CN111948651B - 一种基于等效散射粒子的sar森林场景建模方法 - Google Patents

一种基于等效散射粒子的sar森林场景建模方法 Download PDF

Info

Publication number
CN111948651B
CN111948651B CN202010632408.6A CN202010632408A CN111948651B CN 111948651 B CN111948651 B CN 111948651B CN 202010632408 A CN202010632408 A CN 202010632408A CN 111948651 B CN111948651 B CN 111948651B
Authority
CN
China
Prior art keywords
matrix
scattering
equivalent
sar
backscattering
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
Application number
CN202010632408.6A
Other languages
English (en)
Other versions
CN111948651A (zh
Inventor
丁泽刚
王岩
张庆君
曾涛
郑彭楠
张弛
田维
刘杰
赵良波
刘致曲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing Institute of Technology BIT
Original Assignee
Beijing Institute of Technology BIT
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing Institute of Technology BIT filed Critical Beijing Institute of Technology BIT
Priority to CN202010632408.6A priority Critical patent/CN111948651B/zh
Publication of CN111948651A publication Critical patent/CN111948651A/zh
Application granted granted Critical
Publication of CN111948651B publication Critical patent/CN111948651B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

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
    • G01S13/9004—SAR image acquisition 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

本发明提供一种基于等效散射粒子的SAR森林场景建模方法，通过将树木划分为主要结构和次要结构，并对次要结构进行三维网格划分，将森林场景中大量微小散射粒子，如树叶和微小树枝用一些等效粒子近似，有效减少了需要仿真的散射粒子的数量，因此，本发明能够有效应用于高分辨率森林场景SAR回波仿真，在不丢失树木轮廓信息的同时，大幅提高仿真效率，由此解决了在合成孔径雷达的分辨率高、幅宽大的情况下，森林场景的仿真计算量大、效率低的问题，为林业遥感应用提供数据支撑。

