利用GNSS干涉信號(hào)振蕩幅度反演土壤濕度

漢牟田，張 波，楊東凱，洪學(xué)寶，楊 磊，宋曙輝

1. 北京航空航天大學(xué)電子信息工程學(xué)院，北京 100191； 2. 山東農(nóng)業(yè)大學(xué)信息科學(xué)與工程學(xué)院，山東 泰安 271018； 3. 北京市農(nóng)林科學(xué)院蔬菜研究中心，北京 100097

?

利用GNSS干涉信號(hào)振蕩幅度反演土壤濕度

漢牟田1，張 波1，楊東凱1，洪學(xué)寶1，楊 磊2，宋曙輝3

1. 北京航空航天大學(xué)電子信息工程學(xué)院，北京 100191； 2. 山東農(nóng)業(yè)大學(xué)信息科學(xué)與工程學(xué)院，山東 泰安 271018； 3. 北京市農(nóng)林科學(xué)院蔬菜研究中心，北京 100097

根據(jù)干涉效應(yīng)和GNSS接收機(jī)信噪比估計(jì)方法,推導(dǎo)了利用GNSS干涉信號(hào)幅度進(jìn)行土壤濕度反演的模型，建模過程考慮了天線增益、土壤介電常數(shù)和噪聲的影響。提出了使用AMPD算法從含有噪聲的歸一化干涉功率曲線中提取干涉峰值與谷值，進(jìn)而反演了土壤介電常數(shù)與土壤濕度的方法，并對(duì)其進(jìn)行了仿真。結(jié)果表明，利用提取出來的干涉谷值進(jìn)行反演性能比峰值好，相對(duì)穩(wěn)定準(zhǔn)確的衛(wèi)星仰角范圍為5°～25°，濕度大于0.06 cm3/cm3時(shí)反演結(jié)果更為準(zhǔn)確，標(biāo)準(zhǔn)差在0.01 cm3/cm3左右波動(dòng)。

土壤濕度測(cè)量；干涉功率；峰值檢測(cè)；信噪比；介電常數(shù)

GNSS-R技術(shù)是利用導(dǎo)航衛(wèi)星信號(hào)及其前向散射信號(hào)作為信號(hào)源的遙感技術(shù)。與傳統(tǒng)微波遙感技術(shù)相比，具有受大氣影響小，眾多的導(dǎo)航衛(wèi)星可提供大量的免費(fèi)信號(hào)源以及可獲取的信息豐富等優(yōu)點(diǎn)，已成功應(yīng)用于海風(fēng)海浪反演[1-2]、土壤濕度測(cè)量[3-4]等領(lǐng)域。在用導(dǎo)航衛(wèi)星反射信號(hào)進(jìn)行土壤濕度測(cè)量的配置模式中干涉測(cè)量法發(fā)展迅速，其利用的是GNSS直射與反射信號(hào)的干涉效應(yīng)，理論上只用一根天線就能夠完成測(cè)量，因此逐漸在該領(lǐng)域以及水面測(cè)高[5]、積雪深度探測(cè)[6]等領(lǐng)域中受到廣泛關(guān)注。

