合成孔徑雷達射頻干擾抑制技術進展及展望

陳筠力，陶明亮，李劼爽，侯雨生，劉艷陽，4

（1.上海航天技術研究院，上海 201109；2.西北工業大學 電子信息學院，陜西 西安 710072；3.上海衛星工程研究所，上海 201109；4.中科院衛星應用德清研究院，浙江 德清 313200）

0 引言

合成孔徑雷達（Synthetic Aperture Radar，SAR）是一種主動式微波遙感設備，能夠提供了解全球環境變化的重要數據，在科學、商業和國防等領域得到了廣泛的應用。無線電技術的迅速發展使主動遙感系統的通道受到干擾的可能性大大提高，特別是那些幾百兆赫茲［1］的高分辨率SAR 系統。

同一頻帶內其他輻射源發出的干擾信號稱為射頻干擾（Radio Frequency Interference，RFI），工作在P、L、C 等低頻段的SAR 系統更容易受到這些RFI 的影響［2］。全球C 波段的RFI 概率分布圖如圖1所示。可以看出，RFI 源密集分布在全球，但分布情況又隨地域而變化。相對而言人口密集的發達地區更為嚴重。

圖1 C 波段全球干擾概率分布圖（數據來源：Sentinel?1）Fig.1 C?band distribution of observed RFI sources over the global area（data source：Sentinel?1）

根據應用情況的差異，SAR 主要利用回波幅度、頻率、時延、極化、多普勒頻移和相位等信息［3］。而RFI 可以通過多種方式破壞雷達的測量量，包括原始回波錄取、成像和圖像解譯過程。

1）回波錄取。在SAR 原始回波中，RFI 會降低信噪比且遮蓋弱散射能量的目標，導致原始回波的動態范圍失真。此外，當目標對準主瓣中的干擾源時，大功率帶內發射的強干擾會導致接收機飽和。如圖2 所示，比較了實測SAR 回波在有無RFI 情況下的特定距離維頻譜。結果表明，RFI 會引起目標回波功率的動態變化以及信噪比的降低，同時改變頻譜形狀。

圖2 SAR 回波的距離譜Fig.2 Range spectra of SAR echo with and without RFI

2）成像。SAR的一個重要特點是能夠產生高分辨率圖像。機載SAR平臺由于受到大氣湍流的影響，會產生較大的軌跡偏差。在缺乏足夠精確的慣性導航系統數據的情況下，需要直接從原始數據中估計出關鍵的匹配濾波器參數，如多普勒中心和多普勒調頻率［4］。RFI 的存在將對這些參數產生有偏估計，如圖3（a）所示。在這種情況下，成像結果將散焦，圖像質量嚴重下降。在不同干信比（Interference-to-Signal power Ratio，ISR）下使用這些不準確的參數進行匹配濾波后的點目標響應如圖3（b）所示。可以看出，隨著干信比的增大，旁瓣水平上升越來越明顯，導致目標響應失真。

圖3 RFI 對成像過程的影響Fig.3 Effects of RFI on the imaging process

3）圖像解譯。RFI 的存在會導致成像數據的幅相失真。直觀地說，強干擾會在被觀測區域上產生像霧一樣的圖像偽影亮線，從而導致不精確的空間輻射測量。由此產生的相位失真還會使數據失去相關性，產生不準確的衍生產品，如干涉圖［3］、相干系數［5］以及其他反演的生物或物理參數等［7］。

美國NASA UAVSAR 系統在夏威夷地區錄取的實測數據如圖4 所示。從圖中可觀察到明顯的RFI 條紋，其可能來源于附近的機場監視雷達。這些偽影的圖案非常獨特，不是附近散射體或強反射率區域所造成的模糊。圖像中的圖案是帶有曲率的明亮條紋，這可能是干擾的存在使匹配濾波產生偏差。RFI 會導致極化目標分解參數的不準確估計，在使用這些不準確的參數時會導致錯誤的分類結果。圖4（b）～圖4（c）顯示了通過Cloude-Pottier 極化分解獲得的熵和各向異性參數。

