CN117253132B - 基于分布式目标的dfsar全极化数据可用性评估方法 - Google Patents
基于分布式目标的dfsar全极化数据可用性评估方法 Download PDFInfo
- Publication number
- CN117253132B CN117253132B CN202311511100.6A CN202311511100A CN117253132B CN 117253132 B CN117253132 B CN 117253132B CN 202311511100 A CN202311511100 A CN 202311511100A CN 117253132 B CN117253132 B CN 117253132B
- Authority
- CN
- China
- Prior art keywords
- crosstalk
- data
- dfsar
- noise
- algorithm
- 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
- 230000010287 polarization Effects 0.000 title claims abstract description 39
- 238000011156 evaluation Methods 0.000 title claims abstract description 25
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 68
- 238000013461 design Methods 0.000 claims abstract description 13
- 230000000694 effects Effects 0.000 claims abstract description 6
- 238000012216 screening Methods 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 23
- 238000000034 method Methods 0.000 claims description 21
- 238000005388 cross polarization Methods 0.000 claims description 10
- 230000008685 targeting Effects 0.000 claims description 4
- 230000009977 dual effect Effects 0.000 claims description 3
- 238000001514 detection method Methods 0.000 abstract description 4
- 238000003384 imaging method Methods 0.000 description 7
- 238000004458 analytical method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 238000002955 isolation Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 238000000342 Monte Carlo simulation Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 238000012804 iterative process Methods 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- PEDCQBHIVMGVHV-UHFFFAOYSA-N Glycerine Chemical compound OCC(O)CO PEDCQBHIVMGVHV-UHFFFAOYSA-N 0.000 description 1
- 102000002274 Matrix Metalloproteinases Human genes 0.000 description 1
- 108010000684 Matrix Metalloproteinases Proteins 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004445 quantitative analysis Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000087 stabilizing effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
