doi:10.12000/JR20009

Evaluating the Impacts of Using Different Digital Surface Models to Estimate Forest Height with TanDEM-X Interferometric Coherence Data

DOI: 10.12000/JR20009

1.
Canadian Forest Service, 506 Burnside Road West, Victoria, British Columbia, V8Z 1M5, Canada
2.
Applied Electromagnetics Consultants, 26 Westfield Avenue, Cupar, Fife, KY15 5AA, UK

Funds: This work was supported by Natural Resources Canada and the Canadian Space Agency under Multisource Biomass GRIP and by the German Aerospace Centre for provision of TanDEM-X data

More Information

Author Bio:
CHEN Hao received the B.Sc. degree in electrical engineering from the University of Beijing Iron and Steel Technology, Beijing, China, in 1983, and the M.Sc. degree in computer science from the University of Victoria, Victoria, BC, Canada, in 2004. He is a senior physical scientist with the Canadian Forest Service (CFS), Natural Resources Canada, working at the Pacific Forestry Centre, Victoria. Since joining the CFS in 2000, his work has focused on radar polarimetry and interferometry for forest applications and he has participated in many national and international radar remote sensing projects as a principal investigator or co-principal investigator. Mr. Chen has more than 20 publications and given presentations to national and international conferences and organizations

HILL David A. received the B.Sc. degree in Physical Geography from the University of Victoria, Victoria, BC, Canada, in 1983 and a Diploma in Remote Sensing from the College of Geographic Sciences, Lawrencetown, NS, Canada, in 1988. In 1997, he joined the Canadian Forest Service as a Remote Sensing Analyst, where research focused on remote sensing for forest inventory applications using data from Canada’s Radarsat-1/2 satellites, CCRS Convair-580 airborne SAR/INSAR, Germany’s TerraSAR-X/Tandem-X, Japan’s ALOS-1/2, and Landsat 3-8. Mr. Hill currently works on assessment of current and future satellite, airborne, and terrestrial sensors for Canada’s National Forest Inventory Program

WHITE Joanne C. received the B.Sc. and the M.Sc. degree in geography from the University of Victoria, Victoria, Canada, in 1994 and 1998 respectively, and the D.Sc. degree from the University of Helsinki, Helsinki, Finland, in 2019. She is a research scientist with the Canadian Forest Service, Natural Resources Canada, in Victoria. Her research focuses on the synergistic use of optical time series and 3D remotely sensed data (LiDAR and digital aerial photogrammetry) for large-area forest inventory and monitoring applications. Specializing in the development of novel approaches to characterize forest dynamics with remotely sensed data, she has co-authored more than 150 peer-reviewed scientific publications. For a complete list of publications and access to reprints, please visit the Canadian Forest Service publications site: http://cfs.nrcan.gc.ca/authors/read/19532

CLOUDE Shane R. received the B.Sc. (Hons.) degree from the University of Dundee, U.K., in 1981, and the Ph.D. degree from the University of Birmingham, U.K., in 1987. He was then a Radar Scientist with the Royal Signals and Radar Establishment, Great Malvern, U.K. Following this, he held teaching and research posts at the University of Dundee, U.K., the University of York, U.K. and the University of Nantes, France, before taking on his present role in 2001. He is now Senior Scientist with AEL Consultants, undertaking research on a range of topics associated with radar and optics. His main research interests are in polarization effects in electromagnetic scattering and their applications in radar and optical remote sensing. He is the author of 2 books, 10 book chapters, 42 journal publications, and over 180 international conference and workshop papers. Dr. Cloude is a Fellow of the Alexander von Humboldt Foundation in Germany, and has held Honorary Professorships and Chairs at the Universities of Dundee and York, UK, the Macaulay Land Use Research Institute in Aberdeen, Scotland, and the University of Adelaide, Australia

Corresponding author: Hao Chen. E-mail: hao.chen@canada.ca

摘要

Abstract:
In our previous studies, we demonstrated the usefulness of TanDEM-X interferometric bistatic mode with single polarization to obtain forest heights for the purposes of large area mapping. A key feature of our approach has been the use of a simplified Random Volume Over Ground (RVOG) model that locally estimates forest height. The model takes TanDEM-X interferometric coherence amplitude as an input and uses an external Digital Surface Model (DSM) to account for local slope variations due to terrain topography in order to achieve accurate forest height estimation. The selection of DSM for use as a local slope reference is essential, as an inaccurate DSM will result in less accurate terrain-correction and forest height estimation. In this paper, we assessed TanDEM-X height estimates associated with scale variations in different DSMs used in the model over a remote sensing supersite in Petawawa, Canada. The DSMs used for assessments and comparisons included ASTER GDEM, ALOS GDSM, airborne DRAPE DSM, Canadian DSM and TanDEM-X DSM. Airborne Laser Scanning (ALS) data were used as reference for terrain slope and forest height comparisons. The results showed that, with the exception of the ASTER GDEM, all DSMs were sufficiently accurate for the simplified RVOG model to provide a satisfactory estimate of stand-level forest height. When compared to the ALS 95^th height percentile, the modeled forest heights had R² values greater than 80% and Root-Mean-Square Errors (RMSE) less than 2 m. For a close similarity in slope estimation with the ALS reference, coverage across Canada and open data access, the 0.75 arc-second (20 m) resolution Canadian DSM was selected as a preferred choice for the simplified RVOG model to provide TanDEM-X height estimation in Canada.
- Interferometric COA /
- Digital surface model /
- Forest height

HTML全文

1. 引言

合成孔径雷达地面动目标显示(Synthetic Aperture Radar-Ground Moving Target Indication, SAR-GMTI)结合了SAR能对地面全天时、全天候高分辨成像和GMTI能够检测、跟踪地面运动目标的优点，能对任意地面动目标进行检测、识别、跟踪、定位和成像^[1]，已成为先进体制SAR必备的功能。随着SAR-GMTI的快速发展，已对军事运动目标构成了严重威胁，因此，对SAR-GMTI系统干扰技术的研究具有重要意义^[2]。

SAR-GMTI通常用多个通道对杂波和静止目标进行对消^[3]，仅留下具有运动信息的目标，从而完成对运动目标的检测。常规的SAR干扰方法^[4,5]经过多通道对消后，会失去干扰效果，这使得对SAR-GMTI干扰必须有别于SAR干扰。文献[6,7]提出利用多干扰机对抗SAR双通道干扰对消技术，为多通道SAR-GMTI干扰提供了新的思路，但多个干扰机的协同工作难度较大；文献[8,9]提出了针对SAR-GMTI的虚假动目标欺骗干扰方法，这一类干扰需侦测SAR信号，并在此基础上进行复杂调制后转发出去，产生此类干扰对收发隔离度要求高，工程上较难实现；文献[10]就相干干扰工程实现难的问题，提出了间歇采样处理的干扰方法，利用收发分时避开了收发高隔离度的难以实现的难题；文献[11,12]提出了对SAR-GMTI的无源压制干扰，其干扰成本低且具有一定压制干扰效果，但无源干扰设备摆放受地形的限制，无法针对重要目标位置进行灵活压制，干扰灵活性不足。基于上述背景，本文提出了一种对常规的通道干涉对消SAR-GMTI的遮蔽干扰方法，该方法可以控制遮蔽区域的大小和出现的位置，达到对指定运动目标进行遮蔽的效果，通过遮蔽运动目标，影响运动目标回波的相位和幅度，从而无法检测运动目标，无法正确估计参数，无法正确定位动目标，最终达到对SAR-GMTI干扰的目的。文章首先给出了干扰模型，然后分析了该方法对SAR-GMTI的干扰原理，并分析了采样周期、占空比、运动调制参数和干扰能量对干扰效果的影响，最后通过仿真验证了干扰的正确性和有效性。

