CN111948649A - 一种稀疏基线差分干涉处理方法 - Google Patents
一种稀疏基线差分干涉处理方法 Download PDFInfo
- Publication number
- CN111948649A CN111948649A CN202010604768.5A CN202010604768A CN111948649A CN 111948649 A CN111948649 A CN 111948649A CN 202010604768 A CN202010604768 A CN 202010604768A CN 111948649 A CN111948649 A CN 111948649A
- Authority
- CN
- China
- Prior art keywords
- baseline
- radar
- radars
- group
- sparse
- 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
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)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提供一种稀疏基线差分干涉处理方法,首先利用组内基线二次插值处理得到一维分布式目标像素模型,将其作为目标散射单元的真实估计,以此将雷达原有分辨单元分割为更小的单元,解决了分辨单元散射特性随观测角度变化的问题,大大提高该分辨率;然后利用组间基线进行干涉处理,克服了由空间基线过大造成的空间失相干问题。
Description
技术领域
本发明属于雷达信号处理技术领域,尤其涉及一种稀疏基线差分干涉处理方法。
背景技术
合成孔径干涉技术(InSAR)是一种空间大地测量技术,具有精度高、范围大、不受天气条件约束等优势,在局部地形测绘领域有着十分重要的应用。差分干涉雷达技术(D-InSAR)是在InSAR基础上发展起来的地表形变测量技术,精度可达毫米量级,在地形变测量、地形制图、军事应用、海况监测、冰川运动监测、地质灾害(滑坡、泥石流、地震、火山)监测、森林高度测量、作物生长变化等方面具有很大的应用潜力。
在SAR图像中,一个分辨单元由多个散射体组成,每个分辨单元内的回波是各散射体的散射相位和延迟相位的叠加,干涉处理时,当主副天线的垂直基线较短,分辨单元的复散射系数近似不变;当主副天线的垂直基线较长,分辨单元的复散射系数变化不能忽略,引入的去相关效应,即空间去相干。所以,无论是InSAR还是D-InSAR,都对基线有着严苛的要求:即有效基线长度需小于临界基线,此时SAR数据间保持着良好的相干性,干涉处理结果精度较高。当有效基线长度大于或等于临界基线时,干涉对完全失相干,常规干涉处理方法失效,这就大大限制了干涉技术的应用。
Ferretti利用永久散射体技术(PS-InSAR)实现了长时间基线与空间基线下的干涉处理,其核心是利用具有时空稳定相位特征的永久散射体(PS)代替了传统干涉处理方法中的分辨单元,使得即使干涉对超过临界基线,点仍能保持高相干性,仍可用来反演形变信息。PS点一般对应实地人工物,如桥梁、建筑物、堤岸等,当分辨单元内存在多个PS点,分辨单元整体散射特性不再具备时空稳定相位特征,无法获得地表形变信息。
发明内容
为解决上述问题,本发明提供一种稀疏基线差分干涉处理方法,通过组内基线插值可将分辨单元分割成更小的单元,再通过组间基线的干涉处理,可以克服由空间基线过大造成的空间失相干问题。
一种稀疏基线差分干涉处理方法,包括以下步骤:
S1:两个以上的雷达对一维分布式目标进行成像,得到各雷达相对于一维分布式目标的稀疏基线差分干涉数据,其中,所述稀疏基线差分干涉数据包括空间基线和时间基线;
S2:根据稀疏基线差分干涉数据对雷达进行分组,并将组数记为M,其中,分组的方法为:判断两个雷达之间的空间基线与时间基线是否均小于设定值,若满足,则两个雷达为一组;
S3:分别为各组内每个雷达构建对应的一维分布式目标像素模型si(ni),其中,i=1,2,…,M,ni=-Ni,…,0,…,Ni-1,其中,2Ni为第i组雷达的雷达个数;
S4:以组为单位,分别对各组内的雷达对应的一维分布式目标像素模型si(ni)进行二次插值,得到二次插值后的一维分布式目标像素模型sti;
S5:将各一维分布式目标像素模型sti两两为一组,然后将各组内的一维分布式目标像素模型sti共轭相乘,得到任意两组雷达之间的差分干涉相位误差stinter。