Description

一种基于等效散射粒子的SAR森林场景建模方法
技术领域
本发明属于合成孔径雷达技术领域，尤其涉及一种基于等效散射粒子的SAR森林场景建模方法。
背景技术
合成孔径雷达(Synthetic Aperture Radar，SAR)是一种主动式微波遥感技术，一般安装在卫星、飞机等平台上，具有全天候、全天时等特点。随着SAR技术的发展，其在林业遥感领域应用越来越广泛。相对于光学遥感，SAR受天气因素的影响较小，可以穿透植被表层，更加有效地获取森林结构信息，在森林生物量估计、树高反演、森林面积反演等方面应用尤为广泛。为了保证林业遥感参数反演与估计算法的稳定性、普适性，需要大量不同系统参数的SAR数据作为支撑。然而，通过现有SAR系统获取的数据有限，难以满足实际应用需求。需要研究森林场景SAR数据仿真技术，解决现有林业遥感数据短缺问题。
随着仿真需求的不断增加，诸多仿真模型先后被提出，为SAR系统设计和参数反演等应用提供数据支撑。早期的森林场景SAR数据仿真方法大多采用概率分布模型，由于这类方法没有对每一棵树进行建模，因此无法描述树木的轮廓信息。随着SAR图像分辨率的提高，树木在图像中的轮廓更加清晰，采用概率分布模型难以满足要求，需要针对单树结构进行建模。但是，树木是典型的三维结构，包含树叶等大量粒子，精确的模拟树木结构信息计算量非常大。因此，需要一种针对高分辨率森林场景的快速仿真方法来解决这一问题。
发明内容
为解决上述问题，本发明提供一种基于等效散射粒子的SAR森林场景建模方法，有效提高了高分辨率森林场景SAR数据的仿真效率。
一种基于等效散射粒子的SAR森林场景建模方法，包括以下步骤：
S1：将树木划分为主要结构和次要结构，其中，主要结构包括树干和直径大于设定值的大树枝，次要结构包括树叶和直径不大于设定值的微小树枝；
S2：分别将树干和大树枝等效为圆柱体，采用无限长介电圆柱模型计算各圆柱体的散射系数，得到树干和各大树枝对应的散射矩阵；
S3：将树木的树冠划分为三维网格，然后，在每个网格中心位置设置一个等效散射粒子表征网格内所有的树叶和微小树枝；
S4：获取各等效散射粒子对应的后向散射等效矩阵和前向散射等效矩阵；
S5：根据各散射矩阵、后向散射等效矩阵以及前向散射等效矩阵对应的树木直角坐标系下的位置坐标，得到树木各位置点上的树干、大树枝、微小树枝以及树叶对应的散射系数，其中，所述散射系数与其对应的散射矩阵、后向散射等效矩阵以及前向散射等效矩阵中的元素为正相关关系；
S6：根据树木各位置点上的散射系数生成对应的SAR雷达回波后，对SAR雷达回波进行成像处理得到SAR图像。
进一步地，分别将步骤S4中各等效散射粒子作为当前等效散射粒子执行以下步骤，得到后向散射等效矩阵和前向散射等效矩阵：
S41：构建后向参考矩阵
Figure BDA0002569548710000021
和前向参考矩阵
Figure BDA0002569548710000022
S42：构建三维复矢量v：
Figure BDA0002569548710000031
其中，a、b、c、d、e、f为互不相关的正态分布随机数，i为虚部；
S43：将后向参考矩阵
Figure BDA0002569548710000032
与三维复矢量v相乘得到第一复矢量u1：
Figure BDA0002569548710000033
其中，
Figure BDA0002569548710000034
分别为极化模式HH、HV、VV下的后向散射系数；
S44：根据第一复矢量u1得到后向散射矩阵S1：
Figure BDA0002569548710000035
S45：根据后向散射矩阵S1得到后向等效散射矩阵S1e：
Figure BDA0002569548710000036
