基于子图像分割与局部频率特征分析的星载SAR图像域异构射频干扰抑制新方法

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》:Heterogeneous RFI Mitigation in Image-Domain via Sub-Image Segmentation and Local Frequency Feature Analysis

【字体: 大 中 小 】 时间:2026年01月05日 来源:IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing 5.4

编辑推荐:

  本文针对Sentinel-1干涉宽幅模式下单次观测中存在的多类型射频干扰叠加形成的异构RFI问题,提出了一种基于距离向子图像分割和局部频谱特征分析的图像域干扰抑制方法。研究通过将原始SLC图像分割为多个子图像增强干扰特征表达,利用统计异常检测识别干扰频率分量,最终实现干扰有效抑制和地物信息恢复。实验结果表明该方法在多种典型干扰场景下均能有效消除RFI伪影,为复杂电磁环境下星载SAR稳定运行提供技术支撑。

  
在微波遥感领域,合成孔径雷达(SAR)作为一种重要的主动遥感载荷,能够获取地表目标的物理特性信息并生成高分辨率二维图像,在地形测绘和目标识别等应用中发挥着关键作用。然而,随着无线电业务的快速发展,电磁频谱日益拥挤,星载SAR系统面临着越来越复杂的射频干扰(RFI)挑战。特别是在Sentinel-1卫星的干涉宽幅(IW)模式下,SAR接收机可能在单次观测周期内捕获多种类型的RFI信号,即异构RFI,这大大增加了干扰检测和抑制的复杂性。
这些RFI信号在单视复图像(SLC)中形成遮蔽性伪影,严重降低图像质量,削弱星基SAR在复杂环境中的观测能力,甚至影响遥感图像质量和后续定量遥感应用的准确性。传统基于陷波的干扰检测方法在异构RFI场景下往往难以完全检测干扰,导致抑制后SLC图像中仍存在残留干扰伪影。
西北工业大学电子信息学院的赖思琪、陶明亮等研究人员在《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》上发表论文,提出了一种基于子图像分割和局部频谱特征分析的异构干扰抑制方法。该方法通过将原始SLC图像沿距离向分割为多个子图像,增强干扰在距离频率域中的特征表达,然后对每个子图像进行频谱分析以检测和抑制干扰,最后通过拼接子图像重建RFI抑制后的图像。
研究采用的主要技术方法包括:距离向子图像分割策略,通过设定自适应窗口大小增强局部干扰特征;基于快速傅里叶变换(FFT)的局部频率特征提取;利用Z统计假设检验和中位数绝对偏差(MAD)的异常干扰检测算法;以及干扰频率分量的二进制掩模构建和频域陷波处理。实验数据包括基于LuTan-1的模拟干扰数据和Sentinel-1的实测干扰数据。
信号建模与分析
研究首先建立了异构RFI信号模型,将RFI分为窄带干扰(NBI)和宽带干扰(WBI)。NBI信号模型表示为有限带宽正弦波的叠加,WBI则包括线性调频(LFM)干扰信号和正弦调频(SFM)干扰信号。在异构干扰场景下,RFI信号被定义为不同带宽和调制类型的RFI信号的叠加。
SAR接收信号模型包含目标信号、RFI信号和噪声信号三个分量。对于地面直达RFI,只有当其到达时间与SAR接收窗口重合时,RFI信号才能进入SAR接收机。经过成像处理后,受污染的回波信号被转换为图像域中的二维矩阵,其中干扰信号对应于SLC图像中的RFI伪影。
子图像分解与特征增强
研究方法的核心是将SAR图像域信号建模为有用信号和RFI信号的叠加。通过沿距离向将尺寸为Nr×Na的SLC图像分割为多个宽度为M的子图像,每个子图像包含特定距离时间区间内的图像域信号。
