廣播衛星電視接收機對SMAP衛星L波段微波輻射計的射頻干擾特征分析

王新新 王 祥 范劍超 王 林 孟慶輝 魏恩泊

①(中國科學院海洋研究所 青島 266071)

②(國家海洋環境監測中心 大連 116023)

③(中國科學院海洋環流與波動重點實驗室 青島 266071)

④(中國科學院大學 北京 100049)

1 引言

SMAP(Soil Moisture Active and Passive)衛星總體目標任務是以相對較高的空間分辨率、敏感度、覆蓋能力及重訪周期等方面實現監測全球土壤濕度。SMAP衛星搭載了工作頻率為1.41 GHz的L波段的微波輻射計，因其工作頻段和儀器設計特點，目前也廣泛應用于海表鹽度衛星遙感觀測，是繼SMOS和Aquarius衛星之后，第3顆用于觀測土壤濕度和海表鹽度的微波遙感衛星[1,2]。

L波段微波輻射計的工作頻段處于國際電信聯盟無線電通信組(International Telecommunications Union-Radiocommunications sector,ITUR)的保護頻段內，根據《無線電規則》第5.340條的規定，1400–1427 MHz主要分配給地球探測衛星服務(無源)、空間研究服務(無源)及射電天文服務，該頻段內禁止所有主動發射。但是大量觀測事實和相關研究成果表明，L波段微波輻射計正在遭受大量的射頻干擾(Radio Frequency Interference,RFI)污染[3–6]。RFI源分布在世界各地，主要分布在歐洲、亞洲和中東大部分地區[3]。常見的RFI源包括L波段雷達、地面無線服務(監控攝像機、WiFi網絡)、廣播衛星服務及氣象衛星服務等[7,8]。

由于廣播衛星服務(Broadcasting-Satellite Service,BSS)地面接收設備分布極其廣泛，是一種典型的RFI源，對L波段微波輻射計的影響極其復雜。2008年，在斯普林菲爾德開展的SMAP衛星空基驗證試驗結果證實了數字電視發射機的2次諧波發射到了L波段[9]；一項根據歐洲各國當局反饋的RFI源調查統計結果可知，電視廣播系統是歐洲觀測的主要RFI源類型[3]；日本當局也通過試驗證實了日本2011年至今新增的RFI污染主要是由于地面廣播系統導致的[10–12]。

為分析廣播衛星系統地面終端對L波段微波輻射計的干擾特征，本文選擇日本為典型研究區域，主要采用SMAP衛星L1B交叉極化亮溫數據開展RFI檢測識別，統計分析日本RFI源的時空分布和變化特征，結合日本BBS系統和地面電視接收機的傳輸參數，分析BBS電視接收機對SMAP衛星的影響特征，掌握衛星廣播業務類型RFI源對L波段微波輻射計的影響規律，對于RFI源類型的分類和下一步定量建立RFI局地化抑制模型提供理論依據。同時電視廣播系統在我國也是一種普遍存在的RFI源，該研究對我國相關機構開展疑似RFI源核查、排除和維護提供技術支撐具有重要意義。

2 理論基礎

2.1 SMAP衛星和日本廣播通信衛星系統

SMAP衛星在硬件上設計并使用了先進的數字微波輻射計，能夠提供豐富的時間和頻率采樣數據。在L波段微波輻射計工作頻段內，亮溫對海表鹽度的敏感度較低，要求L波段微波輻射計需要具有很高的海表亮溫觀測精度，即使較弱的RFI信號也有可能對微波輻射計造成不可忽視的影響[13]。SMAP衛星數據處理系統中，結合脈沖檢測(時域檢測)、交叉頻率檢測、峰度檢測和極化檢測等算法設計了更為復雜的RFI檢測和抑制算法，能夠有效地檢測并減緩RFI的影響,因此在RFI檢測與抑制方面較SMOS和Aquarius衛星表現更加突出[12,14–16]。

2011年7月3日，日本完成了BS廣播的數字化轉換，2011年9月，BSAT 3C/JCSAT 110R靜止軌道廣播和通信衛星投入商業運行。該衛星搭載了兩個獨立Ku波段有效載荷，B-SAT有效載荷包括12個轉發器，對應12個直接廣播信道，JCSAT有效載荷包含12個36 MHz的轉發器，對應12個固定直接通信信道，上行鏈路和下行鏈路覆蓋日本。

2.2 電視接收機干擾L波段微波輻射計機理

根據《無線電規則》第1.166條對干擾的定義，可以將RFI理解為頻率相近或相同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[17]。