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
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/87—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using selection of the recognition techniques, e.g. of a classifier in a multiple classifier system
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
- G06V10/993—Evaluation of the quality of the acquired pattern
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Quality & Reliability (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开一种基于分布式目标的DFSAR全极化数据可用性评估方法，涉及雷达探测领域，包括如下步骤：步骤1：基于仿真地质数据推导噪声对估计串扰的影响；步骤2：基于实测数据选择最优估计串扰的算法；步骤3：对求解的四个串扰进行筛选并去除噪声影响的区域；步骤4：基于DFSAR数据对通道不平衡进行估计。步骤5：如果需要使用DFSAR数据进行应用，首先使用步骤4的估计结果对数据进行校正操作。本发明通过分析噪声对串扰估计的影响，将噪声影响图像导致不满足系统设计指标的区域去除，同时对串扰和通道不平衡进行评估。
Description
技术领域
本发明涉及雷达探测领域，尤其涉及一种基于分布式目标的DFSAR（双频合成孔径雷达，Dual Frequency Synthetic Aperture Radar）全极化数据可用性评估方法。
背景技术
DFSAR，即双频合成孔径雷达，用于远距离月球探测和高分辨率成像。该技术将L波段雷达、S波段雷达和合成孔径雷达的优势融合，可在两种频率下接收雷达回波信号，进而实现目标成像和数据分析，从而实现高分辨率的目标探测与图像重建。
月船2号的科学任务阶段于2019年9月调试结束，至今已进行了近4年。在此期间，校准DFSAR全极化数据成为重要而具有挑战性的任务，这是因为受到环境和硬件变化的影响，通道之间的相对关系可能偏离真实值，导致极化图像未能表现为系统的预设值。这种失真参数可以量化为交叉极化通道不平衡、共极化通道不平衡及串扰等。现如今，角反射器以及具有稳定散射特性的大尺度地物（如亚马逊森林），可用于校准全极化SAR系统，但在月球上布设角反射器较为困难，且未发现稳定散射特性的大尺度地物。因此，DFSAR团队采用基于Sun等人提出的分布式目标定标方案解决通道不平衡和串扰问题。该方案基于旋转对称性构造等式，通过迭代运算修正极化SAR图像的散射特性，使其趋于稳定。然而，旋转对称性并不适用于所有自然目标。当使用非旋转对称性数据估计系统参数并对数据进行校正后，图像所表现的极化特征与真实值可能相差较大。因此对定标后的图像进行评估十分重要，为DFSAR数据的极化应用提供保障。
在DFSAR的系统指标中，要求天线的极化隔离度大于30dB，通道不平衡的要求尚未明确。2021年，DFSAR团队采用直方图的统计分布展示了L波段和S波段一景数据在定标前后的共极化相位差和交叉极化相位差，效果良好。同时，使用约160组数据展示了共极化和交叉极化相位的稳定性。然而，这种评估方式存在两个问题：首先，DFSAR研制团队发布了超过900景的数据，因此上述验证结果可能不足以代表全部数据，直接使用某一数据未必准确；其次，由于极化失真参数在图像的距离方向上变化，极化评估需要计算距离向的参数，而非仅仅得出整个图像的值。特别地，DFSAR数据手册指出，由于图像边缘存在噪声，发布的数据经过了调整，然而，视觉解译揭示图像的部分区域，特别是边缘，仍受到噪声影响。因此，DFSAR团队对噪声进行的一系列操作可能导致使用的图像的串扰值不符合系统要求。基于上述潜在问题，有必要在DFSAR团队的基础上，深入评估该载荷，去除受噪声影响区域，以满足全极化SAR探月应用需求。
发明内容
为解决上述技术问题，本发明提供一种基于分布式目标的DFSAR全极化数据可用性评估方法，通过分析噪声对串扰估计的影响，将噪声影响图像导致不满足系统设计指标的区域去除，同时对串扰和通道不平衡进行评估。
为达到上述目的，本发明采用如下技术方案：
一种基于分布式目标的DFSAR全极化数据可用性评估方法，包括如下步骤：
步骤1：基于仿真地质数据推导噪声对估计串扰的影响；
步骤2：基于实测数据选择最优估计串扰的算法，并求解四个串扰；