圖4 實測NASA UAVSAR 數據上RFI 產生的振幅和相位畸變示例Fig.4 Illustration of amplitude and phase distortions generated by RFI on measured NASA UAVSAR data

圖4（a）展示了對應不同干擾能量的機場跑道區域，分別稱為無干擾區①、弱干擾區②和強干擾區③。這些區域具有相同的散射機制，因此，應該具有類似的反射率。其共極化響應如圖4（d）所示。這3 個分布區域的散射機理應與低信噪比條件下的散射機理相同。然而，隨著RFI 能量的提高，共極化響應的形狀和強度的畸變越來越嚴重。因此，RFI引起的圖像幅相失真會導致錯誤的極化特征，從而進一步影響對散射機制的解譯。

1 干擾機理及主要RFI 源

1.1 地面RFI 源

大多數RFI 來源都與人類在陸地上的活動有關。地面商業或工業無線電設備被認為是SAR的主要RFI源，包括但不限于無線電定位雷達、風廓線儀、電信設備、電視網絡和業余無線電等。

潛在的地面無線電發射裝置如圖5（a）所示。近年來，在機載SAR系統（如AIRSAR、E-SAR［7］、UAVSAR［3］）和空間SAR系統（如PALSAR［8］和Sentinel-1［9］）中觀察到了許多地面RFI 情況。

地面RFI 和SAR 系統之間的干擾機制如圖5（b）所示。由于地面干擾只單向傳播，接收到強RFI 信號將會大大提高噪聲基底，降低信噪比。

如圖5（c）～圖5（d）所示，比較了有無RFI的SAR 圖像。該數據集是由某機載SAR 在西安郊區采集到的，分辨率為1 m×1 m，圖中主要場景為公寓樓和田地。可以明顯看出，強能量干擾會在圖像上產生明亮條紋，遮蓋了真實目標場景。

圖5 陸地RFI 示例Fig.5 Illustration of terrestrial RFI

1.2 星載RFI 源

除了地面射頻干擾源外，也有一些不太常見的星載衛星的廣播信號會干擾到SAR 系統，如全球導航衛星系統星座、通信衛星或其他主動遙感系統。星載RFI 源干擾機理示意圖如圖6（a）所示。一種途徑是直接干擾其他衛星的天線旁瓣或后瓣。根據對美國宇航局SMAP 雷達的分析，這種由背瓣直接接收產生的干擾功率可忽略不計［7］。

另一種是地球反射的地形散射干擾（Terrain Scattered Interference，TSI）。當不同的星載系統共享觀測區域，兩個系統之間可能會發生主瓣間的強耦合，尤其是發生鏡面反射時。比如中國的高分三號衛星、歐洲Sentinel-1 衛星與加拿大Radarsat-2 衛星系統發生了長時間的相互干擾。

未來，隨著分布式多基觀測網絡的建立，這種地面散射干擾的現象將會越來越普遍。在這種情況下，接收到的RFI 信號不再被視為單點源，因為它的回波被地面目標重新調制了。2015 年8 月在意大利獲得的C 波段Sentinel-1 雷達實測數據中的TSI示例，如圖6 所示。

該數據是在TOPS 模式下采集的。VV、VH、偽彩色編碼圖像分別如圖6（b）～圖6（d）所示。圖中可見，VH 圖像中出現了許多高強度的強條紋，這些條紋產生了不規則的紋理圖案，掩蓋了被照區域的真實回波。這是由于Sentinel-1 和Radarsat-2 號同時對同一區域進行成像造成的。然而，在VV 圖像中，干擾造成的影響并不明顯，而圖像的幅度也沒有因干擾效應而明顯惡化。這表明干擾造成的影響與電磁波的極化方式密切相關。對于不同的子條帶，干擾情況也不同。第3 個子帶的嚴重程度低于第1 和第2 個子帶，這意味著RFI 特性也依賴于數據采集的地理區域。

