一种联合Khatri-Rao子空间与块稀疏压缩感知的差分SAR层析成像方法

虽然采用压缩感知技术(Compressive Sensing,CS)的差分SAR层析成像方法实现了4维空间信息的重构,但是此方法仅利用了目标的稀疏特性并没有考虑目标的结构特性,因此对同时具有稀疏特性和结构特性的目标进行重构时其性能较差。针对这一问题,该文采用联合Khatri-Rao子空间和块压缩感知(Khatri-Rao Subspace and Block Compressive Sensing,KRS-BCS),提出一种差分SAR层析成像方法。该方法依据目标的结构特性和重构观测矩阵具有的Khatri-Rao积性质,将稀疏结构目标的差分SAR层析成像问题转化为Khatri-Rao子空间下的BCS问题,最后对目标进行块稀疏的l_1/l_2范数最优化求解。相比CS差分SAR层析成像方法,该方法不仅保持了CS差分SAR层析成像方法的高分辨率特点,而且其重构精度更高性能更优。仿真数据和ENVISAT星载ASAR数据以及地面GPS实测数据的试验结果验证了该方法的有效性。

TomoSAR技术在城市形变监测中的应用

作为永久散射体雷达干涉测量技术的延伸,多基线SAR层析成像技术能够分离单个SAR像素内的多重散射体信号,精确地获取人工地物目标的三维位置和形变信息,突破城市地区形变监测中叠掩效应的制约,实现城市动态形变监测。尤其是新一代高分辨率SAR卫星发射成功后,为城市动态形变监测研究提供了大量高分辨率高精度数据源。本文首先介绍SAR层析技术的理论模型,然后归纳了现有的层析算法和应用领域,最后探讨了该技术发展面临的关键问题并展望了其广阔发展前景。