欢迎访问北京市石景山区 毫米波太赫兹产业发展联盟ChinaMTA!今天是：
投稿指南 | 联系我们
太赫兹大气遥感研究（下）
发布:2020年02月24日来源：编辑:北京理工大学毫米波与太赫兹技术北京市重点
【编者按】继太赫兹大气遥感研究（上）对太赫兹大气遥感的基础原理及相关技术进行介绍后，太赫兹大气遥感的技术方向引起读者广泛关注。本期文章将从两方面对太赫兹大气遥感进行介绍：一方面介绍星载太赫兹技术的最新研究，另一方面着眼其关键技术--大口径天线技术、遥感图像分辨率增强技术以及星载辐射计定标技术。特别是我国正在进行的静止轨道太赫兹遥感技术研究，填补国际空白，世界领先，敬请各界给予支持和关注。

大气遥感辐射测量的主要设备为辐射计，与红外或可见光频段辐射计不同，微波可以穿透非降水云，故微波毫米波以及太赫兹辐射计（用于湿度，温度测量和成像）可以观测到除强降水以外的各种天气条件下的水汽信息，有助于更好地识别气旋低层循环中心及螺旋雨带的强度和范围。目前毫米波辐射计已成为全世界三大王牌极轨气象卫星系列MetOp(欧洲)，NOAA（美国），风云（中国）的标准配置和重要观测手段。随着技术的发展，毫米波和太赫兹技术将在欧洲最新一代气象卫星MetOp-SG、美国新一代极轨气象卫星JPSS(联合极轨卫星)系列以及我国的风云四号系列中发挥重要作用，美国的立方星计划搭载太赫兹辐射计。一、星载太赫兹技术新进展
1.MetOp-SG随着欧洲第一代极轨气象卫星最后一颗MetOp -C星在2018年11月在库鲁航天中心发射升空，MetOp–SG作为欧洲新一代气象卫星将在2022年闪耀登场。MWS是MetOp–SG A星上的唯一微波载荷，由微波湿度和温度辐射计组成，作用类似CT可以探测大气水汽和温度垂直分布数据。MWS辐射计通道数24个，覆盖频率包括23.8GHz到 229GHz,并配置单一的大口径天线（35cm扫描反射镜），每次旋转扫描时间2.5秒。期间包括对下方大气层的探测采样（采样范围+-49°），以及分别对准热负载（星载）和冷空（冷负载）进行定标校准。单一天线的使用让整个微波辐射计更加紧凑但是对准光子系统设计和加工提出了更高的要求，多个抛物面透镜，起偏器以及滤波器组合使用确保将不同频率的入射信号准确的分配到不同辐射计通道中。从太赫兹技术上看，MetOp–SG最大的挑战来自B星工作频率高达664GHz的冰云成像载荷ICI，最新进展是信号处理模块已经就绪，ICI太赫兹辐射计二极管由德国ACST公司提供，德国RPG公司负责模块和子系统。2014年ICI太赫兹辐射计原型机进行了系列测试，664GHz接收机噪声温度符合预期低于200K。和MetOp–SG对标的将是我国风云5号卫星，虽然还没有正式立项，但是已经未雨绸缪、粮草先行。风云5号卫星是否会成为风云四号后的又一颗国产太赫兹星尚不得而知，让我们拭目以待。2.