CN103698764A - 一种稀疏采样条件下的干涉合成孔径雷达成像方法 - Google Patents
一种稀疏采样条件下的干涉合成孔径雷达成像方法 Download PDFInfo
- Publication number
- CN103698764A CN103698764A CN201310740527.3A CN201310740527A CN103698764A CN 103698764 A CN103698764 A CN 103698764A CN 201310740527 A CN201310740527 A CN 201310740527A CN 103698764 A CN103698764 A CN 103698764A
- Authority
- CN
- China
- Prior art keywords
- aperture radar
- complex pattern
- synthetic
- range
- sparse sampling
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9021—SAR image post-processing techniques
- G01S13/9023—SAR image post-processing techniques combined with interferometric techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9004—SAR image acquisition techniques
- G01S13/9011—SAR image acquisition techniques with frequency domain processing of the SAR signals in azimuth
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开一种稀疏采样条件下的干涉合成孔径雷达成像方法,其包括:S1:在获取回波信号时,在方位向对回波信号进行稀疏采样;S2:对主天线的回波信号进行距离脉冲压缩和距离徙动校正;S3:对副天线的回波信号进行二维成像获得副天线图像;S4:将副天线图像的相位作为参考相位,去除每个散射单元的初始相位;步骤S5:在频域引入压缩感知理论,对每个距离门的信号建立时域稀疏采样、合成孔径雷达复图像和傅里叶系数之间关系的模型;S6:采用基于l1范数的最优化方法,利用时域稀疏采样、合成孔径雷达复图像、傅里叶系数之间的关系模型,获得每个距离门复图像在傅里叶基矩阵下的傅里叶系数,反变换组合获得二维合成孔径雷达复图像。
Description
技术领域
本发明涉及雷达成像处理领域,特别是一种稀疏采样条件下的干涉合成孔径雷达(SAR)成像方法。
背景技术
干涉SAR利用多个接收天线或单个天线多次观测得到的回波数据进行处理。由于在干涉SAR信号采集过程中,两副天线的入射角基本相同,同一分辨单元至两天线散射场的初始相位近似相等,因此可消除不同分辨单元的随机初始相位影响,还原连续变化地物场景图像信号的可压缩性,理论上可以在数据获取时实施稀疏降采样。干涉SAR可以对地面的高程进行估计,对海流进行测高和测速,对地面运动目标进行检测和定位,其在军事和民用上的需求越来越迫切。然而随着干涉SAR分辨率和测量精度的不断提高,其海量数据压缩和传输问题亟待解决,在应急测绘情况下该问题尤为突出。
近年来,压缩感知(CS)理论的提出,对信号的采集和处理引起了革命性的变化。该理论认为若一个信号是稀疏的,那么可以用远少于传统Shannon-Nyquist采样定理所需采样数的数据量获取信号的全部信息,并通过凸优化等方法,以极大的概率正确恢复原信号。CS理论已经被应用到与SAR相关的诸多领域。
国内已对干涉SAR已有一定的研究基础,有许多较为成熟的干涉SAR系统,如中科院电子所研制的国内第一部毫米波三基线干涉SAR(参见Dao-jing LI,Bo LIU,et al.AirborneMMWInSARInterferometry with cross-track three-baseline antennas[C].EUSAR2012.Nuremberg,April2012:301-303.)等。根据这些干涉SAR系统,相关单位也展开了一些工作,但研究方向较为传统,如干涉图像配准,干涉SAR定标,多基线解缠绕等,关于减少干涉SAR数据量的工作较少。张清娟等利用干涉SAR的稀疏性研究了干涉SAR的数据压缩问题(参见张清娟,李道京.干涉SAR图像数据压缩研究[J].中国科学院研究生院学报,2013,30(3):380-386.)。但其工作主要集中在在成像之后的数据压缩,而非在数据获取时减少数据量。
