摘要：陆地探测一号（简称“陆探一号”，LT-1）是中国首个以陆地SAR干涉测量为核心任务的L波段差分干涉合成孔径雷达卫星，通过双星绕飞、跟飞两种工作模式，利用差分干涉形变测量和干涉测高的技术，能够全天时、全天候实现高精度地表形变监测、地形测绘等任务。LT-1卫星运行

1.

2.

3.

摘要：陆地探测一号（简称“陆探一号”，LT-1）是中国首个以陆地SAR干涉测量为核心任务的L波段差分干涉合成孔径雷达卫星，通过双星绕飞、跟飞两种工作模式，利用差分干涉形变测量和干涉测高的技术，能够全天时、全天候实现高精度地表形变监测、地形测绘等任务。LT-1卫星运行于无线电业务分配比较密集的L波段，在部分地区面临着严重的同频射频干扰影响。射频干扰会导致干涉影像质量退化、相位失真以及相干性下降，进而直接影响形变场产品反演精度，造成对地遥感观测科学数据的浪费。为了降低射频干扰的不利影响，本文系统地分析了LT-1卫星影像中的射频干扰特性，提出了针对LT-1单视复数影像的业务化、批量化射频干扰检测和抑制方法。通过大批量实测卫星影像数据验证，本文方法能够高效地抑制影像中的射频干扰，恢复提升干涉影像对的相干系数。本文方法已经成功应用于自然资源部陆探一号地面处理系统中，为卫星影像业务化形变场产品生产提供支撑保障。

关键词：陆地探测一号卫星L波段差分干涉SAR射频干扰干扰检测与抑制

基金项目

作者简介

陶明亮（1989—），男，博士，教授，研究方向为遥感卫星频谱管理与干扰抑制。E-mail：

通信作者:刘艳阳 E-mail：yanyangliu0510@163.com

本文引用格式

陶明亮, 李劼爽, 刘艳阳, 等.

TAO Mingliang, LI Jieshuang, LIU Yanyang, et al.

全文阅读

我国地形、地貌和地质条件复杂，属于地质灾害多发国家。雷达遥感卫星干涉形变监测可以有效地获取地表信息，确定地形、地貌、地质和人类建筑物的稳定性，为安全诊断和防范措施提供有效的参考和指导[1]。陆地探测一号(简称“陆探一号”，LT-1)是《国家民用空间基础设施中长期发展规划(2015—2025年)》首个启动的卫星任务，由上海航天技术研究院研制，自然资源部作为牵头主用户负责工程在轨测试和行业应用示范系统建设工作，并先后于2022年1月26日和2月27日成功发射LT-1A、LT-1B两颗卫星并在轨运行，如图1所示。两颗卫星组成了以形变监测为核心任务的InSAR系统，共同构建了全球首个用于地表形变干涉测量应用的L波段双星星座。两颗卫星以跟飞、绕飞两种工作模式[2]，分别实现重复轨道差分干涉形变测量与干涉地形测绘。图1展示了两颗卫星绕飞模式的工作示意。LT-1包含6种成像模式和2种工作模式，可为地表形变监测、基础测绘、自然资源综合调查等提供应用服务[3-4]。

图1 LT-1卫星工作示意

Fig.1 Working illustration of LT-1

LT-1卫星运行于L波段，中心频率1.26 GHz，工作带宽最大可达80 MHz。该波段下的发射信号对植被冠层的穿透能力显著，对植被覆盖区域进行干涉测量时可以同时获取植被和地面信息。根据国际电信联盟(International Union of Telecommunication，ITU)无线电频率划分规定[5]，L波段对地有源探测业务被作为主要业务划分在1215~1300 MHz频率区间，并与无线电定位、卫星无线电导航等业务重叠共享，如图2所示。LT-1卫星需对全球进行大范围、长期观测，同频段运行的地面、海面军民无线电设备如机场监视雷达、气象雷达、广播电视、通信基站等发射的非相干电磁干扰信号将不可避免地对LT-1卫星造成射频干扰(radio frequency interference，RFI)影响。

图2 L波段卫星地球探测(有源)业务划分(国际电联3区)

Fig.2 Frequency allocation in L-band for earth exploration-satellite service (active) in ITU region 3

