CN102401892B - 一种极化干涉合成孔径雷达系统性能评估方法 - Google Patents
一种极化干涉合成孔径雷达系统性能评估方法 Download PDFInfo
- Publication number
- CN102401892B CN102401892B CN 201010287638 CN201010287638A CN102401892B CN 102401892 B CN102401892 B CN 102401892B CN 201010287638 CN201010287638 CN 201010287638 CN 201010287638 A CN201010287638 A CN 201010287638A CN 102401892 B CN102401892 B CN 102401892B
- Authority
- CN
- China
- Prior art keywords
- gamma
- decoherence
- synthetic aperture
- size
- aperture radar
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种极化干涉合成孔径雷达系统性能评估方法,涉及合成孔径雷达技术,该方法首先将极化干涉合成孔径雷达的系统参数与系统干涉性能的表征参数(干涉相干性和干涉相位估计标准差)建立联系。给定典型应用场景的参数,通过一种简化有效的极化干涉数据仿真方法,得到数据。接着利用该数据重新计算出典型应用场景的参数,通过比较可分析参数估计性能从而评估极化干涉合成孔径雷达系统的实际应用性能。本发明方法原理简单、计算方便,可用于未来星载和机载极化干涉合成孔径雷达系统的性能的评估、比较及其典型应用的可行性分析。
Description
技术领域
本发明涉及合成孔径雷达技术领域,是一种紧密结合极化干涉合成孔径雷达特点和典型应用的雷达系统性能评估方法。
背景技术
合成孔径雷达具有全天候、全天时、高分辨率等优势,在过去的五十多年中得以迅猛发展并广泛应用于军事侦察、遥感测绘、地质减灾等国民经济生活中的重要领域。极化干涉合成孔径雷达是传统极化合成孔径雷达与干涉合成孔径雷达的结合,它不仅具有极化合成孔径雷达对散射体形状、指向、介电系数等参数敏感的特性,还具有干涉合成孔径雷达对散射体的高度、运动、形变信息敏感的特性,因此在近十年来得以迅速低发展,并已成为合成孔径雷达领域的研究热点之一[1-4]。
合成孔径雷达的应用已经逐步由过去的定性应用走向定量应用(例如由雷达图像进行目标判译到陆地生物物理参数的估计)。传统的合成孔径雷达主要是形成高分辨率图像,以进行目标的判读、识别。针对这类定性的应用,系统性能评估主要依靠图像的分辨率高低、信噪比大小、动态范围等指标进行评估。然而随着技术的发展,新一代的合成孔径雷达系统(如干涉合成孔径雷达、极化干涉合成孔径雷达)更多地是面向对地观测定量应用,如地形高度估计、森林高度、生物量估计、农作物高度估计等等,这类系统的性能与典型应用的性能紧密相关。
干涉合成孔径雷达系统的性能评估方法一方面是根据干涉相位的相干性进行评估[1],另一方面是基于其数字高程模型的应用,考察其最终高程估计误差的大小进行评估[2,3]。在后者的评估方法中,系统参数和高程测量精度之间有确定的关系式,因此高程测量误差可由系统参数给出,从而可评估系统的性能。
极化干涉合成孔径雷达技术是近十年来发展起来的新技术[4-7],它是极化技术与干涉技术的结合,可以通过常规极化合成孔径雷达系统的干涉测量或常规干涉合成孔径雷达升级到全极化合成孔径雷达来实现。然而这类升级方法是否有效应用,需要一种针对极化干涉合成孔径雷达的评估方法对其进行可行性分析。由于极化干涉合成孔径雷达的应用对象与常规极化合成孔径雷达、干涉合成孔径雷达不同,因此需要一种针对极化干涉合成孔径雷达定量应用(例如森林参数估计、农作物参数估计)的性能评估方法。