SMOS衛星和SMAP衛星相關RFI研究團隊和日本內政和通信部的研究與測試實驗結果證實，BSAT-3c/JCSAT-110R衛星電視廣播系統電視接收機新增的兩個頻道(19和21頻道)是日本大量RFI的主要來源，許多小的獨立信號可能隨機累加，導致總的RFI貢獻具有很高的水平能級，具有顯著的熱噪聲的特征[18–20]。BSAT-3c/JCSAT-110R衛星在Ku頻段運行，根據ITU對世界的區域劃分和頻率分配，日本所處的第3區BBS信道1–24覆蓋頻率范圍為11.7–12.2 GHz，日本分配了其中12個廣播衛星信道。2011年日本完成了廣播數字化轉換后，逐步開始啟用頻道17,19,21和23[20]。

根據ITU-RR可知，頻道號和Ku波段BBS指派的頻率(RF信號)之間的關系式及RF轉中頻(Intermediate Frequency,IF)的關系式為

圖1為家用電視室外接收設備基本內部結構圖和RF信號轉換為IF信號后對L波段微波輻射計造成RFI污染的機制示意圖。從圖中可以看出，BBS電視接收設備通常包括低噪聲模塊(Low-Noise Block,LNB)轉換器、混頻器及室內設備等，RF信號由室外接收設備天線接收，進入LNB模塊后，與本振混頻，將射頻(RF)信號變頻為中頻(IF)信號，再通過電纜與室內接收單元連接。結合表1可以看出，日本新增的19和21頻道的IF頻率范圍是1377.47～1450.33 MHz，與L波段微波輻射計的工作頻段1400～1427 MHz重疊，由于故障或隔離不良等原因，接收設備的低質量電纜、連接不良和不當的安裝方法導致的射頻屏蔽不足，從而導致L波段微波輻射計觀測到大量新增RFI信號[20]。

表1 日本Ku波段BBS新增頻道號與指派頻率的對應關系及RF轉換IF后對應的IF中心頻率及頻率范圍[20]

圖1 家用電視室外接收設備基本內部結構及IF輻射發射導致的RFI機制示意圖

2.3 SMAP衛星RFI檢測算法

SMAP衛星綜合檢測與抑制算法主要包括脈沖檢測(時域檢測)、交叉頻率檢測、峰度檢測和極化檢測，最后設計最大概率檢測算法(Maximum Probability of Detection,MPD)通過邏輯“或”將每個單獨檢測算法的RFI檢測標志整合，以達到最大檢測率的目的。但是每種檢測算法都具有“雙面性”，通常通過統計方法得到檢測閾值，來確定算法的敏感度和誤報率[16,21–24]。但當RFI所引起的亮溫變化幅度與自然水平相當時，將難以通過算法檢測識別，而且在水陸(冰)邊界等地物目標邊界亮溫變化較大區域，也容易產生誤判，其檢測結果無法直接應用到RFI源時空分布特征分析研究中[6,12,25]。

交叉極化亮溫對地面RFI的信號很敏感，其異常能夠反映RFI源豐富的特性，并且能夠反映不同強度級別的RFI信號，尤其在弱RFI信號的檢測方面具有一定的優勢。但是受法拉第旋轉和沿海邊界的影響，極化檢測算法在SMAP實際應用中利用率偏低[6,17,26]。因此，本文利用衛星接收的交叉極化亮溫數據對RFI源敏感的特性，構建表征陸地RFI發射功率的交叉極化合成參數。相關研究結果表明，構建交叉極化合成參數的方法能夠有效地表征RFI強度分布情況，通過RFI強度的空間分布特征能夠實現RFI檢測和識別[17,26]。交叉極化合成參數W通過式(3)計算得到。

其中，U和V分別代表第3、第4 Stokes參數。

3 研究方法

3.1 研究數據

本文采用美國國家冰雪數據中心(National Snow and Ice Data Center,NSDIC)提供的SMAP

衛星L1B極化亮溫數據。該產品提供了按時間排序地理定位的SMAP衛星觀測亮溫校準估計值，數據提供起始時間為2015年3月31日，該數據包含由SMAP衛星天線溫度計算得到的4個Stokes參數。

3.2 RFI檢測識別算法建立

RFI檢測識別算法主要根據作者前期建立的交叉極化合成參數W表征RFI發射強度的關系式和基于SMAP衛星交叉極化數據構建的SMAP衛星自動檢測和識別算法[17,27]。

RFI自動檢測和識別算法主要包括RFI檢測和識別兩個部分。檢測算法用于提取疑似RFI樣本，并在此基礎上構建RFI識別算法，具體步驟為：

第1步為RFI疑似樣本檢測初篩。主要通過統計方法計算SMAP衛星每半軌所有觀測數據W的概率密度函數(Pr obability Densit y Function,PDF)和累積分布函數(Cumulative Distribution Function,CDF)確定動態檢測閾值，并標記RFI疑似檢測樣板。同時結合SMAP衛星原始RFI標記信息，為后續RFI識別算法提供研究區域內盡可能多的疑似RFI樣本。