2. 运动调制间歇采样遮蔽干扰模型

如图1，SAR处于正侧视工作模式，设SAR平台以速度v沿x轴方向做匀速直线运动，其高度为H，合成孔径长度为L，合成孔径时间为 ${T_L} = L/v$ 。干扰机J位置为 $({x_j},{y_j},0)$ , t_a=0时干扰机到SAR的斜距为 ${R_j} = \sqrt {{x_j}\!^2 + {y_j}\!^2 + {H^2}}$ ，任意时刻t_a干扰机到SAR的斜距为 ${R_j}\left( {{t_{\rm{a}}}} \right)$ 。

图 1 SAR成像场景图

Figure 1. The imaging scene of SAR

下载: 全尺寸图片幻灯片

2.1 运动调制干扰模型

对SAR运动调制干扰是指利用干扰机模拟运动目标的反射回波相位特征的干扰方法。运动目标相对于静止目标的反射回波会存在一个运动附加相位，只要将此附加相位求得，并利用干扰机在截获SAR信号的基础上，调制上这个运动附加相位，然后转发出去，就能模拟产生运动假目标回波信号。下面重点推导匀加速运动目标的运动附加相位 $\Delta \phi \left( {{t_{\rm{a}}}} \right)$ 。

如图1，假设一个运动点目标P在t_a=0时刻坐标为 $({x_j},{y_j},0)$ (即与干扰机同坐标)，在地面上做匀加速运动，它沿方位向和距离向的速度、加速度分别为v_x, a_x和v_y, a_y，任意t_a时刻，P坐标为 $\left( {{x_j} + {v_x}{t_{\rm{a}}} + {a_x}t_{\rm{a}}^2/2,{y_j} + {v_y}{t_{\rm{a}}} + {a_y}t_{\rm{a}}^2/2,0} \right)$ , t_a=0时P到SAR的斜距为R_j, P与SAR间距离 ${R_j}\left( {{t_{\rm{a}}}} \right)$ 表达式为：

$\begin{aligned} & \!\!\!\!\!\!\!{R_j}\left( {{t_{\rm a}}} \right) \\ = & \!\! \sqrt {{{\left( {{x_j} \!\!+\! \!{v_x}{t_{\rm{a}}} \!\!+\!\! \frac{1}{2}{a_x}{t_{\rm{a}}}\!\!^2 \!\!-\!\! v{t_{\rm{a}}}} \right)}^2} \!\!\!\!+\!\! {{\left( {{y_j} \!+\! {v_y}{t_{\rm{a}}} \!\!+\!\! \frac{1}{2}{a_y}{t_{\rm{a}}}\!\!^2} \right)}^2} \!\!\!\!+\!\! {H^2}} \\ \approx & {R_j} \!+\!\! \frac{{{x_j}\left( {{v_x} \!\!-\!\! v} \right) \!\!+\!\! E{v_y}}}{{{R_j}}}{t_{\rm{a}}} \!+\! \frac{{{{\left( {{v_x} \!\!-\!\! v} \right)}^2} \!\!+\!\! {v_y}\!\!^2 \!+\! {x_j}{a_x} \!\!+\!\! {y_j}{a_y}}}{{2{R_j}}}{t_{\rm a}}\!^2\\ & + \frac{{{a_x}\left( {{v_x} - v} \right) + {a_y}{v_y}}}{{2{R_j}}}{t_{\rm{a}}}\!^3 + \frac{{{a_x}\!\!^2 + {a_y}\!\!^2}}{{8{R_j}}}{t_{\rm a}}\!^4 \end{aligned}$

(1)

若目标P静止，任意t_a时刻，P坐标为 $({x_j},{y_j},0)$ ，则P与SAR间距离 ${R_0}\left( {{t_{\rm{a}}}} \right)$ 表达式为：

$\begin{aligned} {R_0}\left( {{t_\rm{a}}} \right) & = \sqrt {{{\left( {{x_j} - v{t_\rm{a}}} \right)}^2} + {y_j}^2 \!+ {H^2}} \\ & \approx {R_j} - \frac{{{x_j}v}}{{{R_j}}}{t_\rm{a}} +\frac{{{v^2}}}{{2{R_j}}}{t_\rm{a}}\!\!^2 \end{aligned}$

(2)

根据式(1)和式(2)，可以得到运动附加相位的表达式为：

$\begin{aligned} \Delta \phi \left( {{t_{\rm{a}}}} \right) = & \! \frac{{2{{π}}}}{\lambda }\left[ {2R\left( {{t_{\rm{a}}}} \right) - 2{R_0}\left( {{t_{\rm{a}}}} \right)} \right]\\ = & \! 4{{π}}\frac{{{x_j}{v_x} \!+\! {y_j}{v_y}}}{{\lambda {R_j}}}{t_{\rm{a}}}\\ & + 2{{π}}\frac{{{v_x}\!^2 \!-\! 2{v_x}v \!+\! {v_y}\!^2 \!+\! {x_j}{a_x} \!+\! {y_j}{a_y}}}{{\lambda {R_j}}}{t_{\rm{a}}}\!\!^2\\ & + \! 2{{π}}\frac{{{a_x}\left( {{v_x} \!-\! v} \right) \!+\! {a_y}{v_y}}}{{\lambda {R_j}}}\!{t_{\rm{a}}}\!^3 \!+\! {{π}} \! \frac{{{a_x}\!^2 \!+\! {a_y}\!^2}}{{2\lambda {R_j}}}{t_{\rm{a}}}\!^4 \end{aligned}$

(3)

将推导出的运动附加相位 $\Delta \phi \left( {{t_{\rm{a}}}} \right)$ 调制在截获到的SAR信号上，可以得到运动调制干扰信号，其基带形式为：

$\begin{array}{l} {s _j}\left( {{t_{\rm{r}}},{t_{\rm{a}}}} \right) = {\rm{rect}}\left[ {\frac{{{t_{\rm{r}}} - 2{R_j}\left( {{t_{\rm a}}} \right){\rm{/}}{\rm c}}}{{{T_{\rm{p}}}}}} \right]{\rm{rect}}\left( {\frac{{{t_{\rm{a}}} - {x_j}/v}}{{{T_L}}}} \right)\\ \quad\quad\quad\quad\;\; \cdot \exp \left\{ {\left. {{\rm{j{{π}} }}{\mu _{\rm{r}}}{{\left[ {{t_{\rm{a}}} - \frac{{2{R_j}\left( {{t_{\rm{a}}}} \right)}}{{\rm{c}}}} \right]}^2}} \right\}} \right. \\ \quad\quad\quad\quad\;\; \cdot \exp \left[ { - {\rm{j}}\frac{{4{{π}}}}{\lambda }{R_j}\left( {{t_{\rm{a}}}} \right)} \right] \cdot \exp \left[ {{\rm{j}}\Delta \phi \left( {{t_{\rm{a}}}} \right)} \right] \end{array}$