Krieger等人根据极化干涉合成孔径雷达具有区分不同高度散射中心的能力,提出了相位管的系统性能分析方法[8,9],但是这一方法还不是直接针对典型应用的评估方法,它类似于干涉成孔径雷达系统性能评估中“去相干性分析”的评估方法。目前直接针对典型应用的评估方法较少,难点主要是极化干涉合成孔径雷达典型应用(如森林高度)与雷达系统参数之间是用复杂相干散射模型[10,11]进行联系的,两者之间没有如干涉合成孔径雷达那样,其系统参数和高程误差之间有直接定量的关系表达式,因此解析地分析极化干涉合成孔径雷达系统应用性能难以进行。
发明内容
本发明的目的公开一种极化干涉合成孔径雷达系统性能评估方法,通过数据仿真、参数估计以及设定值和估计值的比较,来评估极化干涉系统的典型应用性能。通过该性能评估方法,可以较全面地评估一个极化干涉合成孔径雷达系统的性能,解决了极化干涉合成孔径雷达系统的性能评估问题。
为达到上述目的,本发明的技术解决方案是:
一种极化干涉合成孔径雷达系统性能评估方法,包含系统典型应用的性能评估,其包括如下步骤:
A)利用极化干涉合成孔径雷达系统的参数及典型目标场景参数计算干涉去相干大小;
B)根据极化干涉合成孔径雷达系统的参数及设定的典型目标场景参数,仿真极化干涉合成孔径雷达数据;
C)基于B)步所获得的数据重新估计目标场景的参数;
D)通过目标场景参数的设定值和估计值的比较,评估该极化干涉合成孔径雷达系统的应用性能。
所述的评估方法,其所述步骤A)中,干涉去相干的计算包含如下步骤:
A1、计算体散射去相干的大小:
式中hV和σ分别为典型目标场景的高度和衰减系数,θ为入射角,κz为垂直波数,B⊥为垂直基线,λ为雷达波长,H为平台高度,κ为波数,对于雷达交替工作模式,其值为κ=4π/λ,对于雷达单发模式,其值为κ=2π/λ;
A2、计算雷达系统热噪声去相干大小:
式中SNR为雷达信噪比,σ0为雷达归一化后向散射系数,NEσ0为系统噪声等效后向散射系数;
A3、计算数据处理中配准去相干大小:
式中δrg和δaz分别为距离向和方位向的配准像素精度;
A4、计算雷达系统模糊去相干大小:
式中RASR和AASR分别为距离向和方位向的模糊-信号比;
A5、估计量化去相干大小:
若为2+2比特量化,其量化去相干大小约为γQuant=0.895;
若为3+3比特量化,其量化去相干大小约为γQuant=0.966;
若为4+4比特量化,其量化去相干大小约为γQuant=0.991;
若为5+5比特量化,其量化去相干大小约为γQuant=0.997;
A6、若极化干涉合成孔径雷达为重复飞行获取数据,则还需计算时间去相干大小,评估不同时间去相干时的系统性能;时间去相干的一个粗略计算公式为:
式中σy和σz分别为交轨向和垂直向的均方差运动,κ为波数,θ为入射角;
A7、计算除体散射外的总去相干大小:
所述的评估方法,其所述步骤B),具体步骤为:
B1、利用RVoG模型计算T6矩阵:
式中ε为体散射体层粒子形状参数,对于偶极子云,ε=0.5;对于球,ε=0;μ为地体幅度比,对于HH+VV通道,μ可设为0.5;对于HH-VV通道,μ可设为1;对于HV通道,μ可设为0;
B2、根据T1/2(T1/2)*T=T6,利用特征值分解计算T1/2;
B3、仿真出6维复高斯分布噪声矢量v G(0,0.5);
B4、根据g=T1/2v计算Pol-InSAR数据:
所述的评估方法,其所述步骤C)中,基于所获得的数据重新计算典型目标场景的参数,包含以下步骤:
C1、计算HV和HH-VV极化的干涉复相干系数:
式中,L通常取7*7或5*5;
C2、计算地面相位:
式中
C3、利用式(2)计算典型目标场景高度和衰减系数。
所述的评估方法,其所述步骤D),具体包含如下步骤:
D1、改变典型目标场景高度设定值,重复A、B、C步骤。
D2、比较典型目标场景高度的设定值和估计值之间的误差,评估极化干涉合成孔径雷达系统的应用性能。
所述的评估方法,其所述典型目标场景为森林。
本发明方法原理简单、计算方便,可用于未来星载和机载极化干涉合成孔径雷达系统的性能的评估、比较及其典型应用的可行性分析。
附图说明
图1是本发明一种极化干涉合成孔径雷达系统性能评估方法的流程图;
图2(a)是体散射去相干系数与地体幅度比的关系图;
图2(b)是干涉相位与地体幅度比的关系图;
图3是步骤C计算典型目标场景(森林)参数的算法流程图;
图4(a)是不同时间去相干时仿真的HV通道数据相干系数图;
图4(b)是不同时间去相干时仿真的HH-VV通道数据相干系数图;