进一步地,当M=2时,假设第一组雷达中处于最中心的雷达的坐标为(xc,yc),第二组雷达中处于最中心的雷达的坐标为(xc,yc+Δ),其中,Δ为两组雷达的中心雷达的纵坐标差值,组内相邻雷达之间的空间基线间距均为Δy,则第一组雷达中各雷达的坐标分别为(xc,yc+n1Δy),第二组雷达中各雷达的坐标分别为(xc,yc+Δ+n2Δy);
一维分布式目标像素模型s1(n1)和s2(n2)为:
其中,σb1(n1)为第一组雷达分辨单元的复散射系数,σb2(n2)为第二组雷达分辨单元的复散射系数,具体为:
其中,ρy为垂直于雷达视线方向的分辨率,λ为雷达发射信号的波长,σ(y)为位于y处的一维目标的后向散射系数,j表示虚部;
其中,y0为一维分布式目标中位于中心的目标的纵坐标值,y为除位于中心的一维目标以外的目标的纵坐标值。
3、如权利要求2所述的一种稀疏基线差分干涉处理方法,其特征在于,二次插值后的一维分布式目标像素模型st1和st2具体为:
有益效果:
本发明提供一种稀疏基线差分干涉处理方法,首先利用组内基线二次插值处理得到一维分布式目标像素模型,将其作为目标散射单元的真实估计,以此将雷达原有分辨单元分割为更小的单元,解决了分辨单元散射特性随观测角度变化的问题,大大提高该分辨率;然后利用组间基线进行干涉处理,克服了由空间基线过大造成的空间失相干问题。
附图说明
图1为本发明提供的一种稀疏基线差分干涉处理方法的流程图;
图2为本发明提供的基线分组示意图;
图3为本发明提供的雷达与目标的几何关系示意图;
图4为采用传统干涉处理方法时,分布式目标干涉相位精度随基线变化情况的示意图
图5为采用本发明方法时,分布式目标干涉相位精度随基线变化情况的示意图;
图6为采用传统干涉处理方法时,100次蒙特卡洛仿真统计相位误差累计分布曲线;
图7为采用本发明方法时,100次蒙特卡洛仿真统计相位误差累计分布曲线。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述。
本发明公开了一种解决干涉相位失相干的处理方法,图1为本发明的流程示意图,该方法具体包括以下步骤:
S1:两个以上的雷达对一维分布式目标进行成像,得到各雷达相对于一维分布式目标的稀疏基线差分干涉数据,其中,所述稀疏基线差分干涉数据包括空间基线和时间基线。
需要说的是,空间基线为两个雷达在空间中的相对距离,时间基线为两个雷达对相同目标进行成像的相邻时间间隔。
S2:根据稀疏基线差分干涉数据对雷达进行分组,并将组数记为M,其中,分组的方法为:判断两个雷达之间的空间基线与时间基线是否均小于设定值,若满足,则两个雷达为一组。
S3:分别为各组内每个雷达构建对应的一维分布式目标像素模型si(ni),其中,i=1,2,…,M,ni=-Ni,…,0,…,Ni-1,其中,2Ni为第i组雷达的雷达个数。
例如,如图2所示,当M=2时,即根据稀疏基线差分干涉数据将雷达分成两组时,组内时间基线分布较为集中,在该时间段内目标未发生形变;组间时间基线较长,且在空间上基线分布都是稀疏的;雷达与目标的几何关系如图3所示,雷达波束方向与x轴平行,雷达基线分布与y轴平行。
假设第一组雷达中处于最中心的雷达的坐标为(xc,yc),第二组雷达中处于最中心的雷达的坐标为(xc,yc+Δ),其中,Δ为两组雷达的中心雷达的纵坐标差值,组内相邻雷达之间的空间基线间距均为Δy,则第一组雷达中各雷达的坐标分别为(xc,yc+n1Δy),第二组雷达中各雷达的坐标分别为(xc,yc+Δ+n2Δy);一维分布式雷达中各目标的位置为(0,y),一维分布式目标的像素中心为位于最中心的目标的坐标(0,y0);
一维分布式目标像素模型s1(n1)和s2(n2)为:
其中,σb1(n1)为第一组雷达分辨单元的复散射系数,σb2(n2)为第二组雷达分辨单元的复散射系数,具体为:
其中,ρy为垂直于雷达视线方向的分辨率,λ为雷达发射信号的波长,σ(y)为位于y处的一维目标的后向散射系数,j表示虚部;
其中,y0为一维分布式目标中位于中心的目标的纵坐标值,y为除位于中心的一维目标以外的目标的纵坐标值。
由两组雷达分辨单元的复散射系数的表达式可知,由于分辨单元内由多个散射体组成,每个分辨单元内的像素模型是各散射体的散射相位和延迟相位的叠加,由于基线分布稀疏,可以假设Δy>Δ>Bcrit,Bcrit为临界基线,所以无论是组间基线还是组内基线,分辨单元的复散射系数随基线位置的变化不能忽略,将导致干涉相位的完全失相干。