從干涉法利用的反射信號(hào)極化類型可將該方法分為3類：①使用豎直極化(V-POL)天線接收干涉信號(hào)，通過豎直極化反射系數(shù)的布魯斯特角獲取土壤介電常數(shù)，進(jìn)而反演土壤濕度[7]；②使用水平極化(H-POL)天線接收干涉信號(hào)，從干涉功率峰谷值中提取介電常數(shù)，進(jìn)而反演土壤濕度[8]；③使用右旋圓極化(RHCP)天線接收干涉信號(hào)，其振蕩幅度可以反映土壤濕度的變化[9]。上述3種方法中，方法③與普通導(dǎo)航接收機(jī)的應(yīng)用模式最為接近，實(shí)際應(yīng)用中較為簡便，易于推廣。文獻(xiàn)[9]證明了干涉信號(hào)振蕩幅度與土壤濕度有關(guān)，但未給出反演算法，且文獻(xiàn)[9—14]中都用一個(gè)標(biāo)準(zhǔn)正弦信號(hào)逼近接收機(jī)輸出SNR觀測(cè)值，并將該標(biāo)準(zhǔn)正弦信號(hào)的幅度作為干涉信號(hào)幅度，這種定義雖然能夠反映土壤濕度變化，但都無法給出確切的反演表達(dá)式，實(shí)際上接收機(jī)輸出SNR振蕩幅度隨時(shí)間和衛(wèi)星仰角的變化而變化，如用幅度恒定的正弦信號(hào)逼近則會(huì)損失這一信息。方法②的提出者最早對(duì)利用H-POL干涉功率振蕩峰谷值進(jìn)行土壤濕度反演的方法進(jìn)行了仿真，并考慮了干涉信號(hào)振蕩幅度的變化，但仿真時(shí)未考慮噪聲和接收機(jī)信噪比估計(jì)方法的影響，此外由于利用H-POL天線接收干涉信號(hào)，直反射信號(hào)干涉效應(yīng)始終存在，反射信號(hào)影響難以剝離，因此對(duì)直射信號(hào)功率的估計(jì)十分困難。文獻(xiàn)[15]描述了一套GPS多徑干涉仿真器，但其仿真也未考慮噪聲和接收機(jī)信號(hào)估計(jì)算法的影響。

本文結(jié)合方法②和方法③的特點(diǎn)，首先從電磁場與電磁波的角度闡述了干涉測(cè)量的本質(zhì)，給出利用歸一化干涉功率反演介電常數(shù)的表達(dá)式，然后結(jié)合接收機(jī)信噪比估計(jì)原理給出GNSS接收機(jī)中歸一化干涉功率的估計(jì)模型，基于此給出土壤介電常數(shù)和土壤濕度反演方法；根據(jù)所研究問題的特點(diǎn)，提出使用AMPD算法[16]，從含有噪聲的歸一化干涉功率中提取干涉峰值與谷值用于反演，并對(duì)信號(hào)模型與反演過程進(jìn)行了仿真和性能分析。

1 GNSS干涉信號(hào)模型

1.1 干涉信號(hào)的物理模型

GNSS土壤濕度干涉測(cè)量利用的是直射信號(hào)與反射信號(hào)的干涉效應(yīng)，在電磁場與電磁波理論中，干涉效應(yīng)可用干涉功率P描述，該物理量反映了干涉的本質(zhì)[10]

(1)

(2)

式中，Δφpath為直射信號(hào)與反射信號(hào)的路徑差導(dǎo)致的相位差；λ為載波波長；φΓ為反射系數(shù)相角；H為右旋圓極化天線的架設(shè)高度，其場景如圖1所示。

圖1 干涉場景[9]Fig.1 Scenario of interference [9]

式中，反射系數(shù)Γ由土壤相對(duì)介電常數(shù)εr和衛(wèi)星高度角θ決定，在忽略電導(dǎo)率的情況下，?？捎墒?3)表示[17]

Γ=

(3)

將式(1)兩端用AG(θ)進(jìn)行歸一化，得到歸一化干涉功率Pnorm

(4)

由式(2)和式(4)可知，Δφ隨衛(wèi)星高度角的增大而增大，使Pnorm呈現(xiàn)周期性振蕩。當(dāng)Δφ=±2kπ時(shí)，Pnorm達(dá)到局部峰值Ppeak；當(dāng)Δφ=±(2k+1)π時(shí)，Pnorm達(dá)到局部谷值Pvalley。于是

(5)

式中，θ1為局部峰值對(duì)應(yīng)的衛(wèi)星高度角；θ2為局部谷值對(duì)應(yīng)的衛(wèi)星高度角；Γ1、Γ2為相應(yīng)的反射系數(shù)。根據(jù)式(3)和式(5)即可獲取土壤介電常數(shù)，從而反演土壤濕度。

1.2 接收機(jī)干涉信號(hào)估計(jì)模型

在僅有一條土壤鏡面反射路徑的情況下，根據(jù)文獻(xiàn)[18]可得，GNSS接收機(jī)相關(guān)器輸出的復(fù)信號(hào)p可表示為

(6)

(7)

(8)

