雷达遥感卫星频率分配与射频干扰抑制：机遇与挑战

陈筠力，陶明亮，刘艳阳，路瑞峰，粟嘉

（1.上海航天技术研究院，上海 201109；2.西北工业大学 电子信息学院，陕西 西安 710072；3.上海卫星工程技术研究所，上海 201109）

0 引言

雷达遥感卫星作为一种重要的主动探测载荷，其不受光照、云层、天气等条件的约束与影响，能够全天时、全天候地获取地物目标高分辨率图像，是我国对地观测空间基础设施的重要组成部分，对保障国家军事安全和促进经济社会发展具有重大的战略意义［1］。但与此同时，随着空间无线电业务量的爆炸式增长，信息化应用不断扩大的频谱带宽需求与有限频谱资源之间的供需矛盾愈加突出，客观上形成了密集错综、动态变幻的复杂电磁环境态势［2］。例如新一代泛在高效的信息网络中民用移动互联网、物联网对信号带宽的需求越来越大，高分辨率微波成像雷达的带宽由数百MHz 展宽至最大1.2GHz，无人系统的爆发式增长对未来频谱的有序利用也构成了全新的挑战。由此导致雷达遥感卫星回波数据将不可避免地受到同一频段或相邻频段其他众多无线电业务的射频干扰（Radio Frequency Interference，RFI）影响，特别是低频段、高分辨率雷达遥感卫星发射信号瞬时带宽大、波束较宽、驻留时间较长，从而致使全球范围内精细化观测的数据获取能力和对地观测科学数据的准确完好性面临着严峻的挑战［3-4］。

RFI 会造成遥感数据失真、解译困难，主要体现在：①RFI 的存在将显著降低回波信干噪比，降低数据之间相干性，影响回波信号录取过程和幅值动态范围，极易造成目标检测的漏检和虚警［5］；② 干扰会直接扰乱图像的幅度和相位，表现为具有特定纹理特征的遮盖性伪影，甚至完全遮挡目标场景，由此引起真实目标的空间和辐射响应信息失真，极大程度地削弱地物分类、相干变化检测、目标识别等定性解译应用的可靠性［6］；③干扰引起的幅度和相位失真误差会影响极化相关性、干涉相位图等衍生参数准确性，限制了高精度形变观测、精细化定量遥感参数反演等应用的准确性［8］。

随着星座组网观测系统建设的持续推进，遥感卫星将逐步具备立体、多维、综合观测能力，以满足对地高精细、大尺度和连续不断监测的要求［10-12］。作为科学大数据重要组成部分，对地遥感观测数据已成为国家基础性和战略性资源。定量化观测、精细化应用需求对微波遥感卫星的回波、图像及其衍生反演产品的精准性和可靠性要求越来越高。若简单将受干扰的遥感回波与图像数据弃之不用，是对数据资源的极大浪费。因此，亟须全面认知雷达遥感卫星的RFI 来源要素与作用影响机制，创新探索高精度、高时效的干扰智能抑制新理论与新方法，对于保障我国雷达遥感卫星在复杂电磁环境下的应用效能具有重大现实意义和迫切应用需求。

本文在现有典型波段的雷达遥感卫星的频率分配现状的基础上，梳理分析了频段共用的主要RFI 源，阐明介绍RFI 的定义和干扰影响机制，并提出模型数据混合驱动的干扰抑制新思路，为新一代雷达遥感卫星的频率优化设计提供知识依据，进而保障在复杂电磁环境的作用效能。

1 遥感卫星频率分配现状

卫星无线电频率资源是国家战略性稀缺资源，是进入空间、感知空间、利用空间的前提条件。为了从顶层规范全球对无线电频谱的利用，国际电信联盟（International Telecommunication Union，ITU）按空间地理区域和频段划分制订统一的无线电频谱分配方案［13-14］，如图1 所示。

图1 国际电信联盟无线电规则与全球分配地理分区Fig.1 ITU Radio regulations and its geographical allocation regions

《无线电规则》（Radio Regulations）作为无线电管理领域唯一的国际条约，从技术和规则框架方面最大限度地协调规避无线电频谱的使用冲突问题［15］。世界无线电通信大会（World Radiocommunication Conferences，WRC）是协调管理全球无线电频谱和卫星轨道资源的最高缔约性会议，每3～4年举办一次，对《无线电规则》进行讨论，修订卫星频率使用规则程序并形成相关决议。