(4)

其中， ${\mathop{\rm rect}\nolimits} \left( u \right) = \left\{ \begin{array}{l} 1,\quad \left| u \right| \le 1/2\\ 0,\quad {\rm{else}} \end{array} \right.$ , t_r为快时间，t_a为慢时间，f₀为中心频率，μ_r为调频率，T_p为脉宽，c为光速，v_x, a_x和v_y, a_y在式(4)中分别称为方位向调制速度、调制加速度和距离向调制速度、调制加速度。

2.2 间歇采样转发干扰模型

间歇采样干扰指干扰机接收SAR信号后，高保真度地采样其中一小段信号后进行转发处理，再采样下一段并进行转发，如此收发分时、采样和转发交替工作直至大时宽信号结束^[13]。设间歇采样脉冲信号 $p({t_{\rm{r}}})$ 为矩形包络脉冲串(如图2)，其表达式为：

图 2 距离向间歇采样脉冲串

Figure 2. Azimuth intermittent sampling pulse series

下载: 全尺寸图片幻灯片

$\begin{aligned} p({t_{\rm{r}}}) = & {\rm{rect}}\left(\frac{{{t_{\rm{r}}}}}{{{T_{\rm{w}}}}}\right) \otimes \sum\limits_{ - \infty }^{ + \infty } {\delta ({t_{\rm{r}}} - n{T_{\rm{s}}})} \\ = & {D_{\rm{r}}} + \sum\limits_{n = 1}^\infty {2{a_n}} {\rm{cos}}2{{π}}n{f_{\rm{s}}}{t_{\rm{r}}} \end{aligned}$

(5)

其中。“ $\otimes$ ”为卷积符号， $\delta ( \cdot )$ 为冲击函数，T_w为采样脉冲宽度，T_s为采样周期， ${D_{\rm{r}}} = {T_{\rm{w}}}/{T_{\rm{s}}} = {T_{\rm{w}}}{f_{\rm{s}}}$ 为占空比， ${a_n} = {T_{\rm{w}}}{f_{\rm{s}}}{\rm{sinc}}(n{{π}}{T_{\rm{w}}}{f_{\rm{s}}}) = {D_{\rm{r}}}{\rm{sinc}}(n{{π}}{D_{\rm{r}}})$ 为幅度加权系数，通常情况下T_w, T_s远小于雷达信号的脉冲宽度。

对截获的SAR信号 ${s_0}({t_{\rm{r}}},{t_{\rm{a}}})$ 进行距离向间歇采样后，就得到了间歇采样干扰信号，其表达式为：

${s_{j{\rm{r}}}}({t_{\rm{r}}},{t_{\rm{a}}}) = {s_0}({t_{\rm{r}}},{t_{\rm{a}}}) \cdot p({t_{\rm{r}}})$

(6)

间歇采样干扰基于天线收发分时体制，能够改善干扰机收发隔离问题，可在距离向产生密集的多假目标干扰效果。

2.3 运动调制间歇采样遮蔽干扰模型

运动调制间歇采样干扰详细产生步骤是在接收到的SAR信号上调制匀加速运动附加相位 $\Delta \phi \left( {{t_{\rm{a}}}} \right)$ ，并对其距离向间歇采样，然后转发出去，此干扰信号的基带形式为：

$\begin{split} {s_j}\left( {{t_{\rm{r}}},{t_{\rm{a}}}} \right) =\!\!\!\! & {\rm{rect}}\left[ {\frac{{{t_{\rm{r}}} - 2{R_j}\left( {{t_{\rm{a}}}} \right){\rm{/}}{\rm c}}}{{{T_{\rm{p}}}}}} \right]{\rm{rect}}\left( {\frac{{{t_{\rm{a}}} - {x_j}/v}}{{{T_{L{\rm{p}}}}}}} \right)\\ & \cdot \exp \left\{ {\left. {{\rm{j{{π}} }}{\mu _{\rm{r}}}{{\left[ {{t_{\rm{r}}} - \frac{{2{R_j}\left( {{t_{\rm{a}}}} \right)}}{{\rm{c}}}} \right]}^2}} \right\}} \right. \\ & \cdot {\rm{exp}}\left[ { - {\rm{j}}2k{R_j}\left( {{t_{\rm{a}}}} \right)} \right] \exp \left[ {\Delta \phi \left( {{t_{\rm a}}} \right)} \right]\! \\ & \cdot \left\{\!\! {{D_{\rm r}} \!+\!\! \sum\limits_{n = 1}^\infty {2{a_n}} {\rm{cos}}2{{π}}n{f_{\rm{s}}}\left[ \! {{t_{\rm{r}}} \!-\! \frac{{2{R_j}\left( {{t_{\rm a}}} \right)}}{{\rm{c}}}} \right]} \!\! \right\} \end{split}$

(7)

运动调制间歇采样干扰在方位向上利用运动调制效应实现展宽和偏移，在距离向上利用间歇采样产生距离向多假目标，二者相结合能实现2维区域遮蔽干扰，因此将这种新的干扰样式称为运动调制间歇采样遮蔽干扰。

3. 对SAR-GMTI干扰原理

GMTI按实现方式的不同可分为两类：一是单通道GMTI，该方式对硬件需求较低，运算量相对较小，但是对弱目标或慢速目标的检测性能较差；二是多通道GMTI，该方式通过增加雷达系统空间维信息对杂波实现良好的抑制和对消，能够在低信噪比条件下对慢速运动目标进行有效检测，主要包括DPCA, STAP, ATI等^[14]。这里采用三通道干涉技术为例分析对SAR-GMTI的干扰原理，其几何模型如图3所示。

图 3 三通道SAR-GMTI干涉处理几何模型

Figure 3. The sketch map of tri-antenna interference cancelling technique

下载: 全尺寸图片幻灯片

三通道子孔径天线沿航迹以等间隔D_a排列，天线2发射信号，天线1、天线2、天线3同时接收信号。由图3可知，干扰信号到3个通道的传播路程分别为 ${R_{j1}} \!=\! ({R_{j{\rm{a}}2}} \!+\! {R_{j{\rm{a}}1}})$ , ${R_{j2}} \!=\! 2{R_{j{\rm{a}}2}}$ , ${R_{j3}} \!=\! ({R_{j{\rm{a}}2}} \!+\! {R_{j{\rm{a}}3}})$ 。忽略干扰机延迟，3个通道接收到的干扰信号分别为(略去窗函数)：