图3为LT-1卫星在新疆哈密、西藏阿里、内蒙古呼伦贝尔和杭州湾地区获取的单视复数(single look complex，SLC)影像。其中，图3(a)中所示影像表征无干扰的场景；如果射频干扰的频率随时间非平稳变化，经过成像匹配滤波处理后就会形成如图3(b)所示雾状的图像伪影；当射频干扰源信号特征较稳定时，影响中的干扰伪影将呈现出特定的纹理规律，如图3(c)、(d)红框中线性和交叉阴影图案。射频干扰直接影响回波录取过程，导致影像出现大面积干扰伪影，降低图像信干比和成像质量，增加了后续图像解译难度。更严重的是破坏了图像相位和干涉相干性，导致无法进行主从影像干涉配准，从而直接影响干涉形变和测高产品输出。因此，为了保障我国民用差分干涉SAR系统在复杂电磁环境下的稳定运行效能与定量化应用水平，亟须全面认知LT-1卫星射频干扰来源要素与作用影响机制，研究适用于LT-1影像的地面流程化干扰检测与抑制处理方法。

图3 LT-1卫星单视复数影像有无干扰对比

Fig.3 Comparison of LT-1 SLC images with and without RFI artifacts

一方面，卫星平均每天获取不同模式的遥感影像1000余景，对地面流程化处理的时效性造成了严峻的挑战。缺乏RFI分类预处理的情况下[6]，若对无干扰的影像数据无差别执行RFI检测和抑制步骤，浪费计算资源的同时也会对影像质量造成额外损失影响。另一方面，根据成像结果人工评估影像有无干扰无法满足业务化流程处理要求，也会遗漏部分微弱干扰影像。因此，对影像数据有无RFI进行自动分类识别是进行流程化干扰抑制处理前的必要步骤。不同于干扰检测，RFI预分类不追求定位出干扰的具体位置，只判断影像数据是否存在干扰。近年来分类方法可以分为3类。第1类是基于回波与干扰统计特征差异判断图像有无干扰，如基于能量设置阈值在原始数据频域的RFI识别方法，或者是基于统计数据的分布特性差异设置阈值[7]。当干扰与回波特征差异非常大时，分类的性能良好，但当RFI的能量较弱或数量较少时，阈值设定不恰当会导致较多的漏检或误检。第2类是基于系统体制设计的静默脉冲回波进行检测[8]，如欧洲Sentinel-1系统在干涉宽带模式下的前8~10个接收脉冲没有背景回波，由于不受地面散射回波信号的影响，RFI即使很弱也能获得较高的检测灵敏度。此类方法适合处理时间持续性的干扰，但无法检测到时变干扰。第3类是直接在图像域进行处理，如利用不同极化通道信号的干扰能量特性差异对单景进行RFI分类[9]，或者利用边缘检测算子[10]、语义分割网络[11]等图像检测与识别方法进行判决。此类方法推理速度更快，但需要较多的正负样本进行训练。

射频干扰抑制后处理方法主要可分为滤波、分解和重构方法[12]。滤波类方法主要利用回波信号和干扰在不同变换域上的能量差异(如频域、时频域、空域等)检测出干扰并将其从回波信号中剔除，这类方法简单高效，但适用于处理窄带压制干扰。对于宽带干扰，近年来改进的子带谱对消方法[13]通过距离子带谱的对称性来估计和消除。文献[14]利用距离时间-方位多普勒域的多普勒差异对间歇发射的宽带射频干扰进行自适应滤波。分解和重构法则不再局限于干扰与信号的能量差异，文献[15]利用干扰的低秩性，提出了主成分分析和稳健主成分分析来重构干扰并抑制。文献[16]采用非凸模型来提升约束精度，并利用张量分解来进行多维度联合干扰抑制处理。文献[17]将干扰的稀疏性引入多时相的数据中，在快视数据上将干扰分离出来。虽然分解与重构类方法凭借特定假设下的数据驱动和自适应可以有效地降低抑制宽带干扰引入的信号失真，但涉及计算量比较大的迭代优化过程，对内存存储和计算资源都有着较大的负担。同时，此类方法多需要针对原始回波信号处理，对于遥感终端用户而言，回波数据难以获取，因此不能直接应用以满足当前LT-1影像地面处理系统业务化产品生产流程处理要求。