步骤3：对求解的四个串扰进行筛选并去除受噪声影响的区域；
步骤4：基于DFSAR数据对通道不平衡进行估计，获得估计结果。
进一步地，还包括步骤5：使用步骤4的估计结果对数据进行校正操作，然后应用DFSAR数据。
进一步地，所述步骤1包括：
首先对极化失真模型进行建模，然后使用分布式目标估计串扰的方法，对仿真的地质表面典型协方差矩阵添加噪声，分析噪声对估计串扰的影响。
进一步地，所述步骤2包括：
通过对实测的未定标数据使用多种估计串扰和通道不平衡的算法进行标定，选择适合DFSAR图像的评估算法。
进一步地，所述步骤3包括：
基于所选的适合DFSAR图像的评估算法，对DFSAR图像进行串扰的评估；在对串扰结果精选以及拟合后，根据DFSAR图像的设计指标选择其均优于-30dB的区域作为受噪声影响较小的图像。
进一步地，所述步骤4包括：对筛选后受噪声影响较小的图像估计交叉极化通道不平衡和同极化通道不平衡，以确定图像失真情况。
进一步地，所述步骤5包括：对图像所体现出的通道不平衡进行标定。
有益效果：
本发明的主要目的是基于分布式目标评估DFSAR全极化系统是否达到系统设计指标。鉴于噪声可能会对系统评估参数造成影响，本发明首次在DFSAR分析了噪声对评估失真参数的影响，并首次选取了最优算法来定量衡量这种影响，从而消除因噪声导致的DFSAR图像不满足系统指标的问题，为月球成像雷达设计与应用提供了宝贵的经验。
附图说明
图1为仿真环境下噪声引入对串扰影响的定量分析图。其中，(a)和(b)表示不添加和添加噪声情况下A、AZ、QY以及Q估计串扰中的结果；(c)和(d)表示(a)和(b)估计的误差。
图2为不同算法在串扰估计中的结果对比分析图。其中，(a)为所使用实测SAR图像。(b)-(e)分别表示A算法、AZ算法、QY算法以及Q算法求解串扰中幅度情况，单位为dB。(f)-(i)分别表示A算法、AZ算法、QY算法、Q算法求解z的相位情况，单位为度。(b)-(e)和(f)-(i)的标尺范围分别是一致的；
图3为本发明的基于分布式目标的DFSAR全极化数据可用性评估方法的流程图。
图4为具有代表性的DFSAR极化图。其中，(a)、(b)、(c)分别表示HH、HV、VV的幅度图，单位为dB。
图5为串扰的估计过程图。其中，(a)-(d)分别为、/>、/>、/>的估计过程图。点表示估计的原始串扰，线表示通过滤波拟合后的串扰结果，圆圈表示满足系统设计指标的串扰结果。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅为本发明的一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域的普通技术人员在不付出创造性劳动的前提下所获得的所有其他实施例，都属于本发明的保护范围。
DFSAR技术在远距离月球探测和高分辨率成像方面具有重要意义。它将L波段雷达、S波段雷达和合成孔径雷达的优势结合，实现在不同频率下获取雷达回波信号，实现目标成像和数据分析，为高分辨率目标探测与图像重建提供有效手段，有助于揭示月球表面的地形、撞击坑、山脉等特征。然而，DFSAR技术在实际应用中面临挑战。月船2号科学任务阶段结束已近3年，校准DFSAR全极化数据成为重要任务。由于环境和硬件变化，通道之间的相对关系可能偏离真实值，影响极化图像的失真参数。研究分析噪声影响，量化噪声对系统评估参数的影响，并选择最优算法消除因噪声导致的图像不准确问题，这为保障DFSAR数据可靠性和精确性，为我国月球成像雷达设计与应用提供了宝贵经验，推动月球科学深入发展。综上，DFSAR技术在远距离月球探测和高分辨率成像方面具有重要意义。然而，实际应用中需要克服噪声等问题，确保数据可靠性，为月球探测和研究提供有力支持。
进一步的，本发明的基于分布式目标的DFSAR全极化数据可用性评估方法包括：
首先，通过对极化失真模型进行建模，结合常用的估计串扰方法，分析噪声对估计串扰的影响。其次，通过多种估计串扰和通道不平衡的算法对实测的未定标数据进行标定，以选择最适合评估DFSAR图像的算法。随后，基于所选的算法，对DFSAR进行串扰的评估。这一评估过程包括对串扰结果的精选与拟合，以及根据DFSAR的设计指标，确定串扰优于-30dB的图像区域，从而选择受噪声影响较小的部分。最后，对筛选后的图像进行交叉极化通道不平衡和同极化通道不平衡的估计。如果需要进一步使用数据，将对图像所呈现的通道不平衡进行标定，以确保在后续应用中准确使用DFSAR全极化数据。通过这一方法，可以有效评估基于分布式目标的DFSAR图像的可用性，并提供准确的数据支持。
本发明的核心在于通过分布式目标对DFSAR图像的可用性进行评估。首要考虑的是，DFSAR的部分图像边缘存在空值。在使用这些区域进行极化失真参数估计时，结果可能会严重偏离真实值。因此，本发明的适用范围仅限于DFSAR图像中存在有效值的区域。其次，本发明假设理想情况下，极化失真参数与噪声的分布是不同的，即在距离向上变化，但在方位向上保持不变。