$\left\{\! \begin{aligned} {s _{j1}}({t_{\rm{r}}},{t_{\rm{a}}}) = & \cdot \exp \left\{ {\left. {{\rm{j{{π}} }}{\mu _{\rm{r}}}{{\left[ {{t_{\rm{a}}} - \frac{{{R_{j1}}\left( {{t_{\rm{a}}}} \right)}}{{\rm{c}}}} \right]}^2}} \right\}} \right. \\& \cdot \exp \left[ { - {\rm{j}}k{R_{j1}}\left( {{t_{\rm{a}}}} \right)} \right] \cdot \exp \left[ {{\rm{j}}\Delta \phi \left( {{t_{\rm{a}}}} \right)} \right] \\ &\cdot \left\{ {{D_{\rm r}} \!+\! \sum\limits_{n = 1}^\infty {2{a_n}} {\rm{cos}}2{{π}}n{f_{\rm{s}}}\left[ {{t_{\rm{r}}} \!-\! \frac{{{R_{j1}}\left( {{t_{\rm{a}}}} \right)}}{{\rm{c}}}} \right]} \!\!\right\}\\ {s _{j2}}({t_{\rm{r}}},{t_{\rm{a}}}) = & \exp \left\{ {\left. {{\rm{j{{π}} }}{\mu _{\rm{r}}}{{\left[ {{t_{\rm{a}}} - \frac{{{R_{j2}}\left( {{t_{\rm{a}}}} \right)}}{{\rm{c}}}} \right]}^2}} \right\}} \right. \\&\cdot \exp \left[ { - {\rm{j}}k{R_{j2}}\left( {{t_{\rm{a}}}} \right)} \right] \cdot \exp \left[ {{\rm{j}}\Delta \phi \left( {{t_{\rm{a}}}} \right)} \right] \\&\cdot \left\{ {{D_{\rm{r}}} \!+\! \sum\limits_{n = 1}^\infty {2{a_n}} {\rm{cos}}2{{π}}n{f_{\rm{s}}}\left[ {{t_{\rm{r}}} \!-\! \frac{{{R_{j2}}\left( {{t_{\rm{a}}}} \right)}}{{\rm{c}}}} \right]} \!\!\right\}\\ {s _{j3}}({t_{\rm{r}}},{t_{\rm{a}}}) = & \exp \left\{ {\left. {{\rm{j{{π}} }}{\mu _{\rm{r}}}{{\left[ {{t_{\rm{a}}} - \frac{{{R_{j3}}\left( {{t_a}} \right)}}{{\rm{c}}}} \right]}^2}} \right\}} \right. \\ &\cdot\exp \left[ { - {\rm{j}}k{R_{j3}}\left( {{t_{\rm{a}}}} \right)} \right] \cdot \exp \left[ {{\rm{j}}\Delta \phi \left( {{t_{\rm{a}}}} \right)} \right] \\ &\cdot \left\{ {{D_{\rm{r}}} \!+\! \sum\limits_{n = 1}^\infty {2{a_n}} {\rm{cos}}2{{π}}n{f_{\rm{s}}}\left[ {{t_{\rm{r}}} \!-\! \frac{{{R_{j3}}\left( {{t_{\rm{a}}}} \right)}}{{\rm{c}}}} \right]}\!\! \right\} \end{aligned} \right.$

(8)

利用RD算法对3个通道成像进行分析，3个通道信号经距离向匹配滤波可得

$\left\{ \begin{aligned} {s _{j{\rm r}1}}({t_{\rm{r}}},{t_{\rm{a}}}) \approx & {s _{j{\rm r}2}}({t_{\rm{r}}},{t_{\rm{a}}}) \\&\cdot \exp \left[ { \!\!- {\rm{j}}\frac{{2{{π}}}}{\lambda } \left(\frac{{{D_{\rm{a}}}\!\!^2 - 2{D_{\rm{a}}}{x_j}}}{{2{R_j}}} \!+\! \frac{{{D_{\rm{a}}}v{t_{\rm{a}}}}}{{{R_j}}} \right)} \right]\\ {s _{j{\rm r}2}}({t_{\rm{r}}},{t_{\rm{a}}}) = &\exp \left[ { - {\rm{j}}k{R_{j2}}\left( {{t_{\rm{a}}}} \right)} \right] \cdot \exp \left[ {{\rm{j}}\Delta \phi \left( {{t_{\rm{a}}}} \right)} \right]\\ & \cdot \sum\limits_{n = - \infty }^{ + \infty } {{a_n}\chi \left( {{t_{\rm{r}}} - \frac{{{R_{j2}}\left( {{t_{\rm{a}}}} \right)}}{{\rm{c}}}, - n{f_{\rm{s}}}} \right)} \\ {s _{j{\rm r}3}}({t_{\rm r}},{t_{\rm a}}) \approx &{s _{j{\rm r}2}}({t_{\rm{r}}},{t_{\rm{a}}}) \\&\cdot \exp \! \left[ {\! - {\rm{j}}\frac{{2{{π}}}}{\lambda }\! \left(\frac{{{D_{\rm{a}}}\!\!^2 \!+\! 2{D_{\rm{a}}}{x_j}}}{{2{R_j}}} \!-\! \frac{{{D_{\rm{a}}}v{t_{\rm{a}}}}}{{{R_j}}} \right)} \right] \end{aligned} \right.$

(9)

其中， $\chi \left( \cdot \right)$ 为SAR线性调频脉冲信号的模糊函数^[10]，其表达式为：

$\begin{aligned} \chi \left( {\tau ,{f_{\rm{d}}}} \right) = & \exp \left( { \!-\! {\rm{j{{π}} }}{f_{\rm{d}}}\tau } \right) \cdot \left( {1 \!-\! \frac{{\left| \tau \right|}}{{{T_{\rm{p}}}}}} \right) \\&\cdot {\mathop{\rm sinc}\nolimits} \left[ {\left( {{f_{\rm{d}}} - {\mu _{\rm{r}}}\tau } \right)\left( {{T_{\rm{p}}} - \left| \tau \right|} \right)} \right] \end{aligned}$

(10)

经距离徙动校正，忽略接收通道的位置差异对距离向成像的影响，在进行方位向匹配滤波前，必须补偿通道位置间隔产生的多普勒中心频率偏差，以通道2为参考，则通道1和通道3的补偿函数分别为：

$\left\{ \begin{array}{l} {C_1}({t_{\rm{a}}}) = \exp ({\rm{j}}2{{π}}v{D_{\rm{a}}}{t_{\rm{a}}}/\lambda {R_j})\\ {C_3}({t_{\rm{a}}}) = \exp ( - {\rm{j}}2{{π}}v{D_{\rm{a}}}{t_{\rm{a}}}/\lambda {R_j}) \end{array} \right.$

(11)

