CN104020180A - 基于北斗基准站接收的低仰角信号的土壤湿度反演方法 - Google Patents

Abstract

本发明公开了基于北斗基准站接收的低仰角信号的土壤湿度反演方法，利用长期观测的干涉信号的相位差进行湿度反演，例如类似北斗基准站的数据，由于干涉信号的相位变化与土壤湿度变化呈一定的关联关系，所以可以利用已实测的数据统计出相位与土壤湿度的对应关系，建立利用相位来反演土壤湿度的数学模型。之后根据当天的北斗卫星干涉信号的信噪比数据、提取出当天干涉功率信号的相位来反演当天的土壤湿度。本方法能应用于农业或气象研究，本发明的实施将会扩大北斗系统的应用范围。

Description

基于北斗基准站接收的低仰角信号的土壤湿度反演方法

技术领域

本发明属于电子、信息技术领域，尤其涉及一种利用北斗卫星的低仰角信号进行土壤湿度反演的方法。

背景技术

土壤湿度是气象研究、环境监测、农业生产和防灾减灾的重要参数。土壤湿度的定量观测早已成为气象、水文、生态、农业以及地球科学等众多学科和领域关注的重要内容。

目前测量土壤湿度的方法主要有下列这些，他们有着各种优缺点。

一种通用的方法是利用物理接触法进行实测。这些物理接触法包括烘干法，张力计法，中子仪法，电阻法等(张晓虎，李新平.几种常用土壤含水量测定方法的研究进展.陕西农业科学.2008,6:114-117)。这些方法可以准确测量土体剖面的含水量，测定土层较多，深度较大，但实测范围有限，人力财力耗费大，数据得不到及时更新。土壤水分模型法是根据物质守恒原理，建立方程而求解土壤水分，具有快速、可提供面信息等优势。但是实验需要大量气象数据支持，较为复杂，且估测误差较大。

星载微波遥感可以获得大范围的土壤湿度，例如利用SAR卫星搭载的合成孔径雷达进行遥感土壤湿度的方法(赵少华、杨永辉，基于双时相ASAR影像的土壤湿度反演研究，农业工程学报，2008年6月，184-188)，但是该方法受限于SAR卫星的重返周期，数据的时间连续性不高，同一地方需几日才能获得一场数据。

目前一些学者开展了利用导航反射信号测量土壤湿度的研究。武汉大学曾利用天线和接收机进行过反射信号和直达信号的比值研究来反演土壤湿度(严颂华张训械，基于GNSS-R信号的土壤湿度反演研究，电波科学学报，2010年第1期)，但该方法主要利用的是GPS直达信号及反射信号功率的比值，容易受到地面粗糙度的影响。另一种方法是采用GPS干涉信号，如，采用搜索干涉信号的拐点来实现土壤湿度反演(专利CN201010207399.2)。

北斗系统是我国自主设计的导航系统，已经转入正式运行。根据我国于2013年底公开发布的北斗系统空间信号接口控制文件公开服务信号2.0版，以及北斗系统公开服务性能规范，系统目前在轨工作卫星有5颗地球静止轨道卫星(GEO)卫星，5颗倾斜地球同步轨道卫星(IGSO)卫星和4颗中高度圆轨道卫星(MEO)卫星，已经正式服务于亚太区域，提供水平和垂直定位精度优于10m(置信度95％)的服务范围，即北斗系统公开服务区。

由于北斗卫星星座中的IGSO卫星(目前编号为C06 C07 C08 C09 C10)的24小时地球同步轨道,即所谓的大“8”字形轨道，卫星星下点24小时轨迹在本服务区内南北来回运动,因此它会呈现低仰角的信号。可以利用该信号的干涉效应进行土壤湿度探测。