圖6 星載地形散射干擾示意圖Fig.6 Illustration of terrain scattered interference

1.3 典型射頻干擾源模型

對于SAR 系統，在脈沖重復時間內接收到的每一個回波都可以看作是一維時間序列，可以被建模為目標回波、噪聲和干擾的混合［14］：

典型RFI 信號可以分為以下幾類：

1）窄帶干擾。窄帶干擾通常具有相對較窄的帶寬，而相對于合成孔徑時間而言，窄帶干擾在時間上是連續的。典型的例子是商用陸地移動無線電和業余無線電。這種干擾信號模型在RFI 的早期研究中得到了很好的研究［11］。在數學表示中，它可以被建模為復雜正弦波的和，即

式中：An、fn、θn和分別為第n個干擾分量的振幅、載波頻率、相位和調制項。

被窄帶射頻干擾污染的雷達回波的距離維頻譜和距離頻率-方位時間譜如圖7 所示。該數據取自L波段某機載SAR系統，信號發射帶寬為300 MHz。在頻譜上可以看到干擾能量所處頻率有明顯的尖峰，在距離頻率-方位時間譜中干擾會形成亮線，這些特點使干擾更易于被識別和檢測。

圖7 窄帶干擾示例Fig.7 Illustration of narrow-band interference

2）脈沖型寬帶干擾。脈沖型寬帶RFI 是在脈沖重復時間不同的情況下實現的，其帶寬比窄帶RFI 要寬。這種射頻干擾的常見情況來自地面無線電定位雷達。

根據調制類型，它可以進一步建模為兩種主要形式的寬帶干擾（Wide Band Interference，WBI），即線性調頻調制（Chirp Modulated，CM）WBI 和正弦調制（Sinusoidal Modulated，SM）WBI［12］。在實際應用中，WBI 不一定完全匹配這兩種特殊模型，但CM-WBI 和SM-WBI 可以被看作是兩種極端特例。CM-WBI 可被建模為

式中：L為干擾信號的數量；Al、fl、γl分別為系統工作信號的幅度、載波頻率、調制頻率。

SM-WBI 可以表示為

式中：L為干擾信號的數量；Al、fl、βl、θl分別為系統工作信號的幅度、載波頻率、調制頻率和相位。

時域上無法直觀地識別WBI，但在頻域可以最大限度地提高干信比，從而有利于干擾檢測。含有WBI的雷達回波的特定距離譜如圖8所示。從圖8（a）可以看出，目標回波受到多個具有不同包絡和帶寬的WBI 的干擾。它們的幅度是變化的，且最大幅度遠高于目標回波，這使得目標回波在距離頻譜中幾乎不可見。使用短時傅里葉變換將脈沖轉換為時頻圖表示，如圖8（b）所示。可以觀測到干擾隨頻率和時間的變化是非常直觀的，這說明WBI 是高度非平穩的。此例中WBI 特征具有CM-WBI 和SMWBI 的組合屬性。

圖8 脈沖型寬帶干擾示例Fig.8 Illustration of pulse type wide-band interference

3）連續波寬帶干擾。該類描述由于調制而具有相對較寬頻帶的信號，并且通常相對于合成孔徑時間是連續的。常見的情況是寬帶通信系統或編碼信號，如全球導航衛星系統。在這種情況下，它們具有類似寬帶噪聲的特性。例如，數字視頻廣播地面（DVB-T）信號可以建模為［13］

式中：fc為中心頻率幀數量符號數和子波載數；m為發射信號的幀數；n為時間采樣；ksc為載波的數目；l為OFDM 符號的總數；k為中心載波對應的子載波編號；TS為符號一共持續的時間總長；Tu為信號總共持續的時間長度；Tg為頻段之間的保護間隔的持續時間總長；Cm，l，ksc為在第l個數據傳輸的路徑上，第ksc個載波對應的第m幀的調制信息。

