜合影響，觀測范圍限制在1050 km×650 km的有效六角形視場內，同時，MIRAS可以在全極化模式下探測地表輻射信息。其獨特的天線結構、極化方式及六角形觀測視場，對于地表輻射目標可以生成多角度全極化觀測數據[2]。

3 材料與方法

3.1數據選擇

數據選擇SMOS衛星2013年6月覆蓋中國海域的L1C全極化海表面亮溫數據(SCSF1C), SCSF1C數據是經過地理定標后的條帶形狀的亮溫格柵數據圖像，該數據包括不同入射角下，每個柵格的水平極化亮溫值TBh、垂直極化亮溫值TBv以及第3、第4 Stokes參數等信息。

3.2 RFI檢測算法

全極化微波輻射計MIRAS可以獲取目標微波輻射極化特性的4個Stokes參量，即,,,，得到目標的全極化信息，其中第3、第4 Stokes參數,分別用來描述線性極化部分和圓極化部分。人為輻射源的極化方式通常為線性極化或圓極化，并且自然電磁輻射源與人為輻射源相比，其輻射值相對較低，在沒有被RFI污染的區域，MIRAS全極化通道要比正交通道的亮溫小兩個量級，即第3、第4 Stokes參數很小，在微波低頻波段下，自然條件級別的第3、第4 Stokes參數相對于人為RFI源很敏感，人為輻射源很可能對這兩個參數造成嚴重的污染，導致其絕對值異常增大，這表明可能是RFI源[15,16]。合成雙參數算法能同時檢測到線極化和圓極化的人為輻射源，基本涵蓋了目前輻射源的極化方式，基本能夠達到全面檢測RFI的目的，它能有效克服衛星傳感器自身單一頻率的局限性和模擬數據受污染樣本影響的問題，合成參量表達式為

其中，和分別代表第3和第4 Stokes參數。

任何平面波都可以分解為兩個正交的水平極化和垂直極化兩個分量h()和v()，合成場矢量表達式為[17]

(2)

兩個分量的矢量表達式為

其中，0h和0v是平面波的振幅(H/V極化)；代表時間相位；代表空間相位；和代表初始相位。

經過改進后的4 Stokes參量方程可以表示為[17,18]

(5)

將和代入到式(1)中，得到

(7)

由此可以看出，參數不僅可以表示,的合成量，還與平面波水平極化和垂直極化振幅乘積的時間平均值存在一定的線性關系，而振幅在一定程度上可以表征發射功率的大小，所以可以推斷參數與發射功率存在一定的線性關系。

對于坐落在輻射計視場中的RFI源來說，其發射的有效全向輻射功率(Effective Isotropic Radiated Power, EIRP)指向衛星，EIRP表示一個定向天線在其最大輻射方向上輻射的功率，通常用來表征地表發射系統的發射能力[19]。

由此可以推斷參數與EIRP也存在著一定的線性關系，可以用來表征陸地RFI源的輻射強度。

3.3數據處理

SMOS衛星運行軌道為太陽同步軌道，平均軌道高度為755 km，上午6:00越過赤道北上，下午18:00越過赤道南下，最大訪問周期3[20]。數據選取16軌具有代表性的SCSF1C數據圖像(升軌和降軌各8軌)，對中國近岸海域及其沿岸陸地區域形成全覆蓋。提取每軌SCSF1C數據中,參量數據(所有入射角)，應用公式計算參數，通過比較提取每個柵格點處參數的最大值，分別合成升軌和降軌的參數最大值圖像，最終再合成升軌和降軌圖像，生成RFI源檢測圖像。相關的統計分析工作通過專業數據處理軟件完成。

4 結果分析

4.1 RFI源分布特征

融合第3、第4 Stokes參數數據圖像計算參數，生成RFI源檢測圖像，如圖1所示。對于中國海域來說，RFI發射源主要集中分布于中國沿海陸地區域，同時，在韓國、朝鮮及菲律賓等國也檢測出RFI輻射信號，RFI源總數共計57個，由于圖像中強源和極強源較多，其強度比弱源大幾個量級，大部分弱源無法通過算法檢測，其影響可以暫時忽略不計。

最強源出現在北京，其中心值為125973，嚴重影響渤海海域亮溫信號。渤海、黃海海域周邊陸地區域分布了大量RFI源，由于其半封閉的特點，渤海的四周和黃海的兩側都分布有RFI源，在渤海海域，有些輻射源位于島嶼上，導致其附近海域處于輻射源的近場區，受RFI影響極其嚴重；東海海域主要受分布在江蘇、浙江、臺灣和韓國南部的RFI源的影響，從圖像中可以清晰地看出有明顯的輻射條帶，靠近陸地的海域受RFI污染較為嚴重；南海北部海域主要受分布在大珠三角地區、臺灣和菲律賓等區域輻射源的影響，南海中南部海域受RFI影響較小。鄰近RFI源輻射旁瓣在海面上形成疊加區域，導致其影響更加復雜。