第2步為基于RFI檢測樣本密度和強度空間分布特征的RFI識別。Soldo等人[24]于2018年采用基于密度的空間聚類(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)和閾值遞減多重迭代的算法對SMAP衛星開展RFI源定位研究，但該方法因DBSCAN聚類方法的局限性，當兩個RFI源之間的距離小于衛星觀測的空間分辨率時，算法區分識別兩個RFI源的能力降低。因此，需要引入RFI強度空間分布特征的聚類條件和迭代運算方法，對質量控制后的RFI疑似樣本數據集建立基于發射強度和密度的多重迭代聚類算法。

4 結果與討論

4.1 RFI檢測識別統計結果

本文處理了2015年4月至2020年6月日本區域共計4661軌SMAP衛星L1B極化亮溫數據，平均每月75軌數據，各月數據量分布穩定。各年累計檢測為RFI疑似樣本710085個，其中識別為符合和不符合RFI強度空間分布特征樣本數分別為650634個和59451個，各年疑似RFI樣本識別率P比較穩定，總體識別率為91.63%，可見該算法能夠有效穩定地檢測識別RFI。疑似RFI樣本識別為符合RFI特征的識別率P通過式(4)計算得到。

由于識別RFI樣本數量巨大，本文將研究區域設計為9 km×9 km空間分辨率的矩陣，統計每個矩陣內RFI識別樣本累計強度，并將研究區域劃分為若干小區分別討論。2015年至2020年研究區域RFI累計強度空間分布圖如圖2所示。

圖2 2015年至2020年研究區域RFI累積強度空間分布圖

4.2 RFI檢測識別結果對比分析

在RFI檢測階段提取的疑似樣本數據集如圖3所示。從圖中可以看出，疑似檢測樣本幾乎覆蓋了整個研究區域，尤其是日本南部水陸交界較多的區域。檢測算法能基本實現對衛星觀測數據的RFI標記，但由于RFI源天線通過旁瓣對L波段星載微波輻射計的影響不受地面RFI源位置的限制，而是只要微波輻射計與RFI源天線之間存在視線傳播路徑，就會影響衛星觀測結果[12,24]。同時受水陸邊界亮溫變化較大、瞬時RFI發射源和其他誤差源等因素的綜合影響，在缺少地面實測數據的條件下，很難判斷RFI檢測結果與實際RFI源位置之間的關系，因此不能直接用檢測結果分析RFI的時空變化特征。

圖3 2015年至2020年研究區域RFI疑似樣本累積標記空間分布圖

表2 2015年4月至2020年6月RFI檢測識別結果統計表

RFI識別算法是在檢測結果的基礎上豐富了標記信息，通過對比圖2和圖3，RFI識別結果更能表征研究區域RFI源強度的空間分布特征，對于水陸邊界分布較多的研究區域依然能夠對檢測結果進行細致的分類和分析，對于后續統計分析研究區域RFI的時空變化特征提供了具有代表性的RFI數據。

4.3 空間分布特征

為分析探討日本RFI的時空分布特征與日本大量終端設備空間分布之間的關系，本文引入美國國家極軌合作伙伴衛星(NPP)搭載的可見光紅外輻射儀(VIIRS)夜光遙感觀測數據(圖4)。夜光遙感數據是人類活動引起的夜光輻射信號的直接反映，在區域尺度上能夠反映城市化水平，而人為的夜光輻射信號和城市化水平之間的關系在時空上通常是單調和穩健的，所以可以采用每年的地表平均夜光數值反映日本的城市化水平和人口密度情況[28]。

從圖2和圖4可以看出，研究區域的RFI密度主要呈現出獨立點圓狀、大范圍條形狀和面狀的分布特征。通過對比夜光遙感年均分布圖和RFI密度空間分布圖發現，SMAP衛星RFI空間分布基本覆蓋了日本城市化水平相對較高、范圍較大的地區(如區域H,I,J和K等)。但在部分城市化水平相對較低、范圍較小的地區也檢測到了大量RFI信號(如區域A,C,D和F等)。

圖4 NPP-VIIRS夜光遙感衛星觀測數據年均分布圖

圖5為研究區域2015年至2020年RFI月平均累計強度統計直方圖，從統計結果看出，研究區域內分布著大量的低水平能級的RFI，中高水平能級RFI相對較少，主要呈現3種形式的空間分布：

圖5 2015年至2020年RFI月均尺度累計強度統計直方圖

(1)在城市化水平較低的區域呈相對獨立的點圓狀分布，強度由中心向四周衰減，影響范圍相對局限，主要分布在日本西部和北部沿海城市化水平較低、范圍較小地區的區域。這部分RFI來源相對單一，有可能來自分布較少的電視接收設備累計干擾或固定的單一微波發射基站。

