CN109633576A - 一种通道噪声下的极化sar高精度定标算法 - Google Patents
一种通道噪声下的极化sar高精度定标算法 Download PDFInfo
- Publication number
- CN109633576A CN109633576A CN201811278276.0A CN201811278276A CN109633576A CN 109633576 A CN109633576 A CN 109633576A CN 201811278276 A CN201811278276 A CN 201811278276A CN 109633576 A CN109633576 A CN 109633576A
- Authority
- CN
- China
- Prior art keywords
- polarization
- calibration
- matrix
- crosstalk
- factor
- 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
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
- G01S13/904—SAR modes
- G01S13/9076—Polarimetric features in SAR
-
- 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
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/40—Means for monitoring or calibrating
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明涉及一种通道噪声下的极化SAR高精度定标算法,首先对极化SAR获取的全极化数据矢量化,并计算观测协方差矩阵,利用Quegan算法估计出串扰因子初始值,开始迭代;根据系统假设得出的真实散射协方差矩阵性质,得到关于串扰因子的四个等式,通过敏感度方程法求解,迭代更新串扰参数直至收敛或达到迭代次数,迭代结束得到串扰因子的估计值,计算串扰定标矩阵并对观测协方差矩阵完成串扰定标;考虑极化通道噪声功率不相等,引入修正的交叉极化不平衡因子估计表达式,结合串扰定标结果进行估计,并计算出交叉极化不平衡定标矩阵;对原始极化数据完成串扰定标和交叉极化不平衡定标,利用人工角反数据完成同极化不平衡定标和绝对辐射定标。
Description
技术领域
本发明属于雷达信号处理技术领域,特别涉及一种通道噪声下的极化SAR高精度定标算法。
背景技术
自SAR极化定标技术发展以来已有多种算法,大致分为点目标定标算法、分布目标定标算法,对于星载极化SAR受电离层影响还需要额外考虑法拉第旋转校正。对于分布目标定标算法,目前单纯使用自然分布目标很难求解出全部的极化失真参数,实际使用中仍需借助已知点目标散射信息。
点目标定标方法发展较早。20世纪90年代,美国MIT实验室首次提出用角反射器校正极化雷达系统,之后Sarabandi、Whitt、Freeman等进行了大量暗室仿真及外场定标实验,采用金属球、二/三面角、有源定标器等多种定标体类型,丰富和完善了点目标定标算法。但事实上,点目标定标反演参数一般仅对目标所在的周围区域有效,对于空间变化的SAR系统失真,需要沿距离向布设较多点目标才能有效完成全场景定标;同时,主动天线阵列系统如SIR-C、EOS SAR等,其系统极化特性会随着时间变化,使得对于传感器的校正结果经过一段时间也不再适用。因此,点目标定标的空间、时间局限性制约了其发展。
专利申请CN107167801A公开了一种基于旋翼微多普勒特征的多旋翼无人机识别方法,其技术方案是根据接收到的雷达回波信号,提取旋翼的微多普勒特征,获得目标多旋翼无人机的旋翼数量、旋翼的旋转速度和叶片长度等参数,实现多旋翼无人机的识别。统计时域回波的闪烁次数,根据旋翼的叶片数计算得到旋翼数量,并根据闪烁周期计算得到旋翼的旋转速度,根据最大微多普勒频率计算得到叶片长度。此技术方案中旋翼的叶片数目是已知的,只能识别特定类型的旋翼无人机;另外雷达回波中通常含有环境噪声,会淹没微多普勒特征,很难估算微多普勒的最大频率。