S4:以组为单位,分别对各组内的雷达对应的一维分布式目标像素模型si(ni)进行二次插值,得到二次插值后的一维分布式目标像素模型sti。
例如,当根据稀疏基线差分干涉数据将雷达分成两组时,二次插值后的一维分布式目标像素模型st1和st2具体为:
由此可见,经多基线插值后
st1=st2=σ(y0)
即像素信息保持不变,故其相位会保持一致,临界基线主要由系统波长和垂直视线方向上的分辨率等因素决定,组内基线插值会大大提高该分辨率,扩展临界基线长度,所以利用组间基线进行干涉处理时,可克服由空间基线过大造成的空间失相干问题;其中,σ(y0)为位于y0处的一维目标的后向散射系数。
S5:将各一维分布式目标像素模型sti两两为一组,然后将各组内的一维分布式目标像素模型sti共轭相乘,得到任意两组雷达之间的差分干涉相位误差stinter。
也就是说,组间基线干涉处理,可以得到差分干涉相位误差为:
stinter=angle(st1st2 *)
下面利用本发明对仿真数据进行处理,以进一步验证所提技术的可行性与有效性,仿真参数如表1所示:
表1
参数 | 数值 |
波长 | 0.1m |
垂直视线方向分辨率 | 10m |
临界基线 | 100m |
组内基线个数 | 11 |
组内基线间距 | 400m |
图4和图5给出了对于分布式目标干涉相位精度随基线变化情况。对于分布式目标,传统差分干涉方法受到临界基线的限制,如图4所示,随着基线间距增大,干涉相位误差增大,当达到临界基线时,相位误差达到180度,此时干涉数据完全失相干;对于本发明的方法,若不考虑栅瓣的影响,组内基线插值会大大提高垂直视线方向的分辨率,从而扩展临界基线长度。如图5所示,随着基线增大,干涉相位误差基本为0,不会发生失相干现象。
图6和图7给出了对于离散PS点目标干涉相位精度随基线变化的情况。对于单位分辨单元内的离散PS点混叠目标,多个PS点在单位分辨单元内随机分布,通过100次蒙特卡罗仿真,分别统计传统差分干涉方法和本发明方法得到的差分干涉相位误差。如图6所示,传统方法得到的干涉相位误差都大于20°,且误差大于160°的概率为50%,相干性较差;如图7所示,本发明方法得到的差分干涉相位误差小于20度的概率约为75%,相干性较强,这说明组内基线插值有较大概率分离各PS的影响,恢复主瓣内PS点的时空不变相位特性。
由此可见,本发明首先利用组内基线插值处理得到目标散射单元的真实估计,解决了分辨单元散射特性随观测角度变化的问题。然后利用组间基线进行干涉处理,克服了由空间基线过大造成的空间失相干问题。本发明与现有干涉处理方法比较如下:
1)传统干涉处理时,有效基线长度需小于临界基线,而临界基线主要由系统波长和垂直视线方向上的分辨率等因素决定,本发明通过组内多基线插值,可以将原有分辨单元分割为更小的单元,若不考虑栅瓣的影响,该分辨率由组内基线总长度确定,组内基线插值会大大提高该分辨率,扩展临界基线长度,组间基线远小于总基线长度,所以利用组间基线进行干涉处理时,可克服由空间基线过大造成的空间失相干问题。
2)PS-InSAR实现了长时间基线与空间基线下的干涉处理,其核心是利用具有时空稳定相位特征的永久散射体(PS)代替了传统干涉处理方法中的分辨单元,使得即使干涉对超过临界基线,点仍能保持高相干性。当单位分辨单元内存在多个PS点,其不再具备时空稳定相位散射特性,换句话说,当有效基线长度超过临界基线时,空间失相干现象依然存在。本发明可有效分离单位分辨单元内的多个PS点,在较长基线下仍可保持相干性。
当然,本发明还可有其他多种实施例,在不背离本发明精神及其实质的情况下,熟悉本领域的技术人员当然可根据本发明作出各种相应的改变和变形,但这些相应的改变和变形都应属于本发明所附的权利要求的保护范围。
Claims (3)
1.一种稀疏基线差分干涉处理方法,其特征在于,包括以下步骤:
S1:两个以上的雷达对一维分布式目标进行成像,得到各雷达相对于一维分布式目标的稀疏基线差分干涉数据,其中,所述稀疏基线差分干涉数据包括空间基线和时间基线;
S2:根据稀疏基线差分干涉数据对雷达进行分组,并将组数记为M,其中,分组的方法为:判断两个雷达之间的空间基线与时间基线是否均小于设定值,若满足,则两个雷达为一组;
S3:分别为各组内每个雷达构建对应的一维分布式目标像素模型si(ni),其中,i=1,2,...,M,ni=-Ni,...,0,...,Ni-1,其中,2Ni为第i组雷达的雷达个数;
S4:以组为单位,分别对各组内的雷达对应的一维分布式目标像素模型si(ni)进行二次插值,得到二次插值后的一维分布式目标像素模型sti;
