针对500m口径球面射电望远镜(five-hundredmeter aperture spherical radio telescope,FAST)电磁环境保护的需求,开展无线电干扰(radio frequency interference,RFI)智能监测技术研究,包括干扰信号的探测识别和干扰源的高精度定位技术。在干扰信号的探测与识别方面,针对FAST台址特性,采用多站点协同频谱感知技术来检测信号,并结合深度神经网络识别信号;在干扰源定位方面,采用基于到达时间差(time difference of arrival,TDOA)的定位技术,通过广义互相关法估计信号到达不同接收机的时间差,实现在低信噪比下的高精度定位。智能监测技术的研究为建立FAST无线电干扰智能监测系统打下基础,并将为FAST周边频谱管理和电磁环境保护工作提供支撑。
来自人造卫星的信号是射电天文观测面临的主要射频干扰(radio frequency interference,RFI)之一,这些RFI会将天文信号掩埋,为天文信号的搜寻和分析带来困扰。为了缓减卫星对天文观测的影响,我们在之前的工作中为500 m口径球面射电望远镜(Five-hundred-meter Aperture Spherical radio Telescope,FAST)开发了卫星电磁干扰监测软件,主要包括卫星数据库、观测模块和监测模块。近年来随着多个巨型卫星星座的规划发射以及望远镜观测模式的增多,卫星对射电天文观测的影响更为复杂,已有的软件已经不能满足实际的需要。为此,本文在单个卫星干扰分析的基础上提出了卫星星座的干扰评估方法,并对已有监测软件进行了升级,升级后卫星数据库覆盖更多的在轨卫星及星座信息且能够自动化更新,观测模块能够支持更多种观测模式下的卫星过境预测和干扰评估。在实际天文观测中,通过接在FAST接收机上的频谱仪数据对软件的干扰预测结果进行了实验验证,结果证明升级后的软件能够在多种观测模式下预测可能威胁的卫星以及对应的过境时间,为望远镜观测规划的调整、卫星干扰的规避和接收系统的保护提供重要的支撑。
