微波视觉三维SAR实验系统及其全极化数据处理方法

三维合成孔径雷达在测绘制图、防灾减灾等诸多领域有应用潜力,已经成为SAR的重要研究方向。为减少三维SAR的观测次数或天线阵元数量,推动三维SAR的应用和发展,中国科学院空天信息创新研究院牵头研制了微波视觉三维SAR实验系统,旨在为微波视觉SAR三维成像提供实验平台和数据。该文针对微波视觉三维SAR实验系统及其全极化数据处理方法进行介绍,涵盖了极化校正、极化相干增强、极化约束三维成像、三维融合可视化等全流程的关键步骤。基于发布的SAR微波视觉三维成像全极化数据集,给出了三维成像结果示例,验证了微波视觉三维SAR实验系统的全极化性能以及处理方法的有效性。该文发布的数据集将为SAR三维成像研究提供良好的数据条件。

基于压缩冗余采样的线阵三维SAR成像方法

线阵三维SAR系统可实现对地面场景的三维成像,是近年来研究的热点,但受载机平台和实际条件的限制,其切航迹向分辨率难以提高。结合三维场景中的目标稀疏特征,提出了一种基于压缩冗余采样的线阵三维SAR超分辨成像方法。相比于匹配滤波成像方法,该方法需要较少的阵元数就可以进行超分辨成像,并且冗余基的采样结构使成像位置更加精确,在抑制旁瓣的同时大大提高了切航迹向的分辨率。仿真实验证明了算法的有效性。

基于模拟退火法的优化线阵的前视三维SAR模型

提出了一种基于模拟退火法的优化线阵的前视三维合成孔径雷达(SAR)模型。针对实线阵需要的阵元个数多、数据计算量大等问题,利用模拟退火法优化3D-SAR的天线阵列得到一个位置优化的非均匀稀疏线阵。分析比较非均匀稀疏线阵和几种不同结构的线阵:非均匀稀疏线阵能以较少的阵元数目达到与其他几种阵列相似甚至更好的波束分辨率,并有效地避免了均匀稀疏阵列的栅瓣问题。分析了前视三维SAR的信号模型。将位置优化的非均匀稀疏线阵应用于前视三维SAR成像并结合BP成像算法。通过仿真实验验证了该模型的正确性和有效性。

微波视觉三维SAR关键技术及实验系统初步进展

合成孔径雷达(SAR)三维成像在复杂地形测绘、复杂环境下目标发现与识别等方面具有重要应用潜力,是当前SAR领域的重要发展方向之一。为推动SAR三维成像技术的发展和应用,中国科学院空天信息创新研究院牵头设计并研制了一套无人机载微波视觉三维SAR实验系统(MV3DSAR),为相关技术研究和验证提供实验平台。目前该系统的单极化版本已研制完成,并在天津开展了首次校飞实验。该文介绍了该系统的基本构成、主要性能以及系统和数据处理的关键技术,给出了首次校飞实验的实施情况以及初步的数据处理结果,验证了系统的基本性能指标和三维成像能力。该系统为后续SAR三维成像数据集构建和处理方法研究提供了良好的实验验证平台。

基于自学习稀疏先验的三维SAR成像方法

合成孔径雷达三维成像技术(3D SAR)能通过孔径维度扩展实现三维成像能力,但数据维度大、系统实现难、成像分辨率低。压缩感知稀疏重构技术在简化3D SAR系统、提升成像质量等方面展现出巨大潜力,但面临计算复杂度高、参数设置困难、弱稀疏场景适应差等新问题,制约了其实际应用。针对上述问题,该文结合卷积神经网络的特征学习及迭代算法的深度展开理论,提出了基于自学习稀疏先验的3D SAR成像方法。首先,探讨了常规3D SAR稀疏成像中矩阵向量线性表征模型的局限性,引入成像算子提升成像算法处理效率。其次,讨论了迭代算法映射网络的深度展开模型和实现方式,包括网络拓扑结构设计、算法参数的优化约束及网络的训练方法。最后,通过仿真数据和地面实验,证明了所提方法在提升成像精度的同时,其运行时间较传统稀疏成像算法降低一个数量级。

一种下视三维FMCW SAR成像的新方法

研究了基于调频连续波(FMCW)的下视三维SAR成像,提出了一种下视三维FMCW SAR成像的新方法.首先根据等效相位中心原理,将双基工作模式等效为单基工作情况,之后对距离维、沿航向维和垂直航向维分别处理.对于距离维、沿航向维的处理采用频域校正距离徙动的RD算法;对于垂直航向维的处理采用等价聚束式SAR分析,并引入"单点等效斜视模型",通过公式推导与理论分析说明对同一距离单元的点,尽管等效斜视模型不同,但仍然能够进行统一处理.另外,也分析了调频连续波SAR所特有的Doppler频移项,以及其对目标聚焦的影响,并给出了相应的补偿方法.最后,仿真数据处理结果验证了分析的正确性和算法的有效性.