包含連續波寬帶干擾的案例如圖9 所示。可以看出干擾能量非常強，并且具有與發送信號相當的大帶寬。在時頻域中，干擾與目標回波有很大的重疊，這使得干擾分離異常困難。

圖9 連續波寬帶噪聲時頻譜圖Fig.9 Illustration of continuous modulated broadband noise

2 SAR 干擾抑制技術

RFI 抑制方法的基本思想是找到一個合適的域，使有用回波和干擾之間的特性差異最大化；然后對RFI 信號進行提取相消或直接濾波，同時盡量減少目標回波的失真。下文將詳細介紹和比較目前最先進的RFI 抑制技術，具體分析見表1。值得注意的是，所有的RFI 抑制技術只能作為補救措施，其恢復質量并不能完全還原回無干擾時的原始數據。

表1 合成孔徑雷達射頻干擾抑制技術現狀比較Tab.1 Comparison of RFI suppression techniques for SAR

2.1 頻域陷波法

執行RFI 檢測和抑制的最直接方法是在雷達回波的距離頻譜中采用陷波濾波。由于RFI 與發射脈沖帶寬相比通常是窄帶的，并且在頻域呈現尖峰狀，這些峰值通常比周圍的信號電平強很多分貝，因此，只需剔除超出能量閾值的部分即可實現干擾抑制［14］。該方法簡單高效，在ESAR 系統［7］和PALSAR 系統［8］等實際機載SAR 和星載SAR 系統中得到廣泛應用。

當只有聚焦后數據而無法獲取原始回波時，需要從聚焦數據中移除剩余的RFI。REIGBER 等［15］提出了后驗濾波方法來消除聚焦圖像的干擾。文獻［16］提出了一種子帶譜對消方法，通過減去SAR圖像的不同距離子帶譜來估計和消除NBI。NATSUAKI 等［17］提出了一種利用多普勒差異在距離時間-方位頻率域對間歇發射寬帶RFI 進行濾波的方法。

這些方法潛在的基本假設為RFI 是窄帶的，并且可以容忍干擾抑制后的信號損失。然而，在實際情況下，雷達回波面對的干擾源中通常窄帶干擾和寬帶干擾并存。如果陷波超過波形的2%，將導致空間分辨率的下降，以及波形旁瓣電平的嚴重下降［18］。這種方法是一個非相干消除過程，所以它不是保相的，會對干涉、極化等依賴相位分析的處理造成影響。為了解決這一不足，PINHEIRO 等［19］和MUSGROVE 等［20］利用相干數據對之間的相干關聯信息來實現基于譜估計的重建方法。

2.2 參數化建模法

非相干干擾陷波的另一種方法是對干擾進行相干估計和相減，它主要包括干擾源的相干估計和同相相減［21-22］。RFI 的數學模型通常認為是多個正弦信號、寬帶信號以及看作白噪聲的系統噪聲的疊加［23］。通過最小二乘法、最大似然估計法等準則估計每一個RFI 源的模型參數（幅度、頻率、相位等），然后利用估計的參數重構干擾信號并進行相干濾除。從理論上講，這種方法可以獲得更好的性能。然而，由于現有RFI 源調制樣式復雜多變，這種假設不再有效。因此，如何實現精確的建模和參數估計仍然是影響此類方法性能的關鍵問題。

2.3 自適應濾波

自適應濾波方法通過構造合適的濾波器，可以在時域、頻域、空域、極化域或多域聯合分析中實現域內干擾分離。

2.3.1 遞歸濾波器

遞歸自適應濾波器將射頻干擾建模為自回歸過程，在收斂速度與窄帶干擾抑制性能方面有較好的折衷。美國NASA 噴氣動力實驗室最早應用了時域最小均方自適應濾波器［33］，但它的收斂速度受到輸入信號自相關矩陣最大和最小特征值之比的限制。

2.3.2 時頻濾波

時頻表示通常用于分析或表征能量隨時間和頻率變化的非平穩信號。文獻［34］在分析時頻特性的基礎上，結合恒虛警率算法設計了干擾抑制濾波器。文獻［13］中提出了時頻重構和掩模技術來濾除RFI。迭代自適應方法［35］具有自適應RFI 估計的特點，被認為更適合于時變RFI，以實現時頻表示的超分辨率和降低信號損耗。西北工業大學粟嘉等［36］提出了基于Wigner 分布的延遲多普勒迭代分解算法。一般來說，時頻表示可以最大化稀疏特征，非常適合于區分RFI 和SAR 回波，從而實現RFI 分離和抑制。