对通道1、通道3进行多普勒中心偏差补偿后，可得方位向匹配滤波输出包络为：

$\left\{ \begin{aligned} { s_{j{\rm a}1}}({t_{\rm{r}}},{t_{\rm{a}}}) \approx &{s _{j{\rm a}2}}({t_{\rm{r}}},{t_{\rm{a}}})\! \cdot \! \exp \left[ { \!-\! {\rm{j}}\frac{{2{{π}}}}{\lambda }\left(\frac{{{D_{\rm{a}}}\!\!^2\! -\! 2{D_{\rm{a}}}{x_j}}}{{2{R_j}}}\right)}\! \right]\\ {s _{j{\rm a}2}}({t_{\rm{r}}},{t_{\rm{a}}}) =& \left( {1 - \left| {{t_{\rm{r}}}\!^ * } \right|/{T_{\rm{p}}}} \right) \cdot \left( {1 - \left| {{t_{\rm{a}}}\!^ * } \right|/{T_L}} \right) \\&\cdot {\mathop{\rm sinc}\nolimits} \left[ {{{π}}{\mu _{\rm{a}}}{t_{\rm{a}}}\!^ * \left( {{T_L} - \left| {{t_{\rm{a}}}\!^ * } \right|} \right)} \right]\\ &\cdot \sum\limits_{n = - \infty }^{ + \infty } {a_n}\exp \left( { - {\rm{j{{π}} }}n{f_{\rm{s}}}{t_{\rm{r}}}\!^*} \right) \\&\cdot {\mathop{\rm sinc}\nolimits} \left[ {{{π}}\left( {n{f_{\rm{s}}} + {\mu _{\rm r}}{t_{\rm{r}}}\!^ * } \right)\left( {{T_{\rm{p}}} - \left| {{t_{\rm{r}}}\!^ * } \right|} \right)} \right] \\ {s _{j{\rm{a}}3}}({t_{\rm{r}}},{t_{\rm{a}}}) \approx & {s _{j{\rm{a}}2}}({t_{\rm{r}}},{t_{\rm{a}}}) \!\cdot\! \exp\! \left[ { -\! {\rm{j}}\frac{{2{{π}}}}{\lambda }\left(\frac{{{D_{\rm{a}}}\!\!^2 \!+\! 2{D_{\rm{a}}}{x_j}}}{{2{R_j}}}\right)}\! \right] \end{aligned} \right.$

(12)

其中， ${t_{\rm{r}}}\!^ * \!\!=\!\! {t_{\rm{r}}} \!-\! 2{R_j}/{\rm{c}}$ , ${t_{\rm{a}}}\!^ * \!=\!\! {t_{\rm{a}}} \!-\! {t_{{\rm{am}}}}$ , ${a_n} \!\!=\!\! {D_{\rm{r}}}{\mathop{\rm sinc}\nolimits} (n{{π}}{D_{\rm{r}}})$ , D_r是间歇采样脉冲串的占空比，t_am为驻相点 ${\tau ^ * }$ 处对应的方位向时刻，在t_a=t_am时各通道有最大输出值，t_am的表达式为^[9]：

$\begin{aligned} {t_{{\rm{am}}}} = &\frac{{{x_j}}}{v} - \frac{{{x_j}{v_x} + {y_j}{v_y}}}{{{v^2}}}\\ & - \frac{{{v_x}\!^2 - 2{v_x}v + {y_y}\!^2 + {x_j}{a_x} + {y_j}{a_y}}}{{{v^2}}}{\tau ^ * }\\ & -\! \frac{{3{a_x}\left( {{v_x} \!\!-\!\! v} \right) +\! 3{a_y}{v_y}}}{{2{v^2}}}{\tau ^{ * 2}} \!-\!\! \frac{{{a_x}\!^2 \!+\! {a_y}\!^2}}{{2{v^2}}}{\tau ^{ * 3}} \end{aligned}$

(13)

t_am关于 ${\tau ^ * }$ 的常数项体现了目标方位像的峰值偏移位置，关于 ${\tau ^ * }$ 的1次、2次和3次项可使方位向目标像展宽和散焦。

由式(12)通道2成像表达式可见，由运动调制效应产生的干扰条带在距离向以间隔为 $n{\rm{c}}{f_{\rm{s}}}/2{\mu _{\rm{r}}}$ 周期延拓出现，能量较强的干扰条带数为 ${\mathop{\rm floor}\nolimits} \left( {2/{D_{\rm{r}}}} \right) - 1$ ，因此会产生区域遮蔽干扰效果。根据运动目标SAR成像效应^[9]知干扰条带方位向中心偏移位置和展宽量分别为：

$\!\!\!\!\!\!\!\!\!\!\!\!\!\!\!\!\!\!\!\!\!\!\!\!\!\!\!\!\!\!\!\!\!\!\!\!\!\!\!\!\!\!\!\! x = {x_j} - \frac{{{x_j}{v_x} + {y_j}{v_y}}}{v} \quad\quad\quad$

(14)

$\begin{array}{l} \delta x = \left| { - \frac{{{v_x}\!^2 - 2{v_x}v + {v_y}\!^2 + {x_j}{a_x} + {y_j}{a_y}}}{v}{T_L}} \right.\\ \;\;\;\;\;\;\;\left. { - \frac{{3\left( {{a_x}{v_x} - {a_x}v + {a_y}{v_y}} \right)}}{{4v}}{T_L}\!^2 - \frac{{{a_x}\!^2 + {a_y}\!^2}}{{8v}}{T_L}\!^3} \right|\quad \end{array}$

(15)

由此可以计算出形成有效干扰的面积为：

${S_j} = \delta x \cdot \frac{{n{\rm{c}}{f_{\rm{s}}}}}{{2{\mu _{\rm{r}}}}} \cdot \left[ {{\mathop{\rm floor}\nolimits} \left( {\frac{2}{{{D_{\rm{r}}}}}} \right) - 2} \right]$

(16)

由于各接收通道存在沿航迹方向位置偏差，在进行杂波对消之前，必须补偿由位置偏差引起的相位偏差，相应的补偿函数为：

$\left\{ { \begin{aligned} {C _{12}}({t_{\rm{a}}}) = \exp \left[ {{\rm{j{{π}} }}{D_{\rm{a}}}({D_{\rm{a}}} - 2v{t_{\rm{a}}})/\lambda {R_j}} \right]\\ {C _{23}}({t_{\rm{a}}}) = \exp \left[ {{\rm{j{{π}} }}{D_{\rm{a}}}({D_{\rm{a}}} + 2v{t_{\rm{a}}})/\lambda {R_j}} \right] \end{aligned}} \right.$

(17)

利用式(15)进行位置偏差相位补偿，并进行杂波对消可得

$\left\{ \begin{array}{l} {y _{12}}({t_{\rm{r}}},{t_{\rm{a}}}) = {s _{j{\rm a}1}}({t_{\rm{r}}},{t_{\rm{a}}}){C _{12}} - {s _{j{\rm a}2}}({t_{\rm{r}}},{t_{\rm{a}}}) \\ = {s _{j{\rm a}2}}({t_{\rm{r}}},{t_{\rm{a}}})\\ \quad\cdot \left[ {\exp \left( {{\rm{j}}\frac{{2{{π}}{D_{\rm{a}}}v}}{{\lambda {R_j}}}\left(\frac{{{x_j}}}{v} - {t_{\rm{a}}} \right)} \right) - 1} \right]\\ {y _{23}}({t_{\rm{r}}},{t_{\rm{a}}}) = {s _{j{\rm a}2}}({t_{\rm{r}}},{t_{\rm{a}}}) - {s _{j{\rm a}3}}({t_{\rm{r}}},{t_{\rm{a}}}){C _{23}}\\ = {s _{j{\rm a}2}}({t_{\rm{r}}},{t_{\rm{a}}}) \\ \quad\cdot \left[ {1 - \exp \left( {{\rm{j}}\frac{{2{{π}}{D_{\rm{a}}}v}}{{\lambda {R_j}}}\left(\frac{{{x_j}}}{v} - {t_{\rm{a}}} \right)} \right)} \right] \end{array} \right.$

(18)