其中，Tc是树冠的传输矩阵；
S46：将前向参考矩阵
Figure BDA0002569548710000037
与三维复矢量v相乘得到第二复矢量u2：
Figure BDA0002569548710000038
其中，
Figure BDA0002569548710000039
分别为极化模式HH、HV、VV下的前向散射系数；
S47：根据第二复矢量u2得到前向散射矩阵S2：
Figure BDA00025695487100000310
S48：根据前向散射矩阵S2得到前向等效散射矩阵S2e：
Figure BDA0002569548710000041
其中，Tr是树冠到地表的传输矩阵，Tg是地表到雷达的传输矩阵，Rg是地表菲涅尔发反射矩阵。
进一步地，分别将各等效散射粒子作为当前等效散射粒子执行以下步骤，得到后向参考矩阵
Figure BDA0002569548710000042
和前向参考矩阵
Figure BDA0002569548710000043
S41a：采用蒙特卡罗仿真方法，为当前等效散射粒子的所属网格随机生成M×N个表征微小树枝与树叶的粒子，其中，M为仿真次数，N为每次仿真随机生成的粒子数；
S41b：根据广义Rayleigh-Gans法获取各随机生成粒子的后向散射矩阵
Figure BDA0002569548710000044
和前向散射矩阵
Figure BDA0002569548710000045
S41c：分别将后向散射矩阵
Figure BDA0002569548710000046
和前向散射矩阵
Figure BDA0002569548710000047
均分为M组，然后将各组内的后向散射矩阵
Figure BDA0002569548710000048
和各组内前向散射矩阵
Figure BDA0002569548710000049
分别相干叠加，得到M个叠加后向散射矩阵
Figure BDA00025695487100000410
和M个叠加前向散射矩阵
Figure BDA00025695487100000411
S41d：分别计算各叠加后向散射矩阵
Figure BDA00025695487100000412
和叠加前向散射矩阵
Figure BDA00025695487100000413
的协方差矩阵，再分别对
Figure BDA00025695487100000414
和
Figure BDA00025695487100000415
取平均，得到后向散射协方差矩阵C1v和前向散射协方差矩阵C2v：
Figure BDA00025695487100000416
Figure BDA00025695487100000417
其中，u1i为各叠加后向散射矩阵
Figure BDA00025695487100000418
对应的协方差矩阵的复矢量，u2i为各叠加前向散射矩阵
Figure BDA00025695487100000419
对应的协方差矩阵的复矢量，T表示转置，*表示共轭；
S41e：采用酉变换Z分别对后向散射协方差矩阵C1v和前向散射协方差矩阵C2v进行对角化：
Z*TC1vZ＝Λ1
Z*TC2vZ＝Λ2
其中，Λ1为由后向散射协方差矩阵C1v的特征值构成的对角矩阵，Λ2为由前向散射协方差矩阵C2v的特征值构成的对角矩阵；
S41f：分别将对角矩阵Λ1和对角矩阵Λ2开方，得到后向参考矩阵
Figure BDA0002569548710000051
和前向参考矩阵
Figure BDA0002569548710000052
进一步地，正态分布随机数符合均值为0、方差为0.5的正态分布。
进一步地，步骤S1中所述的设定值为5厘米。