分布目标定标方法采用成像区域存在的自然分布散射体进行SAR极化数据的定标,克服了点目标方法需要在每个场景内布设人工定标体的缺点,同时也方便进行系统极化特性的维护更新,具有良好的场景灵活性和适应性。实际应用中,由于分布目标分布整个成像区域,可以方便测量空间变化的极化失真参数,这对于雷达系统随时间、空间渐变的失真系统参数的测量和校正,都能得到很好的解决方案。常用分布目标定标算法有Klein算法,Van Zyl算法,Quegan算法及Ainsworth算法等。这些算法通常依据天线互易、目标散射互易及对称性目标共极化和交叉极化回波不相关等假设条件,采用参数模型迭代算法求解定标参数,当算法条件与其系统情况和场景内大多数自然地物目标比较符合时,能够表现良好的极化定标性能。
2004年有学者提出的改进Quegan极化定标算法,考虑了通道噪声不平衡的情况;2015年西安电子科技大学李真芳等人针对Ainsworth算法进行改进,用于解决交叉极化通道噪声不平衡下的极化定标问题。这两种改进算法较之传统的方法确实更适用于通道噪声存在的情况,但是Quegan算法估计失真参数不准确而Ainsworth算法估计失真参数不稳定,导致改进算法的极化定标精度仍有待提高。
发明内容
本发明的目的是解决现有技术中存在的问题,提供一种通道噪声下的极化SAR高精度定标算法。该方法包括以下步骤:
步骤S1,对极化SAR获取的4个通道全极化数据矢量化,将目标散射矢量与自身共轭转置矢量做外积,得到待定标数据的观测协方差矩阵;
步骤S2,利用观测协方差矩阵,采用Quegan算法中的串扰因子估计式得到串扰参数初始值;
步骤S3,先忽略同极化通道不平衡定标和绝对幅度定标,假设系统满足反射对称和后向散射互易,根据极化失真方程,得到由观测协方差矩阵系数和串扰参数构成的四个为零的等式;
步骤S4,利用敏感度方程法求解S3中的四个等式,迭代出的串扰因子;即先求出偏微分系数矩阵,不断迭代更新至结果收敛或达到迭代次数要求;
步骤S5,利用迭代出的串扰因子大小对观测协方差矩阵进行串扰定标;
步骤S6,考虑交叉极化通道噪声的功率比,利用串扰定标后的协方差矩阵,结合改进的Quegan算法估计交叉极化不平衡因子,利用交叉极化不平衡因子对串扰定标后的协方差矩阵进行交叉极化不平衡定标;
步骤S7,将交叉串扰定标矩阵和交叉极化不平衡定标矩阵相乘,得到极化定标矩阵,求逆并与观测极化散射矢量相乘,得到极化定标后的结果;
步骤S8,利用人工布设的反射器完成同极化不平衡定标和绝对幅射定标。
优选地,所述步骤S1,通过对目标观测协方差矩阵采用定标算法,得到目标真实极化散射矩阵;假设各极化通道噪声与信号不相关且各极化通道噪声间也不相关,那么观测协方差矩阵CO和真实极化散射协方差矩阵CS间存在关系式
CO=|Y|2MAKCSKHAHMH+Cn (1)
其中,Y为绝对辐射定标因子;A=diag(α,1,α,1)是交叉极化不平衡定标矩阵;α是原始Quegan算法里的交叉极化不平衡因子;K=diag(k2,k,k,1)是同极化不平衡定标矩阵;k是同极化不平衡因子;CS为真实极化散射协方差矩阵;上标H表示复共轭转置;Cn为系统噪声协方差矩阵;是串扰定标矩阵;u、v、w、z分别代表各串扰因子;
得到原始极化SAR数据的极化散射矢量
O=[OHH,OHV,OVH,OVV]T (2)
求出观测极化协方差矩阵
CO=<OOH> (3)
其中<·>表示求集合平均。
优选地,所述步骤S2中,将Quegan算法中非迭代的串扰因子估计表达式的估计结果作为敏感度方程法的迭代初始值
其中,Cij代表观测协方差矩阵CO第i行、第j列元素的数值;Δ=C11C44-|C14|2。
优选地,所述步骤S3中,忽略同极化通道不平衡和绝对幅度定标,令
E=|Y|2KCSKH (5)
根据式(1)可得等式
E=A-1M-1(CO-Cn)M-HA-H (6)
此时,CS满足
先忽略噪声影响,结合式(5)和(7)得到关于E的四个等式
优选地,所述步骤S4中,令
X=[Re(E21),Re(E31),Re(E24),Re(E34),Im(E21),Im(E31),Im(E24),Im(E34)]T (9)
建立敏感度方程
其中uR,vR,wR,zR和uI,vI,wI,zI分别代表各串扰因子的实、虚部;
迭代更新量Δ满足阈值设置为10-15,迭代次数设为100次。
优选地,所述步骤S5中,得到四个串扰因子的精确估计值,并对观测协方差矩阵进行串扰定标
E1=M-1COM-H (11)
优选地,所述步骤S6中,将原始Quegan算法里的交叉极化不平衡因子α估计式修正为
得到交叉极化不平衡定标矩阵A;其中m为VH通道和HV通道的噪声功率比。