基于以上分析，如图3所示，根据本发明的一个实施例，提出一种基于分布式目标的DFSAR全极化数据可用性评估方法，该方法包括如下4个步骤：
步骤1：基于仿真地质数据推导噪声对估计串扰的影响；
步骤2：基于实测数据选择最优估计串扰的算法，并求解四个串扰；
步骤3：对求解的四个串扰进行筛选并去除受噪声影响的区域；
步骤4：基于DFSAR数据对通道不平衡进行估计获得估计结果。
优选的，还包括步骤5：如果需要使用DFSAR数据进行应用，首先使用步骤4的估计结果对数据进行校正操作。
进一步的，所述步骤1包括：
在DFSAR的全极化系统中，极化失真可以量化为雷达接收天线的串扰、/>与雷达发射天线的串扰/>、/>、接收端通道不平衡/>以及发射端通道不平衡/>：
（1）
其中，表示失真的散射矩阵因子，h和v分别为水平极化和垂直极化；/>表示失真的后向散射矢量；/>表示地物真实的散射矩阵因子；/>表示真实的后向散射矢量；/>表示通道不平衡矩阵；/>表示包含通道不平衡的串扰矩阵；符号/>表示正比关系，等式（1）两端相差一个绝对辐射定标因子。本发明主要关注通道间的相对关系，因此接下来不考虑绝对辐射定标因子。基于上述分析，为了使表述更容易理解，将式（1）中的正比关系变成等号，同时舍弃共同项/>，可以表示为：
（2）
除了式（2）外，还有一种常用的定标模型可以表示为：
（3）
其中，，/>，/>，/>分别是串扰分量，/>表示串扰矩阵；/>表示交叉极化通道不平衡分量；/>为交叉极化通道不平衡矩阵；/>表示共极化通道不平衡分量；/>为共极化通道不平衡矩阵。由代数关系可得，式（2）和式（3）中变量的关系为：
（4）
从式（4）中可以看出，等式（2）和等式（3）是等价的。当实际的观测矩阵和地物真实的后向散射相同时， ，/>。通过将估计的失真矩阵对式（3）进行标定，得到的结果仍能表示为式（3）的形式。后续，本发明将基于式（3）进行后续的分析。
接下来，Ainsworth（A）、Ainsworth-Zero（AZ）、Quegan（Q）以及Quegan-Yang（QY）算法将被用于仿真数据以及实验数据来估计隔离度较高的串扰。为了有效地对多维空间畸变参数进行采样，采用了蒙特卡罗方法。首先将协方差矩阵中第1行第1列参数/>、第4行第4列参数/>、第4行第1列参数/>和第2或3行第2或3列参数/>的大小设置为地质表面的值，即：
（5）
其中，表示/>的相位，/>，上标/>表示虚数的共轭。接下来，对协方差矩阵/>添加噪声。在许多定标文献中，噪声被设置为理想的情况即假设噪声之间以及噪声与后向散射因子之间并不相关。在此处，本发明对上述假设条件放宽，使用随机的噪声以更鲁棒的适应实际的SAR信号。添加随机噪声矩阵/>后的协方差矩阵/>为：
（6）
其中，上标表示矩阵的共轭转置操作符。此外，/>、/>、/>、/>、/>和/>的相位的分布均随机设置在/>，/>、/>、/>、/>的幅度随机设置在-30dB～-20dB之间，/>的幅度随机设置在0.70(-3.098dB)～1.4(2.9226dB)之间，/>。当存在噪声时，/>矩阵中的元素被随机设置在0～0.063之间，相位随机。对于每一组值，使用定标模型（6）估计/>、/>以及/>，并将结果参数估计与真值进行比较。特别的，本发明对上述四种方法设置范围较宽的阈值来去除明显错误的结果，A和AZ算法的阈值设置在0.5(-6.0206dB)，Q以及QY算法被设置在0.3(-10.4576dB)。蒙特卡洛实验结果如图1所示。其中，图1的(a)和图1的(b)表示不添加和添加噪声情况下A、AZ、QY以及Q估计串扰中/>的结果；图1的(c)和图1的(d)表示图1的(a)和图1的(b)估计的误差。
通过对不添加噪声的矩阵应用所有算法求解串扰，AZ算法的精度非常高，Q和QY的算法高，A算法的精度最低。由于A算法主要基于互易性进行求解，约束最小，所以该算法在迭代过程中只需要得到满足关系的最小串扰即可，因此在不同串扰下，求解结果保持在同一个水平。特别的，当串扰值较大时，A算法求解的结果比真值小。在对仿真数据添加噪声并求解串扰后，可以明显看到估计串扰算法在噪声存在的情况下高估了系统本身的串扰。综上，在大于-30dB的串扰区间内，添加噪声前后使用A、AZ、Q以及QY算法估计串扰，结果由低估状态变为高估状态，上述实验验证了串扰估计是受噪声影响，更具体地，会抬高串扰的估计值。
进一步地，所述步骤2包括：
为确保系统的极化性能不受噪声影响，本发明可以对系统的串扰进行评估。如果极化图像所显示的串扰能够符合DFSAR的天线隔离度，即达到-30dB的标准，那么基于串扰定标算法在没有噪声影响的情况下，估计结果必然小于或等于-30dB。如果某一特定距离的估计结果超过-30dB，那么超出部分必然受到噪声的影响，从而可以初步排除受噪声影响的数据。对于天线隔离度本身未达到-30dB的情况，如果估计结果高于-30dB，也可将其排除。值得注意的是，估计结果中低于-30dB的区域并不在本发明的验证范围内。本发明旨在剔除可能受噪声或未达实际指标的结果。