式(8)表示用連續(xù)M個(gè)相關(guān)器輸出值pk估算相關(guān)功率，并假設(shè)在此期間干涉信號(hào)的各參量近似不變，這一假設(shè)對(duì)于地基應(yīng)用來說是合理的。由于式(8)的平均作用，干涉信號(hào)的噪聲將降低，因此反演利用的歸一化干涉功率可用式(9)估計(jì)

(9)

式(9)表明從相關(guān)功率估計(jì)值中剔除直射信號(hào)功率A和天線增益G(θ)的影響，即可得到歸一化干涉功率。

2 歸一化干涉功率峰谷值提取方法

2.1 AMPD算法簡介

AMPD(automatic multiscale-based peak detection)算法是文獻(xiàn)[16]提出的一種多尺度峰值檢測(cè)算法，主要解決周期或類周期信號(hào)在噪聲影響下的峰值檢測(cè)問題，應(yīng)用領(lǐng)域主要在生物醫(yī)藥以及天文信號(hào)處理，與傳統(tǒng)的峰值檢測(cè)算法相比，此方法具有不宜陷入噪聲引起的局部毛刺、通用性強(qiáng)和算法復(fù)雜度低的優(yōu)點(diǎn)。

AMPD算法的基本原理是設(shè)置一個(gè)用于數(shù)據(jù)比較的滑動(dòng)窗(window)，對(duì)窗內(nèi)的序列數(shù)據(jù)進(jìn)行比較，得到一個(gè)局部峰值，通過改變窗的尺度(scale)，改變參與比較的數(shù)據(jù)范圍，直到窗覆蓋所有數(shù)據(jù)。對(duì)于時(shí)間序列X=[x1,x2,...,xN-1,xN]：

(1) 建立一個(gè)L×N的矩陣M，矩陣M的每個(gè)元素的定義如下

(10)

(2) 對(duì)矩陣M的每一行進(jìn)行求和運(yùn)算

(11)

得到一個(gè)L維列向量，求出該列向量的最小值所對(duì)應(yīng)的下標(biāo)，記為λ=argmin(γk)，并取矩陣M的前λ行，構(gòu)成一個(gè)新矩陣Mr。

(3) 對(duì)矩陣Mr求每一列的標(biāo)準(zhǔn)差

i∈{1,2,…,N}

(12)

則所有σi=0的元素所對(duì)應(yīng)的下標(biāo)就是原始序列峰值所在的位置。

如果時(shí)間序列X中含有線性或非線性趨勢(shì)項(xiàng)，可用最小二乘等方法先將其從中剔除，再進(jìn)行上述步驟，以避免誤檢[16]。需要說明的是，在本問題中，趨勢(shì)項(xiàng)是有其物理含義的，根據(jù)式(7)，該趨勢(shì)項(xiàng)主要由天線增益導(dǎo)致(暫時(shí)忽略大氣衰減影響)，如果能夠得知天線在各個(gè)仰角處的增益(實(shí)際應(yīng)用中可通過仿真或暗室測(cè)量得到)，則可將其剔除，如果盲目使用最小二乘等方法，會(huì)導(dǎo)致觀測(cè)量失真。

2.2 歸一化干涉功率峰谷值提取

根據(jù)式(9)，從相關(guān)功率值中估計(jì)和剔除直射信號(hào)功率A和天線增益G(θ)的影響，即可得到歸一化干涉功率。天線G(θ)假定為已知。由于高仰角處反射信號(hào)受天線增益和RR反射系數(shù)衰減(高仰角處RR反射系數(shù)本身趨于0)的影響而趨于0，因此對(duì)直射信號(hào)A的估計(jì)可在剔除G(θ)后取高仰角處多個(gè)相關(guān)功率的均值得到，如果用H-POL天線接收干涉信號(hào)，反射信號(hào)影響將一直存在，影響對(duì)直射信號(hào)功率的估計(jì)。因干涉效應(yīng)在低仰角時(shí)效果明顯，應(yīng)用中多采用低仰角范圍內(nèi)振蕩明顯的數(shù)據(jù)，以0°～35°的數(shù)據(jù)為例，運(yùn)用AMPD算法搜索含有噪聲的歸一化干涉功率曲線的峰值與谷值，結(jié)果如圖2(a)所示，可以看出搜索到的干涉峰谷值位于理論峰谷值周圍，沒有陷入其他毛刺中，如果采用求函數(shù)極值的方法則會(huì)將所有毛刺都判斷為峰谷值，如圖2(b)所示。

