法律状态公告日
法律状态信息
法律状态
2017-03-08
授权
授权
2015-05-13
实质审查的生效 IPC(主分类):H04B17/345 申请日:20141119
实质审查的生效
2015-04-22
公开
公开
技术领域
本发明属于微波遥感技术领域,更具体地,涉及一种基于卫星被动微 波遥感数据(包括SMOS、Aquarius、WindSat等工作在被动微波遥感频段 范围内的卫星数据)的射频干扰检测方法,可为星载遥感器的应用以及射 频干扰检测、抑制提供参考,亦可为无线电管理提供参考。
背景技术
土壤湿度和海洋盐度(Soil Moisture and Ocean Salinity,SMOS)卫星 工作在被动微波遥感1400-1427MHz频段范围内,在轨运行后,通过对大量 的观测数据处理分析后发现,SMOS数据受到严重的射频干扰。射频干扰 主要是由于人为因素产生的,能够淹没原始的遥感信号,极大地降低数据 利用率和数据质量,最终导致后续数据产品质量急剧下降、可靠度降低, 甚至完全不可用。
同样工作在被动微波遥感1400-1427MHz频段范围内的Aquarius卫星 提供的数据中也出现了较为严重的射频干扰问题;工作在其它被动微波遥 感频段的卫星也遭遇了同样的困扰,比如WindSat卫星(工作于6.8GHz、 10.7GHz、18.7GHz、23.8GHz和37.0GHz五个频点);可以预见,即将发射 的、工作在被动微波遥感1400-1427MHz频段范围的SMAP卫星也将面临 射频干扰的严峻挑战。
这些射频干扰不仅对工作在被动遥感频段范围的地球探测卫星产生影 响;对工作在同一频段及其相邻频段内的射电天文望远镜也会产生严重的 影响,导致其灵敏度降低、甚至无法正常工作;还会造成相邻频带范围内 的导航系统的定位精度变差、或无法定位。
发明内容
为了解决上述问题,本发明提供了一种基于卫星被动微波遥感数据的 射频干扰检测方法,可以实现射频干扰的检测,确定射频干扰的位置、来 源,并分析其特征。
为了实现上述目的,本发明提供了一种基于卫星被动微波遥感数据的 射频干扰检测方法,包括:
(1)数据筛选:获取卫星被动微波遥感数据中的陆地数据,提取陆地 数据中的异常数据点,并提取各异常数据点周围预设范围内的数据,保存 在数据组中,所述数据包含经度、纬度、亮温值、俯仰角、方位角信息;
(2)地理定位:提取步骤(1)中超过射频干扰门限的数据,对该组 数据进行三次多项式插值,提取插值后最大亮温所对应的位置坐标作为该 射频干扰的位置;
(3)平均处理:通过步骤(1)和步骤(2)对一个半轨数据的每个快 照处理后,将超过门限的射频干扰的所有地理位置坐标作平均处理,作为 该射频干扰的位置;
(4)地理标识:在地图上标记出射频干扰的地理位置坐标,在其附近 寻找射频干扰的来源;
(5)综合分析:提取射频干扰多次测量的亮温数据及对应的时间数据、 方向数据,将这些数据存入三维数组,分别绘制射频干扰亮温随时间、方 向变化的图像,随后,根据图像分析其随时间、方向变化的特征,其中所 述方向包括俯仰角和方位角。
本发明的技术效果体现在:采用该方法可获得射频干扰的位置信息及 其主要特征,主要包括射频干扰的地理位置分布特征、部分射频干扰的来 源、随时间和方向变化等特征。
总体而言,通过本发明所构思的以上技术方案与现有技术相比,由于 可以很好地适用于卫星被动微波遥感数据的射频干扰检测,能为星载遥感 器的应用以及射频干扰检测、抑制提供参考,亦可为无线电管理提供参考。
附图说明
图1是本发明射频干扰检测方法数据处理流程图;
图2是由2013年8月18日-2013年8月20日中的SMOS L1-c级数据 检测得到的中国地区的射频干扰位置分布;
图3是本发明实施例中贵州省六盘水市山区的某射频干扰附近提取出 来的一组异常亮温数据;
图4是采用三次多项式插值的方法对图3的数据进行插值后的亮温分 布图;
图5是贵州省六盘水市山区的某射频干扰地理位置;
图6是江西丰城市境内某射频干扰在几个时间段的亮温分布图,其中:
图6(a)不同时段HH(水平极化)亮温随俯仰角变化;
图6(b)不同时段VV(垂直极化)亮温随俯仰角变化;
图7是西藏拉萨地区某射频干扰两次测量的亮温分布,其中:
图7(a)VV亮温值随俯仰角变化;
图7(b)HH亮温值随俯仰角变化;