下面将详细分析上述用来评估串扰的优点以及缺点，选择出适应本发明评估串扰的算法：1）由于A算法使用了对单点目标以及分布目标普遍适用的互易性，致使在求解串扰时约束不够，同时迭代的初始值设为0，导致迭代结果最终稳定在满足约束等式的最小值中。与角反射器的结果相比，A算法估计的串扰值偏低；2）对于Q算法来说，由于低串扰的二阶项可以忽略，在反射对称的情况下，可以获得比A算法更准确的结果。然而，反射对称性是公式推导的前提条件，因此选择区域的准确性对Q算法以及AZ算法的精度影响比A算法影响较高；3）AZ算法在估计参数时可能会出现偏差比较大的情况。QY算法通过在搜索串扰解时，不必确定精确地估计，简化了迭代过程，并且还提供了足够的校准精度。
特别的，相比基于互易性的算法，基于反射对称性或弱反射对称性的算法存在不可忽视的问题，即在使用基于反射对称性或弱反射对称性估计极化参数对未定标数据校正后，定标后的数据的方向角被改变，这是反射对称性或弱反射对称性假设带来的问题，基于互易性的A算法并不存在该问题，如图2所示。更直接的，当使用这四种方法评估串扰的幅度和相位时，基于反射对称性或弱反射对称性的算法的结果在同一距离向的不同地物所体现的极化失真是不同的，然而仅基于互易性的算法的结果沿方位向更顺滑。图2 的(a)为所使用实测SAR图像。图2 的(b)- 图2 的(e)分别表示A算法、AZ算法、QY 算法以及Q算法求解串扰中幅度情况，单位为dB。图2 的(f)- 图2 的(i)分别表示A算法、AZ算法、QY 算法以及Q算法求解/>的相位情况，单位为度。
综上，基于反射对称性进行评估时不但参数随地物变化，而且对其进行定标后地物的极化信息发生改变，因此以不改变数据极化信息为准则，A算法是更好的选择。
进一步地，所述步骤3包括：
根据步骤2的分析，接下来应用A算法估计串扰。在本步骤中，将对估计出的串扰进行筛选，同时去除受噪声影响的区域。需注意，定标模型表明需要估计四个串扰，随后的操作将针对每个串扰进行。由于区域选择不准确可能影响定标结果的准确性，本步骤首先对串扰的估计结果进行直方图统计，挑选峰值周围80%的估计结果作为备选。然后，对剩余部分进行二阶多项式拟合，以尽量描述失真参数随距离变化的情况。最后，确定低于-30dB的串扰对应的距离范围，初步认定为不受噪声影响的距离区域。同时，基于符合串扰标准的区域，对交叉极化的幅度和相位进行裁剪。值得强调的是，由于降噪等操作非本发明重点，在上述拟合中，将不符合系统串扰标准的估计结果区域直接排除，以去除低质量数据。此外，通过对目前文献中DFSAR所使用的陨石坑进行统计分析，发现多数陨石坑会占据整个距离范围或图像边缘。为提高数据使用的便利性，如果裁剪后的剩余图像距离范围点数不足整个距离范围点数的50%，建议不对该图像进行进一步分析。
进一步地，所述步骤4包括：
在步骤3中，基于串扰将满足系统设计指标的图像求解出来。除此之外，在步骤3中，交叉极化通道不平衡同时被估计出来。在估计共极化通道不平衡之前，需要将之前估计的交叉极化通道不平衡进行校准。需要注意的是，此处不校准串扰因为串扰已经满足设计指标。在本发明中，选用基于自然地物的低螺旋能量约束来估计通道不平衡，其中选取区域的算法主要使用等效视数（Equivalent number of looks, ENL）以及共极化图像的相关性进行求解。当ENL和/>都偏大时，Bragg-like区域被选出来，被认为满足低螺旋能量，这种选择区域以及定标的方法被称为Shi-UZH算法。
进一步地，所述步骤5包括：
在步骤4中估计通道不平衡的方法能够相对准确估计共极化通道不平衡，但是这种方法可能会存在选择不准导致估计共极化通道不平衡与真实值的偏差存在偏差，可能降低应用数据的精度。在最近的出版物中，基于共极化通道不平衡对H/alpha分解的影响，提出了一种选取低螺旋性区域的方法，称为Halpha-UZH，能有效地提升选择区域的准确性，解决选取区域不当导致估计参数不准确的问题，然而比较耗时。综上，本发明建议为了综合时间效率以及定标准确性，基于DFSAR大量数据进行分析的时候，使用Shi-UZH得到结果。如果对某些数据单独处理时或者对大量数据中的特定数据在使用时存在疑问时，使用Halpha-UZH对共极化通道不平衡进行更精细估计。
实施例1