3 土壤濕度反演與結(jié)果分析

3.1 仿真參數(shù)設(shè)置

仿真參數(shù)設(shè)置如下：

(1) 天線高度H設(shè)為2 m。

(2) 載波頻率設(shè)為1 575.42 MHz，碼速率設(shè)為1.023 MHz。

(3) 直射信號(hào)功率A設(shè)為-160 dBW，熱噪聲功率譜密度N0設(shè)為-205.2 dBW/Hz(載噪比為45.2 dBHz)，接收機(jī)相干積分時(shí)間Tcoh設(shè)為1 ms，于是相關(guān)器I、Q兩路噪聲方差可用式(13)計(jì)算[18]

(13)

在上述載噪比設(shè)置下，若直射信號(hào)功率A為1 W時(shí)，相關(guān)器輸出的噪聲方差為0.007 6 W。

(4) ML估計(jì)算法中M∈{1,10,20,100,200,…,1000}，相關(guān)功率估計(jì)值輸出頻率為1 Hz。

(5) 衛(wèi)星上升段仰角變化范圍設(shè)為0°～90°，仰角變化率設(shè)為0.006 7°/s。

(6) 土壤相對(duì)介電常數(shù)與土壤體積濕度S之間的關(guān)系采用Wang模型[19]，并忽略虛部

εr=3.1+17.36·SM+63.12·S2

(14)

土壤體積濕度S設(shè)為0.28，于是相對(duì)介電常數(shù)εr為12.9。

(7) 接收天線為右旋圓極化，其增益滿足式(15)[7]

(15)

天線主瓣最大增益方向朝向天頂，θant表示信號(hào)入射方向與主瓣最大增益方向的夾角，如圖1所示，由于直射信號(hào)從天線上部入射，此時(shí)θant=90°-θ，而反射信號(hào)從天線底部入射，根據(jù)反射信號(hào)幾何關(guān)系，θant=90°+θ。

3.2 累加次數(shù)M變化時(shí)反演性能分析

根據(jù)式(8)，在假設(shè)IQ兩路噪聲為高斯白噪聲的情況下，歸一化干涉功率估計(jì)方法本質(zhì)是取平均，因此參與平均的點(diǎn)數(shù)M越多，對(duì)噪聲抑制作用也越大，因此M變化時(shí)將有不同的反演性能，本文按仿真參數(shù)設(shè)置(4)改變M值，并針對(duì)每個(gè)M值進(jìn)行了800次仿真，當(dāng)M≤20時(shí)，ML估計(jì)得到的歸一化干涉功率曲線噪聲仍較大(如圖2所示，M=20)，為了保證反演性能，后續(xù)使用Lomb-Scargle功率譜估計(jì)算法[20]輔助RLS濾波[21](遺忘因子設(shè)為0.975)對(duì)其進(jìn)行進(jìn)一步降噪，其中利用Lomb-Scargle算法估計(jì)振蕩頻率能夠增加RLS算法的穩(wěn)健性[22]，800次仿真統(tǒng)計(jì)結(jié)果如圖3所示。

(1) 圖3中，當(dāng)累加次數(shù)M≤20時(shí)，峰值與谷值反演結(jié)果均較差，無論是反演均值和方差，當(dāng)累加次數(shù)M≥100時(shí)，噪聲減小，反演接近設(shè)定值。