图7(c)VV亮温值随方位角变化;
图7(d)HH亮温值随方位角变化。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图 及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体 实施例仅仅用以解释本发明,并不用于限定本发明。
如图1所示,本发明提供了一种基于卫星被动微波遥感数据的射频干 扰检测方法,该射频干扰检测方法主要包括数据筛选、地理定位、平均处 理、地理标识和综合分析等步骤实现的,具体步骤如下:
1、数据筛选:获取卫星被动微波遥感数据中的陆地数据,提取陆地数 据中的异常数据点,并提取各异常数据点周围预设范围内的数据,保存在 数据组(包含经度、纬度、亮温值、方位角、俯仰角等信息)中。
由于射频干扰主要出现在陆地,较少出现在海洋(主要来自船只,且具 有很强的移动性,不易检测),因此只提取卫星被动微波遥感数据中的陆地 亮温数据进行分析,这样可减少所需分析数据的总量,提高数据处理效率; 针对提取出的陆地数据,如果在某一区域内,存在一个极大值,且极大值 的亮温超过亮温门限值350K(地球表面自然场景亮温不会超过350K),则 认为很有可能存在射频干扰,该极大值点为异常数据点;随后提取出极大 值附近0.5°×0.5°经纬度范围内亮温值大于350K的所有数据,并放在同一数 据组中。
2、地理定位:提取步骤(1)中超过射频干扰门限的数据,对该组数 据进行三次多项式插值,提取插值后最大亮温所对应的位置坐标作为该射 频干扰的位置。
将步骤1中提取的每组数据的数据个数与数据个数门限值M(在本文 中M=6)比较,如果小于门限值,则丢弃该组数据;如果大于门限,则认 为其为一个射频干扰,记该射频干扰被检测一次,并对该组数据进行 0.001°×0.001°网格点三次多项式插值,提取插值后最大亮温值所对应的位置 坐标,作为该射频干扰的位置。采用上述两个步骤依次对半轨数据中的每 个快照进行处理。
3、平均处理:将超过门限的射频干扰的所有地理位置坐标作平均处 理,作为该射频干扰的位置。
当采用步骤1和步骤2依次对一个半轨数据的每个快照处理后,若某 一射频干扰被检测到的次数低于干扰次数门限值L(在本文中L=6),则被 视作虚射频干扰,丢弃;否则,将超过上述次数门限的射频干扰的所有地 理位置坐标作平均处理,作为该射频干扰的位置,平均处理是为了提高射 频干扰的定位精度。采用上述步骤,可确定射频干扰的位置。进一步采取 以下步骤进行分析,可获得射频干扰的地理位置分布、来源、随时间和方 向变化等特征信息。
4、地理标识:在地图上标记出得到的射频干扰地理位置坐标,在其附 近寻找射频干扰的来源。
根据步骤3获得射频干扰的地理位置坐标,在地图上标记出干扰位置, 然后在地图中标记的射频干扰位置附近寻找其来源,并标记;当在地图上 标记完所有射频干扰的位置后,通过分析射频干扰的地理分布,可得到其 地理位置分布特征;通过分析射频干扰的亮温强度,可得到其亮温强度分 布特征;通过分析某一位置的射频干扰出现的次数和测量次数,可得到其 射频干扰的发生率(发生率是指在该地区射频干扰出现次数与测量次数的 比值)。
5、综合分析:提取射频干扰多次测量的亮温数据及对应的时间数据、 方向数据,将这些数据存入三维数组,分别绘制射频干扰亮温随时间、方 向变化的图像,随后,根据图像分析其随时间、方向变化的特征,其中所 述方向包括俯仰角和方位角。
采用步骤1、步骤2和步骤3处理多个半轨数据,提取出射频干扰的多 次测量的亮温数据及对应的时间数据、方向数据,将这些数据存入三维数 组,分别绘制射频干扰亮温随时间、方向变化的图像;根据射频干扰的多 次测量的亮温数据可分析其随时间变化特征;根据射频干扰的亮温值随观 测角信息可分析其随方向变化特征。需要指出的是,在分析射频干扰随观 测角变化时,由于边缘观测角的亮温误差较大,故在分析射频干扰特征时 观测角两端的亮温数据不予考虑。
下面结合具体实施例对本发明作进一步详细的说明,本发明的实施例 是基于SMOS卫星数据对本发明方法进行说明,对于其他类型的卫星被动 微波遥感数据(例如Aquarius卫星数据、WindSat卫星数据、SMAP卫星数 据等),都可采用本发明方法进行射频干扰检测。
实施例1:中国地区的SMOS卫星数据射频干扰
