基于L波段Stokes参数遥感数据射频干扰检测及特性分析

王新新 王 祥 韩 震 杨建洪



基于L波段Stokes参数遥感数据射频干扰检测及特性分析

王新新①王 祥*①韩 震②杨建洪③

①(国家海洋环境监测中心 大连 124000)②(上海海洋大学 上海 201306)③(深圳市朗诚科技股份有限公司 深圳 518029)

近岸海域盐度卫星微波遥感精度受射频干扰(RFI)严重影响，针对近岸海域检测RFI源并分析其影响特性对后续开展射频干扰抑制研究具有重要意义。该文基于SMOS卫星传感器MIRAS独特的全极化特性，以中国海域沿岸陆地为研究区域，通过合成第3、第4 Stokes参数来表征RFI源的辐射强度，生成了RFI源分布图并分析了其影响范围。研究结果表明，影响中国海域的RFI源主要分布于中国沿海陆地区域，渤、黄海全部、东海的西部及南海的北部受RFI污染严重，卫星降轨数据和升轨数据受RFI影响具有很大的差异性。RFI源主要可能是微波发射站，表现为点状射线源，受天线辐射旁瓣的影响，会导致其周围数百公里区域卫星数据污染，并且由于受RFI源辐射衰减和天线辐射方向图各异等因素的影响，导致其对卫星的影响极其复杂，抑制其影响也具有一定的挑战性。

射频干扰；盐度遥感；Stokes参数；源检测；L波段微波辐射

1 引言

近年来，国际上微波辐射遥感技术的发展和应用取得了重要的进展，促成了基于L波段微波辐射计的海表盐度(Sea Surface Salinity, SSS)微波遥感技术的兴起和发展，成为具有广阔研究应用前景的新兴技术。目前用于观测SSS的在轨卫星主要有SMOS卫星和Aquarius/SAC-D卫星，两颗卫星的工作频段都选择1.413 GHz的L波段[1,2]。这两颗卫星都搭载了目前最先进的微波辐射计，理论上可以有效观测全球海域SSS，但是相关研究结果表明，虽然卫星的工作频段受国际ITU条例的保护，即原则上不受人为电磁波辐射的干扰，但是坐落在陆地或海洋平台上的发射源的RFI(Radio Frequency Interference)依然会严重影响微波辐射计接收的辐射信号，严重影响发射源周围海域SSS卫星遥感的精度。如何检测RFI源位置并分析其在L波段对卫星微波辐射计的影响规律，对优化海表盐度反演模型和提高卫星观测精度具有重要意义。

由于RFI源的发射功率、发射频率、天线方向图、天线增益、传输损耗等参数各异，所以针对卫星数据的RFI检测与抑制一直都是一个科学难题。传统的RFI检测方法有很多，包括脉冲信号检测、频率域和时间域等检测方法，由于SMOS卫星微波辐射计仪器自身的局限性，RFI检测具有一定的挑战性，SMOS卫星通过单一频率(1.413 GHz)通路进行数据采集，并且其采样频率并不高，仅为，因此应用频率域和时间域对RFI进行检测效果不理想[8]。针对SMOS卫星数据，可以采用检测亮温高值(一般大于340 K)、Stokes参数异常变化、异常亮温值(TBh>TBv)等检测方法，但是这些检测方法只是直观的检测到疑似异常值，并标记为疑似目标，通过设定阈值的方法进行简单的过滤剔除，导致大量数据丢失，破坏了数据的连续性，后期迭代反演盐度产品精度也会随之偏低[7]。此外角域算法和峰态算法也能用于SMOS卫星检测RFI，但是角域算法在应用三阶多项式模拟亮温的过程中，难免会受到污染样本的影响，导致模拟的亮温误差较大，从而影响整个算法的检测精度[11,12]。峰态算法也具有一定的局限性，该算法对海水中其他的异构体很敏感，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参数低值的特性开展RFI检测技术，人为的RFI源通常不可能与传感器偏振轴保持一致，因此很可能污染第3和第4 Stokes参数，由于自然条件下电磁辐射的第3或第4 Stokes参数很低，对RFI源很敏感，很容易受到RFI污染并表现出异常高值，可以用来指示RFI源的存在。

本文主要以中国海域和沿岸陆地区域为研究对象，应用SMOS卫星L1C数据开展RFI源位置检测，根据SMOS卫星的极化特性，在全极化的模式下，利用第3、第4 Stokes参数(,)合成参量对RFI源开展源检测工作，并统计分析其分布特征和对卫星的影响特性。