(2) 圖3中，峰值與谷值反演表現(xiàn)不同，根據(jù)式(5)，峰值與谷值的估計(jì)誤差對(duì)土壤濕度反演誤差的影響不同，對(duì)于利用峰值反演，如果估計(jì)的峰值功率高于理論值，則得到的反射系數(shù)將高于理論值，由于RR反射系數(shù)與介電常數(shù)和土壤濕度呈負(fù)相關(guān)(圖4)，導(dǎo)致最終土壤濕度反演結(jié)果低于理論值，而用谷值反演影響恰好相反。由于歸一化干涉功率的峰值噪聲普遍高于谷值噪聲(如圖2所示，M=20)，導(dǎo)致估計(jì)出來的峰值大于理論值，且仰角越低，峰谷值噪聲差別越大，這樣的噪聲特點(diǎn)導(dǎo)致RLS濾波后歸一化干涉功率的低仰角部分上翹。即仰角大約小于12°時(shí)，干涉功率谷值大于理論值；仰角大于12°時(shí)，干涉功率谷值小于理論值。當(dāng)M=1時(shí)，這種效果最明顯，如圖5所示，因此峰值反演結(jié)果絕大多數(shù)小于設(shè)定值，而谷值反演結(jié)果在仰角小于12°時(shí)大于理論值，在仰角大于12°時(shí)小于理論值。

(3) 圖3中，峰值與谷值反演標(biāo)準(zhǔn)差在低仰角和高仰角處都偏大，但兩者成因不同，低仰角處(小于5°)RR反射系數(shù)與衛(wèi)星仰角的關(guān)系曲線非常密集(圖4)，說明這一段仰角范圍內(nèi)反射系數(shù)對(duì)介電常數(shù)的敏感性高，誤差放大系數(shù)大，即較小的反射系數(shù)估計(jì)誤差將導(dǎo)致較大的土壤濕度反演誤差，標(biāo)準(zhǔn)差也被放大；高仰角處(大于25°)，反射系數(shù)對(duì)介電常數(shù)的敏感性明顯降低，誤差放大系數(shù)減小，但由于反射信號(hào)功率受天線增益與反射系數(shù)衰減的影響，干涉功率曲線的信噪比降低(圖5)，導(dǎo)致反演的方差較大。

(4)AMPD算法完全基于對(duì)窗內(nèi)數(shù)據(jù)進(jìn)行大小比較，因此其在搜索干涉峰谷值時(shí)依然受疊加在峰谷值周圍毛刺的影響，使得搜索到的干涉功率峰谷值在一定程度上偏離理想位置，從而造成一定程度的反演誤差, 如果存在某一處毛刺明顯偏離理想位置，且功率值明顯高于周圍的正常峰谷值(如圖6實(shí)線框所示)，則此異常值的存在將影響周圍峰谷值的搜索，AMPD算法無法控制這樣的異常值。

(5) 綜上所述，利用5°～25°內(nèi)的谷值進(jìn)行土壤濕度反演效果較好，M的取值應(yīng)大于等于100，但M的取值也不應(yīng)過大，應(yīng)保證“在此期間干涉信號(hào)的各參量近似不變”這一假設(shè)成立。

3.3 不同土壤濕度下反演性能分析

同一仰角下土壤濕度與地表反射系數(shù)Γ的關(guān)系為非線性，且反射系數(shù)隨仰角的不同而不同，敏感性也不一致，因此在不同土壤濕度下利用干涉功率反演將會(huì)有不同的誤差放大系數(shù)，為了驗(yàn)證不同土壤濕度下該方法的反演效果，本文在選擇M=100的條件下，設(shè)置了多個(gè)土壤濕度(從0.04開始以0.02 為間隔直到0.5)，對(duì)其分別進(jìn)行800次仿真，每次取5°～25°內(nèi)歸一化干涉功率谷

值反演結(jié)果的平均值，800次仿真的統(tǒng)計(jì)結(jié)果如圖7所示。

從圖7中可以看出，土壤濕度越大(大于0.06cm3/cm3)，反演結(jié)果越接近于設(shè)定值，反演結(jié)果標(biāo)準(zhǔn)差在0.008 6～0.015 4cm3/cm3之間波動(dòng)，當(dāng)土壤濕度小于0.06cm3/cm3時(shí)，誤差值略大一些，這是因?yàn)橥寥罎穸容^小時(shí)，歸一化干涉功率經(jīng)RLS濾波后的曲線偏離真實(shí)曲線的程度較大，導(dǎo)致較大的介電常數(shù)估計(jì)誤差，且根據(jù)圖8，土壤濕度低時(shí)土壤濕度反演誤差對(duì)介電常數(shù)估計(jì)誤差較敏感(斜率大，如圖8實(shí)線框部分所示)，誤差放大系數(shù)較大，導(dǎo)致反演結(jié)果明顯偏離設(shè)定值。