圖1南海東北部海域Stokes參數算法RFI源檢測結果

4.2 RFI影響特性

通過Stokes參數算法檢測到的RFI發射源大部分為點狀射線源，在發射源附近一定范圍內，由于輻射強度與距離的平方成反比，RFI源輻射強度隨距離的增大呈衰減變化。中強發射源通過天線輻射旁瓣的影響，造成發射源周圍大范圍區域內的衛星數據受到污染，在海面上形成以RFI源為中心的輻射條帶，并且具有一定的方向性，這可能與發射天線的輻射方向圖有關。多個RFI源旁瓣在海面上形成的條帶疊加在一起，其影響由各自的條帶影響擴展到面影響，影響范圍可以覆蓋渤海、黃海整片海域和東海西部及南海北部大面積海域。

4.3升降軌差異

統計升軌、降軌圖像檢測圖像中的RFI源個數分別為32, 51，相差19個。從圖1(a)和圖1(b)中可以看出，升軌和降軌衛星數據受RFI的影響具有很大的差異。一些強發射源在升軌和降軌圖像中都可以通過算法檢測出來，但是兩幅圖像中RFI源的位置和輻射強度存在一定的偏差，有些發射源僅出現在升軌或者降軌圖像中，同時輻射源的強度和輻射條帶也有明顯的差異，這可能與衛星運行的軌道方向、RFI源發射天線的發射功率、發射天線的指向及輻射方向圖有關。升降軌之間受RFI影響的差異不排除可能出現瞬時發射源的存在，比如L波段雷達系統和船舶等，這可能會導致升降軌檢測圖像中存在RFI源個數的差異，但是從圖像中可以明顯看出發射源的強度對升、降軌數據的影響具有一定差異性，具體的差異規律性和普適性還需要長時間大量數據的統計分析得到，這也是目前國內外前沿的科研方向。

4.4檢測算法性能評估

相關研究結果已經證實，單一采用第3或第4 Stokes參數同樣可以開展RFI檢測[21]。本文將合成參數檢測結果與采用單一參數的檢測結果進行對比，評估分析合成參數算法的性能及意義。為避免升降軌差異、瞬時發射源等因素對評估結果產生干擾影響，本文選取單軌數據分別計算第3和第4 Stokes參數的絕對值||, ||，再分別比較提取每個柵格點處所有入射角下參數||, ||,數據的最大值，并生成3個參數的RFI檢測圖像，如圖2所示。通過對比可以看出，采用單一參數同樣可以檢測到中強RFI源的位置信息，并且3幅檢測圖像中RFI源的位置一致，并沒有出現小范圍的漂移。

圖2 參數|U|, |V|, W的單軌RFI源強度檢測圖像

表1 RFI源位置及強度信息

由于RFI源發射天線與衛星接收天線的極化狀態可能不一致，這有可能導致發射電磁波的功率不能完全被衛星天線正交通道接收，存在部分發射功率被相關極化通道接收的可能，這會導致參數和的絕對值異常增大，從圖2和表1可以看出，RFI源處參數||值通常大于||(3號RFI源除外)，在檢測圖像上也可以清晰地看出和受RFI影響的強度和范圍存在的差異，3個明顯的RFI源可以說明這種差異性：3號RFI源處||受RFI影響的強度和范圍比||大，5號則相反，而6號RFI源出現了只有參數||圖像檢測出了RFI源的現象。這些差異說明代表線極化強度的和代表圓極化分量的受RFI影響存在差異性，不同入射角下，參數,受RFI影響不同，圖3為3號和5號RFI源處參數||, ||,隨入射角的變化趨勢，對比結果表明采用單一Stokes參數開展RFI源檢測很可能會丟失RFI源位置、強度及影響范圍信息等，而采用合成參數的算法可以有效地疊加兩個參數所包含的信息，并且從理論算法推導的結果可以推斷參數與EIRP也存在著一定的線性關系，采用合成參數檢測RFI的方法相比單一參數檢測的方法具有一定的優越性，這也為后續開展RFI定量剔除工作提供了一定的研究基礎。

?????????????????????????? 圖3 參數|U|, |V|, W隨入射角的變化趨勢圖???????????????圖4 未受RFI影響的海域和中國近海區域U, V參數信息隨入射角的變化規律