S5:将各一维分布式目标像素模型sti两两为一组,然后将各组内的一维分布式目标像素模型sti共轭相乘,得到任意两组雷达之间的差分干涉相位误差stinter。
2.如权利要求1所述的一种稀疏基线差分干涉处理方法,其特征在于,当M=2时,假设第一组雷达中处于最中心的雷达的坐标为(xc,yc),第二组雷达中处于最中心的雷达的坐标为(xc,yc+Δ),其中,Δ为两组雷达的中心雷达的纵坐标差值,组内相邻雷达之间的空间基线间距均为Δy,则第一组雷达中各雷达的坐标分别为(xc,yc+n1Δy),第二组雷达中各雷达的坐标分别为(xc,yc+Δ+n2Δy;
一维分布式目标像素模型s1(n1)和s2(n2)为:
其中,σb1(n1)为第一组雷达分辨单元的复散射系数,σb2(n2)为第二组雷达分辨单元的复散射系数,具体为:
其中,ρy为垂直于雷达视线方向的分辨率,λ为雷达发射信号的波长,σ(y)为位于y处的一维目标的后向散射系数,j表示虚部;
其中,y0为一维分布式目标中位于中心的目标的纵坐标值,y为除位于中心的一维目标以外的目标的纵坐标值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010604768.5A CN111948649B (zh) | 2020-06-29 | 2020-06-29 | 一种稀疏基线差分干涉处理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010604768.5A CN111948649B (zh) | 2020-06-29 | 2020-06-29 | 一种稀疏基线差分干涉处理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111948649A true CN111948649A (zh) | 2020-11-17 |
CN111948649B CN111948649B (zh) | 2022-02-08 |
Family
ID=73337560
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010604768.5A Active CN111948649B (zh) | 2020-06-29 | 2020-06-29 | 一种稀疏基线差分干涉处理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111948649B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102269813A (zh) * | 2011-06-23 | 2011-12-07 | 中国电子科技集团公司第三十八研究所 | 一种机载非垂直双天线干涉sar系统干涉处理技术 |
CN103439693A (zh) * | 2013-08-16 | 2013-12-11 | 电子科技大学 | 一种线阵sar稀疏重构成像与相位误差校正方法 |
CN103487809A (zh) * | 2013-09-23 | 2014-01-01 | 中国科学院电子学研究所 | 一种基于BP算法和时变基线的机载InSAR数据处理方法 |
CN104007439A (zh) * | 2014-05-30 | 2014-08-27 | 中国科学院电子学研究所 | 一种干涉圆迹sar高程估计处理方法 |
-
2020
- 2020-06-29 CN CN202010604768.5A patent/CN111948649B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102269813A (zh) * | 2011-06-23 | 2011-12-07 | 中国电子科技集团公司第三十八研究所 | 一种机载非垂直双天线干涉sar系统干涉处理技术 |
CN103439693A (zh) * | 2013-08-16 | 2013-12-11 | 电子科技大学 | 一种线阵sar稀疏重构成像与相位误差校正方法 |
CN103487809A (zh) * | 2013-09-23 | 2014-01-01 | 中国科学院电子学研究所 | 一种基于BP算法和时变基线的机载InSAR数据处理方法 |