图5是不同时间去相干时树高反演结果示意图;
图6是树高设定值与反演得到的树高关系示意图。
具体实施方式
如图1所示,本发明的极化干涉合成孔径雷达系统性能评估方法,包含系统典型应用的性能评估,具体步骤如下:
A)利用极化干涉合成孔径雷达系统的参数及典型目标场景(如森林)参数计算干涉去相干(相干性损失)大小;
B)根据极化干涉合成孔径雷达系统的参数及设定的典型目标场景(如森林)参数,仿真极化干涉合成孔径雷达数据;
C)基于所获得的数据重新估计目标场景的参数;
D)通过目标场景参数的设定值和估计值的比较,评估该极化干涉合成孔径雷达系统的应用性能。
步骤A)利用极化干涉合成孔径雷达的系统参数及典型目标场景(如森林)参数计算干涉去相干(亦称去相关)大小。干涉去相干的计算包含如下步骤:
A1、计算体散射去相干的大小,是为了评估体散射体目标(如森林、农作物、冰雪等具有穿透性的媒介)对系统相干性的影响,它是随着极化的变化而变化的:
式中hV和σ分别为典型目标场景(森林)的高度和衰减系数(亦称消光系数),θ为入射角,κz为垂直波数,B⊥为垂直基线,λ为雷达波长,H为平台高度,κ为波数,对于雷达交替工作模式,其值为κ=4π/λ,对于雷达单发模式,其值为κ=2π/λ。
A2、计算雷达系统热噪声去相干大小,是为了评估雷达系统存在的噪声影响对相干性的影响程度:
式中SNR为雷达信噪比,σ0为雷达归一化后向散射系数,NEσ0为系统噪声等效后向散射系数。
A3、计算数据处理中配准去相干大小,是为了评估干涉数据处理中,配准的精度对干涉相干性的影响:
式中δrg和δaz分别为距离向和方位向的配准像素精度。
A4、计算雷达系统模糊去相干大小,是为了评估雷达距离和方位向模糊度对系统相干性的影响:
式中RASR和AASR分别为距离向和方位向的模糊-信号比。
A5、估计量化去相干大小,是为了评估雷达记录数据的量化对系统相干性的影响,根据仿真结果:
若为2+2比特量化,其量化去相干大小约为γQuant=0.895;
若为3+3比特量化,其量化去相干大小约为γQuant=0.966;
若为4+4比特量化,其量化去相干大小约为γQuant=0.991;
若为5+5比特量化,其量化去相干大小约为γQuant=0.997。
A6、若极化干涉合成孔径雷达为重复飞行获取数据,则还需计算时间去相干大小,时间去相干的一个粗略计算公式为:
式中σy和σz分别为交轨向和垂直向的均方差运动,κ为波数,θ为入射角。
A7、计算除体散射外的总去相干大小:
γD=γSNR·γCoreg·γAmb·γQuant·γTemp (7)
步骤B)根据该极化干涉合成孔径雷达系统的参数及典型目标场景(森林)参数,通过一种简化有效方法仿真极化干涉合成孔径雷达数据,具体步骤为:
B1、利用RVoG模型计算T6矩阵。RVoG模型是说明极化干涉体散射特性的较好模型;T6是一个像元两组极化合成孔径雷达干涉数据的矩阵表示:
式中ε为粒子形状参数,对于偶极子云,ε=0.5;对于球,ε=0。μ为地体幅度比,对于HH+VV通道,μ可设为0.5;对于HH-VV通道,μ可设为1;对于HV通道,μ可设为0。
B2、根据T1/2(T1/2)*T=T6,利用特征值分解计算T1/2,是为了将两组极化合成孔径雷达数据的矩阵表示分解为单组极化合成孔径雷达数据。
B3、仿真出6维复高斯分布噪声矢量v G(0,0.5),是为模拟实际数据的统计特性。
B4、仿真出的Pol-InSAR数据为g=T1/2v,其中
步骤C)基于所获得的数据重新计算典型目标场景(森林)的参数,是为了评估系统的典型应用性能。包含以下步骤,流程图如图3所示:
C1、计算HV和HH-VV极化的干涉复相干系数,是因为两个通道数据物理上对应冠层和地面相位中心:
式中,L取7*7。
C2、计算地面相位,该参数是待估计的森林参数之一:
式中
C3、利用式(2)计算森林高度和衰减系数。
步骤D)通过设定值和估计值的比较,评估该极化干涉合成孔径雷达系统的应用性能,具体包含如下步骤:
D1、改变森林高度的设定值,重复A、B、C步骤。
D2、比较森林高度的设定值和估计值之间的误差,评估极化干涉合成孔径雷达系统的应用性能。
下面结合附图详细说明本发明技术方案中所涉及的各个细节问题。应指出的是,所描述的实施例仅旨在便于对本发明的理解,而对本发明不起任何限定作用。