国外较早的开展了干涉SAR的工作,在干涉SAR系统和干涉SAR信号处理方面均有一定的成果,如德国的TanDEM-X星载干涉SAR系统计划获得全球高精度的数字高程模型,法国开发了Doris干涉SAR软件集成了干涉SAR的处理(参见http://www.dlr.de/hr/desktopdefault.aspx/tabid-2317/3669_read-5488/;http://doris.tudelft.nl/)。国外亦有一些结合干涉SAR和压缩感知的工作,但工作重点主要集中在获取高程向信息,如利用多基线信息解叠掩(Michael Schmitt and Uwe Stilla.Layover separation in airborne singlepass multi-baseline InSAR data based on compressive sensing[C].EUSAR2012.Nuremberg,April2012:30-33.),但在降低干涉SAR数据量方面仍鲜有报道。干涉SAR的在数据获取时,现有的常规系统仍需要根据多普勒带宽设计采样率,实施满采样。
发明内容
(一)要解决的技术问题
本发明的目的主要包括以下几点:解决稀疏采样时的干涉SAR成像处理问题;解决稀疏采样引起的高副瓣和栅瓣的影响及图像质量下降的问题。
(二)技术方案
为达成所述目的,本发明提出一种稀疏采样条件下的干涉SAR成像方法,所述方法包括步骤如下:
步骤S1:在获取回波信号时,在方位向对回波信号进行稀疏采样;
步骤S2:对主天线的回波信号进行距离脉冲压缩和距离徙动校正;
步骤S3:对副天线的回波信号进行二维成像,获得副天线图像;
步骤S4:将副天线图像的相位作为参考相位,去除每个散射单元的初始相位;
步骤S5:在频域引入压缩感知理论,对每个距离门的信号建立时域稀疏采样、合成孔径雷达复图像和频域的傅里叶系数之间关系的压缩感知模型;
步骤S6:采用基于l1范数的最优化方法,利用时域稀疏采样、合成孔径雷达复图像、傅里叶系数之间的关系模型,获得每个距离门复图像在傅里叶基矩阵Ψ下的傅里叶系数,反变换组合获得二维合成孔径雷达复图像。
(三)有益效果
本发明提出了一种在稀疏采样条件下利用干涉SAR复图像频域稀疏特性的干涉SAR成像处理新方案。该方案将压缩感知理论应用于干涉SAR信号处理流程,实现稀疏采样条件下SAR信号的成像和干涉处理,适用于空间域不稀疏的目标场景,在对地观测技术领域有广阔的发展前景。
所述方法不仅使干涉SAR对地成像时可实现稀疏采样,而且可获得与传统满采样干涉SAR同样质量的幅度和干涉相位图,理论上不降低成像分辨率,在稀疏降采样条件下也可完成干涉处理,具有重要的实际应用价值。本发明在方位向实施降采样,可大幅度减少SAR设备获取的数据量,降低对存储器件的要求。
附图说明
图1为本发明中稀疏采样条件下的干涉SAR成像方法的流程图;
图2为本发明中对地干涉成像的几何系统示意图;
图3(a)~图3(e)为采用本发明中稀疏采样条件下的干涉SAR成像方法的仿真成像示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白,以下结合具体实施例,并参照附图,对本发明作进一步的详细说明。
本发明公开了一种稀疏采样条件下的干涉SAR成像方法,其包括:方位向稀疏采样;距离向脉冲压缩;距离徙动校正;对副天线回波信号进行成像,获得参考信号相位;利用参考信号相位去除随机初相位,使图像在频域具备稀疏性;基于l1范数的最优化问题,对所建立的空间域采样-SAR复图像-傅里叶系数之间的关系式进行求解,获得主天线的幅度图像和干涉相位图,并对其分别进行评价。同时为了和传统干涉合成孔径雷达成像处理方法进行比较,提出了基于相关系数的评价准则。所述方法可适用于在空间域不稀疏的目标场景,理论上不降低成像分辨率,在稀疏降采样条件下也可完成干涉成像处理。
图1示出了本发明中稀疏采样条件下的干涉SAR成像方法的流程图,图2示出了本发明中对地干涉成像的几何系统示意图。其中Z方向为高度方向,H为载机平台的高度,天线A1为主天线,天线A2为副天线,两天线的基线距为B,基线倾角为α,θ为下视角。场景中的点高度为h,到主天线和副天线的距离分别为r1和r2。
本发明稀疏采样条件下的干涉合成孔径雷达成像方法的步骤包括:
步骤1:在获取回波时,采用m序列或高斯分布的随机序列,在方位向对回波信号进行稀疏采样。
步骤2:对主天线的回波信号进行距离脉冲压缩和距离徙动校正;首先对回波信号进行距离脉冲压缩,然后采用距离多普勒算法(RDA)中的距离徙动校正方法,对距离徙动进行校正,使脉冲压缩后的回波信号在方位向和距离向解耦合。
步骤3:对副天线的回波信号进行二维成像,获得副天线图像;可采用距离多普勒算法、频率变标算法和波数域算法,对于副天线的回波信号进行方位距离二维成像。
步骤4:将副天线图像的相位作为参考相位,去除每个散射单元的初始相位;利用主天线的复图像γ、副天线图像的相位构建待恢复合成孔径雷达复图像模型用以去除每个散射单元的初始相位,其中待恢复合成孔径雷达复图像模型γnew为复数表示主天线幅度和干涉相位图信息。