2 理论基础

2.1卫星RFI影响机理

RFI是指频率相近的目标电磁波与干扰电磁波同时被卫星传感器接收时，干扰电磁波对传感器造成的干扰主要通过视距传播(直射传播)、反射传播、绕射传播以及大气折射和散射作用等途径进入卫星传感器。RFI的典型特征是其在地表的不均匀分布，其中99%分布在陆地上，其余分布在海上的石油钻井平台或船只等设施上。RFI信号可以根据干扰的时间分布分为瞬时发射源和永久发射源，瞬时发射源的影响比较不稳定，有可能是移动的发射源，比如船舶等，在时间和空间的影响上都具有一定的局限性；永久发射源的影响在时空上一般都比较稳定，对卫星的影响具有一定的规律性[8]。

对于海洋来说，远离陆地的大洋海域受RFI影响较小，甚至不受其影响，但是对于近岸海域来说，卫星微波辐射计会受RFI源发射的微波信号的干扰。由于RFI源天线辐射旁瓣的存在，导致发射源周围很大范围内的卫星数据都会受其影响，体现为海表面亮温图像上形成较清晰的条带，严重影响微波辐射计的的观测精度，可见对于近岸海域来说，RFI影响不可忽视[4]。

2.2 SMOS卫星观测特性

SMOS卫星搭载的基于综合孔径技术的微波辐射计MIRAS由69个接受收单元构成，所有接收单元均与分布在Y字形伸展结构上，接收单元间距为18.37 cm，理论上可以观测直径近3000 km的区域，但是受干涉测量原理、Y字形的天线结构和接收单元之间的间距等因素的综合影响，观测范围限制在1050 km×650 km的有效六角形视场内，同时，MIRAS可以在全极化模式下探测地表辐射信息。其独特的天线结构、极化方式及六角形观测视场，对于地表辐射目标可以生成多角度全极化观测数据[2]。

3 材料与方法

3.1数据选择

数据选择SMOS卫星2013年6月覆盖中国海域的L1C全极化海表面亮温数据(SCSF1C), SCSF1C数据是经过地理定标后的条带形状的亮温格栅数据图像，该数据包括不同入射角下，每个栅格的水平极化亮温值TBh、垂直极化亮温值TBv以及第3、第4 Stokes参数等信息。

3.2 RFI检测算法

全极化微波辐射计MIRAS可以获取目标微波辐射极化特性的4个Stokes参量，即,,,，得到目标的全极化信息，其中第3、第4 Stokes参数,分别用来描述线性极化部分和圆极化部分。人为辐射源的极化方式通常为线性极化或圆极化，并且自然电磁辐射源与人为辐射源相比，其辐射值相对较低，在没有被RFI污染的区域，MIRAS全极化通道要比正交通道的亮温小两个量级，即第3、第4 Stokes参数很小，在微波低频波段下，自然条件级别的第3、第4 Stokes参数相对于人为RFI源很敏感，人为辐射源很可能对这两个参数造成严重的污染，导致其绝对值异常增大，这表明可能是RFI源[15,16]。合成双参数算法能同时检测到线极化和圆极化的人为辐射源，基本涵盖了目前辐射源的极化方式，基本能够达到全面检测RFI的目的，它能有效克服卫星传感器自身单一频率的局限性和模拟数据受污染样本影响的问题，合成参量表达式为

其中，和分别代表第3和第4 Stokes参数。

任何平面波都可以分解为两个正交的水平极化和垂直极化两个分量h()和v()，合成场矢量表达式为[17]

(2)

两个分量的矢量表达式为

其中，0h和0v是平面波的振幅(H/V极化)；代表时间相位；代表空间相位；和代表初始相位。

经过改进后的4 Stokes参量方程可以表示为[17,18]

(5)

将和代入到式(1)中，得到

(7)

由此可以看出，参数不仅可以表示,的合成量，还与平面波水平极化和垂直极化振幅乘积的时间平均值存在一定的线性关系，而振幅在一定程度上可以表征发射功率的大小，所以可以推断参数与发射功率存在一定的线性关系。

对于坐落在辐射计视场中的RFI源来说，其发射的有效全向辐射功率(Effective Isotropic Radiated Power, EIRP)指向卫星，EIRP表示一个定向天线在其最大辐射方向上辐射的功率，通常用来表征地表发射系统的发射能力[19]。