进一步地，步骤S6中所述对SAR雷达回波进行成像处理得到SAR图像的方法为线频调变标算法、距离多普勒算法、极坐标格式算法或距离徙动算法。
进一步地，步骤S5中的树木直角坐标系的构建方法为：
以树干底部为坐标原点O，正侧视波束照射方向为X轴正方向，雷达运动方向为Y轴正方向，根据右手定则建立直角坐标系O-XYZ。
有益效果：
本发明提供一种基于等效散射粒子的SAR森林场景建模方法，通过将树木划分为主要结构和次要结构，并对次要结构进行三维网格划分，将森林场景中大量微小散射粒子，如树叶和微小树枝用一些等效粒子近似，有效减少了需要仿真的散射粒子的数量，因此，本发明能够有效应用于高分辨率森林场景SAR回波仿真，在不丢失树木轮廓信息的同时，大幅提高仿真效率，由此解决了在合成孔径雷达的分辨率高、幅宽大的情况下，森林场景的仿真计算量大、效率低的问题，为林业遥感应用提供数据支撑。
附图说明
图1为本发明提供的一种基于等效散射粒子的SAR森林场景建模方法的流程图；
图2为本发明建立的空间直角坐标系示意图；
图3为本发明划分的三维网格示意图；
图4为实测数据在极化模式HH下的成像结果示意图；
图5为实测数据在极化模式HV下的成像结果示意图；
图6为实测数据在极化模式VV下的成像结果示意图；
图7为仿真数据在极化模式HH下的成像结果示意图；
图8为仿真数据在极化模式HV下的成像结果示意图；
图9为仿真数据在极化模式VV下的成像结果示意图。
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。
如图1所示，一种基于等效散射粒子的SAR森林场景建模方法，包括以下步骤：
S0：如图2所示，以树干底部为坐标原点O，正侧视波束照射方向为X轴正方向，雷达运动方向为Y轴正方向，根据右手定则建立树木直角坐标系O-XYZ。
S1：将树木划分为主要结构和次要结构，其中，主要结构包括树干和直径大于设定值，如5厘米的大树枝，次要结构包括树叶和直径不大于设定值的微小树枝。
S2：分别将树干和大树枝等效为圆柱体，采用无限长介电圆柱模型计算各圆柱体的散射系数，得到树干和各大树枝对应的散射矩阵。
S3：将树木的树冠划分为三维网格，然后，在每个网格中心位置设置一个等效散射粒子表征网格内所有的树叶和微小树枝。
例如，如图3所示，在O-XYZ坐标系下，以坐标原点为中心，根据SAR图像的像素间距、雷达入射角分别沿着X、Y和Z轴以DX、DY和DZ的设定步长将树冠划分三维网格，然后将每一个网格中心位置作为等效散射中心；其中，像素间距决定了网格的大小，雷达入射角决定了投影面积，则为保证仿真精度，每个网格在SAR图像中的投影面积不超过一个像素单元。
S4：获取各等效散射粒子对应的后向散射等效矩阵和前向散射等效矩阵。
具体的，别将各等效散射粒子作为当前等效散射粒子执行以下步骤，即可得到后向散射等效矩阵和前向散射等效矩阵：
S41：构建后向参考矩阵
Figure BDA0002569548710000071
和前向参考矩阵
Figure BDA0002569548710000072
具体包括以下步骤：
S41a：采用蒙特卡罗仿真方法，为当前等效散射粒子的所属网格随机生成M×N个表征微小树枝与树叶的粒子，其中，M为仿真次数，N为每次仿真随机生成的粒子数；
S41b：根据广义Rayleigh-Gans法获取各随机生成粒子的后向散射矩阵
Figure BDA0002569548710000073
和前向散射矩阵
Figure BDA0002569548710000074
S41c：分别将后向散射矩阵
Figure BDA0002569548710000075
和前向散射矩阵
Figure BDA0002569548710000076
均分为M组，然后将各组内的后向散射矩阵
