GEO SAR天线波束指向定标中的误差分析

GEO SAR因其超宽测绘带和超长的合成孔径时间,导致低轨SAR波束指向定标方法不再适用,进而采取基于多脉冲分时比幅的波束指向定标方法。本文针对该指向定标方法,结合GEO SAR星地几何关系,对卫星姿态变化、三维系统性误差以及波束指向定标方法中接收机信噪比和通道增益稳定性引入的指向误差进行了详细的推导和仿真分析。仿真结果表明,0.003°的姿态测量误差会引入0.003°的距离向指向误差和0.0033°的方位向指向误差;三维系统性误差是导致天线波束指向变化的主要误差源;当SNR≥35 dB、通道增益稳定性优于1 dB时,GEO SAR波束指向定标方法引入的指向误差小于0.001°。

压缩感知合成孔径雷达射频干扰抑制处理

对基于压缩感知技术的合成孔径雷达(SAR,Synthetic Aperture Radar)成像,射频干扰(RFI,Radio Frequency Interference)的存在会破坏场景稀疏的先验条件,造成成像质量恶化,使得后续的成像处理无法正确完成的问题,提出了一种压缩感知SAR的RFI抑制方法.首先基于RFI在频域的稀疏特征,采用贪婪算法结合最小描述长度(MDL,Minimum Description Length)估计出RFI分量稀疏度;然后对每个脉冲的回波信号,估计RFI信号分量并在时域直接滤除,再应用常规的压缩感知SAR重构算法实现成像处理.L波段SAR数据的仿真处理结果验证了文中方法的有效性.

基于混沌理论和形态学变换的海面分布目标检测

基于海杂波的混沌特性,给出了混沌理论和形态学变换相结合的海面分布目标检测方法。该方法首先利用海杂波的混沌预测误差对海面合成孔径雷达(Synthetic aperture radar,SAR)图像中的分布目标进行恒虚警率(Constant false alarm rate,CFAR)检测,然后用形态学变换来改善检测效果。用实测的机载海面SAR图像进行检测实验,结果表明该算法有效,并且可以对任意类型的海面分布目标进行检测。

采用最小二乘法综合旋转对称抛物面天线方向图

分析阵列馈源激励的抛物面天线方向图综合问题。通过调整馈源阵列的激励分布实现抛物面天线的波束扫描。通过物理光学法计算出单馈源抛物面天线的方向图,在此基础上求解最小二乘问题来优化阵列的激励系数,有效综合了抛物面天线的方向图,达到控制主瓣扫描方向、旁瓣电平、交叉极化分量等设计要求。给出算例,验证了本文方法的有效性。

基于DEM辅助后向投影模型的InSAR高程反演方法

利用干涉合成孔径雷达(InSAR)技术获取数字高程模型(DEM)时,在地形起伏剧烈区域,干涉条纹十分密集,增加了相位解缠的难度,影响相位展开和高程反演的精度。为了解决该问题,该文提出了一种基于DEM辅助后向投影模型的InSAR高程反演方法。该方法可以在统一的后向投影成像空间中实现成像和InSAR高程反演,并且引入外源DEM作为辅助信息,去除大部分地形相位,有效地降低了干涉条纹的密度,减少了干涉相位的缠绕。此外,该方法在多数情况下可以避免图像配准和相位解缠过程,简化了传统InSAR的处理流程,并且可以实现高精度的高程反演。通过仿真实验和X波段机载双天线InSAR数据的处理验证了该方法的有效性。

基于少样本学习的遥感图像超分辨率重建算法

基于深度学习的超分辨率重建方法多数采用已知的模糊核训练网络,在实际应用中模糊核通常未知,在此情况下这类方法的重建效果将显著下降。零样本超分方法利用图像自身构建训练集,能够改善由于模糊核未知所带来的性能下降,但由于仅利用图像自身信息,对重建效果的提升有一定的局限性。本文提出增强少样本学习方法解决模糊核未知时的超分重建问题,一方面,选取与低分图像类似的示例图像构建训练集;另一方面,扩大网络规模并优化网络结构。在UCMerced_LandUse数据集上的实验结果表明,与零样本超分方法相比,本文所提方法具有更好的超分重建效果。

TwinSAR-L基线定标中的参考高程误差分析

为分析分布目标基线定标方法的L波段适用性,本文结合我国于2021年发射的L波段编队InSAR卫星(TwinSAR-L)的系统参数,从典型分布目标的穿透和后向散射系数特性出发,指出分布目标参考高程误差不仅包括自身测量误差还包含由穿透和信噪比去相干引入的参考高程误差Δh_(errPen)和Δh_(errSNR),并利用TwinSAR-L数据及TanDEM-X分布目标基线定标模型分析了这两项误差与基线定标误差之间的关系。最后,利用ALOS-2数据定量分析发现研究区域L波段的Δh_(errPen),Δh_(errSNR)分别为1.09 m,1.39 m。这将分别引入7.9 mm,10 mm的基线定标误差,严重影响基线定标和后续DEM产品精度。本文的研究工作对TwinSAR-L的基线定标具有一定的理论指导意义。

基于机载ATI-SAR相位中心误差分析的天线系统结构设计(英文)

顺轨干涉合成孔径雷达(ATI-SAR)可检测地面动目标并测量其速度.相位中心误差是机载ATI-SAR的重要误差源之一.除需外定标处理固定偏差外,还需在天线结构设计时以一定的刚性强度抑制慢变误差.分析了由天线机械形变导致的相位中心慢变误差的变化规律,并根据机载ATI-SAR测速精度的要求对天线系统结构设计提出需求,为合理的天线结构设计提供理论基础。

一种基于自适应背景杂波模型的宽幅SAR图像CFAR舰船检测算法

利用海洋宽幅SAR图像进行大范围海域舰船检测在海洋监视、军事侦察等方面具有重要应用。由于海况的复杂性,宽幅SAR图像背景杂波特性随海域不同而变化。采用双参数CFAR检测算法和基于K分布CFAR检测算法在处理宽幅SAR图像时,由于在待检测的所有区域采用同种背景杂波模型,导致使用的杂波模型在不适应区域失配,使CFAR检测性能下降。针对这个问题,提出了一种基于自适应背景杂波模型的CFAR宽幅SAR图像舰船检测算法,该算法通过背景窗口的多尺度统计方差判断目标所处的杂波环境,自适应选择对应的背景杂波分布模型,最后根据已知的恒虚警率及选择的杂波概率密度函数进行CFAR检测。对20多幅宽幅SAR图像进行了试验,实验结果表明:该算法在检测精度上有明显的改善。

基于深度神经网络的SAR建筑目标三维重建方法

建筑物三维重建在城市规划、灾害监测、智慧城市等领域有重要应用,是计算机视觉、摄影测量、遥感等领域研究的重要课题.由于SAR成像机理的特殊性和复杂性,基于SAR图像的建筑物三维重建难度很大,现有方法的适用性和自动化程度都亟待提升.本文构建了基于深度学习与雷达成像机理结合的SAR图像建筑物检测及三维重建整体框架,并提出了基于耦合等效复数卷积神经网络的SAR图像建筑侧立面检测方法,基于RaySAR的建模仿真及点云生成方法,以及基于3D生成网络的SAR建筑物三维重建方法,利用TerraSAR-X与GF-3高分辨率SAR图像进行实验,得到了较好的三维重建结果.本文方法为SAR图像目标三维重建提供了新的技术途径,是SAR目标三维重建的有益尝试.