对式(18)取模，则干扰信号通过SAR-GMTI系统后的输出幅度为：

$\begin{aligned} \left| {{y _{12}}({t_{\rm{r}}},{t_{\rm{a}}})} \right| = &\left| {{y _{23}}({t_{\rm{r}}},{t_{\rm{a}}})} \right| = 2\left| {{s _{j{\rm a}2}}({t_{\rm{r}}},{t_{\rm{a}}})} \right| \\ &\cdot \left| {\sin \left[ {\frac{{{{π}}{D_{\rm{a}}}v}}{{\lambda {R_j}}} \left ({t_{\rm{a}}} - \frac{{{x_j}}}{v} \right)} \right] } \right| \end{aligned}$

(19)

一般情况下，t_am表达式中 $- \displaystyle\frac{{{v_x}\!^2 - 2{v_x}v + {v_y}\!^2}}{{{v^2}}}{\tau\! ^*}$ $- \displaystyle\frac{{3{a_x}\left( {{v_x} - v} \right) + 3{a_y}{v_y}}}{{2{v^2}}}{\tau ^{*2}} - \frac{{{a_x}\!^2 + {a_y}\!^2}}{{2{v^2}}}{\tau ^{*3}}$ 对成像能量的影响较小，可忽略不计^[9]，此时对消后输出幅度近似为：

$\begin{aligned} \left| {{y _{12}}({t_{\rm{r}}},{t_{\rm{a}}})} \right| =& \left| {{y _{23}}({t_{\rm{r}}},{t_{\rm{a}}})} \right| = 2\left| {{s _{j{\rm a}2}}({t_{\rm{r}}},{t_{\rm{a}}})} \right| \\ & \!\!\!\cdot \left| {\sin \left[\! {\frac{{{{π}}{D_{\rm{a}}}}}{{\lambda {R_j}v}}({x_j}{v_x} \!\!+\!\! {y_j}{v_y} \!\!+\!\! \left( {{x_j}{a_x} \!\!+\!\! {y_j}{a_y}} \right){\tau ^ * })} \right] } \right| \end{aligned}$

(20)

由式(20)可知，干扰机位置，距离向和方位向速度、加速度取值将直接影响到杂波对消后运动目标的保留能量的大小。当 ${x_j}{v_x} \!+\! {y_j}{v_y} \!+\! \left( {{x_j}{a_x} \!+\! {y_j}{a_y}} \right){\tau ^ * } \!=$ $n\lambda {R_j}v/{D_{\rm{a}}}$ 时，干扰能量将被全部对消，干扰位于对消特性的凹口处；当 ${x_j}{v_x} \!+\! {y_j}{v_y} \!+\! \left( {{x_j}{a_x} \!+\! {y_j}{a_y}} \right){\tau ^ * } \!=$ $\left( {n + 1/2} \right)\lambda {R_j}v/{D_{\rm{a}}}$ 时，干扰位于对消特性的凸口处，干扰幅度得到最大程度地增强，可达到对消前的2倍；其余均介于凸口和凹口之间。这说明运动调制间歇采样干扰经过GMTI处理后不会被完全对消，能够对SAR-GMTI达到干扰效果。

4. 干扰参数和干扰功率分析

运动调制间歇采样遮蔽干扰经过SAR-GMTI处理后的输出与采样周期、占空比、运动调制参数和干扰能量4个干扰指标有关。因此需要进一步理解这些干扰参数的影响。

(1) 间歇采样周期T_s

间歇采样周期影响遮蔽面积，遮蔽疏密程度，是一个关键的干扰指标。当间歇采样周期越大时，假目标条带越密集，所形成的遮蔽面积越小，干扰能量越集中；当间歇采样周期越小时，假目标条带越稀疏，所形成的遮蔽面积越大，干扰能量越分散。

(2) 占空比D_r

占空比影响干扰输出加权系数a_n，因而会影响到干扰输出幅度。设n=0为距离向中心假目标，其余为距离向第n阶次假目标。当 $n{{π}}{D_{\rm{r}}} = k{{π}}$ (k为整数)时，a_n=0，此时图像上将看不到该次级假目标。由于a_n=D_r，所以占空比越大，距离向中心假目标幅度越大，次级假目标幅度相对中心假目标会降低。占空比减小时，中心假目标幅度下降较快，次级假目标幅度下降较慢。

(3) 运动调制参数v_x, v_y, a_x, a_y

运动调制参数主要影响方位向假目标峰值中心位置及展宽量。一般地，干扰机位置纵坐标y_j远大于横坐标x_j，由式(14)和式(15)知，v_x影响方位向均匀展宽量，v_y影响假目标峰值中心位置在方位向上发生偏移的大小，a_x对偏移和展宽影响均不大，a_y是使方位向发生非均匀展宽的原因。

(4) 干扰能量分析

干扰能量影响干扰信号处理后的幅度，因而决定了对目标遮蔽的好坏。干扰能量过小，则无法有效遮蔽目标；干扰能量过大，则影响干扰效率。由于干扰信号在距离维间歇采样和方位维运动调制，因而会导致2维部分失配，为了选择合适的干扰功率，需要根据匹配滤波的信号处理过程，对所需干扰能量进行分析。根据式(12)，单位幅度干扰信号经过距离向匹配滤波后的幅度A_r为 $\left( {1 - \left| {{t_{\rm{r}}}\!^ * } \right|/{T_{\rm{p}}}} \right) \cdot$ $\displaystyle\sum\nolimits_{n = - \infty }^{ + \infty } {{{a_n}{\mathop{\rm sinc}\nolimits} \left[ {{{π}}\left( {n{f_{\rm{s}}} + {\mu _{\rm r}}{t_{\rm{r}}}\!^ * } \right)\left( {{T_{\rm{p}}} - \left| {{t_{\rm{r}}}\!^ * } \right|} \right)} \right]} }$ ，而经过方位向匹配滤波后的幅度A_a为 $\left( {1 - \left| {{t_{\rm{a}}}^ * } \right|/{T_L}} \right) \cdot {\mathop{\rm sinc}\nolimits}$ $\left[ {{{π}}{\mu _{\rm{a}}}{t_{\rm{a}}}\!^ * \left( {{T_L} - \left| {{t_{\rm{a}}}\!^ * } \right|} \right)} \right]$ ，从而经过2维匹配滤波处理后的幅度为 ${A_{\rm{r}}} \cdot {A_{\rm{a}}}$ 。干扰信号2维处理后的幅度大于被保护目标回波2维处理后幅度的 $\sqrt 2$ 倍时，一般能达到有效遮蔽^[15]。根据上述能量分析，可以得到合适的干扰功率。

由于干扰机与待保护目标成像后的相对位置是已知的，结合待保护区域大小，选择合适的干扰参数和干扰功率，可使得目标恰好被遮蔽。

5. 仿真实验

为了验证理论分析的正确性和干扰的有效性，根据式(12)生成的干扰信号按照RD成像算法进行干扰仿真。设SAR-GMTI工作于正侧视，其主要实验参数如表1所示，SAR干扰机放置坐标为(0, 10000, 0)，干扰实验参数如表2所示，设置干信比为15 dB。

表 1 SAR-GMTI实验参数

Table 1. The simulation experiment parameters

SAR参数名称	数值
信号载频(GHz)	10
信号脉宽(μs)	20
距离向信号带宽(MHz)	100
方位向信号带宽(Hz)	400
各通道天线间距(m)	1
飞行高度(m)	6000
合成孔径长度(m)	300
载机速度(m/s)	200
脉冲重复周期(Hz)	480
通道数目	3