步骤5:在频域引入压缩感知理论,对每个距离门的信号建立时域稀疏采样、合成孔径雷达复图像和频域的傅里叶系数之间关系的压缩感知模型;构建时域稀疏采样、合成孔径雷达复图像和傅里叶系数之间关系的模型如下所示:
g=HΦPΨα
其中,g为距离脉冲压缩和距离徙动校正后的时域信号,H为方位向信号进行稀疏采样对应的选择矩阵,Φ为回波信号获取的测量矩阵,P为所述参考相位构成的对角矩阵,Ψ为傅里叶基矩阵,α为复图像在傅里叶基下的傅里叶系数。所述与回波信号获取对应的测量矩阵Φ,其形式如下:
其中,λ为载波波长,Ri为第i个距离门对应的斜距,Vr为载机平台的速度,ηm为第m个方位向时刻,xn为场景的第n个方位向位置,M为离散化后方位向时间的点数,N为方位向场景的点数。
步骤6:采用基于l1范数的最优化方法中的基追踪算法对所建立的时域稀疏采样、SAR复图像、傅里叶系数之间的关系模型进行求解,获得每个距离门复图像在傅里叶基Ψ下的傅里叶系数,反变换组合获得二维合成孔径雷达复图像;对每个距离门复图像在傅里叶基矩阵Ψ下的傅里叶系数α进行反变换,构建待恢复合成孔径雷达复图像模型γnew=Ψα,获得每个距离门包含主天线幅度和干涉相位图信息的复图像γnew,并组合所有距离门的复图像得到完整的二维合成孔径雷达复图像。
本发明方法还包括:对于生成的二维合成孔径雷达复图像的幅度和相位分别进行评价。对于上述步骤获得的复图像,在去除平地效应后,与干涉合成孔径雷达成像方法处理的幅度和干涉相位结果或理想图像对比分别生成幅度相关系数图和干涉相位相关系数图,用于评价成像幅度和相位的质量。在此基础上,通过阈值法获得有效评价区域。对于有效评价区域内的复图像,采用最小均方误差准则评价有效评价区域内二维合成孔径雷达复图像的幅度误差,采用平均相位误差准则评价有效评价区域内去除平地效应的二维合成孔径雷达复图像的相位误差。
图3a~图3e示出了采用本发明中稀疏采样条件下的干涉SAR成像方法所获得的图像。仿真参数如表1所示:
表1示例参数
图3a显示了理想的去除平地效应后的干涉相位图,图3b和图3c分别为满采样时采用所述方法的成像幅度和去除平地效应后的相位图。图3d和图3e分别为利用m序列实施50%稀疏采样时采用所述方法的成像幅度和去除平地效应后的相位图。结果显示了本发明方法可在稀疏采样条件下对空间域不稀疏的场景进行正确的场景重建,降采样倍数可达到2倍或更多。重建图像的幅度和相位误差均较小,其相位图可进一步用来反演高程信息。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限制本发明,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种稀疏采样条件下的干涉合成孔径雷达成像方法,所述方法包括:
步骤S1:在获取回波信号时,在方位向对回波信号进行稀疏采样;
步骤S2:对主天线的回波信号进行距离脉冲压缩和距离徙动校正;
步骤S3:对副天线的回波信号进行二维成像,获得副天线图像;
步骤S4:将副天线图像的相位作为参考相位,去除每个散射单元的初始相位;
步骤S5:在频域引入压缩感知理论,对每个距离门的信号建立时域稀疏采样、合成孔径雷达复图像和频域的傅里叶系数之间关系的压缩感知模型;
步骤S6:采用基于l1范数的最优化方法,利用时域稀疏采样、合成孔径雷达复图像、傅里叶系数之间的关系模型,获得每个距离门复图像在傅里叶基矩阵下的傅里叶系数,反变换组合获得二维合成孔径雷达复图像。
2.如权利要求1所述的方法,其特征在于,采用m序列或高斯分布的随机序列,对方位向信号进行稀疏采样。
3.如权利要求1所述的方法,其特征在于,所述距离徙动校正是采用距离多普勒算法中的距离徙动校正方法对距离徙动进行校正,使脉冲压缩后的回波方位向和距离向解耦合。
4.如权利要求1所述的方法,其特征在于,采用距离多普勒算法、频率变标算法和波数域算法,对于副天线的回波信号进行方位、距离二维成像。
6.如权利要求1所述的方法,其特征在于,构建所述时域稀疏采样、合成孔径雷达复图像、傅里叶系数之间关系的模型表示如下:
g=HΦPΨα
其中,g为距离脉冲压缩和距离徙动校正后的时域信号,H为方位向信号进行稀疏采样对应的选择矩阵,Φ为回波信号获取的测量矩阵,P为所述参考相位构成的对角矩阵,Ψ为傅里叶基矩阵,α为复图像在傅里叶基下的傅里叶系数。
7.如权利要求6所述的方法,其特征在于,所述回波信号获取的测量矩阵Φ的形式如下:
其中,λ为载波波长,Ri为第i个距离门对应的斜距,Vr为载机平台的速度,ηm为第m个方位向时刻,xn为场景的第n个方位向位置,M为离散化后方位向时间的点数,N为方位向场景的点数。
8.如权利要求6所述的方法,其特征在于,对每个距离门复图像在傅里叶基矩阵Ψ下的傅里叶系数α进行反变换,构建待恢复合成孔径雷达复图像模型γnew=Ψα,获得每个距离门包含主天线幅度和干涉相位图信息的复图像γnew,并组合所有距离门的复图像得到完整的二维合成孔径雷达复图像。