新一代立方星（CubeSat）研制技术IceCube是NASA于2017年5月发射的一颗实验性小卫星。IceCube的工作频段为874GHz，重量只有10磅，配备可展开的太阳能阵列和超高频通信天线，主要用于对云层中的冰晶粒子进行探测，在降水预报上有很大的应用潜力。也可以用于探测地球能量平衡的微小变化，对深入理解温室气体对气候变化的影响具有一定的作用。该小卫星已于2018年成功拍摄了全球冰云的首幅全球影像。追溯起立方星的发展历程，1999年，共同提出“立方星”概念的加州州立工业大学Jordi Puig-Suari教授和斯坦福大学Bob Twiggs教授，开始实际探索比皮卫星大一些、能提供更大实验能力的立方体构型卫星。Twiggs曾回忆说，他从零售商店一种“4英寸边长的豆宝宝公仔包装盒”得到了设计灵感，于是诞生了一个基本单元边长10厘米、重量仅1公斤的立方星。与传统大卫星相比，立方星的发射方式也更加灵活多样。基本的发射方式包括以下几种：第一，火箭搭载。一般搭载在火箭次级，通过适配器与火箭连接，发射入轨后立方星从适配器中弹出。第二，国际空间站部署。送入国际空间站后，立方星通过机械臂吊舱释放。还有其他不寻常的发射方式。2014年8月18日，俄罗斯宇航员在国际空间站执行出舱活动任务期间，手动释放了一颗叫做Chasqui-1的1U立方星。以美国为首的国家开始利用立方星增强军事航天能力（1）增强低成本空间快速响应能力立方体卫星模块化批量生产周期短、成本低，选择运载器前即可进行或完成设计工作，在研的多种专用运载器和空中发射方案，将进一步增强快速发射入轨组网、补网能力。（2）提升天基监视网的定位精度，增强现有空间监视能力利用立方体卫星星座增强感知敏感度和重访率，将GEO空间目标定位精度从1000m提升到100m,迅速察觉在轨目标变轨情况，提高空间碰撞预警的准确率，提早转移保护空间资产。（3）提高实时战术通信与战场态势感知能力目前已研发部署的卫星无法按需向最低作战单元提供战场图像，也无法在偏远地区提供实时通信。美国研究利用立方体卫星星座的低成本、高重访率，提高最低作战单元的按需、实时战场态势感知能力和偏远地区通信能力。（4）用于演示验证各种空间对抗使能技术立方星的小尺寸、模块化、低成本等特点，使其更适合演示验证新技术，这也是立方星发展的初始用途之一，也仍将是未来的主要用途之一。国外通过立方星演示验证的空间绳系电推进、太阳帆推进、交会对接等技术，可用来清除太空垃圾和攻击他国太空资产。目前立方星所面临的主要问题有：（1）多数立方星无离轨机动能力，大规模发射入轨会造成堵塞。（2）通信以业余无线电频率为主，易对其他空间资产造成通信干扰；（3）缺乏包括对轨道、通信许可等规定的统一和成熟的管理规范。随着CubeSat的优势逐渐显现，应用也逐渐增多。目前JPL和亚利桑那大学SESE实验室正在为NASA小卫星项目研制袖珍型太赫兹接收机，技术指标参数如下表1：

表1.太赫兹接收机参数指标

技术参数

接收机

工作频率1

520-600GHz/水蒸气谱线

工作频率2

1040-1200GHz/水蒸气谱线

尺寸

25 × 25 × 40mm

重量

250g

功耗

7W

工作温度

100k

由于采用了JPL最新的3D多层封装技术，使整个太赫兹接收机的体积减半并且能轻松量产。下图是JPL传统的肖特基二极管接收机和袖珍型接收机的比较（图片来自NASA）。

图1. JPL传统的肖特基二极管接收机和袖珍型接收机的比较

3.JPSS（联合极轨卫星）系列JPSS（联合极轨卫星）是美国最新一代极轨气象卫星系列，计划共发射4颗卫星，2017年11月已发射了JPSS-1，其搭载的微波探测仪（ATMS）是目前十分先进的微波探测仪器。ATMS有22个探测通道，工作频段在23.8GHz-183.3GHz，其中3-15通道主要用于大气温度探测，16-22通道用于大气湿度探测，并配置有两个不同口径的天线来满足以上两种不同需求。与上一代AMSU/MHS相比，ATMS增加了51.76GHz(温度探测通道)，183.31±1.8和183.31±4.5GHz（湿度探测通道）的探测通道，并且幅宽从2100多km扩宽为2500km，每条扫描线上的扫描点数变为96个，是AMSU-A的3倍，所以ATMS的空间分辨率更高且覆盖范围更大。4.“风云四号”微波星气象卫星“风云四号”高清云图亮相微信启动页面，被媒体和网友赞为最牛“地球摄影师”，专家表示：如果给“风云四号”成像仪配备微波仪器，还可以穿透云顶具备三维观测能力。目前由中科院、航天科技八院等多家单位参与研制的干涉式微波成像仪地面样机已经研制成功，该微波探测载荷的工作频段在50-425GHz，30多个探测通道，主要工作频率有54、118、183、380和425GHz。该载荷能够5分钟扫描一张全圆盘图，地球表面的空间分辨率达到了50公里，目前“风云四号”微波星项目有望成为世界上第一颗具有微波成像探测仪的地球同步轨道气象卫星，将大大提升我国对龙卷风、雷雨的等强对流天气的监测和预警能力。
初步的微波探测试验载荷已搭载于风云四号Ａ星进行在轨试验。微波探测载荷采用真实孔径圆周扫描体系，由于试验载荷体积和重量受限，只配置双频段（183,425GHz）五通道。载荷在轨试验中，各项指标正常，183GHz频段灵敏度优于0.5K，425GHz灵敏度优于1.9K，性能稳定并超过3个月考核寿命。对微波探测载荷183GHz与极轨载荷先进技术微波辐射计(advanced technology microwave sounder,ATMS)进行亮温交叉比对的结果显示，两者亮温相近，变化趋势一致，验证了探测数据的有效性。载荷还在静止轨道获取了极轨无法探知的3K/H量级亮温变化，并在风云四号Ａ星姿态调整期间完成了静止轨道微波遥感成像，验证了在静止轨道上进行真实孔径体制微波遥感探测的有效性
。
随着科学技术的飞速发展以及技术应用领域的不断拓宽，星载辐射计朝着频段更高、探测通道频段划分更为细化、数字化和一体化、地面分辨率更高等方向发展。我国未来的风云五号、风云六号等系列气象卫星也会朝着探测频段更高、通道划分更细的方向发展。 二、星载太赫兹关键技术1.星载辐射计的大口径天线技术
静止轨道毫米波、亚毫米波探测仪是国际上难度较大的载荷之一，具有探测频段高、天线口径大的特点。我国研制的FY-4气象卫星的探测频段为23GHz～425GHz，目前已经突破了多频段准光馈电网络、亚毫米波高灵敏接收机、宽频段毫米波、亚毫米波定标等关键技术。在此基础上，天馈子系统组成结构如图2所示。采用真实孔径偏馈式反射面天线，主反射面为偏馈抛物面，用于定向接收地面及大气电磁辐射，第一副反射面为旋转双曲面，主反射面和第一副反射面组成偏馈卡塞格伦天线，形成笔形波束观测。由于工作频段较多，采用准光学馈电网络将观测场景辐射信号分极化、分频段馈送至各对应通道接收机输入端口。准光馈电网络由一系列双曲镜、椭球镜和平面镜组成，用于改变波束传播方向，完成波束汇聚与扩散以及波束与馈源喇叭匹配的功能。整个天馈子系统有10个以上反射面，每个反射面的安装误差，即角度和位置的变化都会对天线电性能产生影响。
北京理工大学太赫兹实验室承担了反射面天线容差分析的工作，主要对反射面天线的主反射面热形变、第一副反射面和第二副反射面天线的位置角度变化对天线性能的影响进行定量化分析，为整个天馈系统的安装调试和结构设计优化提供了帮助。

图2 天馈子系统结构示意图

2.遥感图像分辨率增强技术毫米波和亚毫米波成像仪(MMSI)是中国风云四号地球同步轨道气象卫星上的重要载荷。其极化方式为水平和垂直两种极化方式，54GHz、118GHz、183GHz、380GHz和425GHz的五个频段可以用来获取地球亮温数据。由于天线尺寸，系统噪声和下采样的限制，MMSI的低频通道的空间分辨率较低，这就影响了数据的进一步使用，因此有必要采取遥感图像分辨率增强技术解决此问题。
BG(Backus-Gilbert)反演算法最初是由Backus和Gilbert提出，它利用天线方向图地面重叠区域冗余信息和天线方向图的先验知识从天线温度反演出更加接近地面真实场景的亮温值，消除重叠模糊的影响。图像去卷积算法由Richard Sethman等人提出，通过傅里叶变换在频域上构建Wiener滤波器进行滤波，得到没有被平滑的亮温分布的估计，在算法处理过程中也降低了重叠模糊的影响。
星载微波成像仪的非过采样通道的地面象元没有重叠，针对这种情况S. Dietrich 和F. Di Paola首先提出将超分辨(super-resolution)图像重建算法应用于毫米波与亚毫米波探测仪非过采样通道中。近些年，卷积神经网络(Convolutional Neural Network, CNN)也成功的应用于图像超分辨率、去噪和去模糊等问题。
在上述情况下，采用卷积神经网络进行亮温图像超分辨率，这也是国内首次将深度学习技术应用于微波辐射计的图像分辨率增强，并得到了较好的效果。该网络直接学习低分辨率和高分辨率图像之间的端到端映射，无需预处理。
首先高分辨率图像被下采样来获得低分辨率的图像，高分辨率图像和低分辨率图像被用作训练SRCNN模型的数据集，用于训练和测试。建立的卷积神经网络由3层卷积层组成，卷积核数量为64-32-1，卷积核尺寸为9-1-5。在数据集较小的情况下，卷积神经网络的模型使用了一组较小的超参数: 卷积核的数量为20-10-1，卷积核尺寸为9-1-5。在训练过程中,使用Caffe进行了1.5×107次训练得到了最优的结果。在风云四号模拟数据和数据集中的测试图像上测试训练好的模型，图3所示为一组实验结果，能够看出超分辨卷积神经网络得到的重建图像的细节比双三次重建图像更接近于初始图像。体现在具体参数指标上，PSNR和SSIM也更优（以下仿真结果出自北京理工大学太赫兹实验室）。

图3，4 样本集中测试图像的实验结果

3.星载辐射计定标技术
星载辐射计系统硬件的非理想性给原始测量可见度函数带来了误差，直接对包含误差的可见度函数进行傅立叶变换会导致图像质量下降，甚至还会引起畸变失真。因此，要实现高质量成像，必须先对系统误差进行良好的定标。定标工作就是将可见度函数中的误差项降低或者消除，使得成像系统尽量真实地反映场景亮温。
星载微波辐射计通常需要三步来完成定标操作。第一步：地面定标；发射前，在地面进行定标试验，继续地面的辐射目标实验进行标定，同时验证系统工作情况，确保入轨后正常使用。
第二步：星上在轨定标；通常采用“周期两点定标法”，即使得辐射计周期性的获得高温和低温定标源的辐射信号，使得辐射计进行周期性的定标，来保证辐射计能够长期稳定的工作在太空。其中，低温定标源通常利用冷空，热定标源则采用预置的恒温加热的吸波材料。在轨定标中，热负载特性、冷空背景干扰、天线形变等因素对于定标的影响一直未被深入探讨。
第三步：绝对定标和类比定标；
为保证定标工作的科学性和可靠性，国际公认操作方法是在星上在轨定标操作后，还需要进行绝对定标和类比定标。绝对定标目的是修正天线方向图发证变化时的影响，即在在轨正常工作状态下，对于真实目标进行端到端的整体定标。有以下两种绝对定标方法：（1）利用入射角与星载辐射计相同、频率、极化的同步飞行的辐射计，将其测量值作为比照数据；（2）通过比照区域，即具有半经验的数学模型地域作为参照，来绝对定标。类比定标，采用其他微波辐射计的测量值做为对比值，于本辐射计的测量值进行对比，进行定标。


参考文献：

[1] 谢振超, 李秀伟, 姚崇斌, et al. 地球静止轨道微波辐射计技术[J]. 上海航天, v.35;No.210(02):23-31

[2] BIZZARRI B. Requirements and perspectives for MW/sub-mm sounding from geostationary satellite[C]// EUMETSAT Meteorological Satellite Conference. Dublin,Ireland:[s.n.], 2002:97-105.