4 結(jié) 論

本文研究了GNSS土壤濕度干涉測(cè)量法，推導(dǎo)了從GNSS接收機(jī)相關(guān)功率中提取歸一化干涉功率，再從干涉功率峰谷值中提取介電常數(shù)的公式，并對(duì)反演過程進(jìn)行了仿真，仿真過程考慮了天線方向圖、噪聲、相關(guān)功率估計(jì)方法的影響，根據(jù)所研究問題的特點(diǎn)提出使用AMPD算法提取歸一化干涉功率曲線峰谷值用于反演土壤濕度，并得到如下結(jié)論：

(1)AMPD算法能夠有效地從含有噪聲的歸一化干涉功率中提取到干涉峰值與谷值，克服了傳統(tǒng)方法的缺點(diǎn)。

(2) 相關(guān)功率的估計(jì)方法會(huì)影響歸一化干涉功率曲線上的噪聲，進(jìn)而影響到后續(xù)反演結(jié)果，噪聲越小反演越準(zhǔn)確。

(3) 利用干涉功率谷值進(jìn)行土壤濕度反演性能優(yōu)于峰值。

(4) 反演結(jié)果的準(zhǔn)確性與不同仰角下介電常數(shù)對(duì)反射系數(shù)估計(jì)誤差的敏感性有關(guān)，反演時(shí)應(yīng)選取敏感性弱的仰角范圍，5°～25°是一種性能優(yōu)越的選擇，利用這段仰角內(nèi)的谷值進(jìn)行反演，土壤濕度大于0.06cm3/cm3時(shí)結(jié)果更為準(zhǔn)確。

上述仿真過程中，假設(shè)反射路徑僅有一條，但實(shí)際上土壤表面有一定粗糙度，反射路徑會(huì)多于一條，導(dǎo)致SNR產(chǎn)生一定程度的畸變，修正粗糙度帶來的反演誤差是重要的研究方向之一。

圖2 AMPD算法與傳統(tǒng)算法搜索效果對(duì)比Fig.2 Searching results comparison between AMPD algorithm and traditional algorithm

圖3 800次仿真土壤濕度反演統(tǒng)計(jì)結(jié)果Fig.3 Soil moisture retrieval statistical results via 800 simulation runs

圖4 RR反射系數(shù)與介電常數(shù)之間的關(guān)系Fig.4 Relationship between RR reflection coefficient and permitivity

圖5 M=1時(shí)歸一化干涉功率RLS濾波結(jié)果Fig. 5 Results after normalized interference power being filtered by RLS filter with M=1

圖6 異常值對(duì)AMPD算法影響分析Fig.6 Outlier value effect on AMPD algorithm

圖7 土壤濕度變化時(shí)仿真統(tǒng)計(jì)結(jié)果Fig.7 Statistical results under different soil moisture

圖8 土壤濕度與介電常數(shù)關(guān)系曲線Fig.8 Relationship between soil moisture and relative permittivity

[1] ZAVOROTNY V U, VORONOVICH A G. Scattering of GPS Signals from the Ocean with Wind Remote Sensing Application[J]. IEEE Transactions on Geoscience and Remote Sensing, 2000, 38(2): 951-964.

[2] WANG Feng, YANG Dongkai, LI Weiqiang, et al. A New Retrieval Method of Significant Wave Height Based on Statistics of Scattered BeiDou GEO Signals[C]∥Proceedings of the 28th International Technical Meeting of the Satellite Division of the Institute of Navigation (ION GNSS+ 2015). Tampa, Florida: Tampa Convention Center, 2015: 3953-3957.

[3] EGIDO A, RUFFINI G, CAPARRINI M, et al. Soil Moisture Monitorization Using GNSS Reflected Signals[J]. arXiv preprint arXiv:0805.1881, 2008.

[4] 鄒文博, 張波, 洪學(xué)寶, 等. 利用北斗GEO衛(wèi)星反射信號(hào)反演土壤濕度[J]. 測(cè)繪學(xué)報(bào), 2016, 45(2): 199-204. DOI: 10.11947/j.AGCS.2016.20150135.