CN104007439A (zh) * | 2014-05-30 | 2014-08-27 | 中国科学院电子学研究所 | 一种干涉圆迹sar高程估计处理方法 |
Non-Patent Citations (2)
Title |
---|
李希 等: "利用GACOS的小基线集地面沉降监测", 《测绘科学》 * |
毛聪 等: "地基SAR子图相干合成快速成像算法", 《信号处理》 * |
Also Published As
Publication number | Publication date |
---|---|
CN111948649B (zh) | 2022-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11269072B2 (en) | Land deformation measurement | |
De Zan et al. | Phase inconsistencies and multiple scattering in SAR interferometry | |
CN111059998B (zh) | 一种基于高分辨率的时序InSAR形变监测方法及系统 | |
Miliaresis et al. | Vertical accuracy of the SRTM DTED level 1 of Crete | |
Yu et al. | A cluster-analysis-based efficient multibaseline phase-unwrapping algorithm | |
Wu et al. | Deep learning for the detection and phase unwrapping of mining-induced deformation in large-scale interferograms | |
CN109752715B (zh) | 一种sar数据全散射体探测方法及装置 | |
CN103983972A (zh) | 一种快速压缩传感三维sar稀疏成像方法 | |
CN109856636B (zh) | 曲线合成孔径雷达自适应三维成像方法 | |
CN109541591A (zh) | 一种基于线性滤波法的sar海浪成像仿真方法 | |
CN103323840A (zh) | 干涉sar回波数据与平台运动及姿态数据的时间对准方法 | |
CN106291476A (zh) | 机载三维异构阵的雷达地面杂波回波获取方法 | |
CN111948649B (zh) | 一种稀疏基线差分干涉处理方法 | |
CN113238228B (zh) | 基于水准约束的三维地表形变获取方法、系统及装置 | |
CN106772368B (zh) | 多随机频率雷达阵列的超分辨三维成像方法 | |
CN113406629A (zh) | 基于雷达长时间观测的天体目标转动估计与三维重建方法 | |
CN110297243B (zh) | 合成孔径雷达层析三维成像中的相位误差补偿方法及装置 | |
CN105116410A (zh) | 基于线性模型匹配的干涉相位图自适应滤波算法 | |
CN113447896B (zh) | 一种基于动态遮挡判断的起伏地形sar回波仿真方法 | |
CN107607927A (zh) | 一种条纹激光回波信息提取方法 | |
Huang et al. | Multi-frequency and multi-polarization SAR system analysis with simulation software developed at CSA | |
Hu et al. | Asymptotic 3-d phase unwrapping for very sparse airborne array insar images | |
CN114114172B (zh) | 一种底视测高雷达地形回波仿真方法 | |
Gao et al. | Multi-linear sparse reconstruction for SAR imaging based on higher-order SVD | |
Jiang et al. | A novel TomoSAR imaging method with few observations based on nested array |
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 |