该实施例中,采用前面提出的射频干扰检测方法,通过处理SMOS卫 星提供的2013年8月18日-2013年8月20日L1-c级数据,得到了:中国 地区的L波段射频干扰的位置分布,如图2所示;中国地区的射频干扰地理 坐标,已在表1中给出。在图2中,黑点表示射频干扰及其来源的位置。
表1 中国地区的射频干扰的地理位置坐标
由图2和表1可发现:射频干扰出现在黑龙江、华东地区(包括北京、 河北、山东、河南、安徽等)、西安、福建沿海、四川和内蒙古等地区较多; 出现在新疆、西藏、云南和广西等地区较少。
由射频干扰的亮温强度分析(步骤4)可知:强射频干扰(1000K~5000K) 最多,甚强射频干扰(大于5000K)次之,中等射频干扰(350K~1000K) 最少;甚强射频干扰主要出现在北京、西安、广州、武汉和合肥等大城市 以及其它一些中型城市,比如甘肃庆阳、江西九江,且其亮温都非常高, 例如在北京地区,其中某次射频干扰的亮温高达85939K;强的射频干扰在 东北、华东、陕西、四川、内蒙和福建沿海等地区出现的次数较多;中等 射频干扰出现较少,只出现在湖北襄阳地区、湖南汨罗市等少数几个地区。
通过提出的射频干扰检测方法,可得到部分射频干扰的来源,通过分 析这些射频干扰的来源可知:
一部分射频干扰来源于燃煤热电厂、炼油厂和水泥厂等。例如,采用 该射频干扰检测方法确定了位于贵州省六盘水市山区某射频干扰的位置, 提取了该射频干扰的亮温数据,并确定了其来源——一燃煤热电厂。该射 频干扰的检测过程如下:首先,采用步骤1提取出该射频干扰的异常亮温 数据,如图3所示;然后,采用步骤2对步骤1提取出来的数据进行插值, 获得该射频干扰的地理坐标,如图4所示,图中黑色实心菱形表示获得射 频干扰的地理坐标;接着,采用步骤3处理一个半轨数据,获得射频干扰 的位置坐标均值,如图5所示,图中黑色实心圆圈表示由提取出来的每组 数据获得射频干扰的位置坐标,空心黑色圆圈表示获得所有位置坐标的均 值,黑色空心上三角形表示射频干扰的来源坐标。最后,采用步骤4将获 得射频干扰的均值在Google地图上标识出来,再寻找射频干扰的来源;通 过在Google地图上查找发现:该射频干扰处于山区,在10km范围内唯一 有可能的只有一燃煤热电厂(104.770°E、26.323°N),因此,基本上可确定 这一燃煤热电厂是该射频干扰的来源。且由Google地图可知:获得该射频 干扰的坐标均值与来源(燃煤热电厂)的距离约为5km,而获得大多数位 置坐标与来源的位置在2.5km左右。
一部分射频干扰来源于机场。例如出现在西藏贡嘎县境内的某射频干 扰及其来源——贡嘎机场(90.901°E、29.284°N)。
通过分析同一射频干扰的不同时段亮温,可发现:同一射频干扰,在 不同时段呈现出不同特征,强度和方向性会随时间发生变化。图6给出了 江西省丰城市境内某射频干扰在2013年内几个不同时段的亮温,由图6可 知:在2013年2月(两次测量)和2013年8月(三次测量),该射频干扰 的强度有很大的差别,在2月份亮温值均较小,在8月份亮温值相对较大; 在同一天,射频干扰的亮温强度也呈现出不同的特征,如2013年8月20 日10时(图中黑色实心三角形)和2013年8月20日21时(图中黑色实 心圆圈)获得的该射频干扰的亮温强度。
通过综合分析射频干扰多次测量的亮温数据,发现:射频干扰的辐射 强度是随方向变化的。如图7所示,给出了西藏地区某射频干扰的两次测 量值(2013年8月18日11时和2013年8月20日12时),由图7知:在 这两个时间段,VV(垂直极化)和HH(水平极化)在某一俯仰角附近都 出现最大值----VV极化亮温值分别在俯仰角35°和40°左右出现最大值,HH 极化亮温值分别在俯仰角47°和近53°左右出现最大值;VV和HH在某一方 位角附近都出现最大值----VV极化亮温值在方位角350°和50°左右出现最大 值,HH极化亮温值在方位角350°和近40°左右出现最大值。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已, 并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等 同替换和改进等,均应包含在本发明的保护范围之内。