2.3.3 空域濾波

在現代SAR 系統中，基本的配置是多天線或多通道，這為抑制空間方向的RFI 提供了額外的自由度。空間濾波的基本思想是利用陣列波束形成技術，將方向圖零點對準射頻干擾源。ROSENBERG等［37］提出了約束快速時空自適應處理技術，該技術利用自適應波束形成以最小失真抑制對最終圖像的干擾，BOLLIAN 等［38］使用數字波束形成技術應用在32 通道EcoSAR 系統中。

此類方法的主要挑戰是干擾的空間特性難以準確估計，從而限制了零陷深度。一般來說，使用波束形成算法的自適應系統需要較高的干信比，并且僅限于在觀測期間跟蹤少量RFI 目標。對于干擾源快速動態變化的情況，零陷展寬難以有效覆蓋。空間濾波適用于RFI 和目標信號來自不同空間方向的情況，但也會增加系統的復雜度。

2.4 分解與重構

2.4.1 分解

分解方法根據RFI 與SAR 回波的差異，提取RFI 對應的潛在成分或子空間［39］，包括功率、統計差異等。特征子空間投影方法采用奇異值分解來分離。將大奇異值和小奇異值分成兩組，然后通過對應于不同奇異值組的奇異向量構造RFI 子空間和信號子空間［40］。TAO 等［12］將本征子空間投影擴展到瞬時譜中，以消除寬帶干擾。還有利用統計分布差異，提出了獨立分量分析［41］和獨立子空間分析［42］，提取RFI 對應的潛在分量。

ZHOU 等［43］提出使用復經驗模態分解來區分RFI 和雷達回波，其實質是逐步分解信號中包含的不同趨勢或波動，得到一系列具有不同內在時間尺度的數據序列。ELGAMEL 等［44］則進一步將經驗模式分解與分數傅里葉變換結合起來抑制干擾。

2.4.2 重構

上述提取或濾波方法會導致有用回波信號的大量損失，尤其是在處理長時間持續的寬帶干擾時。稀疏恢復是一種較先進的半參數干擾抑制方法，它基于壓縮感知的思想，能夠有效降低信號失真，可以看作是用給定的字典重構少量系數的優化問題。

LIU 等［45-47］分別利用了距離譜的稀疏性和時頻域的稀疏性，其中，RFI 和SAR 圖像的聯合稀疏恢復用于處理窄帶和寬帶干擾。NGUYEN 等［48］利用稀疏表示和恢復框架獨立處理每個距離壓縮回波。LU 等［49］通過在時頻平面上應用稀疏恢復擴展了這一思想。

SU 等［50］利用RFI 的低秩特性和SAR 回波的稀疏性，研究了基于魯棒主成分分析的時頻信號分離。為了有效地捕獲相鄰SAR 孔徑信號間的時空相關性，充分發揮二維耦合處理的優勢，有學者還提出了聯合稀疏和低秩模型［51］。然而，這些稀疏的低秩算法都需要對一個或多個超參數進行微調，而且由于缺乏RFI 和雷達信號的先驗信息，這種參數微調在實際應用中不是一個簡單的任務。HUANG等［52］和REN 等［53］提出先進的無超參數方法來進一步改進。

在考慮塊內相關的情況下，塊稀疏貝葉斯學習（Block Sparse Bayesian Learning，BSBL）更有效地解決了欠定恢復問題。文獻［54］提出了基于BSBL的改進方法，在一定非稀疏情況下，證明了該方法具有優越的恢復性能。

雖然這些方法在RFI 分離中有很好的性能，但是它們需要額外的訓練樣本來估計RFI 結構，并且比傳統的濾波技術需要更多的存儲和計算資源，因此，更適合于離線的地面處理。