射频干扰抑制也是国外航天机构持续关注的热点与难点问题。美国宇航局2015年发射的L波段SMAP卫星，在设计阶段对在轨射频干扰环境进行了详细的模拟、记录与分析，并融入系统体制设计中，实现了在轨静默监测和频率捷变干扰规避能力[18]。日本ALOS卫星研制了地面干扰抑制处理系统，从回波域分别设计窄带和宽带两个滤波器进行干扰检测与抑制[19]。欧盟Sentinel-1基于功率谱密度估计方法，在回波时域和频域分块自适应抑制回波数据的干扰，并输出干扰参数描述文件与全球干扰概率分布图，但不具备SLC影像处理能力[10]。正在论证发射的欧洲BIOMASS卫星团队，也对潜在的射频干扰环境进行了评估分析，并研制了地面处理系统[20]。

目前，我国暂时还没有适用于差分干涉SAR遥感卫星科学大数据的流程化干扰检测与抑制处理系统。面向此需求与挑战，本文提出国内首套适用于卫星数据流程化处理的射频干扰检测和抑制地面处理系统，并应用于自然资源部LT-1影像业务化处理系统中。该系统能够快速地检测和去除LT-1影像数据中典型射频干扰伪影，并恢复提升LT-1卫星差分干涉对的相干系数，为每日卫星大规模影像业务化产品生产提供了关键技术支撑保障。不同于传统的回波域干扰检测与抑制流程，该流程首先利用信号相似特性构建判决因子对单视复数影像进行粗分类，筛选鉴别出存在干扰的影像。然后基于迭代自适应滤波思想实现对影像干扰的滤除，克服了国外地面系统干扰抑制方法应用于图像域时造成的有用信号误检的问题。经过大批量LT-1卫星实测数据评估验证，本文流程化处理方法能够显著恢复干扰数据的相干性，对受干扰影响的卫星影像科学数据进行再利用。此外，流程化处理过程中提取的干扰特征参数信息可以为后续LT-1卫星的任务调控与在轨运行策略调整提供参考依据。

本节将介绍针对LT-1卫星影像数据采用的干扰影像分类、检测和抑制处理流程，如图4所示。SLC数据首先经过干扰分类模块判定是否存在干扰。若影像中不存在干扰，影像则直接进入配准、干涉等后续处理；若影像中存在干扰，则需要经过干扰检测抑制模块进行干扰抑制。该流程可以自适应地对干扰影像进行分类，同时对标签为存在干扰的影像实施高效、稳健的检测和抑制，并对RFI信号特征参数进行提取与记录，从而为丰富认知LT-1卫星运行的射频干扰环境要素提供支撑。

图4 LT-1卫星影像干扰抑制与图像增强流程

Fig.4 Flowchart of RFI mitigation and image enhancement for LT-1 system

为了更好地设计干扰检测和抑制策略，首先需要对LT-1数据产品的干扰特征进行具体分析。图5(a)以内蒙古鄂尔多斯地区(39.12°N，109.27°E)的距离频率-方位时间域作为典型干扰场景示例。以红框区域为例，每经过4~5个脉冲就会有一个脉冲存在干扰，单脉冲平均干扰带宽约占总信号带宽的1%~3%。图5(b)为存在干扰的第6001个脉冲的距离时频域，其中白框内的干扰类型为窄带干扰，下方红框为线性调频干扰，对比表1提供的该场景的工作参数，干扰时宽约为2~150 μs。

图5 LT-1干扰回波域特征分析

Fig.5 Illustration of a particular RFI case in echo domain

新窗口打开| 下载CSV

通过对干扰影像数据的大规模分析，LT-1系统中大部分的干扰可建模为窄带干扰、线性调频干扰、正弦调制干扰的叠加。其中，窄带干扰可以建模为[21]

(1)

式中，N表示窄带干扰信号的数量；τ为距离快时间；Am、fm、φm分别表示干扰信号的幅度、中心频率、相位。

线性调频干扰可建模为[21]

(2)

式中，N表示干扰信号的数量；τ为距离快时间；Am、fm、Kr、φm分别表示干扰信号的幅度、中心频率、调频率、相位。

正弦调制型宽带干扰可建模为[21]

(3)