Figure BDA0002569548710000081
和各组内前向散射矩阵
Figure BDA0002569548710000082
分别相干叠加，得到M个叠加后向散射矩阵
Figure BDA0002569548710000083
和M个叠加前向散射矩阵
Figure BDA0002569548710000084
S41d：分别计算各叠加后向散射矩阵
Figure BDA0002569548710000085
和叠加前向散射矩阵
Figure BDA0002569548710000086
的协方差矩阵，再分别对
Figure BDA0002569548710000087
和
Figure BDA0002569548710000088
取平均，得到后向散射协方差矩阵C1v和前向散射协方差矩阵C2v：
Figure BDA0002569548710000089
Figure BDA00025695487100000810
其中，u1i为各叠加后向散射矩阵
Figure BDA00025695487100000811
对应的协方差矩阵的复矢量，u2i为各叠加前向散射矩阵
Figure BDA00025695487100000812
对应的协方差矩阵的复矢量，T表示转置，*表示共轭；
S41e：由于相干矩阵C1v和C2v是Hermitian矩阵，则可以采用酉变换Z分别对后向散射协方差矩阵C1v和前向散射协方差矩阵C2v进行对角化：
Z*TC1vZ＝Λ1
Z*TC2vZ＝Λ2
其中，Λ1为由后向散射协方差矩阵C1v的特征值构成的对角矩阵，Λ2为由前向散射协方差矩阵C2v的特征值构成的对角矩阵；
S41f：分别将对角矩阵Λ1和对角矩阵Λ2开方，得到后向参考矩阵
Figure BDA00025695487100000813
和前向参考矩阵
Figure BDA00025695487100000814
S42：构建三维复矢量v：
Figure BDA00025695487100000815
其中，a、b、c、d、e、f为均值为0、方差为0.5，且互不相关的正态分布随机数，i为虚部；
S43：将后向参考矩阵
Figure BDA0002569548710000091
与三维复矢量v相乘得到第一复矢量u1：
Figure BDA0002569548710000092
其中，
Figure BDA0002569548710000093
分别为极化模式HH、HV、VV下的后向散射系数；
需要说明的是，雷达发射的能量脉冲的电场矢量，可以在垂直或水平面内被偏振，对于任何波长，雷达信号可以传送水平(H)或者垂直(V)电场矢量，接收水平(H)或者垂直(V)的返回信号，则雷达遥感系统对应有四种极化模式——HH、VV、HV、VH，其中，HH和VV表示单极化，即水平发射水平接收或垂直发射垂直接收，HV和VH表示双极化，即水平发射垂直接收或垂直发射水平接收。
S44：一般的，对于单站体制，即只有一个雷达的情况下，HV极化与VH极化的复散射系数相等，因此，可以根据第一复矢量u1得到后向散射矩阵S1：
Figure BDA0002569548710000094
S45：考虑到树冠衰减的影响，根据后向散射矩阵S1得到后向等效散射矩阵S1e：
Figure BDA0002569548710000095
其中，Tc是树冠的传输矩阵；
需要说明的是，后向等效散射矩阵S1e为当前等效散射粒子将雷达回波直接反射回雷达的情况下对应的矩阵，可以看做一次等效散射矩阵；
S46：将前向参考矩阵
Figure BDA0002569548710000101
与三维复矢量v相乘得到第二复矢量u2：
Figure BDA0002569548710000102
其中，