ZOU Wenbo, ZHANG Bo, HONG Xuebao, et al. Soil Moisture Retrieval Using Reflected Signals of BeiDou GEO Satellites[J]. Acta Geodaetica et Cartographica Sinica, 2016, 45(2): 199-204. DOI: 10.11947/j.AGCS.2016.20150135.

[5] RODRIGUEZ-ALVAREZ N, BOSCH-LLUIS X, CAMPS A, et al. Water Level Monitoring Using the Interference Pattern GNSS-R Technique[C]∥Proceedings of the 2011 IEEE International Geoscience and Remote Sensing Symposium. Vancouver, BC, Canada: IEEE, 2011: 2334-2337.

[6] CHEN Qiang, WON D, AKOS D M. Snow Depth Sensing Using the GPS L2C Signal with a Dipole Antenna[J]. EURASIP Journal on Advances in Signal Processing, 2014, 2014: 106.

[7] RODRIGUEZ-ALVAREZ N, MARCHAN J F, CAMPS A, et al. Soil Moisture Retrieval Using GNSS-R Techniques: Measurement Campaign in a Wheat Field[C]∥Proceedings of the 2008 IEEE International Geoscience and Remote Sensing Symposium. Boston, Massachusetts: IEEE, 2008: Ⅱ-245-Ⅱ-248.

[8] ARROYO A A, CAMPS A, AGUASCA A, et al. Dual-Polarization GNSS-R Interference Pattern Technique for Soil Moisture Mapping[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2014, 7(5): 1533-1544.

[9] LARSON K M, SMALL E E, GUTMANN E, et al. Using GPS Multipath to Measure Soil Moisture Fluctuations: Initial Results[J]. GPS Solutions, 2008, 12(3): 173-177.

[10] ZAVOROTNY V U, LARSON K M, BRAUN J J, et al. A Physical Model for GPS Multipath Caused by Land Reflections: Toward Bare Soil Moisture Retrievals[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2010, 3(1): 100-110.

[11] CHEW C C, SMALL E E, LARSON K M, et al. Effects of Near-Surface Soil Moisture on GPS SNR Data: Development of a Retrieval Algorithm for Soil Moisture[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(1): 537-543.

[12] YAN Songhua, LI Zhengyong, YU Kegen, et al. GPS-R L1 Interference Signal Processing for Soil Moisture Estimation: An Experimental Study[J]. EURASIP Journal on Advances in Signal Processing, 2014, 2014: 107.

[13] 萬瑋, 李黃, 洪陽, 等. GNSS-R遙感觀測(cè)模式及陸面應(yīng)用[J]. 遙感學(xué)報(bào), 2015, 19(6): 882-893.

WAN Wei, LI Huang, HONG Yang, et al. Definition and Application of GNSS-R Observation Patterns[J]. Journal of Remote Sensing, 2015, 19(6): 882-893.

[14] ROUSSEL N, FRAPPART F, RAMILLIEN G, et al. Detection of Soil Moisture Content Changes by Using a Single Geodetic Antenna: The Case of an Agricultural Plot[C]∥Proceedings of the 2015 IEEE International Geoscience and Remote Sensing Symposium. Milan, Italy: IEEE, 2015.

[15] NIEVINSKI F G, LARSON K M. An Open Source GPS Multipath Simulator in Matlab/Octave[J]. GPS Solutions, 2014, 18(3): 473-481.

[16] SCHOLKMANN F, BOSS J, WOLF M. An Efficient Algorithm for Automatic Peak Detection in Noisy Periodic and Quasi-Periodic Signals[J]. Algorithms, 2012, 5(4): 588-603.

[17] 萬瑋, 李黃, 洪陽. 作為外輻射源雷達(dá)的GNSS-R遙感多極化問題[J]. 雷達(dá)學(xué)報(bào), 2014, 3(6): 641-651. WAN Wei, LI Huang, HONG Yang. Issues on Multi-polarization of GNSS-R for Passive Radar Detection[J]. Journal of Radars, 2014, 3(6): 641-651.

