基于简缩极化干涉SAR数据的森林垂直参数反演

森林区域竖直结构参数的反演是极化干涉雷达的一个重要应用,基于RVo G模型,运用全极化干涉数据可成功获得森林区域的地形估计及树高反演。该文将基于单基线简缩极化干涉SAR(C-Pol In SAR)数据对森林区域进行林下地形估计及树高反演。推导单基线简缩极化干涉相干系数及相干区域,根据相干区域进行直线拟合,提出简缩极化干涉数据下的地形相位判别准则及体散射去相干估计方法,然后完成树高反演。通过L,P波段仿真数据以及实测机载数据对上述方法进行验证,获得正确地形及树高。简缩极化发射波极化状态不唯一,因此该文详细分析不同参数的椭圆极化对地形及树高等参数估计的影响,研究表明地形树高受椭圆极化波影响较小,也验证了估计方法的稳定性。

合成孔径雷达简缩极化干涉数据的植被高度反演技术研究

该文提出了一种利用合成孔径雷达简缩极化干涉数据进行植被高度反演的三阶段方法。将全极化干涉数据处理中的相干最优方法引入简缩极化干涉数据处理,由相位最优相干系数对应的最优相位获得体去相干系数和地表相位的初始估计,利用相干区域边界提取方法更新体去相干系数,得到精确的植被高度估计值。采用欧空局提供的L波段的模拟全极化干涉数据构造简缩极化数据集,将该数据用于植被反演,反演结果验证了提出方法的有效性。

基于模型的π/4模式简缩极化干涉数据目标分解

基于模型的目标分解是极化合成孔径雷达(SAR)的一个重要应用,基于模型目标分解依赖于极化数据仅能获得各散射机制的能量信息。该文将基于模型的分解技术应用到π/4模式的简缩极化干涉SAR(C-Pol In SAR)数据中,对互相关矩阵进行分解,在获得各散射机制功率的同时获得对应的散射相位中心。该文首先推导出3种散射机制π/4简缩极化SAR干涉观测下散射模型,然后运用数值计算方法进行目标分解,最终求解出各散射机制的功率贡献及相位中心高度信息。仿真数据验证了该算法的有效性,分析了不同波段及不同地表参数对分解结果的影响。

基于混合极化架构的极化SAR:原理与应用(中英文)

合成孔径雷达(Synthetic Aperture Radar,SAR)应用性能主要受限于同时获取高分辨与宽测绘幅宽的雷达图像的能力。而对于极化SAR(Polarimetric SAR,Pol SAR)系统而言,其测绘幅宽更加受限。近年来,称为混合极化(Hybrid-Polarity,HP)架构的新型极化SAR架构吸引了广泛的注意。相比于传统的线性极化SAR,基于混合极化架构的极化SAR具有两点重要优势:更宽的测绘幅宽与更低的硬件要求。该文首先回顾了包括系统设计、系统模型与定标方法在内的混合极化架构相关原理。接着详细阐述了混合极化架构在定标与发射配置两个方面在工程实现中的难点并提出了一种改进型混合极化架构。与此同时,还介绍了以实验验证为目的而开发的原型实验系统。该文的后半部分回顾了适用于基于混合极化架构的极化SAR的相关应用。由于基于混合极化架构的极化SAR系统产生的全极化数据可以直接转换为传统的线性全极化数据,因此这一部分内容主要集中在对应的双极化应用,即简缩极化(Compact Polarimetry,CP)应用上。