发明内容

为了克服现有技术的局限性，本发明提供了一种采用北斗基准站接收的北斗IGSO卫星的直达信号与反射信号的干涉信号的相位来反演土壤湿度方法。

本发明所采用的技术方案是：一种基于北斗基准站接收的低仰角信号的土壤湿度反演方法，其特征在于，包括以下步骤：

步骤1.原始数据接收：

通过北斗接收机获取北斗IGSO卫星B1信号的仰角elev1、方位角Azimuth1、B1信号的信噪比S1序列，从中选择低仰角的信号，作为处理的序列；

步骤2.数据预选：

由于北斗IGSO卫星B1信号的24小时的周期性，每天选择同一仰角范围的数据，即IGSO卫星仰角上升期间的干涉信号的信噪比数据作为待处理的数据源；

步骤3.北斗IGSO卫星B1干涉信号的信噪比数据的预处理；

其具体实现包括以下子步骤：

步骤3.1.去噪：由于待处理干涉信号的信噪比数据中包含有高频噪声，故对其进行低通滤波处理；

步骤3.2.去趋势项：由于北斗接收机的天线波束模式对不同仰角的卫星信号有不同增益，因此干涉信号的信噪比数据随仰角变化，这是一个缓变的过程，表现为一个趋势项，故拟合出待处理干涉信号的信噪比数据的曲线趋势项，再将其去掉；

步骤3.3.数据重组：将待处理干涉信号的信噪比数据按仰角的正弦排列，合并相同元素得新的仰角正弦—信噪比序列；

步骤3.4.非均匀采样信号频谱分析：利用非均匀采样信号频谱分析方法来获得待处理信噪比信号数据的频率；

步骤3.5.非线性最小二乘曲线拟合：由于信噪比信号模型是相对于正弦仰角的正弦信号，故采用最小二乘法对待处理数据的信噪比信号进行正弦函数的曲线拟合，拟合出规则的正弦信号；

步骤4.建立待处理数据的拟合干涉信号相位值与土壤湿度经验关系，获得拟合的干涉信号的相位基本变化趋势与土壤湿度变化趋势的抛物线关系；

步骤5.利用抛物线关系来反演土壤湿度：获得某天北斗IGSO卫星B1卫星信噪比数据之后，经过数据处理拟合出当天干涉信号相位，代入抛物线关系中求出当天的土壤湿度。

作为优选，其特征在于：步骤1中所述的低仰角，其仰角范围从5度到30度。

作为优选，其特征在于：步骤3.1中所述的低通滤波处理，其滤波的方法是采用5点滑动平均法。

作为优选，其特征在于：步骤3.4中所述的非均匀采样频谱分析法，是Lomb非均匀谱分析法。

作为优选，其特征在于：步骤4中所述的拟合干涉信号相位值与土壤湿度经验关系的建立，其实现过程为：从拟合出的正弦信号中提取其相位值，连续处理一个月的数据，并将其与这一个月中每日的实测土壤湿度值进行比对，将这1个月相位值按时间顺序排列，并将这1个月的土壤湿度值按时间顺序排列，将二者的变化趋势绘制在一张图中，获得拟合的干涉信号功率信号相位基本变化趋势与土壤湿度变化趋势的抛物线关系，这个关系利用这个月的数据进行拟合后作为反演土壤湿度的模型。

本发明利用长期观测的干涉信号的相位差进行湿度反演，例如类似北斗基准站的数据，由于干涉信号的相位变化与土壤湿度变化呈一定的关联关系，所以可以利用已实测的数据统计出相位与土壤湿度的对应关系，建立利用相位来反演土壤湿度的数学模型。之后根据当天的北斗卫星干涉信号的信噪比数据、提取出当天干涉功率信号的相位来反演当天的土壤湿度。本方法能应用于农业或气象研究，本发明的实施将会扩大北斗系统的应用范围。

附图说明

图1：是本发明实施的北斗卫星的数据处理流程。

图2：是本发明实施的北斗接收机的直达信号与反射信号几何关系。

图3：是本发明实施的北斗低仰角信号的数据选取。

图4：是本发明实施的北斗IGSO卫星信噪比信号的频率和SNR相对于仰角的变化。

图5：是本发明实施的北斗卫星土壤湿度不同时造成的拟合信号相位移动图。

图6：是本发明实施的北斗卫星的干涉信号相位与土壤湿度的抛物线关系。

具体实施方式

为了便于本领域普通技术人员理解和实施本发明，下面结合附图及实施例对本发明作进一步的详细描述，应当理解，此处所描述的实施示例仅用于说明和解释本发明，并不用于限定本发明。