各个国家和地区可以在国际框架下根据实际情况制定具体划分标准，当前我国最新的《中华人民共和国无线电频率划分规定》自2018 年7 月1 日起施行［16］。除此之外，国际空间频率协调组（Space Frequency Coordination Group，SFCG）、IEEE 遥感频率分配技术委员会（Frequency Allocations in Remote Sensing Technical Committee，FARS-TC）等也是积极参与国际遥感卫星频率分配论证工作的重要组织机构。

根据《无线电规则》，卫星频率和轨道资源的主要分配形式为“先申报就可优先使用”的抢占方式。在限定的频段范围内，卫星对地探测业务（Earth Exploration Satellite Service，EESS）与其他无线电业务共享运行。ITU 划定的P 波段至X 波段的雷达遥感卫星的允许工作频率［15］见表1。从表中可以看出，由于不同频段的兼容性问题，卫星有源对地探测业务在不同波段的业务级别有差异，允许的最大工作带宽也随着频率的增大而提升，并与无线电定位、业余无线电、移动通信、空间探测、无线电导航等业务共享频谱。

表1 卫星地球探测业务（有源）频率分配规定Tab.1 Frequency allocation for EESSs（active）

国内外在轨和规划的典型雷达遥感卫星系统及其用频状况见表2。可以看到，微波遥感卫星的任务频率均需要遵循表1 中国际无线电规则中的用频规定。L、S、C、X 波段是微波遥感卫星的重要频段，也是世界各大航天强国重点规划发展的频段。P 波段由于共享业务较多，带宽和探测区域受限，目前仅有欧洲规划研制了Biomass 系统［17］。我国目前在轨运行的雷达遥感卫星主要包括环境一号C 星（S 波段）、高分三号（C 波段）、陆地探测一号（L 波段）等，随着我国遥感和空间科学卫星的应用领域不断拓展，对卫星无线电频率和轨道资源的需求日益迫切。

表2 国内外部分在轨或规划的雷达遥感卫星系统及用频情况Tab.2 Typical microwave active remote sensing systems at home and abroad and their frequency usage

续表2 国内外部分在轨或规划的雷达遥感卫星系统用频情况Continued Tab.2 Typical microwave active remote sensing systems at home and abroad and their frequency usage

在2019 年，工业和信息化部、国防科工局联合印发了我国卫星应用领域首部频率资源使用规划《遥感和空间科学卫星无线电频率资源使用规划（2019—2025 年）》，对“十三五”和“十四五”期间遥感和空间科学卫星无线电频率资源的合理、高效利用提出了明确的要求［18］。对于微波主动遥感卫星探测频率的设计，一方面要根据遥感探测任务需求和业务特性，另一方面主要依据国际电联ITU-R RS.2105 建议书［19］，设定星载有源传感器的功率通量密度、地球表面接收的干扰功率、射频信号类型等参数，重点提高系统自身的频率兼容性，减少和避免对其他系统的干扰。

2 射频干扰机理

2.1 射频干扰定义

频谱分配是微波遥感卫星工作频段的重要依据，对于保障微波遥感卫星的探测效能至关重要，但仅有小部分频谱可用于微波有源遥感并且与其他无线电业务广泛共享，仍不能完全避免其他无线电辐射源的威胁影响。与此同时，RFI 信号的来源多样，不同地区、不同系统、不同时间的干扰信号类型也有可能不同，导致其信息获取能力受到严峻的挑战。

国际电联《无线电规则》第1.166 款将RFI 定义为［15］：“由于某种发射、辐射、感应或其组合所产生的无用能量对无线电通信系统的接收产生的影响，这种影响的后果表现为性能下降、误解或信息遗漏”。干扰又可划分为3 个等级：允许的干扰、可接受的干扰以及有害干扰。其中，针对雷达遥感卫星而言，有害干扰是造成探测性能下降的主要威胁。国际电联ITU-R RS.1166 建议书给出了雷达遥感卫星的空间有源遥感器的性能和干扰标准，在成像像素功率标准偏差下降10%的情况下，其干扰门限标准为干扰与噪声比（Interference to Noise Ratio，INR）-6 dB［20-21］。