式中，N表示干扰信号的数量；τ为距离快时间；Am、fm、g、φm分别表示干扰信号的幅度、中心频率、调频率、相位。

图6是对图3(a)和(d)两组SLC产品对应的距离频率-方位时间域和脉冲峰度统计值。由图6(a)可知，在距离频率-方位时间域上存在与方位向平行的明亮竖线(由于图3(a)成像无明显干扰现象，仍定义该场景为无干扰)，显然基于幅度进行分类会存在误检。在图6(b)上，利用频谱幅度差异可以准确判断图3(d)存在干扰，但阈值的最优设置是难点问题。峰度是基于正态分布作为参照来判定观测数据的陡峭程度，峰度值偏离越多，说明数据的离群值越多。由于SLC数据的距离频率-方位时间域满足二维复高斯分布，因此基于峰度的正态性检验也可以用来进行干扰影像分类，其可以表示为

图6 干扰图像域特征分析

Fig.6 Interference characterization in image domain

本文统计了新疆哈密和杭州湾两个地区SLC产品的脉冲峰度，图6(c)和(d)分别为图6(a)、(b)的脉冲信息。根据统计结果，不存在干扰影像的脉冲峰度值接近于正态分布，大约在4左右，而存在干扰影像的最大脉冲峰度值一般是其十倍，因此脉冲峰度值存在较大的差异，可以作为粗分类干扰影像依据。

但是，由于脉冲峰度是逐脉冲计算观测信号与正态分布的拟合程度，存在两种特殊情况会导致误检：①部分强散射点的出现破坏了当前脉冲的分布，使得该脉冲下的峰度值偏高或偏低于3，阈值的设定依赖概率分布；②当干扰带宽较窄或能量较低时，部分脉冲的峰值会偏高，但造成的影像失真可忽略。为解决此问题，本文采用了基于最小二乘的曲线拟合的思想。通过对非相干累积的3 dB带宽内的信号进行四次多项式拟合，并设置指标检验累积信号和拟合曲线的拟合程度来判断观测数据是否存在干扰。对此，先根据驻定相位定理，对场景在距离频率-方位时间域进行建模表征

(5)

式中，rect[·]是矩形窗；nin和rfin分别表示系统噪声和干扰信号。

由式(5)可知，对dn(f，t)沿方位维累积后包络是rect矩形窗和窗函数的乘积。若存在干扰，那么频谱就会存在孤立点，破坏累积结果的平整度。图7是对图6场景沿方位向的累积结果，针对峰度的两类误检，利用曲线拟合的优势在于：①非相干累积处理可以避开强散射点信号引起的突变；②对于频域存在干扰但时域无明显干扰现象的情况，其拟合程度往往很高，如图6(a)所示。而时域干扰现象明显的情况，其四次多项式拟合的效果往往不好，如图6(b)所示。检验拟合程度的指标为决定系数R2，可以评估两个信号之间的相关程度，表示为

(6)

式中，p(f)为拟合函数；η为置信度阈值；d(f)为dn(f，t)沿方位向非相干累积后的结果。

图7 干扰图像域粗分类识别结果

Fig.7 Illustration of interference classification results in image domain

干扰检测与抑制方法应在尽可能地保留有用信号的前提下，提高干扰检测概率，增强图像质量，保证目标信息无损，并有效提升干涉相干系数。图8(a)展示了鄂尔多斯地区方位脉压后的频谱特征，可以看出每个脉冲上间歇出现的射频干扰变为持续出现，降低了干扰检测的难度。同时，散焦的强散射点目标变为与距离维平行的亮线。但是由于强散射点目标能量与干扰相近，基于能量的检测和抑制方法会造成有用信号的损失。因此，将SLC数据进行逆处理，使强散射点目标散焦，在方位脉压前进行检测也是一种思路，如图8(b)所示。此时强散射目标能量分散到距离频率-方位时间域中，但射频干扰仍然持续存在于每个脉冲上。然而，一些与信号相干性较高的干扰在这个散焦过程中也会弥散到频谱中而未被抑制，并在方位脉压后重新出现，使得成像结果可能仍然存在残余干扰。考虑到RFI和信号在图像域上存在一定的正交特性，本文设计了1组干扰联合检测器。第1个检测滤波器对强散射点进行了保护，可以有效地检测出强散射点目标。第2个干扰滤波器则主要负责检测频域上的干扰，下面以图6(b)为例进行说明。

图8 方位脉压前后距离频率-方位时间域

Fig.8 Comparison of range-frequency azimuth-time representation before and after azimuth compression