本发明的实施例,是分析日本ALOS/PALSAR系统的极化干涉合成孔径雷达(SAR)性能。其主要参数如表1所示:
表1ALOS/PALSAR重轨系统性能分析主要参数
参数 | 数值 |
波长 | 0.236m |
轨道高度 | 691km |
带宽 | 14MHz |
峰值传输功率 | 2000W |
占空比(交替发射极化) | 3.5%(7%/2) |
接收机噪声系数 | 4dB |
接收和处理损失 | 1dB |
测绘带损失 | <3dB(40km测绘带) |
大气损耗 | 1dB |
天线尺寸(Tx,Rx) | 8.9mx3.1m |
配准精度 | 1/10像素 |
量化 | 4bit(BAQ) |
模糊度 | -14dB |
入射角 | 35° |
重访间隔 | 46天 |
垂直基线 | 700m |
同时选取的典型森林参数如表2所示
表2典型场景参数数[9]
如图1所示,极化干涉合成孔径雷达系统性能评估方法,该方法包含极化干涉合成孔径雷达系统典型应用的性能评估,具体步骤如下:
A)利用极化干涉合成孔径雷达系统的参数及典型目标场景(如森林)参数计算干涉去相干(相干性损失)大小;
B)根据极化干涉合成孔径雷达系统的参数及设定的典型目标场景(如森林)参数,仿真极化干涉合成孔径雷达数据;
C)基于所获得的数据重新估计目标场景的参数;
D)通过设定值和估计值的比较,评估该极化干涉合成孔径雷达系统的应用性能。
下面介绍本发明方法各个步骤具体的实施过程:
A1、计算体散射去相干的大小。根据式(2),由λ=0.236m,B⊥=700m,H=691km,θ=35°,可计算得κ=4π/λ=53.2473(重复飞行获取数据),κz=0.077,不同地体幅度比时的体散射去相干系数和干涉相位如图2所示。
A2、计算雷达系统热噪声去相干大小,根据式(3),由σ0=-14(同极化)或σ0=-19(交叉极化),可得
这里取去相干影响较大值,即γSNR=0.9406。
A3、计算数据处理中配准去相干大小,根据式(4),由于1/10像素的配准精度,则
A4、计算雷达系统模糊去相干大小,根据式(5),由RASR和AASR=-14dB,则模糊去相干大小为:
A5、估计量化去相干大小,若为4+4比特量化,根据仿真结果,其量化去相干大小约为γQuant=0.991。
A6、由于ALOS/PALSAR为重复飞行获取数据,则还需计算时间去相干大小。在实际的分析中,可假定时间去相干为0.9,0.7或0.5分别进行性能评估。
A7、计算除体散射外的其他去相干大小:
γD=γSNR·γCoreg·γAmb·γQuant·γTemp
=0.9406·0.9675·0.9803·0.991·γTemp (16)
=0.7957或0.6189或0.4421
步骤B的具体实施过程为:
B1、利用RVoG模型计算T6矩阵。根据式(8),由γD=0.7957或0.6189或0.4421,可计算得T6矩阵分别为:
B2、根据T1/2(T1/2)*T=T6,利用特征值分解计算T1/2:
B3/B4、仿真出6维复高斯分布噪声矢量v G(0,0.5),仿真出的Pol-InSAR数据为g=T1/2v,其中
gg*T=T1/2v(T1/2v)*T=T6
步骤C的具体实施过程流程图,如图3所示。
C1、计算HV和HH-VV极化的干涉复相干系数,根据式(11),窗口选择7*7。图4(a)为不同时间去相干时仿真的HV通道数据的相干系数图;图4(b)为不同时间去相干时仿真的HH-VV通道数据的相干系数图。
C2/C3、根据式(12)、式(2)和图3所示流程图,依次计算地面相位、森林高度和衰减系数。图5是不同时间去相干时树高反演结果示意图。从中可以看出,具有如表1所示参数的系统能够估计森林高度,当时间去相干为0.9时,树高估计误差约为20%,当时间去相干为0.7时,树高估计误差约为35%,而当时间去相干为0.5时,树高估计误差60%。
步骤D的具体实施过程:
D1、改变森林高度设定值:10m~30m,重复A、B、C步骤。
D2、比较森林高度的设定值和估计值误差,评估极化干涉合成孔径雷达系统的应用性能。图6是树高设定值与反演得到的树高关系示意图。从中可以看出,10m~30m时均能估计得到,但存在一定的误差,随着时间去相干的增大而增大。