Figure BDA0002569548710000103
分别为极化模式HH、HV、VV下的前向散射系数；
S47：同理，根据第二复矢量u2得到前向散射矩阵S2：
Figure BDA0002569548710000104
S48：根据前向散射矩阵S2得到前向等效散射矩阵S2e：
Figure BDA0002569548710000105
其中，Tr是树冠到地表的传输矩阵，Tg是地表到雷达的传输矩阵，Rg是地表菲涅尔发反射矩阵；
需要说明的是，前向等效散射矩阵S2e为当前等效散射粒子将雷达回波反射到地面，再由地面反射回雷达的情况下对应的矩阵，可以看做二次等效散射矩阵；
S5：根据各散射矩阵、后向散射等效矩阵以及前向散射等效矩阵对应的树木直角坐标系下的位置坐标，得到树木各位置点上的树干、大树枝、微小树枝以及树叶对应的散射系数，其中，所述散射系数与其对应的散射矩阵、后向散射等效矩阵以及前向散射等效矩阵中的元素为正相关关系。
S6：根据树木各位置点上的散射系数生成对应的SAR雷达回波后，可以采用线频调变标算法、距离多普勒算法、极坐标格式算法或距离徙动算法对SAR雷达回波进行成像处理得到SAR图像。
下面通过以下两个试验对本发明的效果进一步说明。
试验一：仿真图像与实测图像对比验证方法有效性。
选择根河地区试验区数据对仿真算法的有效性进行验证。首先，根据试验区的地表高程(DEM)和冠层高度(CHM)数据设定仿真场景的地表高程信息和树高信息；然后，利用本发明的算法仿真和实测数据相同场景、相同参数的仿真数据，并比较实测数据和仿真数据的误差。
仿真参数与实测数据保持一致，如表1所示。
表1
Figure BDA0002569548710000111
实测数据与仿真数据的成像结果分别如图4～图9所示，其中，图4～图6分别为实测数据在极化模式HH、HV、VV下的成像结果示意图，图7～图9分别为仿真数据在极化模式HH、HV、VV下的成像结果示意图；选择图中位置相同的三个区域，计算每个区域地平均后向散射系数，对比三个区域的计算结果如表2所示。
表2
Figure BDA0002569548710000112
总体而言，仿真数据和实测数据的平均后向散射系数误差在1dB左右，说明采用本发明得到的仿真数据和实测数据基本一致。
试验二：本发明与传统快速仿真方法运算速度比较。
针对本发明所提仿真方法和传统快速仿真方法进行比较。分别模拟不同树种、树高的森林场景在1m分辨率下的SAR数据，仿真场景幅宽100m×100m，像素间隔0.5m×0.5m，树木9颗，仿真平台参数如表3所示。
表3
Figure BDA0002569548710000121
本试验采用的仿真环境为：系统为windows 7，CPU为Dual-Core E58003.2GHz，内存为4GB。
试验结果如表4所示，相比于传统的快速仿真方法，本发明方法在仿真效率上提升了数倍，对于树叶越茂密的树种，仿真效率提升越明显。
表4
Figure BDA0002569548710000122
由此可见，本发明提出基于等效散射粒子的高分辨率SAR森林场景快速建模方法，将树木结构分成主要结构和次要结构，建立树木几何模型；然后将树冠划分成三维网格，每个网格中心位置设置一个等效散射粒子代替网格内所有微小树枝、树叶等散射粒子；再计算树木主要结构的散射矩阵和树木次要结构经等效后的散射粒子的散射矩阵；最后将树干、大树枝的散射矩阵和根据微小树枝、树叶生成的等效散射矩阵得到整个树木对应的散射矩阵，进而生成SAR雷达回波，解决了在合成孔径雷达的分辨率高、幅宽大的情况下，森林场景的仿真计算量大、效率低的问题，弥补了现有技术的不足。
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 (6)