对子图像沿距离维进行FFT变换后,得到距离频率谱。通过对比无干扰数据和含RFI实测数据的时域波形和功率谱可以发现,干扰信号在不同子窗口中表现出局部能量突变特性,其频谱峰值更加集中,带宽相对于原始脉冲的整体功率谱更窄,呈现出典型的"NBI"能量突变特征。
RFI检测与抑制
在干扰检测步骤中,研究采用Z统计假设检验沿距离轴进行。首先计算每个子谱的均值和标准差,然后使用Z分数对每个频率点的能量进行标准化。通过基于MAD方法的异常值检测策略识别频谱中的异常干扰分量,该方法对背景波动具有鲁棒性。
基于检测结果构建二进制干扰掩模MASKRFI,对识别出的干扰分量进行频域置零操作,同时保留未标记的信号分量。然后执行逆FFT变换获得干扰抑制后的子图像,最后按原始顺序拼接所有子图像,重建干扰抑制后的最终SLC图像。
窗口大小设置分析
窗口大小选择考虑了原始SLC图像中的频谱不连续性,以处理具有不同特征的复合干扰。通过计算每个距离频率点的总频谱能量,然后计算频谱能量变化率,以检测到的能量突变点数量作为确定窗口大小的依据。对于由多个窄带干扰组成的异构干扰场景,距离频率谱通常呈现能量峰值,频谱能量变化曲线中的突变点数量较多,此时应选择较大窗口以便在子图像中更有效进行干扰检测和抑制。对于带宽相对较大的WBI场景,应选择较小窗口以增强干扰的局部特性。
干扰抑制性能评估
为定量分析干扰抑制前后图像质量的变化,研究引入了等效视数(ENL)、目标背景块比(TBBR)和乘性噪声比(MNR)作为评估指标。ENL用于评估图像均匀性和噪声抑制能力,TBBR用于衡量干扰抑制后目标信息相对于背景的突出程度,MNR用于测量SAR图像中残留乘性噪声的强度。
模拟RFI实验
实验使用LuTan-1数据并添加干扰信号,模拟了三种不同参数的干扰源。实验结果表明,与传统方法相比,提出的方法能有效抑制干扰,处理后的图像中地形纹理恢复更好,图像质量和背景均匀性得到提高。在TBBR、ENL和MNR三项指标上均取得最优性能。
实测RFI实验
实验使用Sentinel-1的历史1级数据,选取三个典型场景进行验证。场景一位于马六甲海峡附近,干扰信号在图像域表现为沿方位向分布的不规则亮带和纹理畸变;场景二位于克里米亚地区,干扰伪影在陆海边界形成高能量矩形亮斑;场景三位于日本石川县附近,包含显著的异构干扰。
实验结果表明,提出的方法在不同异构RFI场景下均表现出优异的干扰抑制性能。在场景一中,被干扰遮蔽的船舰目标成功显现;在场景二中,被遮蔽的地物细节有效恢复;在场景三中,陆地和海面上的RFI异常均被成功抑制。
定量评估结果显示,在三个实测场景中,提出的方法在ENL、TBBR和MNR三项指标上均优于对比方法。处理后的图像表现出更高的均匀性和更低的残留噪声水平,验证了该方法在不同异构RFI场景下的鲁棒性和有效性。
此外,运行时间分析表明,在处理完整的Sentinel SLC图像时,提出的方法计算开销相对较低,具有实际应用的可行性。
研究结论与意义
该研究针对实际观测中星载SAR常接收到的具有非均匀分布特性的异构RFI问题,提出了一种基于频域增强的图像域RFI抑制方法。通过子图像分割,将复杂的异构干扰问题转化为子图像内的多个NBI检测和抑制任务,提高了检测概率和抑制性能。
实验验证表明,该方法在各种类型的干扰场景下均表现出强大的干扰抑制能力,能有效抑制异构RFI伪影,恢复被干扰遮蔽的图像目标信息,具有高鲁棒性和实用性。该研究为复杂电磁环境下星载SAR系统的稳定运行提供了有效的技术解决方案,对提升星载遥感数据的质量和可靠性具有重要意义。
研究同时指出,当干扰能量较弱或多个干扰信号在距离频率谱中严重重叠时,干扰与有用信号之间的频谱差异变得不那么明显,可能导致检测灵敏度降低或残留干扰。未来研究将致力于开发更精细的干扰抑制方法,以应对严重重叠和弱能量水平的异构干扰场景。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号