通过对本实例结果的分析可证实,本发明提出的极化干涉合成孔径雷达系统性能评估方法确实可以从应用角度有效地评估系统的性能,进一步可比较不同系统的极化干涉性能。此外,通过改变系统的参数,将有不同的系统性能,因此可基于该方法评估系统的参数要求。
参考文献
[1]Zebker H A,Villasenor J.Decorrelation in InterferometricRadar Echoes[J].IEEE Trans.Geosci.Remote Sens.1992,30(5):950-959.
[2]Bamler R,Hartl P.Synthetic Aperture RadarInterferometry[J].Inverse Probl.1998,14(4):1-54.
[3]Rosen P A,Hensley S,Joughin I R,et al.Synthetic apertureradar interferometry[J].Proc.IEEE.2000,88(3):333-382.
[4]Cloude S R,Papathanassiou K P.Polarimetric SARInterferometry[J].IEEE Trans.Geosci.Remote Sens.1998,36(5):1551-1565.
[5]Papathanassiou K P,Cloude S R.Single-baselinepolarimetric SAR interferometry[J].IEEE Trans.Geosci.Remote Sens.2001,39(11):2352-2363.
[6]Cloude S R,Papathanassiou K P.Three-stage inversionprocess for polarimetric SAR interferometry[J].IEE Proc.-RadarSonar Navig.2003,150(3):125-134.
[7]Boerner W M,Chen K S.Need for developing repeat-passdifferential POL-SAR interferometry[A].Institute of Electricaland Electronics Engineers Inc.,Piscataway,NJ 08855-1331,UnitedStates,2007.2613-2615.
[8]Krieger G,Papathanassiou K P,Cloude S R.SpacebornePolarimetric SAR Interferometry:Performance Analysis and MissionConcepts[J].EURASIP Journal on Applied Signal Processing.2005,20(20):3272-3292.
[9]Krieger G,Papathanassiou K,Cloude S,et al.Spacebornepolarimetric SAR interferometry:Performance analysis and missionconcepts[A].European Space Agency,Noordwijk,2200AG,Netherlands,2005.3-11.
[10]Treuhaft R N,Siqueira P R.Vertical structure of vegetatedland surfaces from interferometric and polarimetric radar[J].RadioSci.2000,35(1):141-177.
[11]Treuhaft R N,Madsen S N,Moghaddam M,et al.Vegetationcharacteri stics and underlying topography from interferometricradar[J].Radio Sci.1996,31(6):1449-1485.