成像处理的加窗操作，使得非相干积累后的距离频谱包络凸起且呈不规则状，如图7所示。这导致靠近中心频率处的观测数据幅度较高，可能被干扰检测器误检。因此，在进行干扰检测之前，需要对SLC影像进行去窗预处理。

LT-1成像处理采用泰勒窗，其模型可以表示为

(7)

式中，Fm为

；A为

；B为

；σ2为

；SLL为-25 dB；SLL表示副瓣电平；Nr表示有效窗长；M为信号长度。因此，去窗预处理可以表示为

(8)

无干扰的脉冲经过去窗操作后，其距离频率-方位时间域dn(f，t)一般满足二维复高斯分布，其对数观测模值

近似满足正态分布，如图9(a)所示。基于这一统计特征，保护滤波器对

采用Z检验来保护强散射点，得到保护掩膜。另外，

上存在一些与强散射点重合的强干扰，这些干扰凭借在方位向的持续性不会被Z检验检测出来，但影响上述强散射点的检验。因此，保护掩膜还需要排除这些干扰。图9(b)展示了

在每个距离单元上的峰度值，峰度值低于4的距离单元为上述干扰存在的位置。

图9 距离频率-方位时间域统计分布特征

Fig.9 Statistical distribution characteristics of range-frequency-azimuth-time domain samples

对多个频点的累积序列

进行假设检验，可表示为

(9)

式中，假设检验H0表示若小于预定义的阈值Th，则该M个频点对应的脉冲序列上都不存在强散射点；假设检验H1表示如果累积序列存在脉冲超过Th，则认为这M个频点所在的脉冲序列上都存在强散射点；Th表示选择特定置信度对应的Z值。

通过滑窗批量计算剩余频点的掩膜并进行累积，得到保护掩膜fmask。掩膜fmask的大小反映观测数据

被滤波器检测出来的频次，而频次的高低客观反映了检测的准确性。统计频次出现的直方图并设置阈值α，将累积和超过α时对应频次所在的像素点认为是期望的强散射点，并将掩膜fmask其余的像素点置0。根据距离单元峰度将掩膜fmask中判定为干扰的像素点全部剔除，得到最终保护掩膜Maskp(f，t)，并将Maskp(f，t)值为1的强信号区域从

移除，该过程可以表示为

(10)

由于在距离频率-方位时间域上，干扰的空间分布与信号是正交的，因此干扰检测器的实现思想与步骤与保护滤波器类似，其具体步骤如下。

首先，将剔除了强散射点区域的loga(|dn(f，t)|)输入干扰检测器进行干扰检测。对N个脉冲的累积序列进行假设检验，可表示为

(11)

式中，假设H0表示若小于预定义的阈值Thr，则该N个脉冲所在的频谱上不存在强干扰；假设H1为表示若累积序列存在脉冲超过Thr，则N个脉冲所在的频谱上都存在强干扰；Thr是特定置信度对应的Z值。

然后，计算

的干扰掩膜fmask2。通过滑窗依次计算剩余脉冲的掩膜，并进行累积和直方图阈值判断。同时，考虑到部分弱干扰的存在，以最大干信比ISRmax作为判定迭代干扰检测循环终止的条件。当条件收敛时，检测出的干扰掩膜像素功率与有用信号的功率相当，并认为干扰被有效抑制。

合并保护滤波器中剔除的干扰掩膜和k次循环的fmask2，形成最终干扰检测掩膜Maskfinal(f，t)，即

(12)

最终，基于最终干扰检测掩膜Maskfinal(f，t)对频谱dn(f，t)依次执行陷波、加窗和距离维逆傅里叶变换等操作，表示为

(13)

图10(a)—(e)给出了初始保护掩膜fmask、最终保护掩膜Maskp(f，t)、2次循环的检测掩膜fmask2和最终干扰检测掩膜Maskfinal(f，t)的结果，对比图6(b)可以看出，保护滤波器能够较好地检验出强散射信号，使得在干扰检测器中不会出现误检，同时图10(c)表明第1轮检测器基本检测出了所有的强干扰。图10(d)表明第2轮将频谱的弱干扰也检测了出来。图10(f)为最终滤波抑制结果，可以看出强散射信号得到了最大程度的保留。