优选地,所述步骤S7中,极化定标矩阵为
G=MA (13)
用于原始极化数据的标定
S′=G-1O (14)
其中,散射矢量S′为极化定标后的输出结果。
优选地,所述步骤S8中,所述人工布设的反射器为三面角反射器;
利用三面角反射器的散射矩阵特点
得到同极化不平衡因子k,求出同极化不平衡定标矩阵K并求逆矩阵K-1,再将三面角反射器的雷达散射截面积的系统测量值与理论值进行对比,求出绝对辐射定标因子Y
S=Y-1K-1S′ (16)
全部极化定标操作,最终得到目标真实散射特性。
本发明实现了一种通道噪声下的极化SAR高精度定标算法,与现有技术相比,本发明的创新点和优点在于:
(1)与已有的敏感度方程串扰参数定标方法相比,考虑了噪声的影响,适用于实际极化通道分置的极化SAR系统;
(2)与现有极化定标算法相比,本发明的极化定标精度很高,具有明显优势。
附图说明
图1为本发明的流程图;
图2是本发明方法与已有的考虑通道噪声的改进Quegan算法、改进Ainsworth算法的α幅度估计结果对比;
图3是本发明方法与已有的考虑通道噪声的改进Quegan算法、改进Ainsworth算法的α相位估计结果对比;
图4是本发明方法与已有的考虑通道噪声的改进Quegan算法、改进Ainsworth算法的u幅度估计结果对比;
图5是本发明方法与已有的考虑通道噪声的改进Quegan算法、改进Ainsworth算法的u相位估计结果对比;
图6是本发明方法与已有的考虑通道噪声的改进Quegan算法、改进Ainsworth算法的v幅度估计结果对比;
图7是本发明方法与已有的考虑通道噪声的改进Quegan算法、改进Ainsworth算法的v相位估计结果对比;
图8是本发明方法与已有的考虑通道噪声的改进Quegan算法、改进Ainsworth算法的w幅度估计结果对比;
图9是本发明方法与已有的考虑通道噪声的改进Quegan算法、改进Ainsworth算法的w相位估计结果对比;
图10是本发明方法与已有的考虑通道噪声的改进Quegan算法、改进Ainsworth算法的z幅度估计结果对比;
图11是本发明方法与已有的考虑通道噪声的改进Quegan算法、改进Ainsworth算法的z相位估计结果对比。
具体实施方式
为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合附图和具体实施例对本发明做进一步详细的说明,但不以任何方式限制本发明的范围。
如图1示出本发明方法的流程图,本发明所提出的一种通道噪声下的极化SAR高精度定标算法包括以下步骤:
步骤S1,对极化SAR获取的四通道全极化数据矢量化,将目标散射矢量与自身共轭转置矢量做外积,得到待定标数据的观测协方差矩阵;
SAR发射极化电磁波,照射到目标并反射回接收天线,这一整套收发系统中存在通道间不平衡(包括同极化不平衡和交叉极化不平衡)、极化串扰等系统误差的干扰。假设各极化通道噪声与信号不相关且各极化通道噪声间也不相关,那么观测协方差矩阵CO和真实极化散射协方差矩阵CS间存在关系式
CO=|Y|2MAKCSKHAHMH+Cn (1)
其中Y为绝对辐射定标因子;是串扰定标矩阵;u、v、w、z分别代表各串扰因子;A=diag(α,1,α,1)是交叉极化不平衡定标矩阵;α是原始Quegan算法里的交叉极化不平衡因子;K=diag(k2,k,k,1)是同极化不平衡定标矩阵;k是同极化不平衡因子;CS为真实极化散射协方差矩阵;上标H表示复共轭转置;Cn为系统噪声协方差矩阵。极化定标的过程即通过对目标观测协方差矩阵采用定标算法,得到目标真实极化散射矩阵。
首先,需要得到原始极化SAR数据的极化散射矢量
O=[OHH,OHV,OVH,OVV]T (2)
求出观测极化协方差矩阵
CO=<OOH> (3)
其中<·>表示求集合平均。
步骤S2,利用观测协方差矩阵,采用Quegan算法中的串扰因子估计式得到串扰参数初始值;
Quegan算法中给出了非迭代的串扰因子估计表达式,由于推导中忽略了二次以上项,估计误差较大。本发明将该表达式的估计结果作为敏感度方程法的迭代初始值
其中,Cij代表观测协方差矩阵CO第i行、第j列元素的数值,Δ=C11C44-|C14|2。
步骤S3,先忽略同极化通道不平衡定标和绝对幅度定标,假设系统满足反射对称和后向散射互易,根据极化失真方程,得到由观测协方差矩阵系数和串扰参数构成的四个为零的等式;
忽略同极化通道不平衡和绝对幅度定标,令
E=|Y|2KCSKH (5)
根据式(1)可得等式