本发明的特点是不知当天土壤湿度情况下，可以根据连续几天北斗卫星的Rinex数据拟合出干涉信号功率相位与土壤湿度的直线关系，然后用这个直线关系来反演未知的土壤湿度。

下面以具体实施例并结合附图，对本发明作进一步说明。请见图1，本发明所采用的技术方案是：一种基于北斗基准站接收的低仰角信号的土壤湿度反演方法，包括以下步骤：

步骤1：原始数据接收

首先在北斗基准站(天线高度设为1米至3米之间)附近设置土壤湿度观测站，连续观测一个月左右的土壤湿度，存储作为建模的依据。

同时连续接收该月中每天的北斗IGSO信号，准备进行数据处理。

请见图2，是北斗接收机的接收的直达信号与反射信号的几何关系，图中1表示北斗卫星、2表示北斗接收机、3表示接收机接收的直达信号、4表示将射入土壤并反射到接收机的信号、5表示北斗卫星相对于地平面的仰角θ、6表示北斗接收机相对于地平面的高度h、7表示反射信号的有效遥感深度△h、8表示直达信号与反射信号的几何路径差△L，且△L＝2Hsinθ，H＝h+△h。

因为北斗卫星离地球大概有2万公里，电波传播是远场，所以IGSO卫星的信号以平行波的形式入射到地平面。在计算△L时直达信号3与入射到土壤的信号4相对于地平面的夹角都是θ。

根据图2，天线接收到的干涉信号由直达信号和反射信号组成u＝u_dir+u_ref，由于信号从距地球2万多公里的卫星上发射，到达地球表面时可以看做是平面波入射，地面北斗接收机采用圆极化天线接收，接收天线能够接收信号中的左旋和右旋分量，其增益分别为F_L和F_R。

接收到的直达信号可表示为u_dir＝u_inc,RF_R其中u_inc,R为入射的右旋信号。而反射信号为u_ref＝u_ref′exp[iΦ(θ)]，其中，u_ref′是直达信号经地表的反射信号，Φ(θ)是由于反射信号与直达信号的路径差引起的相位，u_ref′的表达式可以写为：

u_ref′＝(u_inc,RV_S+u_inc,LV_X)F_R+(u_inc,LV_S+u_inc,RV_X)F_L

其中，V_S为同极化系数，V_X为交叉极化系数。由于北斗IGSO卫星仅仅发射单纯的右旋极化信号，即入射波中的左旋分量u_inc,L＝0。则反射信号的表达式如下：

u_ref＝u_ref′exp[iΦ(θ)]

其中反射信号u_ref′由右旋极化部分u_inc,R的同极化分量V_SF_R(入射右旋圆极化信号经反射产生的右旋圆极化分量)和交叉极化分量V_XF_L(右旋圆极化信号产生的左旋圆极化分量)。

u_ref′＝u_inc,RV_SF_R+u_inc,RV_XF_L＝u_inc,R(V_SF_R+V_XF_L)

而Φ为直达信号和反射信号的相位差：

$\mathrm{\Φ}=\mathrm{k\Δl}=2\mathrm{kH}\sin \mathrm{\θ}=\frac{4\mathrm{\πH}}{\mathrm{\λ}}\sin \mathrm{\θ}$

其中，波数θ为卫星仰角。

有效反射高度为H＝h+△h，△h为有效的遥感深度，h为接收天线距离反射面的高度。

干涉信号的功率为直达信号与反射信号矢量叠加的功率值：

P＝|u|²＝|u_dir+u_ref|²

＝|u_dir|²+|u_ref′|²+2|u_dir ^*u_ref′|cos[Φ(θ)]