Claims (5)
1.一种极化干涉合成孔径雷达系统性能评估方法,包含系统典型应用的性能评估,其特征在于,包括如下步骤:
A)利用极化干涉合成孔径雷达系统的参数及典型目标场景参数计算干涉去相干大小;
B)根据极化干涉合成孔径雷达系统的参数及设定的典型目标场景参数,仿真极化干涉合成孔径雷达数据;
C)基于B)步所获得的数据重新估计典型目标场景的参数;
D)通过目标场景参数的设定值和估计值的比较,评估该极化干涉合成孔径雷达系统的应用性能;
其中,所述步骤C)中,基于所获得的数据重新计算典型目标场景的参数,包含以下步骤:
C1、计算HV和HH-VV极化的干涉复相干系数:
式中,N取7×7或5×5;
C2、计算地面相位:
式中
C3、利用式(2)计算典型目标场景高度和衰减系数,其中:
2.如权利要求1所述的评估方法,其特征在于,所述步骤A)中,干涉去相干的计算包含如下步骤:
A1、计算体散射去相干的大小:
A2、计算雷达系统热噪声去相干大小:
式中SNR为雷达信噪比,σ0为雷达归一化后向散射系数,NEσ0为系统噪声等效后向散射系数;
A3、计算数据处理中配准去相干大小:
式中δrg和δaz分别为距离向和方位向的配准像素精度;
A4、计算雷达系统模糊去相干大小:
式中RASR和AASR分别为距离向和方位向的模糊-信号比;
A5、估计量化去相干大小:
若为2+2比特量化,其量化去相干大小约为γQuant=0.895;
若为3+3比特量化,其量化去相干大小约为γQuant=0.966;
若为4+4比特量化,其量化去相干大小约为γQuant=0.991;
若为5+5比特量化,其量化去相干大小约为γQuant=0.997;
A6、若极化干涉合成孔径雷达为重复飞行获取数据,则还需计算时间去相干大小,评估不同时间去相干时的系统性能;时间去相干大小的一个粗略计算公式为:
式中σy和σz分别为交轨向和垂直向的均方差运动,κ为波数,θ为入射角;
A7、计算除体散射外的总去相干大小:
γD=γSNR·γCoreg·γAmb·γQuant·γTemp。 (7)
4.如权利要求1所述的评估方法,其特征在于,所述步骤D),具体包含如下步骤:
D1、改变典型目标场景高度设定值,重复步骤A)、B)、C);
D2、比较典型目标场景高度的设定值和估计值之间的误差,评估极化干涉合成孔径雷达系统的应用性能。
5.如权利要求1所述的评估方法,其特征在于,所述典型目标场景为森林。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010287638 CN102401892B (zh) | 2010-09-19 | 2010-09-19 | 一种极化干涉合成孔径雷达系统性能评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010287638 CN102401892B (zh) | 2010-09-19 | 2010-09-19 | 一种极化干涉合成孔径雷达系统性能评估方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102401892A CN102401892A (zh) | 2012-04-04 |
CN102401892B true CN102401892B (zh) | 2013-11-06 |
Family
ID=45884296
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201010287638 Active CN102401892B (zh) | 2010-09-19 | 2010-09-19 | 一种极化干涉合成孔径雷达系统性能评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102401892B (zh) |
Families Citing this family (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102955902B (zh) * | 2012-10-09 | 2017-02-01 | 中国人民解放军63892部队 | 雷达模拟设备可信度的评估方法及评估系统 |
CN103093057B (zh) * | 2013-02-03 | 2015-06-10 | 大连理工大学 | 一种船舶导航雷达信号仿真方法 |
CN104316921A (zh) * | 2014-09-27 | 2015-01-28 | 励盼攀 | 基于混合迭代的干涉相位仿真方法 |
CN104569937B (zh) * | 2015-01-28 | 2017-11-21 | 中国科学院光电研究院 | 一种新型合成孔径雷达角反射器及其设计方法 |
CN108398666B (zh) * | 2018-02-09 | 2020-07-07 | 昆山亿趣信息技术研究院有限公司 | 星载合成孔径雷达的极化系统参数设计方法 |
CN110703220B (zh) * | 2019-10-12 | 2021-06-22 | 中南大学 | 一种顾及时间去相干因子的多基线PolInSAR植被参数反演方法 |
CN112255602B (zh) * | 2020-10-20 | 2021-07-16 | 中国科学院空天信息创新研究院 | 一种fmcw-sar系统的噪声等效后向散射系数确定方法 |
CN112505686B (zh) * | 2020-10-30 | 2023-07-18 | 中国科学院空天信息创新研究院 | 高程误差估计方法、装置、电子设备及存储介质 |
CN113567942B (zh) * | 2021-08-10 | 2023-06-13 | 中国电子科技集团公司第三十八研究所 | 一种多基线干涉合成孔径雷达系统测量精度分析方法 |
CN116224379B (zh) * | 2023-05-06 | 2023-09-12 | 中国科学院国家空间科学中心 | 一种nbrcs修正方法、装置、电子设备及存储介质 |
-
2010
- 2010-09-19 CN CN 201010287638 patent/CN102401892B/zh active Active
Non-Patent Citations (9)
Title |
---|
An Improvement of Vegetation Height Estimation Using Multi-baseline Polarimetric Interferometric SAR Data;Y.S.Zhou 等;《PIERS Proceedings》;20090327;691-695 * |
ANALYSIS OF TEMPORAL DECORRELATION IN DUAL-BASELINE POLINSAR VEGETATION PARAMETER ESTIMATION;Yong-sheng Zhou 等;《IEEE》;20081231;473-476 * |
INVESTIGATION ON THE APPLICATIONS OF DECORRELATION ANALYSIS IN POLARIMETRIC SAR INTERFEROMETRY;Yong-sheng Zhou 等;《IEEE》;20091231;254-257 * |
Y.S.Zhou 等.An Improvement of Vegetation Height Estimation Using Multi-baseline Polarimetric Interferometric SAR Data.《PIERS Proceedings》.2009,691-695. |