考虑到DFSAR图像有多景数据（超900景），接下来使用具有一个数据简便表述本发明的详细流程。图4表示使用的DFSAR数据。其中，图4的(a)、图4的(b)、图4的(c)分别表示HH、HV、VV的幅度图，单位为dB。相比HH和VV图像来说，由于噪声的影响，在0-100刻度间的距离向HV图像严重丢失，通过目视解译并未看到有效信息。如果将此类数据直接应用到月球场景，获取结果的准确性值得进一步验证。本发明的目的是除这部分数据以尽可能减免月球应用的误差。通过将图像沿距离向等分80份后，从图5表示的对实际串扰估计结果看，编号从1-31的距离向块串扰都劣于系统天线的-30dB设计指标。其中，图5得的(a)-图5的(d)分别为、/>、/>、/>的估计过程图。点表示估计的原始串扰，线表示通过滤波拟合后的串扰结果，圆圈表示满足系统设计指标的串扰结果。
Claims (7)
1.一种基于分布式目标的DFSAR全极化数据可用性评估方法，其特征在于，包括如下步骤：
步骤1：基于仿真地质数据推导噪声对估计串扰的影响，包括：
对公式（3）添加随机噪声矩阵后获得定标模型（6），使用 Ainsworth、Ainsworth-Zero、Quegan以及 Quegan-Yang算法基于所述定标模型对仿真低质数据进行串扰估计，基于估计结果观测噪声对串扰造成的影响；
公式（3）为：
（3）
其中，，/>，/>，/>分别是串扰分量，/>表示串扰矩阵；/> 表示交叉极化通道不平衡分量；/>为交叉极化通道不平衡矩阵；/>表示共极化通道不平衡分量；/>为共极化通道不平衡矩阵；/>表示真实的后向散射矢量；/>表示失真的后向散射矢量；
定标模型（6）为：
（6）
其中，上标表示矩阵的共轭转置操作符；/>为协方差矩阵； />为随机噪声矩阵；
添加随机噪声矩阵/>后的协方差矩阵；
步骤2：基于实测数据选择最优估计串扰的算法，并求解四个串扰，包括：使用
Ainsworth、Ainsworth-Zero、Quegan以及 Quegan-Yang算法、基于实测数据对串扰、以及交叉极化通道不平衡进行估计，以不改变数据极化信息为准则，选择出最优估计串扰的算法；
步骤3：对求解的四个串扰进行筛选并去除受噪声影响的区域，包括：对串扰的估计结果进行直方图统计，挑选峰值周围 80%的估计结果作为备选；然后，对剩余部分进行二阶多项式拟合，以尽量描述失真参数随距离变化的情况，将不符合系统串扰标准的估计结果区域直接排除，以去除低质量数据；
步骤4：基于DFSAR数据对通道不平衡进行估计，获得估计结果；DFSAR表示双频合成孔径雷达，包括：对步骤 2 获得的交叉极化通道不平衡估计进行校准，基于自然地物的低螺旋能量约束来估计共极化通道不平衡，使用Shi-UZH 算法，调节 ENL 和 Rhhvv参数，从而选择满足低螺旋能量的区域。
2.根据权利要求1所述的一种基于分布式目标的DFSAR全极化数据可用性评估方法，其特征在于，还包括步骤5：使用步骤4的估计结果对DFSAR数据进行校正操作，然后应用DFSAR数据。
3.根据权利要求1或2所述的一种基于分布式目标的DFSAR全极化数据可用性评估方法，其特征在于，所述步骤1包括：
首先对极化失真模型进行建模，然后使用分布式目标估计串扰的方法，对仿真的地质表面典型协方差矩阵添加噪声，分析噪声对估计串扰的影响。
4.根据权利要求1或2所述的一种基于分布式目标的DFSAR全极化数据可用性评估方法，其特征在于，所述步骤2包括：
通过对实测的未定标数据使用多种估计串扰和通道不平衡的算法进行标定，选择适合DFSAR数据的评估算法。
5.根据权利要求4所述的一种基于分布式目标的DFSAR全极化数据可用性评估方法，其特征在于，所述步骤3包括：
基于所选的适合DFSAR数据的评估算法，对DFSAR数据进行串扰的评估；在对串扰结果精选以及拟合后，根据DFSAR数据的设计指标选择其均优于-30dB的区域作为受噪声影响较小的图像。
6.根据权利要求5所述的一种基于分布式目标的DFSAR全极化数据可用性评估方法，其特征在于，所述步骤4包括：
对步骤3中获得的受噪声影响较小的图像估计交叉极化通道不平衡和同极化通道不平衡，以确定图像失真情况。
7.根据权利要求2所述的一种基于分布式目标的DFSAR全极化数据可用性评估方法，其特征在于，所述步骤5包括：对DFSAR数据所体现出的通道不平衡进行标定。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311511100.6A CN117253132B (zh) | 2023-11-14 | 2023-11-14 | 基于分布式目标的dfsar全极化数据可用性评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311511100.6A CN117253132B (zh) | 2023-11-14 | 2023-11-14 | 基于分布式目标的dfsar全极化数据可用性评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117253132A CN117253132A (zh) | 2023-12-19 |
| CN117253132B true CN117253132B (zh) | 2024-01-26 |