3 關于未來趨勢的討論

現有的抑制方法依賴于專家知識來最大化RFI和有用回波之間的差異，如能量、統計差異等。在這些算法的實現中，一些超參數是根據經驗選擇的，僅適用于特定調制類型的干擾。然而，未來SAR 系統面臨的異構RFI 環境是一個具有挑戰性的任務，會同時遭遇各種類型的RFI 信號。因此，干擾抑制技術應具有適應性、實用性和適用性，并盡量減少人為的參與。

基于這一挑戰，遵循接收信號的流程，根據觀察—調整—決策—行為（OODA）規則，RFI 抑制技術的發展趨勢和未來方向可以概括為3 個關鍵詞：認知、綜合和自適應。這3 個方面構成了一個完整的系統，相互支持，以提高RFI 的抑制性能。

3.1 認知

認知是指SAR 系統應該能夠動態、快速地感知復雜的電磁環境［56］。過往的SAR 系統往往沒有過多考慮面臨的干擾問題。但隨著電磁環境愈趨復雜，在SAR 系統部署、飛行或發射之前［10］，應清楚地了解其面臨的RFI 環境，從而制定相應的有效抑制措施。例如，未來規劃的歐空局Biomass 系統已經分析了潛在的干擾源，并開發了用于RFI 抑制的地面處理軟件［57］。

3.2 綜合

由于射頻環境在時間上和地理上都在不斷變化，因此，對其進行表征和抑制并不容易，單一的技術不可能抑制所有類型的RFI。為了更好地提高抗干擾能力，綜合是指通過結合從收發系統級到信號處理級的技術的不同方面進行全方面RFI抑制。

從收發機系統層面上，可以利用嗅探脈沖進行RFI 的預檢測和監測，但這是以降低發射波形的脈沖重復頻率為代價的。對于當前和未來的電掃SAR 系統，數字波束形成技術可以產生天線零陷指向以抑制旁瓣RFI，但不適用于處理主瓣干擾。

如果RFI 信號從與SAR 回波相同方向發射并由接收機記錄，則可以應用信號處理方法來抑制。對于更一般、更異構的環境，通過聯合利用時間、頻率、空間、極化、碼域和功率域之間的特性，可以更準確地表征RFI 和目標回波之間的差異，從而通過使用張量分析等工具來提高抑制性能。

3.3 自適應

自適應要求SAR 系統能夠根據RFI 環境的動態變化來采用最優策略抑制干擾。如信號帶寬為1 MHz 的低分辨率SMAP 系統，采用靈活的頻率選擇方案，避免了不同時間、不同區域的干擾，但這可能不適用于其他高分辨率系統。未來的MIMOSAR 系統可以提供更多的波形優化能力，在時間、頻率、空間和極化上進行自適應調整，從而具有提高抗干擾能力的潛力［58］。隨著人工智能技術的發展，諸如深度學習網絡等也會在干擾抑制方面展現出廣闊的應用前景［59］。

4 結束語

本文綜合分析了目前SAR 系統中RFI 抑制技術的研究，為今后在機載或星載SAR 系統中實施最合適的RFI 抑制方案提供參考。任何干擾抑制技術的有效性取決于許多因素，包括SAR 系統的架構、觀測模式、RFI 本身的性質以及所需計算資源等。目前的技術最適用于相對目標回波具有稀疏頻域、時域或時頻域占用的干擾信號。陷波濾波和LMS濾波憑借簡單高效的特點而被廣泛采用，適用于系統在線的快速處理。

其他精細化的抑制方案，如時頻聯合濾波和稀疏恢復，由于其相對較大的計算復雜度，可以成為離線地面處理的候選方案。在非平穩干擾環境中，可以優先選擇信號處理方法，而對于已知和固定RFI 源，可以優選諸如參考天線和空間濾波等特殊措施。

此外，還應重視對干擾抑制效果的評價。強干擾對SAR 圖像幅度的影響顯而易見，但是也不能忽略低功率干擾對于相位的影響。因此，好的干擾抑制方法，除了能成功抑制圖像中的干擾偽影，還應該具有較好的相位保持性能，因此，對于RFI 更精細的表征和抑制工作仍有待繼續深入研究。