2.2 射频干扰机理

微波遥感卫星系统所遭遇的RFI 主要来源于共享频段的授权业务、共享频段的非授权业务以及邻近频段的无用辐射。从信号的传播路径追溯来看，无意RFI 主要来源于地面直射干扰和星间散射互扰，如图2 所示。地面直射干扰主要由地面/海面同频段共享的军民无线电设备引起，比如机场监视雷达、气象雷达、广播电视、通信网络设备等［22-24］。星间散射互扰则源自异源雷达遥感卫星在时空频交叠探测场景下经由地面散射调制而产生的干扰信号。前期研究表明，我国高分三号系统与欧洲Sentinel-1 系统、加拿大RADARSAT 系统之间存在着严重的星间散射互扰现象［25-26］。随着卫星数量星座化建设，时空频交叠概率大幅增加，衍生的异源雷达星间散射互扰问题会更加严重，已逐渐成为新兴常态化威胁［27］。

图2 雷达遥感卫星面临的潜在射频干扰源及其干扰机理Fig.2 Potential RFI sources for microwave active remote sensing satellite and its interference mechanisms

雷达遥感图像中的地面直射干扰和星间散射互扰2 种典型RFI 如图3 所示。从图中可看出，地面直射干扰、星间散射互扰的幅度、持续时间、调制方式等都存在着较大的差异性。常规地面直射干扰可假设为点源模型，能量反比于距离的二次方，与目标回波线性混合叠加，干扰信号特性与观测几何关系、系统参数、极化方式、干扰源特性密切相关。而对于星间散射互扰，异源雷达遥感卫星发射信号会历经与地物的二次反射与卷积调制过程，信号转发于分布式面目标，能量反比于距离的四次方，其特性与地形地貌非线性深度耦合影响。图像域也表现出较独特的纹理规律、形状和模式特征，但都对遥感图像中地物目标形成了遮盖伪影，对解译反演分析造成了较大的负面影响。

图3 遥感图像中的典型射频干扰Fig.3 Typical RFI in remote sensing images

由于干扰源与接收天线之间极化方式的差异性，不同极化通道的干扰伪影强度和纹理有所差异，如图4 所示。同时，对于非固定、非持续发射的干扰而言，在遥感卫星的不同周访周期之内，同一场景中干扰的强度也会呈现时变的特性，在时间序列图像上不会稳定持续存在，呈现“尖峰”的特性，如图5所示。

图4 同一场景不同极化通道的图像对比Fig.4 Comparison of images under different polarimetric channels

图5 不同时相的散射系数强度对比Fig.5 Variation of the scattering coefficient intensity with the acquisition time

2.3 雷达遥感卫星面临的射频干扰环境

近年来，对RFI 问题逐渐得到重视，并被纳入作为卫星系统顶层设计的重要考量因素之一。卫星干扰检测与抑制手段需在总体设计时予以考虑，是保障探测数据的精准有效性的重要手段。美国国家航空航天局（NASA）、欧洲空间局（ESA）、日本航天局（JAXA）等研究机构，早已将地面RFI 监测与抑制融入到雷达遥感卫星系统总体设计与研制过程中。比如，美国2015 年发射的L 波段SMAP 卫星，对在轨RFI 环境进行了详细的模拟、记录与分析，并融入考虑到系统体制设计上，实现具备在轨静默监测和频率捷变干扰规避能力［28］。作为美国NASA 资助的前沿项目之一，2018 年发射的CUBERRT 系统具备在6～40 GHz 频带范围，瞬时带宽1 GHz 的在轨RFI 监测能力，系统全面地认知了全球RFI 环境，对于后续卫星的频率规划与在轨运行提供了详细的干扰要素依据［29］。日本L 波段ALOS 雷达系统，开发了地面端干扰检测与抑制处理系统，形成了全球干扰数据特征库和空间强度分布图［30］，丰富了对RFI环境要素的认知深度和广度，如图6 所示。欧洲C 波段Sentinel-1系统利用噪声监测脉冲，通过长时间的对地观测数据积累与分析，统计获得了全球C 波段遥感探测RFI空间分布强度概率分布图［31］，如图7 所示，为在轨探测模式优化提供了宝贵的决策知识支撑。