图10 干扰检测和干扰抑制结果

Fig.10 Experimental results after interference detection and mitigation

在完成对影像的干扰抑制后，进一步将存在干扰影像的相关中间参数记录到XML文件里，包括场景的一些基本信息，如地理位置、接收站、轨道方向、轨道ID、工作模式和信号参数等，以及RFI的相关参数，如受RFI影响的脉冲百分比、干扰最大带宽、抑制前后干信比等。

LT-1双星在轨采用跟飞、绕飞两种工作模式。跟飞模式下，两颗卫星以180°的轨道间隔进行前后飞行，观测周期由8 d缩短为4 d[20]，可以实现高频次对地观测和高精度地表形变测量。绕飞模式下，两颗卫星以700~7000 m的距离螺旋飞行，通过星间高精度几何状态测量及同步技术，实现对地高程测量。由于绕飞的数据是A、B两颗星同一时刻按一发双收模式进行数据录取。因此，回波接收过程中如果存在干扰进入主瓣，那么往往双星均存在干扰，仅存在传播路径与相位差异。而跟飞模式由于重访时间的差异，存在不同影像的干扰场景发生时变的情况。因此，本节将分别展示两种工作模式下受射频干扰影响的LT-1影像处理试验结果，并从图像质量和相干系数提升等角度进行定性与定量分析讨论。

跟飞场景1是2022年3月1日LT-1A星在条带模式下的HH极化影像，配准辅影像是2022年4月2日同一卫星对该地区的重访观测结果，具体场景是石家庄市(113.9°E，38.1°N)某包含有农田和乡村建筑的乡村地区。图11(a)为该观测场景的光学卫星地图影像。

图11 试验影像数据区域地理位置示意

Fig.11 Geographic location of the investigation area

跟飞场景2是2022年3月4日LT-1A星在条带模式下的HH极化影像，配准辅影像是2022年3月28日LT-1A星的成像结果，其具体场景是位于辽宁省葫芦岛市(120.47°E，40.84°N)的某靠近东海的区域，如图11(b)所示。

绕飞场景1是2022年7月16日由LT-1A、LT-1B双星在条带模式下的HH极化影像，其具体场景是位于阿里地区(81.4°E，30.8°N)的山区。图11(c)给出了该场景的光学影像。

绕飞场景2是2022年9月4日LT-1A、LT-1B两星在条带模式下的HH极化影像，其具体场景是位于呼伦贝尔市与额尔古纳市交界处(120.3°E，50.6°N)的某森林覆盖的山区，如图11(d)所示。

表2对上述4个场景的干扰特性与抑制性能进行了总结概括。

表2不同试验影像场景性能比较

Tab.2 Performance evaluation for difference scenes

新窗口打开| 下载CSV

图12为跟飞场景1的干扰抑制前后结果。图12(a)为受干扰的原始SAR主影像，下半部分的城镇区域被薄雾状的射频干扰覆盖。图12(b)的辅影像无明显干扰，说明主影像中的干扰在时间上不具备持续性，可能来源于移动目标。图12(c)为经过本文方法获得的干扰抑制后的影像，可以看出，干扰检测器较好地检测并抑制了影像存在的射频干扰，恢复覆盖区域的真实地物地貌。图12(d)和(e)分别为干扰抑制前后的干涉相干系数，颜色越亮，从相干性越强。图12(d)下半部分区域较暗，说明干扰的存在破坏了主辅影像的相位，导致干扰区域的相干性较差。相较而言，干扰区域在图12(e)明显由暗变亮，与无干扰区域的相近，表明了干扰被充分抑制。图12(f)为定量指标的统计结果，左边的直方图统计了干扰抑制前后相干系数数值的具体分布，右边的表格统计了有无干扰区域抑制前后的归一化平均功率。可以看出，影像整体的相干系数均值由0.45提升到了0.48，而抑制前后干扰区域的平均功率由0.89降至0.82，且与抑制前后无干扰区域的功率相近，说明了本文方法不仅可以恢复图像幅度质量，同时也可以较好地恢复由于干扰造成的相位失真。