下载: 导出CSV

| 显示表格

表 2 干扰实验参数

Table 2. The jamming experiment parameters

干扰参数名称	符号
采样周期(μs)	T_s
距离向调制速度(m/s)	v_y
距离向调制加速度(m/s²)	a_y
占空比	D_r
方位向调制速度(m/s)	v_x
方位向调制加速度(m/s²)	a_x

下载: 导出CSV

| 显示表格

5.1 对运动装甲车干扰遮蔽效果

因为干扰机和待保护目标相对位置是已知的，对干扰机设置合理的运动参数，可使干扰能量仅出现在待保护目标上，从而有效利用了干扰能量。

现需保护6辆具有较强反射特性的运动装甲车，其坐标分别为(–110, 9975, 0), (–110, 10000, 0), (–110, 10025, 0), (–100, 9975, 0), (–100, 10000, 0), (–100, 10025, 0)，均以 ${v_{{\rm T}x} = 0$ , $a_{{\rm T}x} = 0$ , $v_{{\rm T}y} = - 3\;{\rm{m}}/{\rm{s}}$ , $a_{{\rm T}y} = 0$ 行进。运动装甲车SAR成像后会发生偏移或展宽，其方位向偏移量 $\Delta x$ 和展宽量 $\delta x$ 由式(14)和式(15)可以计算得出。将装甲车运动参数代入，可得各装甲车偏移量 $\Delta x{\rm{ = }}150\;{\rm{m}}$ 、展宽量 $\delta x{\rm{ = }}0$ ，因此装甲车SAR成像后的坐标分别为(40, 9975, 0), (40, 10000, 0), (40, 10025, 0), (50, 9975, 0), (50, 10000, 0), (50, 10025, 0)成像仿真图如图4(a)所示，运动装甲车和静止参考点均清晰可见；图4(b)表示经过GMTI对消后的成像图，静止参考点被对消，运动装甲车仍清晰可见。

图 4 遮蔽6辆装甲车干扰效果图

Figure 4. The jamming images effect of shading six armored car

下载: 全尺寸图片幻灯片

用运动调制间歇采样干扰对SAR-GMTI进行转发，按上述实验参数进行仿真。根据计算出的待保护目标成像后的位置信息，干扰参数设置为v_x=0, a_x=0, v_y=–0.85 m/s, a_y=–0.15 m/s², D_r=10%, T_s=8 μs；根据第3节干扰能量分析，选择干信比为15 dB。经SAR-GMTI对消处理后干扰仿真效果如图4(c)所示，可见在干信比为15 dB时，干扰能量没有被对消，并且将运动装甲车完全遮盖，而对一般的噪声干扰要达到相同的遮盖干扰效果，干信比至少要达到50 dB^[4]，说明此干扰方法能量利用效率较高。遮蔽面积约为1600 m²，与式(16)计算结果基本一致，说明了理论分析的正确性。

5.2 各参数对干扰效果影响仿真

(1) 间歇采样周期

取v_x=0, a_x=0, v_y=–0.85 m/s, a_y=–0.3 m/s², D_r=10%，采样周期依次为T_s=4 μs, T_s=8 μs进行对比仿真，对GMTI干扰成像结果如图5。可见，随着采样周期的变大，干扰条带在距离向上分布越密集，干扰区域越小，能量越集中。

图 5 不同采样周期下的干扰图像

Figure 5. Jamming images with different sampling periods

下载: 全尺寸图片幻灯片

(2) 占空比

取v_x=0, a_x=0, v_y=–0.85 m/s, a_y=–0.3 m/s², T_s=6 μs，占空比依次为D_r=10%, D_r=15%，进行对比仿真，结果如图6。可见，随着占空比的增大，干扰条带数目减少，遮蔽面积减小，各干扰条带强度差别变大。

图 6 不同占空比下的干扰图像

Figure 6. Jamming images with different duty ratio

下载: 全尺寸图片幻灯片

(3) 运动调制参数

取v_x=0, a_x=0, v_y=–0.85 m/s, T_s=8 μs, D_r=10%，当a_y=–0.30 m/s², a_y=–0.45 m/s²时，结果如图7(a)–图7(b)；再取v_x=0, a_x=0, a_y=–0.15 m/s², T_s=8 μs, D_r=10%，当距离向速度依次为v_y=0.3 m/s, v_y=–0.6 m/s时，结果如图7(c)–图7(d)。可见，距离向调制加速度对干扰条带长度影响很大，其绝对值越大，干扰条带越长；距离向调制速度主要影响遮蔽面中心的方位向出现位置。

图 7 不同运动调制参数下的干扰图像

Figure 7. Jamming images with different motion modulation parameters

下载: 全尺寸图片幻灯片

6. 结束语

本文提出一种基于运动调制的SAR-GMTI间歇采样遮蔽干扰方法，建立了干扰模型，并进行了理论分析和仿真实验。理论分析表明，该方法能够对SAR-GMTI产生遮蔽干扰效果，且其遮蔽面的大小、疏密程度和覆盖位置可以通过改变采样周期、占空比和运动调制参数进行灵活地控制；仿真实验表明，该方法对强反射目标群具有较好的遮蔽效果，且所需干扰能量较小。此干扰方法改善了干扰机收发隔离的问题，能产生灵活可控的遮蔽面，且干扰能量较一般噪声压制干扰更低，因此具有较高的研究与运用价值。

Figure 1. Study site—the Petawawa Research Forest (red polygon), where forest stand polygons (pink) and field plots (red dots) are situated

下载: 全尺寸图片幻灯片

Figure 2. k_z vs. local incidence angle (baseline incidence angle set to 42.6° at scene centre)

下载: 全尺寸图片幻灯片

Figure 3. Height vs. local incidence angle (coherence set to 0.36 for average height of ～21 m)

下载: 全尺寸图片幻灯片

Figure 4. Histograms of the k_z values for each candidate DSM and the reference data (2012 ALS DSM)

下载: 全尺寸图片幻灯片

Figure 5. Observed ALS P95 height on x-axis and predicted stand height on y-axis

下载: 全尺寸图片幻灯片

Table 1. k_z differences when comparing to k_z generated from 2012 ALS DSM

Diff of k_z	ASTER GDEM	ALOS GDSM	CDSM	DRAPE DSM	TanDEM-X DSM
Max	0.1252	0.1296	0.1356	0.1389	0.1433
Mean	0.0435	0.0332	0.0097	0.0360	0.0204

下载: 导出CSV

Table 2. Height comparisons from 94 forest stands

Baseline	DSM used in Eq. 2	Slope m	Intercept c	Adjusted R²	RMSE
ALS P95	ASTER GDEM	0.64	10.38	0.759	1.69
	ALOS GDSM	0.71	8.93	0.849	1.77
	DRAPE DSM	0.75	8.14	0.842	1.92
	CDSM	0.71	8.88	0.841	1.73
	TanDEM-X DSM	0.66	9.72	0.806	1.70
ALS CDht	ASTER GDEM	0.84	6.90	0.796	2.86
	ALOS GDSM	0.92	5.14	0.885	3.18
	DRAPE DSM	0.91	5.41	0.854	3.18
	CDSM	0.92	5.14	0.873	3.12
	TanDEM-X DSM	0.86	6.12	0.846	2.97
ALS Topht	ASTER GDEM	1.00	3.17	0.791	3.20
	ALOS GDSM	1.10	1.00	0.883	3.62
	DRAPE DSM	1.09	1.26	0.855	3.62
	CDSM	1.10	1.04	0.869	3.53
	TanDEM-X DSM	1.03	2.28	0.841	3.35