圖5 參數|U|, |V|, W概率分布直方圖

圖4給出了遠離陸地未受RFI影響的海域和中國近海區域兩點的,參數信息隨入射角的變化規律，從圖中可以看出，自然條件級別的極化信號很小，變化區間為[-10 K, 10 K]，而中國近海區域處于RFI影響的重災區，受多個中強源的疊加影響，,隨著入射角變化劇烈波動。從圖5概率分布直方圖可以看出，||, ||,信號主要集中分布在[0 K, 400 K]區間內，在區間[0 K, 10 K]之間幾乎沒有數據分布，這表明幾乎所有的數據都不同程度的受到了RFI的污染，都可以認為是背景噪聲，而合成參數W的概率分布較||, ||向右微移，這表明參數合成不僅可以增大RFI源發射強度，還在一定程度上增大了背景噪聲。但是從圖5可以看出，的背景噪聲并沒有超出[0, 400]閾值區間，中、強等級的RFI源中心強度比背景噪聲大幾倍甚至十幾倍，所以合成參數算法依然可以準確檢測到中強等級的RFI源。

5 結束語

人為的電磁輻射源主要有電視微波發射基站、機場基站、手機發射基站、雷達系統、衛星地面工作站等。從圖1中可以看出，RFI發射源大部分為點狀射線源，微波發射站是比較常見的發射源，這類發射源大部分是多載波水平發射，其建設位置海拔相對較高，一般都在幾百米左右，其天線主瓣方向與發射塔垂直以達到水平發射的目的。但是由于地球是圓的，輻射功率大部分指向空間。由于這些基站發射頻率與SMOS衛星頻率相近，并且其指向太空的輻射功率很可能被SMOS衛星接收，導致亮溫圖像上形成比較清晰的條帶，影響海表面亮溫觀測數據質量，進而影響SSS衛星觀測數據精度。

Stokes參數檢測算法可以有效地檢測中、強和極強的RFI源，相比于單一參數檢測算法具有一定的優越性。但是在多個RFI源密集分布的區域，受發射天線旁瓣疊加影響的限制，無法確定較弱的RFI源，更加無法確定與自然水平級別相同的RFI輻射源。由于海表鹽度遙感對海表亮溫的精度要求很高，海表亮溫細微的變化都會導致鹽度的變化，所以對于弱源的檢測與抑制也是一個難題。該文的研究為后續的工作開展打下了一個良好的基礎。

[1] 殷曉斌, 劉玉光, 張漢德, 等. 海表面鹽度的微波遙感平靜海面的微波輻射機理研究[J]. 高技術通訊, 2005, 15(8): 86-90.

Yin Xiao-bin, Liu Yu-guang, Zhang Han-de,.. Microwave remote sensing of sea surface salinitya study on microwave radiation theory of calm sea surface[J]., 2005, 15(8): 86-90.

[2] 王新新, 趙冬至, 楊建洪, 等. 海表面鹽度衛星微波遙感研究進展[J]. 遙感技術與應用, 2012, 27(5): 671-679.

Wang Xin-xin, Zhao Dong-zhi, Yang Jian-hong,Progress in SSS (Sea Surface Salinity) microwave remote sensing by satellite[J]., 2012, 27(5): 671-679.

[3] Yueh S, West R, William W,Error sources and feasibility for microwave remote sensing of ocean surface salinity[J]., 2001, 39(5): 1049-1060.

[4] Oliva R, Daganzo E, Kerr Y H,SMOS radio frequency interference scenario: status and actions taken to improve the RFI environment in the 1400–1427-MHz passive band [J]., 2012, 50(5): 1427-1439.

[5] Castro R, Gutierrez A, and Barbosa J. A first set of techniques to detect radio frequency interferences and mitigate their impact on SMOS data[J]., 2012, 50(5): 1440-1447.

[6] Johnson J T and Aksoy M. Studies of radio frequency interference in SMOS observations[C]. IEEE International Geoscience and Remote Sensing Symposium(IGARSS), Vancouver, Italy, 2011: 4210-4212.

[7] Aksoy M and Johnson J T. A study of SMOS RFI over North America[J]., 2013, 10(3): 515-519.

[8] Aksoy M, Park J, and Johnson J T. Joint analysis of radio frequency interference from SMOS measurements and from airborne observations[C]. General Assembly and Scientific Symposium-URSI, Istanbul, Turkey, 2011: 1-4.

[9] Chen D D and Ruf C. A novel method to estimate the RFI environment[C]. 2014 IEEE International Geoscience and Remote Sensing Symposium (IGARSS), Quebec City, 2014: 215-218.

[10] Soldo Y, Cabot F, and Khazaal A. Localization of RFI sources for the SMOS mission: a means for assessing SMOS pointing performances[J]., 2014, 8(2): 617-627.

[11] Misra S. Development of radio frequency interference detection algorithms for passive missive microwave remote sensing[D]. [Ph.D. dissertation],University of Michigan, 2011.

[12] Misra S and Ruf C S. Analysis of radio frequency interference detection algorithms in the angular domain for SMOS[J]., 2012, 50(5): 1448-1457.