9.如权利要求1所述的方法,其特征在于,对二维合成孔径雷达复图像去除平地效应,获得去除平地效应的二维合成孔径雷达复图像并与干涉合成孔径雷达成像方法处理的幅度和干涉相位结果或理想图像对比,分别生成幅度相关系数图和干涉相位相关系数图,用于评价成像幅度和干涉相位的质量;在此基础上,通过阈值法获得有效评价区域,采用最小均方误差准则评价有效评价区域内去除平地效应的二维合成孔径雷达复图像的幅度误差,采用平均相位误差准则评价有效评价区域内去除平地效应的二维合成孔径雷达复图像的相位误差。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310740527.3A CN103698764B (zh) | 2013-12-27 | 2013-12-27 | 一种稀疏采样条件下的干涉合成孔径雷达成像方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310740527.3A CN103698764B (zh) | 2013-12-27 | 2013-12-27 | 一种稀疏采样条件下的干涉合成孔径雷达成像方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN103698764A true CN103698764A (zh) | 2014-04-02 |
CN103698764B CN103698764B (zh) | 2015-11-04 |
Family
ID=50360358
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310740527.3A Active CN103698764B (zh) | 2013-12-27 | 2013-12-27 | 一种稀疏采样条件下的干涉合成孔径雷达成像方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103698764B (zh) |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104375136A (zh) * | 2014-11-18 | 2015-02-25 | 无锡悟莘科技有限公司 | 一种主天线为反弓形天线的雷达系统 |
CN107678009A (zh) * | 2017-11-22 | 2018-02-09 | 中国科学院电子学研究所 | 干涉处理艇载雷达阵列形变误差补偿和目标探测方法 |
CN108169749A (zh) * | 2017-12-18 | 2018-06-15 | 上海理工大学 | 利用毫米波检测墙体内钢筋的方法 |
CN109782283A (zh) * | 2019-03-13 | 2019-05-21 | 昆山煜壶信息技术有限公司 | 基于预调制aic的毫米波雷达成像方法 |
CN110348169A (zh) * | 2019-07-25 | 2019-10-18 | 西北工业大学 | 一种基于压缩感知理论的尾波干涉成像方法 |
CN110632615A (zh) * | 2019-10-30 | 2019-12-31 | 中国科学院电子学研究所 | 基于稀疏孔径的合成孔径激光雷达三维成像方法 |
CN112099102A (zh) * | 2020-08-27 | 2020-12-18 | 博微太赫兹信息科技有限公司 | 一种天线阵列机械扫描式全息图像重建方法 |
CN112213690A (zh) * | 2020-09-29 | 2021-01-12 | 电子科技大学 | 一种相位压缩采样的时差测量方法 |
CN113176569A (zh) * | 2021-03-31 | 2021-07-27 | 中国科学院空天信息创新研究院 | Sar系统回波采集的控制方法、装置及系统 |
CN113567983A (zh) * | 2021-07-23 | 2021-10-29 | 中国人民解放军海军航空大学 | 一种利用滑轨的雷达合成孔径稀疏成像方法及系统 |
CN113835090A (zh) * | 2021-08-31 | 2021-12-24 | 电子科技大学 | 一种基于多通道sar系统的高精度干涉相位获取方法 |
CN114519384A (zh) * | 2022-01-07 | 2022-05-20 | 南京航空航天大学 | 一种基于稀疏sar幅度-相位图像数据集的目标分类方法 |
CN116106851A (zh) * | 2023-04-04 | 2023-05-12 | 中国科学院空天信息创新研究院 | 一种合成孔径雷达原始数据压缩处理方法和装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102183762A (zh) * | 2011-03-15 | 2011-09-14 | 北京航空航天大学 | 一种压缩感知合成孔径雷达数据获取与成像方法 |