[18] SATYANARAYANA S, BORIO D, LACHAPELLE G. C/N0 Estimation: Design Criteria and Reliability Analysis under Global Navigation Satellite System (GNSS) Weak Signal Scenarios[J]. IET Radar, Sonar & Navigation, 2012, 6(2): 81-89.

[19] WANG J R, SCHMUGGE T J. An Empirical Model for the Complex Dielectric Permittivity of Soils as a Function of Water Content[J]. IEEE Transactions on Geoscience and Remote Sensing, 1980, GE-18(4): 288-295.

[20] SCARGLE J D. Studies in Astronomical Time Series Analysis. Ⅱ-Statistical Aspects of Spectral Analysis of Unevenly Spaced Data[J]. Astrophysical Journal, 1982, 263: 835-853.

[21] NEHORAI A, PORAT B. Adaptive Comb Filtering for Harmonic Signal Enhancement[J]. IEEE Transactions on Acoustics, Speech, and Signal Processing, 1986, 34(5): 1124-1138.

[22] BILICH A, LARSON K M, AXELRAD P. Modeling GPS Phase Multipath with SNR: Case Study from the Salar de Uyuni, Boliva[J]. Journal of Geophysical Research: Solid Earth, 2008, 113(B4): B04401.

(責(zé)任編輯：陳品馨)

Soil Moisture Retrieval Utilizing GNSS Interference Signal Amplitude

HAN Mutian1, ZHANG Bo1,YANG Dongkai1,HONG Xuebao1,YANG Lei2,SONG Shuhui3

1. School of Electronic and Information Engineering, Beihang University, Beijing 100191, China; 2. College of Information Science and Engineering, Shandong Agricultural University, Taian 271018, China; 3. Beijing Vegetable Research Center, Beijing 100097, China

A soil moisture retrieval model was developed using GNSS interference signal amplitude, according to the interference phenomenon and GNSS receiver SNR estimation method. Antenna gain, soil permittivity and noise effect was considered in this model. The AMPD algorithm was used to extract the interference peaks and valleys from noisy normalized interference power which were then used to retrieve soil permittivity and moisture, and a simulation was performed to verify its feasibility. Results showed that the soil moisture retrieval performance using interference valleys was better compared to that using peaks, the relatively stable retrieval elevation angle range is 5°～25°, and the retrieved value was more accurate when moisture is larger than 0.06 cm3/cm3，with the standard deviation around 0.01 cm3/cm3.

soil moisture measurement; interference power; peak detection; SNR; soil permittivity

Beijing Nova Programme Interdisciplinary Cooperation Project(No.xxjc201603); Intelligent Agricultural Equipment Research and Development Project of Shandong Agricultural University(No. 2015-16); Saline Alkali Land Improvement and Utilization Project of Shandong Agricultural University(No. 2014-IV-4)

HAN Mutian(1992—), male, PhD candidate, majors in GNSS and its applications.

ZHANG Bo

漢牟田，張波，楊東凱，等.利用GNSS干涉信號(hào)振蕩幅度反演土壤濕度[J].測(cè)繪學(xué)報(bào)，2016,45(11)：1293-1300.

10.11947/j.AGCS.2016.20160145.

HAN Mutian, ZHANG Bo,YANG Dongkai,et al.Soil Moisture Retrieval Utilizing GNSS Interference Signal Amplitude[J]. Acta Geodaetica et Cartographica Sinica,2016,45(11):1293-1300. DOI:10.11947/j.AGCS.2016.20160145.

P237

A

1001-1595(2016)11-1293-08

北京市科技新星計(jì)劃交叉學(xué)科合作課題(xxjc201603)；山東農(nóng)業(yè)大學(xué)智能化農(nóng)業(yè)裝備研發(fā)項(xiàng)目(2015-16)；山東農(nóng)業(yè)大學(xué)鹽堿地改良利用項(xiàng)目(2014-IV-4)

2016-04-05

修回日期： 2016-09-06

漢牟田(1992—)，男，博士生，研究方向?yàn)樾l(wèi)星導(dǎo)航及其應(yīng)用。

E-mail： hanmutian@buaa.edu.cn.

張波

E-mail： bozhang@buaa.edu.cn