图12 跟飞场景1处理结果

Fig.12 Experimental results of twin satellites in constellation for scene 1

图13为跟飞场景2干扰抑制前后的结果。与跟飞场景1不同，此场景的主辅影像在海面及临海区域均存在干扰，如图13(a)和(b)所示。图13(c)为干扰抑制后的主影像，干扰遮盖的区域纹理得到修复，左上角的船只目标也清晰可见。图13(d)和(e)分别为该场景干扰抑制前后的相干系数。定性观测抑制前后的相干系数，其颜色变化并不显著，这是由于干扰主要分布在海面上。图13(f)为定量分析的结果，左边的相干系数曲线交错出现两个峰值，这是由于水面的时间去相关性比较强，但地面固定干扰源之间存在特定的相干性，反而使得水面的相干系数出现了虚假的提升。经过干扰抑制后，水面的相干系数降低、地物的相干系数提升，这符合其本质物理散射机理。右边的表格显示了抑制后干扰区域的平均功率由0.860 2降低到0.822 0，和无干扰区域抑制前后的平均功率无明显差异，说明本文方法充分抑制了干扰。

图13 跟飞场景2处理结果

Fig.13 Experimental results of twin satellites in constellation for scene 2

图14所示为绕飞场景1的干扰抑制前后结果。图14(a)和(c)分别给出了该场景下A、B两颗星的原始影像。该场景中干扰呈现白色线性与雾状伪影，图中明亮线条聚集成的模糊伪影掩盖了山区的纹理特征。图14(b)和(d)是经过干扰抑制处理后的影像，可以看出，图像质量得到了显著的改善，被覆盖的地物区域被有效地恢复出来。为了进一步说明本文方法的优势，将A、B两星进行配准和重采样，以生成干涉图像，如图14(e)和(f)所示，可以看出，由于干扰的去相干性，导致下半部分影像的相干系数呈现一个凹底，而抑制后的该部分区域的相干系数恢复到相邻未受干扰区域同量级。图14(g)对比分析了干扰抑制前后像素点相干系数的统计直方图，其中干扰抑制后的相干系数提升了9%，同时，双星干扰区域能量分别从0.97和0.96降低到0.92和0.90。由于本方法本质上还是基于滤波思想，不可避免地会造成信号能量有所损失，导致该场景有干扰区域抑制后的平均功率均略低于抑制前无干扰区域的平均功率。

图14 绕飞场景1处理结果

Fig.14 Experiment results of twin satellites in formation for scene 1

图15为绕飞场景2的干扰抑制前后结果。由图15(a)和(c)可以看出，该场景的上半部分基本完全被强干扰覆盖。图15(b)和(d)表明经过干扰处理后，该场景成功地去除了大量的干扰伪影。同时，图15(e)—(g)对比分析了干扰抑制前后的影像相干系数，可以看出，由于干扰的存在，相干系数损失极其严重，而经过处理后，整体影像的相干系数从0.40显著改善到0.58。而抑制后有干扰区域平均功率与抑制前无干扰区域功率为0.92~0.93，两个指标均表明本文方法可以显著改善影像质量。

图15 绕飞场景2处理结果

Fig.15 Experiment results of twin satellites in formation for scene 2

陆探一号(LT-1)卫星是全球首颗以形变监测为主的L波段差分干涉SAR卫星星座，对于相位相干精度要求比较高。但LT-1卫星工作的L波段无线电设备业务比较集中，导致在轨运行过程中面临着同频段射频干扰的严峻威胁与挑战。射频干扰破坏了卫星影像的幅度和相位，造成卫星影像质量降低，降低了干涉影像的相干性，从而严重影响后续的形变监测、地形测绘等应用。因此，在大批量遥感科学数据处理任务下，如何面向业务化形变产品生产需求，以相位低失真为驱动，针对大规模遥感影像实现高效干扰检测与高性能干扰抑制是值得研究的难点问题。基于此，本文介绍了L波段卫星的频谱划分情况，分析了潜在射频干扰源与干扰信号特点，从目标回波信号和射频干扰之间的多域统计特征差异着手，提出了一套适用于单视复数影像的干扰粗识别、检测与抑制方法。本文方法成功应用于自然资源部国土卫星遥感应用中心陆探一号地面处理系统中，用于对LT-1卫星干扰影像进行流程化的筛选、检测和抑制。经过大批量LT-1卫星实测数据验证，本文方法适用于跟飞、绕飞等不同工作模式，影像质量与相干系数均有显著提升，实现了干扰污染科学数据的再利用，从而为陆探一号卫星影像业务化地形监测产品生产提供了有力支撑保障。未来随着空间无线电业务的进一步发展，遥感卫星系统在复杂电磁环境下的稳定运行效能与定量化应用水平是值得持续重点关注的问题。

来源：测绘学报