CN102221696A (zh) * | 2010-04-14 | 2011-10-19 | 中国科学院电子学研究所 | 稀疏微波成像方法 |
CN102841350A (zh) * | 2012-09-19 | 2012-12-26 | 西北工业大学 | 机动目标压缩感知isar成像方法 |
-
2013
- 2013-12-27 CN CN201310740527.3A patent/CN103698764B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102221696A (zh) * | 2010-04-14 | 2011-10-19 | 中国科学院电子学研究所 | 稀疏微波成像方法 |
CN102183762A (zh) * | 2011-03-15 | 2011-09-14 | 北京航空航天大学 | 一种压缩感知合成孔径雷达数据获取与成像方法 |
CN102841350A (zh) * | 2012-09-19 | 2012-12-26 | 西北工业大学 | 机动目标压缩感知isar成像方法 |
Non-Patent Citations (1)
Title |
---|
麻丽香等: "一种INSAR原始数据的幅相分离压缩算法", 《电子与信息学报》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104375136A (zh) * | 2014-11-18 | 2015-02-25 | 无锡悟莘科技有限公司 | 一种主天线为反弓形天线的雷达系统 |
CN107678009B (zh) * | 2017-11-22 | 2021-04-09 | 中国科学院电子学研究所 | 干涉处理艇载雷达阵列形变误差补偿和目标探测方法 |
CN107678009A (zh) * | 2017-11-22 | 2018-02-09 | 中国科学院电子学研究所 | 干涉处理艇载雷达阵列形变误差补偿和目标探测方法 |
CN108169749A (zh) * | 2017-12-18 | 2018-06-15 | 上海理工大学 | 利用毫米波检测墙体内钢筋的方法 |
CN109782283A (zh) * | 2019-03-13 | 2019-05-21 | 昆山煜壶信息技术有限公司 | 基于预调制aic的毫米波雷达成像方法 |
CN110348169A (zh) * | 2019-07-25 | 2019-10-18 | 西北工业大学 | 一种基于压缩感知理论的尾波干涉成像方法 |
CN110348169B (zh) * | 2019-07-25 | 2023-03-28 | 西北工业大学 | 一种基于压缩感知理论的尾波干涉成像方法 |
CN110632615A (zh) * | 2019-10-30 | 2019-12-31 | 中国科学院电子学研究所 | 基于稀疏孔径的合成孔径激光雷达三维成像方法 |
CN112099102A (zh) * | 2020-08-27 | 2020-12-18 | 博微太赫兹信息科技有限公司 | 一种天线阵列机械扫描式全息图像重建方法 |
CN112213690A (zh) * | 2020-09-29 | 2021-01-12 | 电子科技大学 | 一种相位压缩采样的时差测量方法 |
CN112213690B (zh) * | 2020-09-29 | 2022-05-24 | 电子科技大学 | 一种相位压缩采样的时差测量方法 |
CN113176569A (zh) * | 2021-03-31 | 2021-07-27 | 中国科学院空天信息创新研究院 | Sar系统回波采集的控制方法、装置及系统 |
CN113567983B (zh) * | 2021-07-23 | 2024-01-16 | 中国人民解放军海军航空大学 | 一种利用滑轨的雷达合成孔径稀疏成像方法及系统 |
CN113567983A (zh) * | 2021-07-23 | 2021-10-29 | 中国人民解放军海军航空大学 | 一种利用滑轨的雷达合成孔径稀疏成像方法及系统 |
CN113835090A (zh) * | 2021-08-31 | 2021-12-24 | 电子科技大学 | 一种基于多通道sar系统的高精度干涉相位获取方法 |
CN113835090B (zh) * | 2021-08-31 | 2024-04-12 | 电子科技大学 | 一种基于多通道sar系统的高精度干涉相位获取方法 |
CN114519384A (zh) * | 2022-01-07 | 2022-05-20 | 南京航空航天大学 | 一种基于稀疏sar幅度-相位图像数据集的目标分类方法 |
CN114519384B (zh) * | 2022-01-07 | 2024-04-30 | 南京航空航天大学 | 一种基于稀疏sar幅度-相位图像数据集的目标分类方法 |