图6 日本ALOS 系统获取的全球L 波段射频干扰源强度概率分布［30］Fig.6 Probability distribution of the global L-band RFI obtained by the ALOS system in Japan［30］

从图6～图7 中可以看出，从干扰空间分布来说，雷达遥感卫星需对全球进行大范围、长期观测，其面临的调制样式、信号强度随地理区域动态变化，特别是在城市化程度较高的区域更为严重。欧洲Sentinel-1 系统获取的2 个典型场景的地面和海面干扰累积图，如图8～图9 所示，根据卫星的上升轨道和下降轨道交叉点能够粗略定位地基雷达、舰载雷达等高功率辐射源［22］。干扰样式体现出的图像伪影变化可以作为行为意图反演的依据，即可以根据某些地点的雷达开启频率，推断其“威胁等级”水平，若为海面移动辐射源，可以跟踪活动轨迹，推断其工作意图，从而为电磁目标检测、开源情报分析等提供独特的视角。

图7 欧洲Sentinel 系统获取的全球C 波段射频干扰源强度概率分布［31］Fig.7 Probability distribution of the global C-band RFI obtained by the Sentinel system in European［31］

图8 地面高功率雷达辐射源及其造成的干扰Fig.8 Terrestrial high-power radar emitter and the interference it causes

图9 海面高功率雷达辐射源及其造成的干扰Fig.9 Marine high-power radar emitter and the interference it causes

除此之外，新一代雷达遥感卫星系统也已将RFI列为实质威胁并在研制阶段对干扰抑制能力进行顶层规划设计。作为欧空局发起的7 大地球探测新计划之一，计划于2023 年发射的P 波段BIOMASS系统，开发了地面RFI 检测与抑制处理系统［17］。美国和印度联合开发并计划于2023 年发射全球首颗L/S 双频段NISAR 系统也对RFI 进行了前期验证和评估［32］。世界各大国争相论证建设地球同步轨道合成孔径雷达（GEO SAR）卫星，由于其对地覆盖范围广、驻留时间长的特点，国内外相关团队也提前进行了干扰场景与概率的论证分析［33-34］。从2021 年起，作者参与的IEEE FARS-TC 组织开展了国际首个遥感干扰量化与效应评估标准“P4006 Standard for Remote Sensing Frequency Band Radio Frequency Interference（RFI）Impact Assessment”的论证工作［35］，并建立了遥感RFI 数据库［36］，旨在定量刻画各个频段的干扰环境态势，从而为遥感卫星探测任务的设计提供规范化依据。

3 模型数据混合驱动的干扰抑制方法

当回波中存在干扰时，就需要利用信号处理方法实现干扰抑制，其目的是采用先进的信号处理算法来表征有用回波与干扰之间的特性差异，然后将RFI 提取、相消或者重构，同时使目标回波失真尽可能小。具体来说，已有研究可大致分为模型优化的分解重构类方法和数据驱动的智能学习类方法，详细的综述介绍可参阅文献［37-38］。

1）模型优化的分解重构类方法。此类方法聚焦于在一定先验知识的前提下构建数学表征模型，根据干扰与目标回波的特性差异，包括能量、极化、统计特性差异等，在特定优化准则框架下来迭代估计干扰对应的潜在分量或子空间，最后完成干扰的重构相消。一种热点思路是通过建立对原始数据域或图像域中的稀疏性和低秩性假设，并采用鲁棒主成分分析方法，取得了不错的抑制恢复性能［39-44］。此外，文献［45］进一步扩展应用于对多时相的图像数据进行处理。RPCA 方法可以通过无监督迭代优化方法，将数据矩阵分解为一个低秩分量和稀疏分量。文献［46］提出了一种半参数化优化求解框架。进一步，学者利用距离谱的稀疏性［47］和时频域的稀疏性［48］，将联合稀疏恢复用于处理窄带和宽带干扰。文献［49］通过联合约束窄带干扰的一维稀疏和二维低秩特性，通过多维张量耦合约束关系实现协同优化求解。总体来说，以上分解重构类方法是由模型驱动，通过对干扰和目标信号进行联合先验约束，其性能优势直接取决于特定先验知识约束下的优化模型设计。实测数据处理经验表明，迭代优化步骤的计算量较大，实效性受到限制。不同数据集的超参数选取并不是一项简单的任务，也不适合遥感应用中的大规模流程化处理。