由此可以推断参数与EIRP也存在着一定的线性关系，可以用来表征陆地RFI源的辐射强度。

3.3数据处理

SMOS卫星运行轨道为太阳同步轨道，平均轨道高度为755 km，上午6:00越过赤道北上，下午18:00越过赤道南下，最大访问周期3[20]。数据选取16轨具有代表性的SCSF1C数据图像(升轨和降轨各8轨)，对中国近岸海域及其沿岸陆地区域形成全覆盖。提取每轨SCSF1C数据中,参量数据(所有入射角)，应用公式计算参数，通过比较提取每个栅格点处参数的最大值，分别合成升轨和降轨的参数最大值图像，最终再合成升轨和降轨图像，生成RFI源检测图像。相关的统计分析工作通过专业数据处理软件完成。

4 结果分析

4.1 RFI源分布特征

融合第3、第4 Stokes参数数据图像计算参数，生成RFI源检测图像，如图1所示。对于中国海域来说，RFI发射源主要集中分布于中国沿海陆地区域，同时，在韩国、朝鲜及菲律宾等国也检测出RFI辐射信号，RFI源总数共计57个，由于图像中强源和极强源较多，其强度比弱源大几个量级，大部分弱源无法通过算法检测，其影响可以暂时忽略不计。

最强源出现在北京，其中心值为125973，严重影响渤海海域亮温信号。渤海、黄海海域周边陆地区域分布了大量RFI源，由于其半封闭的特点，渤海的四周和黄海的两侧都分布有RFI源，在渤海海域，有些辐射源位于岛屿上，导致其附近海域处于辐射源的近场区，受RFI影响极其严重；东海海域主要受分布在江苏、浙江、台湾和韩国南部的RFI源的影响，从图像中可以清晰地看出有明显的辐射条带，靠近陆地的海域受RFI污染较为严重；南海北部海域主要受分布在大珠三角地区、台湾和菲律宾等区域辐射源的影响，南海中南部海域受RFI影响较小。邻近RFI源辐射旁瓣在海面上形成叠加区域，导致其影响更加复杂。

图1南海东北部海域Stokes参数算法RFI源检测结果

4.2 RFI影响特性

通过Stokes参数算法检测到的RFI发射源大部分为点状射线源，在发射源附近一定范围内，由于辐射强度与距离的平方成反比，RFI源辐射强度随距离的增大呈衰减变化。中强发射源通过天线辐射旁瓣的影响，造成发射源周围大范围区域内的卫星数据受到污染，在海面上形成以RFI源为中心的辐射条带，并且具有一定的方向性，这可能与发射天线的辐射方向图有关。多个RFI源旁瓣在海面上形成的条带叠加在一起，其影响由各自的条带影响扩展到面影响，影响范围可以覆盖渤海、黄海整片海域和东海西部及南海北部大面积海域。

4.3升降轨差异

统计升轨、降轨图像检测图像中的RFI源个数分别为32, 51，相差19个。从图1(a)和图1(b)中可以看出，升轨和降轨卫星数据受RFI的影响具有很大的差异。一些强发射源在升轨和降轨图像中都可以通过算法检测出来，但是两幅图像中RFI源的位置和辐射强度存在一定的偏差，有些发射源仅出现在升轨或者降轨图像中，同时辐射源的强度和辐射条带也有明显的差异，这可能与卫星运行的轨道方向、RFI源发射天线的发射功率、发射天线的指向及辐射方向图有关。升降轨之间受RFI影响的差异不排除可能出现瞬时发射源的存在，比如L波段雷达系统和船舶等，这可能会导致升降轨检测图像中存在RFI源个数的差异，但是从图像中可以明显看出发射源的强度对升、降轨数据的影响具有一定差异性，具体的差异规律性和普适性还需要长时间大量数据的统计分析得到，这也是目前国内外前沿的科研方向。

4.4检测算法性能评估

相关研究结果已经证实，单一采用第3或第4 Stokes参数同样可以开展RFI检测[21]。本文将合成参数检测结果与采用单一参数的检测结果进行对比，评估分析合成参数算法的性能及意义。为避免升降轨差异、瞬时发射源等因素对评估结果产生干扰影响，本文选取单轨数据分别计算第3和第4 Stokes参数的绝对值||, ||，再分别比较提取每个栅格点处所有入射角下参数||, ||,数据的最大值，并生成3个参数的RFI检测图像，如图2所示。通过对比可以看出，采用单一参数同样可以检测到中强RFI源的位置信息，并且3幅检测图像中RFI源的位置一致，并没有出现小范围的漂移。