其中第一项和第二项为直达信号和反射信号的功率，保持一定的稳定性；其在功率的变化图中表现为直流分量或者一个缓变的趋势项；第三项则集中显现了功率的变化与仰角的关系。仅仅考虑其幅度，假设：

A＝2u_dir ^*u_ref′＝2|u_dir ^*||u_ref′|exp[iΨ(θ)]

＝2|u_inc,R|²|F_R ^*(V_SF_R+V_XF_L)|exp[iΨ(θ)]

其中 $\mathrm{\Ψ}\left(\mathrm{\θ}\right){=\tan }^{-1}\left(\frac{\mathrm{ImA}}{\mathrm{ReA}}\right)$

$={\tan }^{-1}\left\{\frac{\mathrm{Im}\left[2{\left|u_{\mathrm{inc},R}\right|}^2{F_R}^{*}(V_S{F}_R+V_X{F}_L)\right]}{\mathrm{Re}\left[2{\left|u_{\mathrm{inc},R}\right|}^2{F_R}^{*}(V_S{F}_R+V_X{F}_L)\right]}\right\}$

$={\tan }^{-1}\left[\frac{\mathrm{Im}\left({F_R}^{*}(V_S{F}_R+V_X{F}_L)\right)}{\mathrm{Re}\left({F_R}^{*}(V_S{F}_R+V_X{F}_L)\right)}\right]$

综合有北斗卫星干涉信号功率可表示为：

$P={\left|u_{\mathrm{dir}}\right|}^2+{\left(\right|{u_{\mathrm{ref}}}^{\′}\left|\right)}^2+2\left|{u_{\mathrm{dir}}}^{*}\right|\left|{u_{\mathrm{ref}}}^{\′}\right|\cos [\frac{4\mathrm{\πH}}{\mathrm{\λ}}\sin \mathrm{\θ}+\mathrm{\Ψ}\left(\mathrm{\θ}\right)]$

从上式可见，这个相移与输入输出信号没有关系，完全取决于天线对左旋和右旋圆极化信号的增益F_R和F_L(天线特性)和反射面的极化特性(同极化因子V_S和交叉极化V_R，当天线特性一定时，反射面的极化特性，主要包括了反射系数，和地面湿度存在关联)。

由上可见，合成后的干涉信号为一个正弦振荡信号，该信号的频率为dΦ(sinθ)/d(sinθ)＝2H/λ，相位为Ψ，而该相位Ψ与湿度存在着抛物线函数的关系，即Ψ＝d₁m_v ²+d₂m_v+d₃。后面的工作即为建立该关联模型并应用其反演土壤湿度。

步骤2：数据预选

对每天的IGSO数据S，以和芯星通的接收机UM220_II执行的软件接口协议，即在NMEA3.0基础上扩展BD2相关语句的版本(NMEAVer h30为例)，可以从该格式的输出数据中得到北斗B频点各信号的仰角、方位角、信噪比(在北斗信号中也常称为载噪比C/N0)。从中选取仰角在5度至30度之间的低仰角信号，记录其卫星编号、信噪比序列为S_i，记录其仰角序列为θ_i。

请见图3，是北斗C08号卫星在上升期间的方位角、仰角和信噪比的数据，其中9是方位角的变化，显示其在方位角为200度左右变化，而10是仰角的变化范围，选取的是5至30度之间，11则是这段时间内信噪比SNR的变化过程，他显示为一个比较明显的振荡。12是一个异常点，表示在该段期间数据有异常，不过这个异常点将会在后续处理中去除。

步骤3：北斗干涉信号数据的预处理

对类似振荡的信噪比数据的处理流程主要有去噪、去趋势项、数据重组、非均匀采样信号频谱分析以获得信号频率、非均匀采样信号曲线拟合来获得相位5个步骤。

(1)去噪。

主要是对信噪比数据进行去噪，请见图3中11，信噪比数据有明显的加性噪声，采用滑动平均对其进行平滑去噪，平滑步长取5，去噪后得信噪比序列S_i'，仰角序列不变为E_i，序列长度为M，去噪公式如下：

