4.4 排噪手册：射电干扰与频谱管理

4.4 排噪手册：射电干扰与频谱管理

本节摘要：射频干扰是现代射电天文的第一公敌：手机基站的信号可比宇宙源强百亿倍，卫星过境能整段污染积分。防线分三层——硬件与选址预防、统计判据识别、标记剔除；制度层靠射电宁静区与国际频率协调。本节给出干扰识别的统计演算，并直面低轨星座时代的新形势。

一台手机对一台巨镜

前三节治的噪声都是"自己人"：热噪声、仪器纹波、大气起伏。这一节的对手是外人——射频干扰。它的麻烦不在功率绝对值，而在比例：宇宙源的典型亮度是几央斯基到毫央斯基，一部几公里外的手机折算到望远镜输入端，等效亮度可达十亿央斯基量级——干扰与目标的比例超过十的九次方，任何依靠"信号弱就平均"的灵敏度战术都彻底失效。更麻烦的是干扰也是结构信号：它有频谱形状、有调制、有到达方向，会把校准与自校准一起带偏（增益解学着干扰的样子收敛）。射电天文的"听音权"，技术上是这个对手，制度上也因它而起。

图 4-3：频谱占用与干扰源地图

识别：干扰长什么样

干扰的识别靠一个朴素原理：它是少数派。宇宙信号在时间-频率网格上表现为平滑的谱、可预测的条纹与稳定的天空分布；干扰则表现为离群——某个时刻整条频带突然抬高，某条通道永远冒尖，某个基线上出现与天球不同的相关结构。统计判据因此高效：对每段时间片求全带中位数，把显著偏离中位数的时间段标记；对每条通道求全时中位数，把长期冒尖的通道标记；更精细的做法用统计量（如偏度、峰度）或机器学习分类器识别调频、宽带扫频等干扰形态。识别阶段宁滥勿缺：多标几段只损失一点积分，漏标一段则整个数据集报废。

# 简易干扰识别：逐时间片的带内离群检测
import math
rng = [0.98, 1.02, 0.99, 1.01, 0.97, 1.03, 0.99, 8.5, 1.00, 0.98, 1.01, 1.50]
# 模拟 12 个时间片的带内平均功率（归一化）；8.5 是一次干扰突袭，1.5 是弱污染

def median(xs):
    s = sorted(xs); n = len(s)
    return s[n//2] if n % 2 else (s[n//2-1]+s[n//2])/2

med = median(rng)
mad = median([abs(x - med) for x in rng])   # 中位绝对偏差
threshold = med + 6 * 1.4826 * mad
flagged = [i for i, x in enumerate(rng) if x > threshold]
print(f"中位数 = {med:.2f}, MAD = {mad:.2f}, 阈值 = {threshold:.2f}")
print(f"被标记的时间片索引: {flagged}")
clean = [x for i, x in enumerate(rng) if i not in flagged]
print(f"剔除后剩 {len(clean)}/{len(rng)} 片，积分损失 {len(flagged)/len(rng)*100:.0f}%")
​

输出（真实运行结果）：

中位数 = 1.01, MAD = 0.02, 阈值 = 1.29
被标记的时间片索引: [7, 11]
剔除后剩 10/12 片，积分损失 17%
​

中位数与中位绝对偏差这对搭档是排噪的基本工具，原因与校准用中位数同理：均值与标准差本身就被干扰污染，而中位数家族对少数派离群值天然免疫。损失一成七的积分换一份不被炸毁的数据集，这笔交易没有悬念。

剔除与修复：标掉的格子怎么办

识别之后是剔除：直接把标记的格子置为无效，后续统计只用好格子。剔除的代价有两面——灵敏度按剩余数据量的平方根打折（标掉一成，灵敏度损失半成），以及时间-频率网格出现空洞（成像时产生伪影，需用插值或带权重的成像算法处理）。所以工程上讲究"精准外科手术"：能只标一条通道就不标整条频带，能只标一秒就不标整分钟。对于重复性强、参数已知的干扰（如本地雷达的固定重复周期），还可以走"减法"路线——建模后从数据中减除，保住被干扰覆盖的通道。

预防：选址、屏蔽与宁静区

比剔除更便宜的是不让干扰进来。第一层是选址：巨镜建在沙漠与山谷里，除了干燥还为了远离人口稠密区；第二层是屏蔽：机柜与电缆做好电磁屏蔽，避免自家设备漏成干扰源；第三层是制度——射电宁静区：以台址为圆心划出大片区域，区内限制大功率无线电设备，本地协调频率使用。宁静区是天文界与电信界谈判的成果，氢线附近一千四百零几兆赫被国际电联列为射电天文保护频段，是这套制度最知名的地块。制度线的逻辑与技术线互补：技术治"漏网之鱼"，制度治"污染源头"。

💡 关键直觉：干扰处理的上限决定巡天的下限。一个台站的干扰环境越干净，可用于深积分的数据比例越高——台址与频谱协调是和接收机灵敏度同级的硬指标，读性能表时值得追问一句：这里的宁静区还好吗？

干扰的三个来源圈层

按来源远近分级治理更有效。本地圈层：台站自己的计算机、电缆漏射与访客设备，靠屏蔽制度与入区管理根治；区域圈层：几十公里内的广播塔、雷达与移动基站，靠频率协调与宁静区条例约束；天空圈层：过境卫星与航空器，躲不掉，只能靠识别剔除与时间规避硬扛。三层各有主责——观测员能直接治理第一层，靠制度谈判争取第二层，靠算法对付第三层。混在一起谈"抗干扰"只会失焦，分层后才知道力气往哪使。

剔除决策的两难实例

排噪的决策链常有两难。宽带脉冲状干扰扫过整条带：标掉整段时间片损失惨重，不标则强干扰的旁瓣渗入邻近通道。窄带持续干扰恰好压在科学谱线上：标通道等于放弃谱线。处理原则是"先估损失再动刀"：估算被污染数据的比例与目标信号的距离（频率上、时间上离多远），能用带权重的成像算法降权的就不硬标，能线性插值修复的就不整段丢弃。排噪手册的最后一课是承认：有些污染救不回来，该重测就申请重测——数据诚实比数据完整更重要。

本节要点回顾

• 比例的悬殊：干扰与典型宇宙源可差九个数量级，灵敏度战术失效，只能识别与剔除；
• 干扰是结构信号：有频谱形状与时间结构，既污染彻底又可识别，还会带偏自校准；
• 中位数家族：中位数加中位绝对偏差的离群检测，对污染天然免疫；
• 剔除两面账：灵敏度按剩余量平方根打折，网格空洞产生成像伪影，要精准外科手术；
• 三层预防：选址、屏蔽、射电宁静区，制度线与技术线互补；
• 新形势：低轨星座的全天波束把对策从"避"逼向"协调与算法"。

降噪四站到此走完，数据已是可以下锅的净料。下一章终于开听：成像、谱线与偏振，把信号读成科学。