图2 参数|U|, |V|, W的单轨RFI源强度检测图像

表1 RFI源位置及强度信息

由于RFI源发射天线与卫星接收天线的极化状态可能不一致，这有可能导致发射电磁波的功率不能完全被卫星天线正交通道接收，存在部分发射功率被相关极化通道接收的可能，这会导致参数和的绝对值异常增大，从图2和表1可以看出，RFI源处参数||值通常大于||(3号RFI源除外)，在检测图像上也可以清晰地看出和受RFI影响的强度和范围存在的差异，3个明显的RFI源可以说明这种差异性：3号RFI源处||受RFI影响的强度和范围比||大，5号则相反，而6号RFI源出现了只有参数||图像检测出了RFI源的现象。这些差异说明代表线极化强度的和代表圆极化分量的受RFI影响存在差异性，不同入射角下，参数,受RFI影响不同，图3为3号和5号RFI源处参数||, ||,随入射角的变化趋势，对比结果表明采用单一Stokes参数开展RFI源检测很可能会丢失RFI源位置、强度及影响范围信息等，而采用合成参数的算法可以有效地叠加两个参数所包含的信息，并且从理论算法推导的结果可以推断参数与EIRP也存在着一定的线性关系，采用合成参数检测RFI的方法相比单一参数检测的方法具有一定的优越性，这也为后续开展RFI定量剔除工作提供了一定的研究基础。

                           图3 参数|U|, |V|, W随入射角的变化趋势图               图4 未受RFI影响的海域和中国近海区域U, V参数信息随入射角的变化规律

图5 参数|U|, |V|, W概率分布直方图

图4给出了远离陆地未受RFI影响的海域和中国近海区域两点的,参数信息随入射角的变化规律，从图中可以看出，自然条件级别的极化信号很小，变化区间为[-10 K, 10 K]，而中国近海区域处于RFI影响的重灾区，受多个中强源的叠加影响，,随着入射角变化剧烈波动。从图5概率分布直方图可以看出，||, ||,信号主要集中分布在[0 K, 400 K]区间内，在区间[0 K, 10 K]之间几乎没有数据分布，这表明几乎所有的数据都不同程度的受到了RFI的污染，都可以认为是背景噪声，而合成参数W的概率分布较||, ||向右微移，这表明参数合成不仅可以增大RFI源发射强度，还在一定程度上增大了背景噪声。但是从图5可以看出，的背景噪声并没有超出[0, 400]阈值区间，中、强等级的RFI源中心强度比背景噪声大几倍甚至十几倍，所以合成参数算法依然可以准确检测到中强等级的RFI源。

5 结束语

人为的电磁辐射源主要有电视微波发射基站、机场基站、手机发射基站、雷达系统、卫星地面工作站等。从图1中可以看出，RFI发射源大部分为点状射线源，微波发射站是比较常见的发射源，这类发射源大部分是多载波水平发射，其建设位置海拔相对较高，一般都在几百米左右，其天线主瓣方向与发射塔垂直以达到水平发射的目的。但是由于地球是圆的，辐射功率大部分指向空间。由于这些基站发射频率与SMOS卫星频率相近，并且其指向太空的辐射功率很可能被SMOS卫星接收，导致亮温图像上形成比较清晰的条带，影响海表面亮温观测数据质量，进而影响SSS卫星观测数据精度。

Stokes参数检测算法可以有效地检测中、强和极强的RFI源，相比于单一参数检测算法具有一定的优越性。但是在多个RFI源密集分布的区域，受发射天线旁瓣叠加影响的限制，无法确定较弱的RFI源，更加无法确定与自然水平级别相同的RFI辐射源。由于海表盐度遥感对海表亮温的精度要求很高，海表亮温细微的变化都会导致盐度的变化，所以对于弱源的检测与抑制也是一个难题。该文的研究为后续的工作开展打下了一个良好的基础。

[1] 殷晓斌, 刘玉光, 张汉德, 等. 海表面盐度的微波遥感平静海面的微波辐射机理研究[J]. 高技术通讯, 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, 赵冬至, 杨建洪, 等. 海表面盐度卫星微波遥感研究进展[J]. 遥感技术与应用, 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. 相关型全极化辐射计研究[J]. 遥感技术与应用, 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] 王小强, 秦顺友, 王俊义. 地球站最大EIRP的测量及误差分析[J]. 无线电工程, 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] 陈建, 张韧, 安玉柱, 等. SMOS卫星遥感海表盐度资料处理应用研究进展[J]. 海洋科学进展, 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, Søbjoerg 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

国家863计划项目(2007AA092003)和上海市科学技术委员会科研计划项目(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，研究实习员，研究方向为海表面盐度卫星微波遥感.

王 祥： 男，1984年生，助理研究员，研究方向为卫星遥感信息获取及算法研究.

韩震： 男，1969年生，教授，研究方向为遥感技术在海岸带、近海及大洋的理论及应用.