[发明专利]星载微波传感器低频通道无线电频率干扰检测及校正方法

说明书

本发明公开了一种星载微波传感器低频通道无线电频率干扰检测及校正方法，解决现有方法对处理区域地表一致性要求高的问题。一种星载微波传感器低频通道无线电频率干扰检测及校正方法，包含以下步骤：根据星载微波传感器的历史观测数据中高频通道、低频通道亮温历史值建立训练样本集，并采用机器学习算法确定所述低频通道与高频通道亮温历史值的关系，得到训练模型；将高频通道亮温观测值输入所述训练模型中，得到低频通道亮温模拟值；对低频通道亮温观测值与所述低频通道亮温模拟值进行差值运算，得到无线电频率干扰指数。本发明实现了对大区域无线电频率干扰的准确检测。

技术领域

本发明涉及卫星遥感探测领域，尤其涉及一种星载微波传感器低频通道无线电频率干扰检测及校正方法。

背景技术

现有的无线电频率干扰(Radio Frequency Interference，RFI)检测方法主要包括谱差法、多通道回归法、主成分分析法和标准化主成分分析法。谱差法利用了两个相邻通道的亮温差异代表了无线电频率干扰信号的强弱，易受到天气和地表因素的影响；多通道回归方法，对研究区域一段时间内不受RFI信号影响并且没有海冰的洋面微波资料进行回归计算，检测效果受制于回归模型精度的影响；主成分分析法当海洋上存在海冰或陆地表面被冰雪覆盖时，其高频通道的散射特性很强，检测出来的RFI存在较多的虚假信息；标准化主成分分析法只能局限于一定的区域范围内。

发明内容

本发明提供一种星载微波传感器低频通道无线电频率干扰检测及校正方法，解决现有方法对处理区域地表一致性要求高的问题。

一种星载微波传感器低频通道无线电频率干扰检测及校正方法，包含以下步骤：根据星载微波传感器的历史观测数据中高频通道、低频通道亮温历史值建立训练样本集，并采用机器学习算法确定所述低频通道与高频通道亮温历史值的关系，得到训练模型；将高频通道亮温观测值输入所述训练模型中，得到低频通道亮温模拟值；对低频通道亮温观测值与所述低频通道亮温模拟值进行差值运算，得到无线电频率干扰指数。

进一步地，所述方法还包含：对所述无线电频率干扰指数进行校正，得到无线电频率干扰指数校正值。

优选地，所述对无线电频率干扰指数进行校正，得到无线电频率干扰指数校正值的步骤，进一步包含：将所述无线电频率干扰指数与高、低阈值进行比较：当所述无线电频率干扰指数大于所述高阈值时，所述无线电频率干扰指数校正值为所述低频通道亮温模拟值；当所述无线电频率干扰指数小于所述低阈值时，所述无线电频率干扰指数校正值为所述低频通道亮温观测值；当所述无线电频率干扰指数小于等于所述高阈值且大于等于所述低阈值时，所述无线电频率干扰指数校正值为所述低频通道亮温观测值与模拟值的加权平均：

其中，TB_corr、TB_obs、TB_simu分别为所述无线电频率干扰指数校正值、观测值、模拟值，RFI_index为所述无线电频率干扰指数，T_low、T_high分别为所述低阈值、高阈值，α为加权系数。

进一步地，所述加权系数为：

其中，α为所述加权系数，T_low、T_high分别为所述低阈值、高阈值，RFI_index为所述无线电频率干扰指数。

优选地，所述机器学习算法为随机森林算法。

优选地，所述历史观测数据为一个任意区域或全球，包含不同季节、不同天气的观测值。

优选地，所述星载微波传感器为风云卫星上的微波成像仪。

进一步地，所述高频通道的个数大于等于1，所述低频通道的个数大于等于1。