2）数据驱动的智能学习类方法。在丰富样本集支撑下，基于数据驱动的特征学习和表征方法已经被广泛地应用并证明了具有较好的稳健性和泛化推广能力。随着对地成像观测大数据的积累，干扰抑制方法向“大样本数据集+完备参数刻画能力”的智能分析转变是一种变革趋势［50-52］。已有研究表明［53-56］，语义分割、自编码网络、残差网络等深度学习技术的引入可以避开传统数学建模过程而直接实现端到端的学习，通过复杂网络结构和超大量参数容量以及长时间监督训练，捕获干扰与回波的深层次特征差异，进而实现对干扰的高效与高性能抑制。常规的数据驱动方法对训练数据的数量与质量要求比较高，且过程缺乏较高的物理规律约束与可解释性，是阻碍数据驱动类方法进一步深度应用的问题。

已有干扰抑制算法大多遵循“特定样本数据集+领域知识先验约束”的适用模型和假设条件，存在着先验知识的局限性和非精确建模偏差，易导致干扰抑制不充分、信号损失较大。同时，算法超参数的经验化择优过程中人工参与力度较大，对特定数据依存度较高，多样化观测场景的泛化适用能力较欠缺。物理建模（理论驱动）与机器学习建模（数据驱动）具有不同范式，但两类方法分别具有鲜明的特点，优势可以互补，模型优化类方法可解释性、外推能力强，数据驱动类方法对数据的适应性、发现数据规则的能力强。

因此，如何将模型优化类与数据驱动类干扰抑制方法深入融合，探索研究“模型数据混合驱动”的干扰抑制方法，使其既遵循物理定律，又具有概念化、可解释的结构，同时数据自适应，从而有助于刻画RFI 与有用信号的特征差异，提升干扰抑制精确性和实效性，是值得深入研究的科学研究新范式［57］，如图10 所示。2019 年，Nature 期刊文章提出混合建模方法，建议整合基于过程与机器学习的方法，利用数据驱动方法对物理模型进行补充与增强，实现对地球观测科学领域的应用性能提升［58-59］。2022 年国家自然科学基金指南中，将“模型与数据混合驱动的雷达信息处理方法”作为信息科学部重点项目立项领域，也凸显映证了该课题研究的重要性与迫切性。模型数据混合驱动的信号处理方法已初步在医学图像、无线通信等领域取得一定进展［60-61］，但在雷达信号及干扰抑制处理领域尚处于初步阶段。

图10 模型优化与数据驱动方法的差异与融合Fig.10 Difference and fusion of the model-based and data-driven schemes

下面将介绍模型数据混合驱动方法在RFI 抑制中的应用［62］。考虑到方位相邻脉冲之间的相关性，以及干扰在不同脉冲之间的异步变化性，可对块回波建模为满足联合低秩性与稀疏性的模型，其本质上是一个数据自驱动的迭代优化求解问题，如下所示：

式（1）是正则化最小均方误差优化问题，可以用迭代收缩阈值算法求解得到：

普遍逼近定理指出，一个含有有限个神经元的单隐层前向网络可以逼近紧子集上的连续函数。如果能将迭代算法的每次迭代替换为深层神经网络中的一个层，然后连接几个这样的层，那么就有可能实现收敛性的显著改进。通过采用“深度展开”的创新概念，基于栈式循环神经网络，构建融合物理模型和算法先验知识及其相应的优化算法启发的深度神经网络架构。将算法涉及的超参数嵌入设计到网络权值参数中，通过训练过程学习逼近现有算法的迭代过程，从而将传统的“非确定收敛”的模型化迭代搜索问题转化为“有限层数”的深度神经网络递归自学习问题，如图11 所示。

图11 栈式循环神经网络的深度展开形式Fig.11 Deep unfolding of the recurrent neural network

每一个迭代步骤可以等效替代为循环神经网络的单层网络架构。为了更好地捕获时频空间的干扰与目标的分布差异特征，利用恰当尺寸的卷积核来替换迭代式（2）、（3）中的因子矩阵，从而可以将深度展开网络的第k层表示为

