1. 本选题研究的目的及意义
无线电频率干扰（rfi）是指由人类活动产生的电磁辐射对无线电接收机造成的不利影响，它会严重降低遥感数据的质量，影响数据的反演精度，对科学研究和应用造成极大的阻碍。
海洋卫星smos（soilmoistureandoceansalinity）是欧洲空间局（esa）发射的一颗用于监测全球土壤湿度和海洋盐度的l波段被动微波遥感卫星。
smos卫星采用了一种新型的干涉式辐射计技术，可以提供高时空分辨率的土壤湿度和海洋盐度数据，对于气候变化研究、水循环监测、农业旱情预警等方面具有重要的意义。
2. 本选题国内外研究状况综述
随着遥感技术的快速发展，rfi问题日益突出，成为制约遥感数据质量和应用的关键因素之一。
针对rfi的检测和抑制方法也成为了国内外学者的研究热点。
1. 国内研究现状
3. 本选题研究的主要内容及写作提纲
本选题的研究内容主要包括：
1.smos卫星与数据特征分析：
研究smos卫星的l波段观测原理、数据产品及特性，分析其易受rfi污染的原因。
收集和分析smos卫星的l1级数据，统计rfi的时空分布特征，为rfi检测算法的设计提供依据。
2.无线电频率干扰检测算法设计与实现：
研究和分析现有的rfi检测方法，包括基于统计特征的方法、基于图像处理的方法和基于机器学习的方法等，比较其优缺点和适用范围。
4. 研究的方法与步骤
本研究将采用理论分析、算法设计、实验验证和结果分析相结合的研究方法，具体步骤如下：
1.文献调研阶段：查阅国内外关于smos卫星、rfi检测方法等相关文献，了解smos卫星的l波段观测原理、数据产品及特性，以及现有的rfi检测方法，为后续研究奠定理论基础。
2.数据获取与分析阶段：从欧洲空间局（esa）数据中心获取smosl1级数据，并对数据进行预处理，包括数据读取、格式转换、地理校正等。
分析smos数据的特征，统计rfi的时空分布特征，为rfi检测算法的设计提供依据。
5. 研究的创新点
本研究的创新点主要体现在以下几个方面：
1.针对smosl波段观测数据的特点和rfi的特性，改进现有的rfi检测算法或提出新的算法，提高rfi检测的效率和精度，为后续rfi抑制和数据质量提升提供技术支撑。
2.结合机器学习方法，如深度学习等，构建智能化的smosrfi检测模型，提高算法的自动化程度和鲁棒性。
3.分析不同rfi检测方法的性能差异，探讨其原因，并对算法进行优化改进，为smosrfi检测提供更有效的解决方案。
6. 计划与进度安排
第一阶段 （2024.12~2024.1）确认选题，了解毕业论文的相关步骤。
第二阶段（2024.1~2024.2）查询阅读相关文献，列出提纲
第三阶段（2024.2~2024.3）查询资料，学习相关论文
7. 参考文献（20个中文5个英文）
[1] 刘玉环, 张有广, 吴传庆, 等. smos卫星土壤水分数据同化方法研究进展[j]. 水科学进展, 2019, 30(1): 137-147.
[2] 毛克彪, 施建成, 郭华东, 等. 星载微波辐射计rfi检测方法综述[j]. 遥感学报, 2015, 19(5): 769-782.
[3] 冯炼, 潘成荣, 张立新. 星载被动微波遥感数据rfi识别与抑制研究进展[j]. 电波科学学报, 2018, 33(6): 1073-1083.