基于门限正交匹配追踪(TOMP)的线阵SAR三维成像方法

在本文中提出了一种基于门限正交匹配追踪(TOMP)算法的线性阵列SAR三维成像超分辨方法。由于传统阵列SAR三维成像方法(如:BP、RD)都是基于相参积累原理的,其缺点是峰值旁瓣比较高,主瓣宽度较宽,其分辨率受限于瑞利限,雷达图像的分辨率较低。有学者提出了基于正交匹配追踪(OMP)的阵列SAR三维成像算法,其分辨率高于传统三维SAR成像方法的理论分辨率且进行稀疏采样大大降低了雷达数据的规模,但是OMP算法有个很大的缺点就是要设定观测场景的稀疏度。在雷达领域中这个观测场景的稀疏度往往是未知的,因此为了能够准确重构出观测场景,OMP算法设定的稀疏度的值通常大于信号的真实稀疏度,这将导致OMP算法重构得到的雷达图像中出现旁瓣,图像质量下降,算法效率降低。在OMP算法的基础上,本文提出了门限正交匹配追踪(TOMP)算法,该算法克服了OMP算法需要预设场景稀疏度而导致的缺点,得到的雷达图像的质量更好,算法效率更高。在文章最后给出了仿真实验证明了TOMP算法相对于OMP算法优势。

SARMV3D-1.0:SAR微波视觉三维成像数据集

三维成像是合成孔径雷达技术发展的前沿趋势之一,目前的SAR三维成像体制主要包括层析和阵列干涉,但面临数据采集周期长或系统过于复杂的问题,为此该文提出了SAR微波视觉三维成像的新技术思路,即充分挖掘利用SAR微波散射机制和图像视觉语义中蕴含的三维线索,并将其与SAR成像模型有效结合,以显著降低SAR三维成像的系统复杂度,实现高效能、低成本的SAR三维成像。为推动SAR微波视觉三维成像理论技术的发展,在国家自然科学基金重大项目支持下,拟构建一个比较完整的SAR微波视觉三维成像数据集。该文概述了该数据集的构成和构建规划,并给出了第一批发布数据(SARMV3D-1.0)的组成和信息描述方式、数据集制作的方法,为该数据集的共享和应用提供支撑。

基于SVD-SRNet的SAR三维成像方法

合成孔径雷达(SAR)三维成像是传统二维SAR成像在雷达精细信息获取与感知领域的重要发展,可分辨重叠于二维SAR图像同一像素中的多个目标。稀疏信号处理是进行SAR三维成像的有效方法,但由于稀疏信号处理的非线性特征,常需迭代运算,效率较低。研究人员已提出利用深度学习技术实现快速解算非线性信号处理问题的思路,在三维成像领域已有初步应用。然而,由于SAR三维实测数据稀缺,三维成像网络的训练只能依赖于仿真数据进行,并且仿真数据与实测数据存在差异大的问题,导致基于深度学习方法的SAR三维成像精度受限。为此,本文提出了一种基于奇异值分解的信号空间归一化超分辨网络(SVD Signal-Space Normalization SuperResolution Net,SVD-SRNet),能够解决由于仿真数据与实测数据存在差异大导致的三维成像网络化方法鲁棒性低的问题,与传统方法相比所提方法具有更优异的成像精度。计算机仿真试验和无人机SAR实测数据试验证明了本文所提方法的有效性。

无先验模型复杂结构设施SAR全方位三维成像方法研究

复杂结构设施的SAR三维成像是SAR成像领域的热点和难点问题。现有SAR三维成像依赖于高程方向的多通道或多次飞行,对雷达系统或数据获取的要求较高。该文提出无先验模型复杂结构设施三维成像方法,仅需一次飞行即可获得先验信息未知区域全场景全方位三维图像。该方法充分利用圆迹SAR的全方位观测、解叠掩和解高程模糊优势,无需目标预先建模和三维成像网格构建,适用于大面积区域复杂结构设施的精细三维成像,在雷达三维成像实用化技术方面取得了重要进展。通过该方法首次获得FAST射电望远镜的雷达全方位三维图像,验证了理论与方法的正确性与有效性。

基于快速分解后向投影算法的小天体快速三维成像

雷达成像技术凭借其快速、无损伤以及高分辨率的特点,在深空探测领域得到了日益广泛的关注。针对合成孔径雷达(Synthetic aperture radar,SAR)三维成像过程中运算效率低的问题,基于小天体弱引力和快速自旋的特点,提出了一种适用于慢飞越观测模式的快速分解后向投影(Fast factorized back-projection,FFBP)三维成像算法。首先,分析了慢飞越模式下的等效运动模型,基于运动模型将二维极坐标系成像域扩展至三维球坐标系成像域,对三维FFBP算法中的孔径划分以及图像融合问题进行了深入分析,推导了子孔径二维划分规则和图像递归融合方法,并给出了具体实现流程。最后通过数值仿真和实测数据验证了算法的有效性。实验结果表明,所提成像算法可大幅提升运算效率,根据不同的孔径划分方式,相较于后向投影(Back-projection,BP)算法,可实现30~50倍的加速比,并获得与经典BP算法近似的成像性能。

3-D reconstruction of coastal bathymetry from AIRSAR/POLSAR data

This paper introduces a new method for reconstructing three-dimensional （3D） coastal bathymetry changes from Airborne AIRSAR/POLSAR synthetic aperture data. The new method is based on integration between fuzzy B-spline and Volterra algorithm. Volterra algorithm is used to simulate the ocean surface current from AIRSAR/POLSAR data. Then, the ocean surface current information used as input for continuity equation to estimate the water depths from AIRSAR/POLSAR data. This study shows that 3D ocean bathymetry can be reconstructed from AIRSAR/POLSAR data with root mean square error of ±0.03 m.