E=A-1M-1(CO-Cn)M-HA-H (6)
而当观测目标满足反射对称和后向散射互易时,CS满足
先忽略噪声影响,结合式(5)和(7)得到关于E的四个等式
E21=α|α(1-vz)(1-uw)|-2.[(-zC11+C21+wzC31-wC41)-v*(-zC12+C22+wzC32-wC42)-w*(-zC13+C23+wzC33-wC43)+v*w*(-zC14+C24+wzC34-wC44)]=0
E31=|α(1-vz)(1-uw)|-2.[(-uC11+uvC21+C31-vC41)-v*(-uC12+uvC22+C32-vC42)-w*(-uC13+uvC23+C33-vC43)+v*w*(-uC14+uvC24+C34-vC44)]=0
E24=|(1-vz)(1-uw)|-2.[u*z*(-zC11+C21+wzC31-wC41)-u*(-zC12+C22+wzC32-wC42)-z*(-zC13+C23+wzC33-wC43)+(-zC14+C24+wzC34-wC44)]=0
E34=α*|α(1-vz)(1-uw)|-2.[u*z*(-uC11+uvC21+C31-vC41)-u*(-uC12+uvC22+C32-vC42)-z*(-uC13+uvC23+C33-vC43)+(-uC14+uvC24+C34-vC44)]=0 (8)
步骤S4,利用敏感度方程法求解S3中的四个等式,即先求出偏微分系数矩阵,不断迭代更新至结果收敛或达到迭代次数要求;
用敏感度方程法迭代求解式(8)的四个等式,令
X=[Re(E21),Re(E31),Re(E24),Re(E34),Im(E21),Im(E31),Im(E24),Im(E34)]T (9)
建立敏感度方程
其中uR,vR,wR,zR和uI,vI,wI,zI分别代表各串扰因子的实、虚部,得到的Δ值用于修正上一次的串扰参数迭代结果,修正式为
最终,当迭代更新量Δ均满足阈值要求或达到迭代次数要求,可认为完成迭代过程。通常,可将阈值设置为10-15,迭代次数设为100次。
步骤S5,利用迭代出的串扰因子大小对观测协方差矩阵进行串扰定标;迭代完成后,得到四个串扰因子的精确估计值,此时可以求出串扰定标矩阵M,并对观测协方差矩阵进行串扰定标,即
E1=M-1COM-H (12)
步骤S6,考虑交叉极化通道噪声的功率比,利用串扰定标后的协方差矩阵,结合改进的Quegan算法估计交叉极化不平衡因子,利用交叉极化不平衡因子对串扰定标后的协方差矩阵进行交叉极化不平衡定标;
在2004年提出的改进Quegan算法中,考虑了极化SAR系统通道噪声功率不相等的情况,并将原始Quegan算法里的交叉极化不平衡因子α估计式修正为
得到交叉极化不平衡定标矩阵A,其中m为VH通道和HV通道的噪声功率比。
步骤S7,将交叉串扰矩阵和交叉极化不平衡定标矩阵相乘,得到极化定标矩阵,求逆并与观测极化散射矢量相乘,得到极化定标后的结果;
极化定标矩阵为
G=MA (14)
用于原始极化数据的标定
S′=G-1O (15)
其中,散射矢量S′为极化定标后的输出结果,但该结果仍缺少同极化不平衡定标和绝对辐射定标。
步骤S8,利用人工布设的三面角反射器完成同极化不平衡定标和绝对幅射定标。
利用三面角反射器的散射矩阵特点
得到同极化不平衡因子k,求出同极化不平衡定标矩阵K并求逆矩阵K-1,再将三面角反射器的雷达散射截面积(RCS)的系统测量值与理论值进行对比,求出绝对辐射定标因子Y,结合公式
S=Y-1K-1S′ (17)
完成全部极化定标操作,最终得到目标真实散射特性。
本发明还通过实际的实验与改进Quegan算法、改进Ainsworth算法进行对比。附图2是本发明方法与已有的考虑通道噪声的改进Quegan算法、改进Ainsworth算法的a幅度估计结果对比;附图3是本发明方法与已有的考虑通道噪声的改进Quegan算法、改进Ainsworth算法的α相位估计结果对比;附图4是本发明方法与已有的考虑通道噪声的改进Quegan算法、改进Ainsworth算法的u幅度估计结果对比;附图5是本发明方法与已有的考虑通道噪声的改进Quegan算法、改进Ainsworth算法的u相位估计结果对比;附图6是本发明方法与已有的考虑通道噪声的改进Quegan算法、改进Ainsworth算法的v幅度估计结果对比;附图7是本发明方法与已有的考虑通道噪声的改进Quegan算法、改进Ainsworth算法的v相位估计结果对比;附图8是本发明方法与已有的考虑通道噪声的改进Quegan算法、改进Ainsworth算法的w幅度估计结果对比;附图9是本发明方法与已有的考虑通道噪声的改进Quegan算法、改进Ainsworth算法的w相位估计结果对比;附图10是本发明方法与已有的考虑通道噪声的改进Quegan算法、改进Ainsworth算法的z幅度估计结果对比;附图11是本发明方法与已有的考虑通道噪声的改进Quegan算法、改进Ainsworth算法的z相位估计结果对比。通过上述实验可得知与现有极化定标算法相比,本发明的极化定标精度很高,具有明显优势。