1.一种基于等效散射粒子的SAR森林场景建模方法，其特征在于，包括以下步骤：
S1：将树木划分为主要结构和次要结构，其中，主要结构包括树干和直径大于设定值的大树枝，次要结构包括树叶和直径不大于设定值的微小树枝；
S2：分别将树干和大树枝等效为圆柱体，采用无限长介电圆柱模型计算各圆柱体的散射系数，得到树干和各大树枝对应的散射矩阵；
S3：将树木的树冠划分为三维网格，然后，在每个网格中心位置设置一个等效散射粒子表征网格内所有的树叶和微小树枝；
S4：获取各等效散射粒子对应的后向散射等效矩阵和前向散射等效矩阵，具体为：分别将各等效散射粒子作为当前等效散射粒子执行以下步骤：
S41：构建后向参考矩阵
Figure FDA0003343822900000011
和前向参考矩阵
Figure FDA0003343822900000012
S42：构建三维复矢量v：
Figure FDA0003343822900000013
其中，a、b、c、d、e、f为互不相关的正态分布随机数，i为虚部；
S43：将后向参考矩阵
Figure FDA0003343822900000014
与三维复矢量v相乘得到第一复矢量u1：
Figure FDA0003343822900000015
其中，
Figure FDA0003343822900000016
分别为极化模式HH、HV、VV下的后向散射系数；
S44：根据第一复矢量u1得到后向散射矩阵S1：
Figure FDA0003343822900000021
S45：根据后向散射矩阵S1得到后向等效散射矩阵S1e：
Figure FDA0003343822900000022
其中，Tc是树冠的传输矩阵；
S46：将前向参考矩阵
Figure FDA0003343822900000023
与三维复矢量v相乘得到第二复矢量u2：
Figure FDA0003343822900000024
其中，
Figure FDA0003343822900000025
分别为极化模式HH、HV、VV下的前向散射系数；
S47：根据第二复矢量u2得到前向散射矩阵S2：
Figure FDA0003343822900000026
S48：根据前向散射矩阵S2得到前向等效散射矩阵S2e：
Figure FDA0003343822900000027
其中，Tr是树冠到地表的传输矩阵，Tg是地表到雷达的传输矩阵，Rg是地表菲涅尔发反射矩阵；S5：根据各散射矩阵、后向散射等效矩阵以及前向散射等效矩阵对应的树木直角坐标系下的位置坐标，得到树木各位置点上的树干、大树枝、微小树枝以及树叶对应的散射系数，其中，所述散射系数与其对应的散射矩阵、后向散射等效矩阵以及前向散射等效矩阵中的元素为正相关关系；
S6：根据树木各位置点上的散射系数生成对应的SAR雷达回波后，对SAR雷达回波进行成像处理得到SAR图像。
2.如权利要求1所述的一种基于等效散射粒子的SAR森林场景建模方法，其特征在于，分别将各等效散射粒子作为当前等效散射粒子执行以下步骤，得到后向参考矩阵
Figure FDA0003343822900000031
和前向参考矩阵
Figure FDA0003343822900000032
S41a：采用蒙特卡罗仿真方法，为当前等效散射粒子的所属网格随机生成M×N个表征微小树枝与树叶的粒子，其中，M为仿真次数，N为每次仿真随机生成的粒子数；
S41b：根据广义Rayleigh-Gans法获取各随机生成粒子的后向散射矩阵
Figure FDA0003343822900000033
和前向散射矩阵
Figure FDA0003343822900000034
S41c：分别将后向散射矩阵
Figure FDA0003343822900000035
和前向散射矩阵
Figure FDA0003343822900000036
均分为M组，然后将各组内的后向散射矩阵
Figure FDA0003343822900000037
和各组内前向散射矩阵
Figure FDA0003343822900000038
分别相干叠加，得到M个叠加后向散射矩阵
Figure FDA0003343822900000039
和M个叠加前向散射矩阵
Figure FDA00033438229000000310
S41d：分别计算各叠加后向散射矩阵
Figure FDA00033438229000000311
和叠加前向散射矩阵
Figure FDA00033438229000000312
的协方差矩阵，再分别对
Figure FDA00033438229000000313
和
Figure FDA00033438229000000314
取平均，得到后向散射协方差矩阵C1v和前向散射协方差矩阵C2v：
Figure FDA00033438229000000315
Figure FDA00033438229000000316
其中，u1i为各叠加后向散射矩阵
Figure FDA00033438229000000317
对应的协方差矩阵的复矢量，u2i为各叠加前向散射矩阵
Figure FDA00033438229000000318
对应的协方差矩阵的复矢量，T表示转置，*表示共轭；
S41e：采用酉变换Z分别对后向散射协方差矩阵C1v和前向散射协方差矩阵C2v进行对角化：
Z*TC1vZ＝Λ1
Z*TC2vZ＝Λ2
其中，Λ1为由后向散射协方差矩阵C1v的特征值构成的对角矩阵，Λ2为由前向散射协方差矩阵C2v的特征值构成的对角矩阵；
S41f：分别将对角矩阵Λ1和对角矩阵Λ2开方，得到后向参考矩阵
Figure FDA0003343822900000041
和前向参考矩阵
Figure FDA0003343822900000042
3.如权利要求1所述的一种基于等效散射粒子的SAR森林场景建模方法，其特征在于，正态分布随机数符合均值为0、方差为0.5的正态分布。
4.如权利要求1所述的一种基于等效散射粒子的SAR森林场景建模方法，其特征在于，步骤S1中所述的设定值为5厘米。
5.如权利要求1所述的一种基于等效散射粒子的SAR森林场景建模方法，其特征在于，步骤S6中所述对SAR雷达回波进行成像处理得到SAR图像的方法为线频调变标算法、距离多普勒算法、极坐标格式算法或距离徙动算法。
6.如权利要求1所述的一种基于等效散射粒子的SAR森林场景建模方法，其特征在于，步骤S5中的树木直角坐标系的构建方法为：
以树干底部为坐标原点O，正侧视波束照射方向为X轴正方向，雷达运动方向为Y轴正方向，根据右手定则建立直角坐标系O-XYZ。
CN202010632408.6A 2020-07-03 2020-07-03 一种基于等效散射粒子的sar森林场景建模方法 Active CN111948651B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010632408.6A CN111948651B (zh) 2020-07-03 2020-07-03 一种基于等效散射粒子的sar森林场景建模方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010632408.6A CN111948651B (zh) 2020-07-03 2020-07-03 一种基于等效散射粒子的sar森林场景建模方法