Family
ID=89131623
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311511100.6A Active CN117253132B (zh) | 2023-11-14 | 2023-11-14 | 基于分布式目标的dfsar全极化数据可用性评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117253132B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005127874A (ja) * | 2003-10-24 | 2005-05-19 | National Institute Of Information & Communication Technology | 偏波合成開口レーダ較正方法及び装置 |
| 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 |
| CN109633576A (zh) * | 2018-10-30 | 2019-04-16 | 上海无线电设备研究所 | 一种通道噪声下的极化sar高精度定标算法 |
| US11194014B1 (en) * | 2018-02-22 | 2021-12-07 | United States Of America As Represented By The Secretary Of The Air Force | System, method and apparatus for recovering polarization radar data |
| 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 |
| CN115718284A (zh) * | 2023-01-10 | 2023-02-28 | 中国科学院空天信息创新研究院 | 基于圆极化反射对称性的共极化通道不平衡定标方法 |
-
2023
- 2023-11-14 CN CN202311511100.6A patent/CN117253132B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005127874A (ja) * | 2003-10-24 | 2005-05-19 | National Institute Of Information & Communication Technology | 偏波合成開口レーダ較正方法及び装置 |
| 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 |
| US11194014B1 (en) * | 2018-02-22 | 2021-12-07 | United States Of America As Represented By The Secretary Of The Air Force | System, method and apparatus for recovering polarization radar data |
| CN109633576A (zh) * | 2018-10-30 | 2019-04-16 | 上海无线电设备研究所 | 一种通道噪声下的极化sar高精度定标算法 |
| 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 |
| CN115718284A (zh) * | 2023-01-10 | 2023-02-28 | 中国科学院空天信息创新研究院 | 基于圆极化反射对称性的共极化通道不平衡定标方法 |
Non-Patent Citations (1)
| Title |
|---|
| 全极化SAR/InSAR数据定标技术研究;张海瀛;《中国博士学位论文全文数据库 信息科技辑》(第12期);I136-97 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117253132A (zh) | 2023-12-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Mertens et al. | Improved upper limits on the 21 cm signal power spectrum of neutral hydrogen at z≈ 9.1 from LOFAR | |
| Abdurashidova et al. | First results from hera phase i: Upper limits on the epoch of reionization 21 cm power spectrum | |