Yong-sheng Zhou 等.ANALYSIS OF TEMPORAL DECORRELATION IN DUAL-BASELINE POLINSAR VEGETATION PARAMETER ESTIMATION.《IEEE》.2008,473-476. |
Yong-sheng Zhou 等.INVESTIGATION ON THE APPLICATIONS OF DECORRELATION ANALYSIS IN POLARIMETRIC SAR INTERFEROMETRY.《IEEE》.2009,254-257. |
周勇胜 等.基于RVoG模型的极化干涉SAR最优基线分析.《电子学报》.2008,第36卷(第12期),2367-2372. |
周广益 等.基于极化干涉SAR数据的树高反演方法.《清华大学学报(自然科学版)》.2009,第49卷(第4期),510-513. * |
基于RVoG模型的极化干涉SAR最优基线分析;周勇胜 等;《电子学报》;20081231;第36卷(第12期);2367-2372 * |
Also Published As
Publication number | Publication date |
---|---|
CN102401892A (zh) | 2012-04-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102401892B (zh) | 一种极化干涉合成孔径雷达系统性能评估方法 | |
Cloude | Polarization coherence tomography | |
Joughin et al. | Probability density functions for multilook polarimetric signatures | |
Shi et al. | Estimation of bare surface soil moisture and surface roughness parameter using L-band SAR image data | |
Meyer et al. | Correction and characterization of radio frequency interference signatures in L-band synthetic aperture radar data | |
Garestier et al. | Forest height inversion using high-resolution P-band Pol-InSAR data | |
Cloude | Dual-baseline coherence tomography | |
Garestier et al. | PolInSAR analysis of X-band data over vegetated and urban areas | |
Kirui et al. | Mitigation of atmospheric artefacts in multi temporal InSAR: a review | |
Li et al. | Performance evaluation of a neural network model and two empirical models for estimating soil moisture based on Sentinel-1 SAR data | |
Ghasemi et al. | A modified model for estimating tree height from PolInSAR with compensation for temporal decorrelation | |
Shafai et al. | PolInSAR coherence and entropy‐based hybrid decomposition model | |
Stambovsky et al. | Simulation of GPS radio occultation signals through Sporadic-E using the multiple phase screen method | |
CN108398666B (zh) | 星载合成孔径雷达的极化系统参数设计方法 | |
Verma | Polarimetric decomposition based on general characterisation of scattering from urban areas and multiple component scattering model | |
Yin et al. | Soil moisture change detection model for slightly rough surface based on interferometric phase | |
Sun et al. | Comparing Assimilation of Synthetic Soil Moisture Versus C‐Band Backscatter for Hyper‐Resolution Land Surface Modeling | |
Baghdadi et al. | New empirical model for radar scattering from bare soils | |
Souissi et al. | Polarimetric SAR data correction and terrain topography measurement based on the radar target orientation angle | |
Chen et al. | Deep learning for surface precipitation estimation using multidimensional polarimetric radar measurements | |
Chen et al. | Characterization and Mitigation of Radio Frequency Interference Signatures in L-band LuTan-1 InSAR System: First Results and Assessment | |
Ouellette | Topics in remote sensing of soil moisture using L-band radar | |
CN115291217B (zh) | 一种双频极化干涉四阶段树高反演方法 | |
Yip et al. | Quantized compression of SAR data: Bounds on signal fidelity, InSAR PS candidates identification and surface motion accuracy | |
McNairn et al. | Retrieval of field-scale soil moisture using compact polarimetry: Preparing for the RADARSAT-Constellation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant |