基于双模多频软件接收机的双极化GNSS-R土壤湿度反演研究

The study of soil moisture retrieval based on Global Navigation Satellite System Reflectometry (GNSS-R) is under exploring. However, the current research mostly relies on GPS L1 signals and barely studies and exploits the other GNSS reflected signals. Besides, the reflected signal power has certain fluctuation caused by noise and other uncertainties, and the accuarcy of soil moisture retrieval is seriously influenced by soil surface roughness. Considering the above-mentioned problems, in this research, we will receive different GNSS reflected signals and compare their reflection characterizations through developing and applying a dual-constellation multi-frequency GNSS-R software receiver. The causes of different reflection characterizations will be analyzed and the laws will be concluded such that the output of signal processing, especially the calculation of soil reflectivity would be calibrated and optimized; Also, the dual-polarization (LHCP and RHCP) soil moisture retrieval algorithms will be derived, in which the scattering theory will be applied to study the surface roughness effect in order to increase the retrieval accuracy and to adapt to different surface roughness. The successful implementation of this research will provide experimental and theoretical reference for GNSS-R applications on the choice and optimization of signals, will deepen the research of BeiDou signals in the field of GNSS-R, and will provide certain theoretical basis for the future research on more accuarate soil moisture retrieval algorithms.

基于全球导航卫星系统反射计（GNSS-R）的土壤湿度反演研究正不断深入，当前的研究以GPS的L1信号为主，对其他GNSS反射信号的研究与利用较少，反射信号的功率受噪声及其他不确定性因素的影响具有较大扰动，并且反演精度受土壤表面粗糙度的影响较为严重。针对以上问题，本研究通过开发双模多频GNSS-R软件接收机实现对多种制式GNSS反射信号的接收与反射特性的比对，分析造成反射特性差异的成因并总结规律，从而实现对信号处理输出特别是土壤反射率计算的校正与优化；推导建立在双极化（左旋与右旋圆极化）接收反射信号方式下的土壤湿度反演算法，通过在反演流程中对散射理论的应用以研究土壤粗糙度的影响，进而提高反演的精确性以及对不同土壤粗糙度的适用性。本项目的开展将为GNSS-R应用在信号选择与优化方面提供实验与理论依据，增进北斗信号在GNSS-R领域的研究深度，为更精确的土壤湿度反演算法的研究提供一定的理论基础。

GNSS-R是近些年逐渐兴起的遥感技术，因GNSS信号具有全球全时覆盖、在大气层穿透力强衰减弱、信号免费获取且接收机较易实现等诸多优点而得到广泛关注。其主要利用接收全球导航卫星系统信号在地表的反射信号实现对各类地表特征的反演，如土壤湿度、植被覆盖、海浪高度、海水盐度、冰盖厚度等。本项目正是在此背景下，提出通过利用软件接收机来实现对GPS和北斗反射信号的接收，并同时测量左旋和右旋圆极化分量的信噪比，通过实验验证之前提出的交叉极化土壤湿度反演算法，并利用机器学习等算法来优化反演结果。本项目利用了软件定义无线电的优点并结合了开源的无线电框架GNU Radio，实现了一款GPS软件接收机。其包含信号捕获、跟踪、导航电文解算和定位等模块，使用C++实现。通过GNU Radio提供的任务排序模块实现了多通道的并行处理，并能达到实时处理的性能。本项目同时研究了针对北斗信号的高效捕获算法，不仅能用于对直接信号的跟踪与解算，也能用于对反射信号的参数传递。提出了一种循环圆周移位的差分相干积分算法，具有较高的捕获灵敏度和效率。通过地基与机载实验，进行了交叉极化土壤反射率比值的研究，并在理论层面对镜面反射与散射条件下的交叉极化的功率比与土壤介电常数等关系进行了推导。其结果验证了通过交叉极化的土壤反射率进行比值运算可以大部分消除土壤粗糙度对反演精度的影响。最后，利用机器学习算法中的随机森林算法对反演流程中的主要变量进行了分析，结果表明最终的反演结果对输入的SNR值最为敏感，而卫星仰角的重要性最低，此结果对建立合理的土壤湿度反演模型提供了新的思路与方式。