尽管本发明的内容已经通过上述优选实例作了详细介绍,但应当认识到上述的描述不应被认为是本发明的限制。在本领域技术人员阅读了上述内容后,对于本发明的多种修改和替代都将是显而易见的。因此,本发明的保护范围应由所附的权利要求。
Claims (9)
1.一种通道噪声下的极化SAR高精度定标算法,其特征在于,步骤包含:
步骤S1,对极化SAR获取的4个通道全极化数据矢量化,将目标散射矢量与自身共轭转置矢量做外积,得到待定标数据的观测协方差矩阵;
步骤S2,利用观测协方差矩阵,采用Quegan算法中的串扰因子估计式得到串扰参数初始值;
步骤S3,先忽略同极化通道不平衡定标和绝对幅度定标,假设系统满足反射对称和后向散射互易,根据极化失真方程,得到由观测协方差矩阵系数和串扰参数构成的四个为零的等式;
步骤S4,利用敏感度方程法求解S3中的四个等式,迭代出的串扰因子;即先求出偏微分系数矩阵,不断迭代更新至结果收敛或达到迭代次数要求;
步骤S5,利用迭代出的串扰因子大小对观测协方差矩阵进行串扰定标;
步骤S6,考虑交叉极化通道噪声的功率比,利用串扰定标后的协方差矩阵,结合改进的Quegan算法估计交叉极化不平衡因子,利用交叉极化不平衡因子对串扰定标后的协方差矩阵进行交叉极化不平衡定标;
步骤S7,将交叉串扰定标矩阵和交叉极化不平衡定标矩阵相乘,得到极化定标矩阵,求逆并与观测极化散射矢量相乘,得到极化定标后的结果;
步骤S8,利用人工布设的反射器完成同极化不平衡定标和绝对幅射定标。
2.如权利要求1所述的一种通道噪声下的极化SAR高精度定标算法,其特征在于,所述步骤S1,通过对目标观测协方差矩阵采用定标算法,得到目标真实极化散射矩阵;假设各极化通道噪声与信号不相关且各极化通道噪声间也不相关,那么观测协方差矩阵CO和真实极化散射协方差矩阵CS间存在关系式
CO=|Y|2MAKCSKHAHMH+Cn (1)
其中,Y为绝对辐射定标因子;A=diag(α,1,α,1)是交叉极化不平衡定标矩阵;α是原始Quegan算法里的交叉极化不平衡因子;K=diag(k2,k,k,1)是同极化不平衡定标矩阵;k是同极化不平衡因子;CS为真实极化散射协方差矩阵;上标H表示复共轭转置;Cn为系统噪声协方差矩阵;是串扰定标矩阵;u、v、w、z分别代表各串扰因子;
得到原始极化SAR数据的极化散射矢量
O=[OHH,OHV,OVH,OVV]T (2)
求出观测极化协方差矩阵
CO=<OOH> (3)
其中<·>表示求集合平均。
3.如权利要求2所述的一种通道噪声下的极化SAR高精度定标算法,其特征在于,所述步骤S2中,将Quegan算法中非迭代的串扰因子估计表达式的估计结果作为敏感度方程法的迭代初始值
其中,Cij代表观测协方差矩阵CO第i行、第j列元素的数值;Δ=C11C44-|C14|2。
4.如权利要求3所述的一种通道噪声下的极化SAR高精度定标算法,其特征在于,所述步骤S3中,忽略同极化通道不平衡和绝对幅度定标,令
E=|Y|2KCSKH (5)
根据式(1)可得等式
E=A-1M-1(CO-Cn)M-HA-H (6)
此时,CS满足
先忽略噪声影响,结合式(5)和(7)得到关于E的四个等式
5.如权利要求4所述的一种通道噪声下的极化SAR高精度定标算法,其特征在于,所述步骤S4中,令
X=[Re(E21),Re(E31),Re(E24),Re(E34),Im(E21),Im(E31),Im(E24),Im(E34)]T (9)
建立敏感度方程
其中uR,vR,wR,zR和uI,vI,wI,zI分别代表各串扰因子的实、虚部;
迭代更新量Δ满足阈值设置为10-15,迭代次数设为100次。
6.如权利要求5所述的一种通道噪声下的极化SAR高精度定标算法,其特征在于,所述步骤S5中,得到四个串扰因子的精确估计值,并对观测协方差矩阵进行串扰定标
E1=M-1COM-H。 (11)
7.如权利要求6所述的一种通道噪声下的极化SAR高精度定标算法,其特征在于,所述步骤S6中,将原始Quegan算法里的交叉极化不平衡因子α估计式修正为