Publications (2)

Publication Number Publication Date
CN111948651A CN111948651A (zh) 2020-11-17
CN111948651B true CN111948651B (zh) 2022-02-08

Family

ID=73337655

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010632408.6A Active CN111948651B (zh) 2020-07-03 2020-07-03 一种基于等效散射粒子的sar森林场景建模方法

Country Status (1)

Country Link
CN (1) CN111948651B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112991435B (zh) * 2021-02-09 2023-09-15 中国农业大学 基于3D LiDAR的果园行末、行首识别方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101526614A (zh) * 2009-04-03 2009-09-09 北京理工大学 基于子孔径和等效散射体的sar回波快速模拟方法
CN102162844A (zh) * 2010-12-07 2011-08-24 北京理工大学 一种sar大范围森林场景遥感数据的快速模拟方法
CN102401898A (zh) * 2011-08-25 2012-04-04 北京理工大学 一种合成孔径雷达森林遥感数据的定量化模拟方法

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103116161B (zh) * 2013-01-25 2015-03-04 北京理工大学 一种基于起伏地形的sar森林二次散射有效路径计算方法
CN105005047B (zh) * 2015-07-17 2017-06-09 武汉大学 后向散射优化的森林复杂地形校正及树高反演方法、系统
CN110569624B (zh) * 2019-09-20 2022-06-10 哈尔滨工业大学 适用于PolInSAR反演的森林三层散射模型的确定及分析方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101526614A (zh) * 2009-04-03 2009-09-09 北京理工大学 基于子孔径和等效散射体的sar回波快速模拟方法
CN102162844A (zh) * 2010-12-07 2011-08-24 北京理工大学 一种sar大范围森林场景遥感数据的快速模拟方法
CN102401898A (zh) * 2011-08-25 2012-04-04 北京理工大学 一种合成孔径雷达森林遥感数据的定量化模拟方法

Also Published As

Publication number Publication date
CN111948651A (zh) 2020-11-17

Similar Documents

Publication Publication Date Title
Franceschetti et al. A novel across-track SAR interferometry simulator
CN103713288B (zh) 基于迭代最小化稀疏贝叶斯重构线阵sar成像方法
CN105785361B (zh) 一种阵元失效条件下的mimo雷达成像方法
CN110456348B (zh) 多视向sar海浪谱数据融合的海浪截断波长补偿方法
CN110569624A (zh) 适用于PolInSAR反演的森林三层散射模型的确定及分析方法
CN107831475A (zh) 一种基于阴影特征的合成孔径雷达欺骗式干扰方法
CN115079109A (zh) 一种合成孔径雷达成像质量指标评价系统
CN112946601B (zh) 基于Gauss-Seidel的高效分布式目标相位优化方法
CN107607945A (zh) 一种基于空间嵌入映射的扫描雷达前视成像方法
CN111948651B (zh) 一种基于等效散射粒子的sar森林场景建模方法
CN109977574A (zh) 一种基于改进Freeman-Durden极化分解模型的土壤水分反演方法
Di Martino et al. Pol-SARAS: A fully polarimetric SAR raw signal simulator for extended soil surfaces
Mu et al. The fusion of physical, textural, and morphological information in SAR imagery for hurricane wind speed retrieval based on deep learning
Yang et al. A deep learning solution for height estimation on a forested area based on Pol-TomoSAR data
CN103176171B (zh) 一种干涉sar分布目标仿真方法
CN113447896B (zh) 一种基于动态遮挡判断的起伏地形sar回波仿真方法
CN110208764A (zh) 基于电磁散射计算的动态海洋大型场景回波仿真方法
CN114332387A (zh) 一种基于少量实测水深数据的湖泊水下地形建模方法
Kraut et al. A generalized Karhunen-Loeve basis for efficient estimation of tropospheric refractivity using radar clutter
CN114527465A (zh) 一种基于永久散射体的地面控制点自动选取方法
Moss et al. A Quantitative Comparison of the Littoral Clutter Model (LCM) to Collected Data in the Ku-Band
Pohjola et al. Creating high-resolution digital elevation model using thin plate spline interpolation and Monte Carlo simulation
CN114066792B (zh) 一种基于多分辨率融合卷积神经网络的穿墙雷达成像方法
Gao A Fast Scattering Model for C-Band Data Simulation in Forest Scenarios
Cai et al. Parameter inversion models based on PolInSAR images

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