CN116106851A (zh) * | 2023-04-04 | 2023-05-12 | 中国科学院空天信息创新研究院 | 一种合成孔径雷达原始数据压缩处理方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN103698764B (zh) | 2015-11-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103698764B (zh) | 一种稀疏采样条件下的干涉合成孔径雷达成像方法 | |
Romeiser et al. | Quality assessment of surface current fields from TerraSAR-X and TanDEM-X along-track interferometry and Doppler centroid analysis | |
WO2022214114A2 (zh) | 融合GNSS数据与InSAR技术的桥梁变形监测方法 | |
Romeiser et al. | First analysis of TerraSAR-X along-track InSAR-derived current fields | |
US8125370B1 (en) | Polarimetric synthetic aperture radar signature detector | |
CN106526590A (zh) | 一种融合多源sar影像工矿区三维地表形变监测及解算方法 | |
CN103293521B (zh) | 一种利用x波段雷达探测近海海域水深的方法 | |
CN104007439B (zh) | 一种干涉圆迹sar高程估计处理方法 | |
CN103383455B (zh) | 基于阴影恢复形状技术的海浪参数提取方法 | |
CN104316920A (zh) | 一种雷达高度计小入射角干涉的海面高度高精度提取方法 | |
CN103760558A (zh) | 一种太赫兹雷达isar成像方法 | |
CN103913733B (zh) | 极地冰川厚度探测方法 | |
CN110174673B (zh) | 一种利用时序接力干涉图叠加高效减弱大气相位影响的方法 | |
Voege et al. | Displacement monitoring at Svartevatn dam with interferometric SAR | |
CN102565772B (zh) | 基于sar子孔径序列图像的海洋动态信息提取方法 | |
CN103809180A (zh) | 用于InSAR地形测量的方位向预滤波处理方法 | |
CN112505696B (zh) | 一种基于星载sar的露天矿边坡形变动态监测方法 | |
Mao et al. | Estimation and compensation of ionospheric phase delay for multi-aperture InSAR: An azimuth split-spectrum interferometry approach | |
CN102890277B (zh) | 移不变双基地合成孔径雷达距离徙动成像方法 | |
Peterson et al. | Registration of multi-frequency SAR imagery using phase correlation methods | |
Wang et al. | A high precision DEM extraction method based on InSAR data | |
Awasthi et al. | Psinsar based land deformation based disaster monitoring using Sentinel-1 datasets | |
Buckley et al. | Evaluating ScanSAR interferometry deformation time series using bursted stripmap data | |
Mirek | Satellite radar interferometry (InSAR) used for estimation of ground subsidence in mining areas–Upper Silesian Coal Basin Case Study | |
Marghany | Velocity bunching model for modelling wave spectra along east coast of Malaysia |
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 |