得到交叉极化不平衡定标矩阵A;其中m为VH通道和HV通道的噪声功率比。
8.如权利要求7所述的一种通道噪声下的极化SAR高精度定标算法,其特征在于,所述步骤S7中,极化定标矩阵为
G=MA (13)
用于原始极化数据的标定
S′=G-1O (14)
其中,散射矢量S′为极化定标后的输出结果。
9.如权利要求8所述的一种通道噪声下的极化SAR高精度定标算法,其特征在于,所述步骤S8中,所述人工布设的反射器为三面角反射器;
利用三面角反射器的散射矩阵特点
得到同极化不平衡因子k,求出同极化不平衡定标矩阵K并求逆矩阵K-1,再将三面角反射器的雷达散射截面积的系统测量值与理论值进行对比,求出绝对辐射定标因子Y
S=Y-1K-1S′ (16)
全部极化定标操作,最终得到目标真实散射特性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811278276.0A CN109633576B (zh) | 2018-10-30 | 2018-10-30 | 一种通道噪声下的极化sar高精度定标算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811278276.0A CN109633576B (zh) | 2018-10-30 | 2018-10-30 | 一种通道噪声下的极化sar高精度定标算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109633576A true CN109633576A (zh) | 2019-04-16 |
CN109633576B CN109633576B (zh) | 2020-09-08 |
Family
ID=66066889
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811278276.0A Active CN109633576B (zh) | 2018-10-30 | 2018-10-30 | 一种通道噪声下的极化sar高精度定标算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109633576B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110646795A (zh) * | 2019-09-16 | 2020-01-03 | 武汉大学 | 一种简缩极化sar的海洋溢油检测方法和系统 |
CN111291322A (zh) * | 2020-01-19 | 2020-06-16 | 中国科学院电子学研究所 | 一种辐射定标数据噪声估计方法及装置 |
CN111948615A (zh) * | 2020-06-30 | 2020-11-17 | 中国资源卫星应用中心 | 一种星载全极化sar数据的极化定标方法及装置 |
CN112698285A (zh) * | 2020-12-24 | 2021-04-23 | 南京航空航天大学 | 一种基于Ainsworth算法的气象雷达外定标方法 |
CN113945929A (zh) * | 2021-12-20 | 2022-01-18 | 中国科学院空天信息创新研究院 | 一种未定标全极化sar无旋性区域选择方法 |
CN115047416A (zh) * | 2022-08-15 | 2022-09-13 | 中国科学院空天信息创新研究院 | 一种基于对称区域表面扭曲成分的全极化sar定标方法 |
CN117214843A (zh) * | 2023-11-07 | 2023-12-12 | 中国科学院空天信息创新研究院 | 一种基于定标器组的全极化sar系统性能评估方法 |
CN117253132A (zh) * | 2023-11-14 | 2023-12-19 | 中国科学院空天信息创新研究院 | 基于分布式目标的dfsar全极化数据可用性评估方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102393513A (zh) * | 2011-08-31 | 2012-03-28 | 中国电子科技集团公司第三十八研究所 | 一种基于自然分布场景和稀少定标器的极化定标技术 |
CN105445708A (zh) * | 2015-11-11 | 2016-03-30 | 西安电子科技大学 | 一种极化合成孔径雷达的定标方法 |
CN106405547A (zh) * | 2016-08-19 | 2017-02-15 | 西安空间无线电技术研究所 | 一种多极化sar简缩极化模式定标方法 |
CN106772371A (zh) * | 2016-11-21 | 2017-05-31 | 上海卫星工程研究所 | 基于极化干涉sar分类应用的极化定标参数需求分析方法 |
-
2018
- 2018-10-30 CN CN201811278276.0A patent/CN109633576B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102393513A (zh) * | 2011-08-31 | 2012-03-28 | 中国电子科技集团公司第三十八研究所 | 一种基于自然分布场景和稀少定标器的极化定标技术 |
CN105445708A (zh) * | 2015-11-11 | 2016-03-30 | 西安电子科技大学 | 一种极化合成孔径雷达的定标方法 |
CN106405547A (zh) * | 2016-08-19 | 2017-02-15 | 西安空间无线电技术研究所 | 一种多极化sar简缩极化模式定标方法 |
CN106772371A (zh) * | 2016-11-21 | 2017-05-31 | 上海卫星工程研究所 | 基于极化干涉sar分类应用的极化定标参数需求分析方法 |
Non-Patent Citations (3)
Title |
---|
H. KIMURA: "Improvement of polarimetric SAR calibration based on the Quegan algorithm", 《IGARSS 2004. 2004 IEEE INTERNATIONAL GEOSCIENCE AND REMOTE SENSING SYMPOSIUM》 * |
张海瀛: "一种考虑通道噪声的极化SAR定标改进算法", 《西安电子科技大学学报》 * |
陶利 等: "简述极化SAR定标处理技术研究进展", 《遥感技术与应用》 * |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110646795A (zh) * | 2019-09-16 | 2020-01-03 | 武汉大学 | 一种简缩极化sar的海洋溢油检测方法和系统 |
CN110646795B (zh) * | 2019-09-16 | 2021-09-24 | 武汉大学 | 一种简缩极化sar的海洋溢油检测方法和系统 |
CN111291322A (zh) * | 2020-01-19 | 2020-06-16 | 中国科学院电子学研究所 | 一种辐射定标数据噪声估计方法及装置 |
CN111948615B (zh) * | 2020-06-30 | 2023-10-31 | 中国资源卫星应用中心 | 一种星载全极化sar数据的极化定标方法及装置 |
CN111948615A (zh) * | 2020-06-30 | 2020-11-17 | 中国资源卫星应用中心 | 一种星载全极化sar数据的极化定标方法及装置 |
CN112698285A (zh) * | 2020-12-24 | 2021-04-23 | 南京航空航天大学 | 一种基于Ainsworth算法的气象雷达外定标方法 |
CN112698285B (zh) * | 2020-12-24 | 2022-06-24 | 南京航空航天大学 | 一种基于Ainsworth算法的气象雷达外定标方法 |
CN113945929A (zh) * | 2021-12-20 | 2022-01-18 | 中国科学院空天信息创新研究院 | 一种未定标全极化sar无旋性区域选择方法 |
CN115047416A (zh) * | 2022-08-15 | 2022-09-13 | 中国科学院空天信息创新研究院 | 一种基于对称区域表面扭曲成分的全极化sar定标方法 |
CN115047416B (zh) * | 2022-08-15 | 2022-10-25 | 中国科学院空天信息创新研究院 | 一种基于对称区域表面扭曲成分的全极化sar定标方法 |