| Bernardi et al. | Foregrounds for observations of the cosmological 21 cm line-II. Westerbork observations of the fields around 3C 196 and the North Celestial Pole | |
| Noordam | LOFAR calibration challenges | |
| Pizzo et al. | Deep multi-frequency rotation measure tomography of the galaxy cluster A2255 | |
| Ainsworth et al. | Orientation angle preserving a posteriori polarimetric SAR calibration | |
| Stroe et al. | The widest frequency radio relic spectra: observations from 150 MHz to 30 GHz | |
| 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 | |
| CN109633576B (zh) | 一种通道噪声下的极化sar高精度定标算法 | |
| Espeseth et al. | Hybrid-polarity and reconstruction methods for sea ice with L-and C-band SAR | |
| CN113945928B (zh) | 一种基于无旋性区域的全极化sar定标方法 | |
| CN110346797B (zh) | 一种二维逆合成孔径雷达成像方法及系统 | |
| CN103983959A (zh) | 基于数据重构的sar系统运动目标径向速度估计方法 | |
| Zhang et al. | The impact of tandem redundant/sky-based calibration in MWA Phase II data analysis | |
| Ji et al. | An ionospheric phase screen projection method of phase gradient autofocus in spaceborne SAR | |
| CN117253132B (zh) | 基于分布式目标的dfsar全极化数据可用性评估方法 | |
| Lindsley et al. | Adapting the SIR algorithm to ASCAT | |
| Li et al. | Nonhomogeneous clutter suppression based on terrain elevation interferometric phase compensation in multi-satellite formation systems | |
| CN115718284B (zh) | 基于圆极化反射对称性的共极化通道不平衡定标方法 | |
| Soliman et al. | Spatial domain generation of random surface using Savitzky-Golay filter for simulation of electromagnetic polarimetric systems | |
| CN115047416B (zh) | 一种基于对称区域表面扭曲成分的全极化sar定标方法 | |
| Babu et al. | RISAT-1 compact polarimetric calibration and decomposition | |
| Brogan et al. | Advanced gain calibration techniques in radio interferometry | |
| Scheiber et al. | Extrapolation of airborne polarimetric and interferometric SAR data for validation of bio-geo-retrieval algorithms for future spaceborne SAR missions | |
| CN116520257B (zh) | 一种l波段全极化系统极化定标方法 |
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 |