[13] Khazaal A, Cabot F, and Anterrieu E. A Kurtosis-based approach to detect RFI in SMOS image reconstruction data processor[J]., 2014, 52(11): 7038-7047.

[14] Bradley D, Morris J M, Adali T,On the detection of RFI using the complex signal kurtosis in microwave radiometry[C]. Proceedings of 13th Specialist Meeting on Microwave Radiometry and Remote Sensing of the Environment (MicroRad), Pasadena, 2014: 33-38.

[15] Kristensen S S, Balling J E, Skou N,RFI detection in SMOS data using 3rd and 4th Stokes parameters[C]. 12th Specialist Meeting on Microwave Radiometry and Remote Sensing of the Environment (MicroRad), Roman, Italy, 2012: 1-4.

[16] 王新彪, 李靖, 姜景山. 相關型全極化輻射計研究[J]. 遙感技術與應用, 2008, 23(5): 582-586.

Wang Xin-biao, Li Jing, and Jiang Jing-shan. Study of fully polarimetric radiometer[J]., 2008, 23(5): 582-586.

[17] Gabarró P C. Study of salinity retrieval errors for the SMOS mission[D]. [Ph.D. dissertation], University Politècnica de Catalunya, 2004.

[18] Spurgeon P, Lavender S, and Delwart S. SMOS L2 OS algorithm theoretical baseline document[OL]. http://www. argans.co.uk/smos/docs/deliverables/delivered/ATBD/SO- TN-ARG-GS-0007_L2OS-ATBD_v3.10_131011, 2013.

[19] 王小強, 秦順友, 王俊義. 地球站最大EIRP的測量及誤差分析[J]. 無線電工程, 2008, 38(9): 47-54.

Wang Xiao-qiang, Qin Shun-you, and Wang Jun-yi. Measurement and error analysis for earth station maximum EIRP[J]., 2008, 38(9): 47-54.

[20] 陳建, 張韌, 安玉柱, 等. SMOS衛星遙感海表鹽度資料處理應用研究進展[J]. 海洋科學進展, 2013, 31(2): 295-304.

Chen Jian, Zhang Ren, An Yu-zhu,Overview on processing and applying on the SMOS satellite remotely sensed sea surface salinity product[J]., 2013, 31(2): 295-304.

[21] Balling J E, S?bjoerg S S, Kristensen S S,RFI and SMOS: preparatory campaigns and first observations from space[C]. 11th Specialist Meeting on Microwave Radiometry and Remote Sensing of the Environment (MicroRad), Washington, DC, USA, 2010: 282-287.

Radio Frequency Interference Detection and Characteristic Analysis Based on the L Band Stokes Parameters Remote Sensing Data

Wang Xin-xin①Wang Xiang①Han Zhen②Yang Jian-hong③

①(,124000,)②(,201306,)③(.,,518029,)

Sea surface salinity remote sensing is seriously impacted by Radio Frequency Interference (RFI) over coastal areas, detecting RFI sources and analyzing its influence characteristic for developing RFI suppression research in the nearshore areas is of great significance. Based on the unique multi-angle observation imaging and polarization characteristics of the SMOS satellite sensor MIRAS, this paper generates the RFI sources distribution diagram and analyzes its distribution characteristics and influence scope through synthesis third and fouth Stokes parameters in the China sea. The results indicate that the RFI sources are concentrated distributed throughout coastal land areas of the Bohai sea, the Yellow sea, the west of the East China Sea and the north of the south China sea are strong impacted by RFI sources, and the sources have big different effects on ascending pass and descending pass data. The RFI sources may be microwave emission station, displaying as pointlike radio source, and the strong sources can pollute satellite data within a few hundred kilometers through antenna sidelobes, and RFI suppression is a scientific problem right now for the reason that RFI has complex effects on satellite depending on different attenuation and antenna radiation patterns.

Radio Frequency Interference (RFI); Salinity remote sensing; Stokes parameters; Sources detection; L band microwaveradiation

TP722.6

A

1009-5896(2015)10-2342-07

10.11999/JEIT141577

2014-12-10；改回日期：2015-06-15；

2015-07-27

王祥 xxwang.nmemc@foxmail.com

國家863計劃項目(2007AA092003)和上海市科學技術委員會科研計劃項目(08DZ1206304)

The National 863 Program of China (2007AA092003); The Shanghai Science & Technology Commission Proiect Foundation of China (08DZ1206304)

王新新： 男，1989年生，研究實習員，研究方向為海表面鹽度衛星微波遙感.

王 祥： 男，1984年生，助理研究員，研究方向為衛星遙感信息獲取及算法研究.

韓震： 男，1969年生，教授，研究方向為遙感技術在海岸帶、近海及大洋的理論及應用.