CN117214843A (zh) * | 2023-11-07 | 2023-12-12 | 中国科学院空天信息创新研究院 | 一种基于定标器组的全极化sar系统性能评估方法 |
CN117214843B (zh) * | 2023-11-07 | 2024-01-12 | 中国科学院空天信息创新研究院 | 一种基于定标器组的全极化sar系统性能评估方法 |
CN117253132A (zh) * | 2023-11-14 | 2023-12-19 | 中国科学院空天信息创新研究院 | 基于分布式目标的dfsar全极化数据可用性评估方法 |
CN117253132B (zh) * | 2023-11-14 | 2024-01-26 | 中国科学院空天信息创新研究院 | 基于分布式目标的dfsar全极化数据可用性评估方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109633576B (zh) | 2020-09-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109633576A (zh) | 一种通道噪声下的极化sar高精度定标算法 | |
CN106405547B (zh) | 一种多极化sar简缩极化模式定标方法 | |
CN105445708B (zh) | 一种极化合成孔径雷达的定标方法 | |
CN102393513B (zh) | 一种基于自然分布场景和稀少定标器的极化定标方法 | |
CN109471095A (zh) | 基于快速迭代插值的fmcw雷达距离估计算法 | |
CN107229048A (zh) | 一种高分宽幅sar动目标速度估计与成像方法 | |
CN111352107B (zh) | 基于多通道数字和差的单脉冲跟踪与成像方法 | |
CN109444882B (zh) | 基于变斜视椭圆波束同步模型的双站sar成像方法 | |
CN110673143A (zh) | 一种子孔径大斜视sar俯冲成像的两步处理方法 | |
CN108375770B (zh) | 一种基于旋转对称性的全极化sar数据的极化定标方法 | |
CN105158759A (zh) | 基于杂波相消的hrws sar通道相位偏差校正方法 | |
Zhang et al. | Improvement of polarimetric SAR calibration based on the Ainsworth algorithm for Chinese airborne PolSAR data | |
CN106199600A (zh) | 基于多普勒估计的方位多通道合成孔径雷达成像方法 | |
CN103645466B (zh) | 一种基于平台姿态时变性补偿的极化定标方法 | |
CN106874642A (zh) | 基于旋转均匀圆阵的近场源参数估计解模糊方法 | |
CN106054187A (zh) | 基于斜距模型下的大斜视sar曲线轨迹波数域成像方法 | |
CN106526555B (zh) | 基于分布目标的全极化sar隔离度评价方法 | |
CN111103572B (zh) | 基于分布目标的星载sar极化定标方法及设备 | |
Liu et al. | Sparse self-calibration imaging via iterative MAP in FM-based distributed passive radar | |
CN112415512B (zh) | 基于进退法和黄金分割法的sar运动目标聚焦方法 | |
Zhu et al. | ISAR range alignment by minimizing the entropy of the average range profile | |
CN101900805A (zh) | 一种球面波成像数学模型及近场效应的补偿方法 | |
Li et al. | Inverse-mapping filtering polar formation algorithm for high-maneuverability SAR with time-variant acceleration | |
CN101825700B (zh) | 一种sar图像点目标评估方法 | |
CN116626622A (zh) | 一种极化合成孔径雷达交叉定标方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |