面向陸表的星載GNSS-R DDM波形分類

涂晉升，張 瑞,2，洪學寶，漢牟田

(1. 西南交通大學地球科學與環境工程學院，四川 成都 611756； 2. 西南交通大學高速鐵路運營安全空間信息技術國家地方聯合工程實驗室，四川 成都 611756； 3. 北京航空航天大學電子信息工程學院，北京 100191)

全球導航衛星系統反射信號(global navigation satellite system reflection，GNSS- R)技術是利用導航衛星信號及其前向散射信號作為信號源，開展大尺度地表物理參數分析與反演的一項新興遙感技術[1]。星載GNSS- R技術是其重要分支，國外近年來針對該技術進行了一系列的星上載荷研制與在軌驗證[2- 4]，其中英國的災害監測衛星UK- DMC[2]、UK TechDemoSat- 1(TDS- 1)[3]及美國的旋風全球導航衛星系統(CYGNSS)上均搭載了GNSS反射信號接收裝置[4]，獲取了大量的星載GNSS反射信號數據。

與地基和機載GNSS- R技術相比，星載GNSS- R接收機搭載于更高的衛星平臺上。針對地物類型較為單一的觀測區域(如海洋、海冰等)，利用星載反射信號生成的時延多普勒圖(DDM)數據，可有效地探測反演多種參數，如海洋風速檢索[5- 7]、海面測高[8]、海浪特征反演[9- 10]、海冰探測[11]等。然而，在涉及多類地物的陸表遙感應用中，因星載GNSS- R接收機獲取的反射信號中混雜了各類地物的散射信息，更受到地形起伏、土壤濕度等因素的綜合作用，導致生成的DDM數據波形錯綜復雜。雖然多個衛星系統已獲取了大量的星載GNSS- R數據[2- 4]，但針對復雜場景的陸表物理參數提取研究卻始終陷于瓶頸。

DDM數據作為星載GNSS- R的直接觀測量，是當前研究應用中最為廣泛的數據源[12]。如何從海量低信噪比的陸表DDM數據中準確區分雜波信號和有效信息，對于科學觀測數據的選取和相關研究的進一步深入，均具有重要意義。針對此現狀，本文提出一種DDM波形分類方法，并通過試驗數據處理，驗證該方法的可行性與有效性。

1 星載GNSS- R DDM波形分類方法

星載GNSS- R觀測量是將獲取的反射信號數據處理成DDM，其中DDM的數學表達如下[13]

(1)

式中，Ti為相干積分時間；λ為信號波長；Pt為發射功率；Gt為發射天線增益；Gr為接收機天線增益；Rt和Rr分別為發射機與接收機到鏡面反射點的距離；τ為時延；f為多普勒頻移[14]；Λ(τ)為GPS PRN自相關函數；sinc(f)為多普勒頻移函數；σ0為表面A單位面積的散射系數。

對于星載GNSS- R DDM，由于反射面情況的不同，單位面積散射系數σ0分布不同，導致DDM相關峰的明顯程度不同。本文給出3類經陸表反射形成的典型星載GNSS- R DDM，如圖1所示。

相應的，將圖1中DDM不同多普勒維的相關功率值進行累加，得到時延波形并進行歸一化，本文將上述DDM對應的歸一化時延波形定義為3類：規整波形、較不規整波形及復雜波形。

本文采取二分法對歸一化后的相關功率范圍為[0,1]的時延波形進行分割，通過判斷時延波形與二分閾值線交點數量來判斷時延波形規整性，進而實現DDM波形分類。具體如下：

(1) 首先對波形進行二分，閾值線選定為0.5，此時交點個數若為2，繼續對[0,0.5]范圍進行二分，閾值線選定為0.25：當交點個數仍為2時，將波形劃分為規整波形；當交點個數大于2時，將波形劃分為較不規整波形。

(2) 若在閾值線為0.5處交點個數大于2，繼續對[0.5,1]范圍進行二分，閾值線設定為0.75：當交點個數為2時，仍將波形劃分為較不規整波形；當交點個數大于2時，將波形劃分為復雜波形。

通過對上述過程進行概括，得到DDM波形分類的具體流程，如圖2所示。

判斷過程中，3類時延波形與二分閾值線相交情況如圖3所示。

2 實測數據波形分類與結果驗證

利用本文提出的分類方法對UK TDS- 1衛星獲取的DDM數據進行波形分類。這里選取由PRN 15和PRN 10衛星發射信號形成的DDM數據進行處理，采集時間分別為2015- 01- 28及2014- 11- 23，由于天線增益過低時會影響整體的分析質量，分類前將天線增益小于5 dB的數據濾除[15]。通過數據處理，得到DDM波形分類結果見表1。

表1 DDM波形分類結果

為了驗證波形分類效果，繼續對3種不同類別波形對應的DDM SNR進行提取，DDM信噪比計算公式為[15]

(2)

式中，DDMSNR為DDM信噪比；DDMPeak為DDM峰值功率，本文利用Matlab軟件中自帶的max函數檢測出DDM的峰值功率；DDMNoise為DDM噪聲功率，本文將噪聲功率定義為位于DDM頂部的前5個延遲像素并跨越DDM中可用的多普勒范圍內全部功率的平均值。

通過式(2)計算出分類后的波形對應的DDM SNR并進行了平均，得到統計結果如圖4所示。

從圖4中可以看出，3類DDM波形對應的SNR大小具有明顯的區分度，這表明本文提出的DDM波形分類方法能夠很好地用來對實測DDM數據波形進行分類。

為了進一步論證波形分類的可行性與有效性，本文繼續對上述分類后的DDM波形對應的地物類型進行了統計，數據中對應的地物類型共包含9種：常綠闊葉林、落葉闊葉林、混合林、灌叢、農田、稀樹草原、草原、稀疏植被、水體。為了統計結果更加簡明，將常綠闊葉林、落葉闊葉林、混合林和灌叢4種地物歸類為林地類；稀樹草原和草原歸類為草原類；農田、稀疏植被、水體各為一類進行了統計，統計結果見表2。

表2 實測數據中地物類型統計情況

通過對3類DDM波形對應的地物類型情況進行統計，得出統計結果趨勢如圖5所示。

從圖5可以看出，隨著地物類型的變化(植被覆蓋程度逐漸降低)，規整波形占比大致呈逐漸上升趨勢；復雜波形占比下降趨勢明顯；而對于較不規整波形占比而言，當地表植被覆蓋程度較高時，波形占比變化趨勢逐漸上升，但當地表植被覆蓋程度明顯降低時，波形占比下降趨勢非常明顯。這表明地物類型影響著不同DDM波形占比，而且兩者之間呈現強相關性。

3 結 語

利用本文提出的星載GNSS- R DDM波形分類方法，能夠有效解決雜波信號和有效信息難以區分的問題，且分類后的波形與典型地物類型之間顯現出強相關性。進一步開展相關性分析表明，在植被覆蓋度較高的區域，信號組分中復雜波形占多數；而在植被覆蓋度較低的區域，信號組分中規整波形占多數。這進一步說明分類后的波形數據與地表的反射特性關系緊密，也證實了波形分類的可行性與有效性。

目前，星載GNSS- R陸表遙感應用研究尚處于初步探索階段。但通過本文提出的分類方法可為后續陸表物理參數提取研究提供前期的數據篩選參考：如當進行地表土壤濕度參數提取時，應盡量選取植被覆蓋程度較低的區域進行研究，即規整波形是理想的數據。本文屬于初期探索，后續將繼續深入對星載GNSS- R陸表遙感應用的研究。

致謝:在研究過程中得到北京航空航天大學電子信息工程學院楊東凱教授的悉心指導，在此致以衷心的感謝。