$\left\{\begin{array}{c}{S_i}^{\′}=\frac{1}{5}\underset{k=i-2}{\overset{i+2}{\mathrm{\Σ}}}{S}_k,i=3~M-2\\ S_i^{\′}=S_i,i=\mathrm{1,2},M-1,M\end{array}\right.$

(2)去趋势项。

在实际运行中，北斗卫星天线会有其方向特性，导致其接收高仰角信号的功率增益高于低仰角信号的功率增益，要先将趋势项去除，再进行其它处理。我们利用线性最小二乘法拟合出其2次幂趋势项，再将其去除。图4中的14是去噪且去趋势项后干涉信号功率相对于正弦仰角的关系。趋势项函数可表示为：T_i＝a₁θ_i ²+a₂θ_i+a₃，因待拟合系数a_i在多项式T中线性出现，故采用线性最小二乘拟合法。其拟合具体步骤如下：

i.先计算出实际观测值S_i'在各点的残差平方和:

$G\left(a\right)=\underset{i=1}{\overset{M}{\mathrm{\Σ}}}\left|{{\mathrm{\δ}}_i}^2\right|=\underset{i=1}{\overset{M}{\mathrm{\Σ}}}{(T({\mathrm{\θ}}_i,a_1,a_2,a_3)-S_i^{\′})}^2$

ii.然后后求出使要使残差和最小的系数a_i，即G(a)对各a_i求偏导为0： $\frac{\∂G\left(a\right)}{{\∂a}_i}=0,$ 求解得唯一解a_i。

iii.系数a_i拟合出来后，再将除趋势项。去趋势项后信噪比数据为：S″_i＝S′_i-T_i。

(3)数据重组。将信噪比信号按仰角的正弦排列，合并相同元素，得到信噪比数据随仰角的变化趋势序列(t_i,y_i),i＝1,2....N，其中t_i＝sin(θ_i),y_i＝S″_i。

(4)非均匀采样信号频谱分析。因为北斗卫星干涉信号功率相对于仰角正弦sin(θ)有以下关系：

P＝Acos(2πft+Ψ)+C,其中t＝sinθ

其中A为干涉信号功率的幅度，θ为北斗卫星的仰角、λ为北斗卫星载波波长，H＝h+△h，h表示北斗接收机相对于地平面的高度、△h表示反射信号的有效遥感深度。

可以看出北斗卫星干涉信号功率是仰角的正弦函数sinθ的时间函数，因θ是按时间均匀采样的，但转化成正弦后变成非均匀采样，故对其进行频谱分析时要用非均匀采样谱分析法。本发明采用Lomb算法进行谱分析，过程如下：

时域信号序列为y(t_i),i＝1,2,3,…,N，一共有N个计时观测量。首先估算其均值和方差：

$\stackrel{\‾}{y}=\frac{1}{N}\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}y\left(t_i\right),{\mathrm{\σ}}^2=\frac{1}{N-1}\underset{i=0}{\overset{N-1}{\mathrm{\Σ}}}{(y\left(t_i\right)-\stackrel{\‾}{y})}^2$

其功率谱的表达式为：

$P_x\left(\mathrm{\ω}\right)=\frac{1}{{2\mathrm{\σ}}^2}\{\frac{{\left[\underset{i=1}{\overset{N}{\mathrm{\Σ}}}(y\left(t_i\right)-\stackrel{\‾}{y})\cos \mathrm{\ω}(t_i-\mathrm{\τ})\right]}^2}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\cos }^2\mathrm{\ω}(t_i-\mathrm{\τ})}+\frac{{\left[\underset{i=1}{\overset{N}{\mathrm{\Σ}}}(y\left(t_i\right)-\stackrel{\‾}{y})\sin \mathrm{\ω}(t_i-\mathrm{\τ})\right]}^2}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\sin }^2\mathrm{\ω}(t_i-\mathrm{\τ})}\}$