以上模型数据混合驱动学习方法保留了一些模型的确定性推理，同时兼备了深度学习方法强大的学习能力，而又克服了网络拓扑结构选择的困难。这使得深度学习方法的可设计性和可预测性变为可能，从而更好地平衡了通用性和相关性之间的关系。再利用训练数据集来实现超参数的优化，获得对数据集的最优估计。通过采用反向传播算法进行训练，其中代价函数可表示为真实值与预测值的均方误差，即：

最后，可以利用训练好的展开式深度网络快速地获得对特定数据集的干扰分离与重构。基于此思想进行了某实测数据处理验证，如图12 所示。从图中可以看出，干扰严重影响了成像质量，导致图像形成了一层雾状伪影。图12（b）为利用模型数据混合驱动方法的处理结果。在强干扰目标场景下，原始信息则直接被掩盖，所提方法可以很好地从数据中清晰地估计和提取RFI 特征，且可以将干扰有效抑制并尽可能地保留原始数据的有效信息。

图12 模型数据混合驱动的干扰抑制结果［62］Fig.12 Experimental results of the interference suppression effect by the model-data hybrid driving method［62］

续图12 模型数据混合驱动的干扰抑制结果［62］Continuous Fig.12 Experimental results of the interference suppression effect by the model-data hybrid driving method［62］

相比传统的模型迭代求解方法，模型数据混合驱动的方法可以实现描述低秩、稀疏特性的正则项参数等算法超参数的自学习，并且能在较少的前馈迭代次数内达到算法收敛，不再需要繁琐的迭代过程，从而解决传统干扰抑制算法超参数人为参与力度大、计算复杂度高、泛化能力弱的瓶颈问题。同时，相比现有的“端到端”深度神经网络的方法，能够确保小样本条件下的可解析性能下界，并使模型参数和训练时间减少了几个数量级，大大简化了学习参数数量，降低了对天基星间散射互扰训练数据的“大数据完备性”要求，提高了可解释性与处理效率。模型数据混合驱动的方法实现了模型优化与数据驱动方法的融合，但相比无监督的模型优化类方法，需要额外的高质量训练数据进行监督训练，其泛化能力仍需进一步提高。同时不能脱离于物理知识去模拟或替代物理模型，依赖于对干扰与目标回波特性的先验建模知识。因此，仍需要进一步结合特定模式下成像回波特点，挖掘模型数据混合驱动的方法在RFI抑制方面的突破与应用。

4 结束语

雷达遥感卫星作为国家信息基础设施，在空间的延伸和显著提高自主对地观测信息获取能力方面发挥着重要作用。RFI 将一直是困扰雷达遥感卫星定量精细遥感的难点问题。本文系统地归纳了雷达遥感卫星的频率分配现状，阐述了RFI 的定义与典型干扰机制，并提出了模型与数据混合驱动的干扰抑制方法新思路。在国家战略需求的牵引下，我国已经自主发射运行了一系列雷达遥感卫星系统，但对全球RFI 电磁环境的认识仍处于较局部、较模糊的阶段。全面认知RFI 来源要素与作用影响机制，将RFI 问题纳入作为系统顶层设计的重要考量因素之一，对于保障我国雷达遥感卫星在复杂电磁环境下的应用效能具有重大现实意义和迫切应用需求，面临的机遇与挑战体现在以下方面：

1）频率分配与管理是雷达遥感卫星工作频段选择的重要依据，对于保障卫星的探测效能至关重要。应该积极参与国际电联WRC 以及国际电联无线电通信局第四研究组、第七研究组的相关会议，加强雷达遥感卫星在频率划分与使用以及与其他无线电业务的兼容共用性研究，制定RFI 检测的国际标准，从源头上维护雷达遥感卫星频率使用权益。

2）国内外研究大多聚焦于地面辐射干扰源，而对空间相邻、同频段异源雷达卫星之间的互扰关注较少。同时，模型数据混合驱动的干扰抑制方法遵守物理模型，具有概念化和可解释的结构，同时整合了数据自适应能力，初步展现出了较大的潜力，为未来实现高效与高精度在轨抗干扰处理提供了新思路。

3）当前干扰抑制处理大多以重构精确聚焦的图像为出发点，对于直接影响定量参数化遥感精度的相位失真关注不够，影响进一步定量化精细遥感科学应用。因此，如何将定量精细遥感应用紧密关联起来，实现“以相位低失真”为驱动的回波域和图像域干扰分离与重构是尚待深入研究的问题。