[3] ZHAO Feng,YAO Chongbin,LV Liqing. The submillimeter wave detector and ground imaging experiment[C]//Academic Annual Meeting of Remote Sensing, Remote Measurement and Remote Control. 2015:250-254.

[4] 李向芹,谢振超.基于参数化控制的亚毫米波辐射计天线容差分析[J].太赫兹科学与电子信息学报, 2016(4):508-512.

[5] Backus G, Gilbert F. Numerical applications of a formalism for geophysical inverse problem [J]. Geophys. J. R. astr. Soc., 1967, 13: 247-276.

[6] Backus G, Gilbert F. The resolving power of gross earth data [J]. Geophysical Journal of the Royal Astronomical Society, 1968, 16: 169-205.

Richard Sethmann, Barnara A. Burn, and Georg C. Heygster. Spatial resolution improvement of SSM/I data with image restoration techniques [J]. IEEE Trans. Geisci. Remote Sens., 1994, 32(6): 1144-1151.

[7] Richard Sethmann, Barnara A. Burn, and Georg C. Heygster. Spatial resolution improvement of SSM/I data with image restoration techniques [J]. IEEE Trans. Geisci. Remote Sens., 1994, 32(6): 1144-1151.

[8] Sethmann R., Heygster G., Burns B.. Image deconvolution techniques for reconstruction of SSM/I data [C]. Geoscience and remote sensing symposium, 1991. IGARSS ’91. Remote Sensing: Global Moitoring for Earth Management. , International., DOI: 10.1109/IGARSS. 1991. 575522, 1991, 4: 2377-2380.

[9] F. Di Paola, S. Dietrich. Resolution enhancement for microwave-based atmospheric sounding from geostationary orbits [J]. Radio Science, 2008, 43, RS6001, doi:10.1029/2007RS003789.

[10] Dong C, Chen C L, He K, et al. Learning a Deep Convolutional Network for Image Super-Resolution[J]. 2014, 8692:184-199.

[11] Jain V, Seung H S. Natural image denoising with convolutional networks[J]. Advances in Neural Information Processing Systems, 2010:769-776.

[12] Schuler C, Hirsch M, Harmeling S, et al. Learning to Deblur.[J]. IEEE Transactions on Pattern Analysis & Machine Intelligence, 2015, 38(7):1439-1451.

[13] Wei Y, Yuan Q, Shen H, et al. A universal remote sensing image quality improvement method with deep learning[C]// IGARSS 2016 - 2016 IEEE International Geoscience and Remote Sensing Symposium. IEEE, 2016:6950-6953.

[14] Weidong H , Wenlong Z , Shi C , et al. A Deconvolution Technology of Microwave Radiometer Data Using Convolutional Neural Networks[J]. Remote Sensing, 2018, 10(2):275-.

[15] Evans K F, Wang J R, Racette P E, et al. Ice cloud retrievals and analysis with the compact scanning submillimeter imaging radiometer and the cloud radar system during CRYSTAL FACE [J]. American Meteorological Society, 2005, 44: 839-859.

[16] 王佳坤. 星载综合孔径微波辐射计外定标技术研究[D].

[17] 李叶飞. 星载微波辐射计地面热真空定标技术研究[D].上海交通大学,2008.

[18] 董帅. L/C波段微波辐射计定标及有源微波冷噪声源研究[D].中国科学院国家空间科学中心,2016.

网站简介|网站地图|使用帮助|网站声明|联系我们

版权所有：北京市石景山区 毫米波太赫兹产业发展联盟 京ICP备19046674号-1联系地址：北京市石景山区盛景国际广场A座中欧科技创新中心1701室 联系电话：86-10-68884110