式中，P_t(ω)是角频率ω＝2πf的信号功率，y(t_i)是实验数据，t_i是实验数据时间，N为实验数据统计量，τ为相移因子，是一个常量：

$\tan \left(2\mathrm{\ω\τ}\right)=\frac{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\sin \left({2\mathrm{\ωt}}_i\right)}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\cos \left({2\mathrm{\ωt}}_i\right)}$

图4中上半部分的图是对图3中的11进行频谱分析后的结果，可以看出在19Hz左右为最大频谱密度点，我们将这个频率点选取出来作为干涉信号功率模型的主频率f。

(5)非均匀采样信号曲线拟合

将干涉信号采用三参数的正弦振荡信号模型来表示为：P＝Asin(2πft+Ψ)+C，其中f是正弦振荡的频率,已由lomb算法计算出A是正弦振荡的幅值，Ψ是正弦振荡的相位，C是直流偏置，此3个参数为待求量。图4中的15即拟合的结果。因参数Ψ在P中以非线性方式出现，我们采用非线性最小二乘拟合法拟合该模型。具体步骤如下

i.先计算出实际观测值y_i在各点的残差平方和：

$G\left(c\right)=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}\left|{{\mathrm{\δ}}_i}^2\right|=\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{(P(t_i,A,\mathrm{\Ψ},C)-y_i)}^2.$

ii.然后求出使残差和最小的参数A、Ψ、C，即G(c)对各参数求偏导为0： $\left\{\begin{array}{c}\frac{\∂G\left(c\right)}{\∂A}=0\\ \frac{\∂G\left(c\right)}{\∂\mathrm{\Ψ}}=0,\\ \frac{\∂G\left(c\right)}{\∂C}=0\end{array}\right.$ 这样联立方程求得3个未知数A、Ψ、C，并提取Ψ值。

步骤4：拟合干涉信号相位值与土壤湿度经验关系的建立

将待处理的1个月中每天的数据进行相同的操作，提取出Ψ_i序列，请见图5，16是晴天的干涉信号，17是雨后的干涉信号，可以看到雨后较晴天干涉信号向右移动较明显，即雨后较雨前干涉信号相位减小了。

因为m_vi与Ψ_i有明显的抛物线关系，建立模型Ψ＝d₁m_v ²+d₂m_v+d₃,式中待求参数d₁,d₂,d₃与具体的地面条件联系很大。因此，需要实地积累一段时间土壤湿度m_v和相位值Ψ的联系。方法为采集连续1个月的北斗卫星低仰角信号的数据，将其相位提取出来并结合这个月的原位土壤湿度，将它们的抛物线关系拟合出来，建立经验模型。利用实测湿度与相位值序列(m_vi，Ψ_i)，采用线性最小二乘法可以拟合出系数d₁,d₂,d₃：

i.求残差平方和 $G\left(d\right)=\underset{i=1}{\overset{l}{\mathrm{\Σ}}}\left|{{\mathrm{\δ}}_i}^2\right|=\underset{i=1}{\overset{l}{\mathrm{\Σ}}}{(\mathrm{\Ψ}(m_{\mathrm{vi}},d_1,d_2,d_3)-{\mathrm{\Ψ}}_i)}^2,$ l为湿度与相位的序列长度。

再求使残差平方和G(d)最小的参数d_i，令这样联立方程求得有唯一解的3个未知数d_i。

ii.通过求出的参数d_i确定相位与土壤湿度的抛物线关系：

$m_v=\frac{-d_2+\sqrt{{d_2}^2-{4d}_1(d_3-\mathrm{\Ψ})}}{{2d}_1}$

请见图6，为某地采样的土壤湿度值和相位的抛物线关系，其中18为实际在一个月中采集的土壤湿度值m_v及对应的相位值Ψ，通过最小二乘求得拟合的抛物线为19。

步骤5：利用抛物线关系来反演土壤湿度。

之后即可利用该模型，利用当天的北斗卫星信噪比数据来反演土壤湿度。依据该关系，在算得北斗低仰角信号的相位值之后可反演该地的土壤湿度。

应当理解的是，本说明书未详细阐述的部分均属于现有技术。

应当理解的是，上述针对较佳实施例的描述较为详细，并不能因此而认为是对本发明专利保护范围的限制，本领域的普通技术人员在本发明的启示下，在不脱离本发明权利要求所保护的范围情况下，还可以做出替换或变形，均落入本发明的保护范围之内，本发明的请求保护范围应以所附权利要求为准。