(2)沿岸條形狀分布(如區域G)和大范圍面狀分布(區域J和K等)，與城市化水平和范圍的空間分布吻合度很高，主要分布在日本東部、南部等城市化水平相對較高、范圍較大區域。大量的RFI隨機累加，導致RFI局地化貢獻具有較高的水平能級，符合BBS電視接收機對衛星的影響特征。

(3)在大范圍面狀的區域內分布著多個相互影響的點圓狀RFI(區域K)，導致局地化累計強度達到更高的水平能級，這可能是固定分布的單一微波發射基站和廣泛分布的廣播衛星系統電視接收設備共同作用的結果。

4.4 時空變化特征

由于2015年、2019年和2020年的數據無法形成全年覆蓋，但平均每月數據量分布穩定。為更好地分析RFI強度時空變化特征，本文對各年RFI檢測數據做強度累計計算，并根據各年有效數據覆蓋的月數，計算并得到研究區域各年RFI月均尺度累計強度分布圖(如圖6所示)。從圖6可以看出，RFI分布和強度的時空變化的特征總體上看，在2016年至2017年，RFI整體分布范圍較廣、強度較大，2018年以后，部分區域分布的RFI出現消失的情況，同時RFI強度有減弱變化的特征趨勢，具體特征分析如下：

圖6 2015年至2020年研究區域RFI月均尺度累計強度分布圖

(1)在2016年，區域A和區域C處新增2個獨立的點圓狀RFI分布。2015年至2017年，區域F處分布點圓狀RFI，且強度相對穩定，2018年之后，該區域的RFI消失，一直持續到2020年，未再檢測到RFI。

(2)區域K為研究區域城市化水平范圍最大和強度最高的區域，2015年，該區域內分布2個影響范圍疊加的點圓狀RFI。2016年至2017年，該區域左上角新增1處點圓狀RFI分布，強度呈逐年增大的變化趨勢，3個點圓狀RFI的影響范圍相互重疊。2018年，該區域內右上側分布的RFI強度逐漸減弱，點圓狀分布特征消失。2019年，左上分布的RFI強度和點圓狀特征也逐漸減弱。

(3)其他區域各年的RFI分布范圍和強度特征相對穩定，整體有減弱變化的趨勢。

時間變化特征主要是與日本相關機構從2018年開始開展的相關舉措有關，比如日本內政和通信部在2018年發布了安裝衛星廣播接收設施的新安裝指南，并更換了大量電視接收設備；日本電子和信息技術產業協會也制定了針對高屏蔽衛星接收設施的新授權系統，這一系列舉措在一定程度上大大降低了L波段的RFI[20]。

5 結束語

BBS電視接收系統在全球分布范圍十分廣泛，且L波段微波輻射計敏感度相對較高，即使較弱的RFI也很有可能干擾L波段微波輻射計。本文為分析廣播衛星系統電視接收系統對L波段微波輻射計的影響特征，選擇廣播衛星系統電視接收系統為典型RFI源的日本作為研究區域，分析了該類型RFI源對衛星的干擾機理。并將RFI檢測和識別方法應用于SMAP衛星的L1B交叉極化通道數據，得到了長時間范圍內的RFI密度和累積強度分布圖，系統地分析了研究區域內RFI的時空分布和變化特征，不僅驗證了BBS電視接收系統為日本的主要RFI源類型，還探討分析了日本分布的其他特征類型RFI源(微波發射基站)的可能類型。

由于廣播衛星電視接收系統在全球范圍內應用極其廣泛，而日本于2011年因廣播衛星電視接收機設備安裝問題導致的大范圍RFI污染也有可能成為全球性的問題。對于我國來說，分布在我國沿海地區的大量RFI源也同樣制約我國自主鹽度衛星的發展，通過對此類型RFI源開展特征分析，對于我國的RFI源檢測、識別及特征庫的建立提供了重要參考、數據積累及研究支撐。

RFI源的精確定位和強度估算研究是減緩、抑制RFI的重要前提[29]。本文基于交叉極化合成參數表征RFI源發射強度初步構建了地面RFI源識別方法，并初步分析了研究區域RFI的時空變化特征，但本文在建立RFI檢測識別算法時，雖采用了復雜的聚類迭代算法，但未充分考慮弱RFI信號淹沒在強RFI信號影響范圍內的情況，這可能會降低RFI的檢測率，導致誤報率和漏報率升高。后續工作將繼續優化以上RFI檢測識別算法，同時將通過該算法利用電磁輻射檢測儀和L波段微波輻射計等觀測設備的陸地和海洋實測數據對我國開展系統性的RFI檢測、識別、定位及減緩研究。