Claims (5)

1.一种基于北斗基准站接收的低仰角信号的土壤湿度反演方法，其特征在于，包括以下步骤：

步骤1.原始数据接收：

通过北斗接收机获取北斗IGSO卫星B1信号的仰角elev1、方位角Azimuth1、B1信号的信噪比S1序列，从中选择低仰角的信号，作为处理的序列；

步骤2.数据预选：

由于北斗IGSO卫星B1信号的24小时的周期性，每天选择同一仰角范围的数据，即IGSO卫星仰角上升期间的干涉信号的信噪比数据作为待处理的数据源；

步骤3.北斗IGSO卫星B1干涉信号的信噪比数据的预处理；

其具体实现包括以下子步骤：

步骤3.1.去噪：由于待处理干涉信号的信噪比数据中包含有高频噪声，故对其进行低通滤波处理；

步骤3.2.去趋势项：由于北斗接收机的天线波束模式对不同仰角的卫星信号有不同增益，因此干涉信号的信噪比数据随仰角变化，这是一个缓变的过程，表现为一个趋势项，故拟合出待处理干涉信号的信噪比数据的曲线趋势项，再将其去掉；

步骤3.3.数据重组：将待处理干涉信号的信噪比数据按仰角的正弦排列，合并相同元素得新的仰角正弦—信噪比序列；

步骤3.4.非均匀采样信号频谱分析：利用非均匀采样信号频谱分析方法来获得待处理信噪比信号数据的频率；

步骤3.5.非线性最小二乘曲线拟合：由于信噪比信号模型是相对于正弦仰角的正弦信号，故采用最小二乘法对待处理数据的信噪比信号进行正弦函数的曲线拟合，拟合出规则的正弦信号；

步骤4.建立待处理数据的拟合干涉信号相位值与土壤湿度经验关系，获得拟合的干涉信号的相位基本变化趋势与土壤湿度变化趋势的抛物线关系；

步骤5.利用抛物线关系来反演土壤湿度：获得某天北斗IGSO卫星B1卫星信噪比数据之后，经过数据处理拟合出当天干涉信号相位，代入抛物线关系中求出当天的土壤湿度。

2.根据权利要求1所述的基于北斗基准站接收的低仰角信号的土壤湿度反演方法，其特征在于：步骤1中所述的低仰角，其仰角范围从5度到30度。

3.根据权利要求1所述的基于北斗基准站接收的低仰角信号的土壤湿度反演方法，其特征在于：步骤3.1中所述的低通滤波处理，其滤波的方法是采用5点滑动平均法。

4.根据权利要求1所述的基于北斗基准站接收的低仰角信号的土壤湿度反演方法，其特征在于：步骤3.4中所述的非均匀采样频谱分析法，是Lomb非均匀谱分析法。

5.根据权利要求1所述的基于北斗基准站接收的低仰角信号的土壤湿度反演方法，其特征在于：步骤4中所述的拟合干涉信号相位值与土壤湿度经验关系的建立，其实现过程为：从拟合出的正弦信号中提取其相位值，连续处理一个月的数据，并将其与这一个月中每日的实测土壤湿度值进行比对，将这1个月相位值按时间顺序排列，并将这1个月的土壤湿度值按时间顺序排列，将二者的变化趋势绘制在一张图中，获得拟合的干涉信号功率信号相位基本变化趋势与土壤湿度变化趋势的抛物线关系，这个关系利用这个月的数据进行拟合后作为反演土壤湿度的模型。