下载: 导出CSV

参考文献(44)

[1]	Natural Resources Canada. The state of Canada’s forests report[EB/OL]. https://www.nrcan.gc.ca/our-natural-resources/forests-forestry/state-canadas-forests-report/16496, 2019.
[2]	LEFSKY M A, HARDING D J, KELLER M, et al. Estimates of forest canopy height and aboveground biomass using ICESat[J]. Geophysical Research Letters, 2005, 32(22): L22S02.
[3]	HOUGHTON R A. Aboveground forest biomass and the global carbon balance[J]. Global Change Biology, 2005, 11(6): 945–958. doi: 10.1111/j.1365-2486.2005.00955.x
[4]	KÖHLER K and HUTH A. Towards ground-truthing of spaceborne estimates of above-ground life biomass and leaf area index in tropical rain forests[J]. Biogeosciences, 2010, 7(8): 2531–2543. doi: 10.5194/bg-7-2531-2010
[5]	DUBAYAH R O and DRAKE J B. Lidar remote sensing for forestry[J]. Journal of Forestry, 2000, 98(6): 44–46.
[6]	BOLTON D K, COOPS N C, and WULDER M A. Investigating the agreement between global canopy height maps and airborne Lidar derived height estimates over Canada[J]. Canadian Journal of Remote Sensing, 2013, 39(S1): S139–S151.
[7]	NILSSON M. Estimation of tree heights and stand volume using an airborne Lidar system[J]. Remote Sensing of Environment, 1996, 56(1): 1–7. doi: 10.1016/0034-4257(95)00224-3
[8]	MAGNUSSEN S and BOUDEWYN P. Derivations of stand heights from airborne laser scanner data with canopy-based quantile estimators[J]. Canadian Journal of Forest Research, 1998, 28(7): 1016–1031. doi: 10.1139/x98-078
[9]	REUTEBUCH S E, MCGAUGHEY R J, ANDERSEN H E, et al. Accuracy of a high-resolution Lidar terrain model under a conifer forest canopy[J]. Canadian Journal of Remote Sensing, 2003, 29(5): 527–535. doi: 10.5589/m03-022
[10]	MAHONEY C, HALL R J, HOPKINSON C, et al. A forest attribute mapping framework: A pilot study in a northern boreal forest, Northwest Territories, Canada[J]. Remote Sensing, 2018, 10(9): 1338. doi: 10.3390/rs10091338
[11]	WULDER W A, WHITE J C, NELSON R F, et al. Lidar sampling for large-area forest characterization: A review[J]. Remote Sensing of Environment, 2012, 121: 196–209. doi: 10.1016/j.rse.2012.02.001
[12]	LEFSKY M A. A global forest canopy height map from the moderate resolution imaging spectroradiometer and the geoscience laser altimeter system[J]. Geophysical Research Letters, 2010, 37(15): L15401.
[13]	SIMARD M, PINTO N, FISHER J B, et al. Mapping forest canopy height globally with spaceborne lidar[J]. Journal of Geophysical Research, 2011, 116(G4): G04021.
[14]	MATASCI G, HERMOSILLA T, WULDER M A, et al. Large-area mapping of Canadian boreal forest cover, height, biomass and other structural attributes using Landsat composites and lidar plots[J]. Remote Sensing of Environment, 2018, 209: 90–106. doi: 10.1016/j.rse.2017.12.020
[15]	BEAUDOIN A, BERNIER P Y, VILLEMAIRE P, et al. Tracking forest attributes across Canada between 2001 and 2011 using a k nearest neighbors mapping approach applied to MODIS imagery[J]. Canadian Journal of Forest Research, 2018, 48(1): 85–93. doi: 10.1139/cjfr-2017-0184
[16]	KUGLER F, SCHULZE D, HAJNSEK I, et al. TanDEM-X Pol-InSAR performance for forest height estimation[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(10): 6404–6422. doi: 10.1109/TGRS.2013.2296533
[17]	ASKNE J I H and SANTORO M. On the estimation of boreal forest biomass from TanDEM-X Data without training samples[J]. IEEE Geoscience and Remote Sensing Letters, 2015, 12(4): 771–775. doi: 10.1109/LGRS.2014.2361393
[18]	SOJA M J, PERSSON H J, and ULANDER L M H. Estimation of forest biomass from two-level model inversion of single-pass InSAR data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2015, 53(9): 5083–5099. doi: 10.1109/TGRS.2015.2417205
[19]	CHEN Hao, CLOUDE S R, and GOODENOUGH D G. Forest canopy height estimation using tandem-X coherence data[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2016, 9(7): 3177–3188. doi: 10.1109/JSTARS.2016.2582722
[20]	CHEN Hao, CLOUDE S R, GOODENOUGH D G, et al. Radar forest height estimation in mountainous terrain using tandem-X coherence data[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2018, 11(10): 3443–3452. doi: 10.1109/JSTARS.2018.2866059
[21]	CHEN Hao, BEAUDOIN A, HILL D A, et al. Mapping forest height from TanDEM-X interferometric coherence data in northwest Territories, Canada[J]. Canadian Journal of Remote Sensing, 2019, 45(3/4): 290–307. doi: 10.1080/07038992.2019.1604119
[22]	CAICOYA A T, KUGLER F, HAJNSEK I, et al. Large-scale biomass classification in boreal forests with tandem-X data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2016, 54(10): 5935–5951. doi: 10.1109/TGRS.2016.2575542
[23]	ABDULLAHI S, KUGLER F, and PRETZSCH H. Prediction of stem volume in complex temperate forest stands using TanDEM-X SAR data[J]. Remote Sensing of Environment, 2016, 174: 197–211. doi: 10.1016/j.rse.2015.12.012
[24]	SADEGHI Y, ST-ONGE B, LEBLON B, et al. Effects of TanDEM-X acquisition parameters on the accuracy of digital surface models of a boreal forest canopy[J]. Canadian Journal of Remote Sensing, 2017, 43(2): 194–207. doi: 10.1080/07038992.2017.1291336
[25]	OLESK A, PRAKS J, ANTROPOV O, et al. Interferometric SAR coherence models for characterization of hemiboreal forests using TanDEM-X data[J]. Remote Sensing, 2016, 8(9): 700. doi: 10.3390/rs8090700
[26]	NASA/JPL. SRTM C-band data products[EB/OL]. https://www2.jpl.nasa.gov/srtm/cbanddataproducts.html, 2018.
[27]	NASA/METI/AIST/Japan Spacesystems and U.S./Japan ASTER Science Team. ASTER global digital elevation model[EB/OL]. https://lpdaac.usgs.gov/products/astgtmv002/, 2019.
[28]	JAXA. ALOS global digital surface model “ALOS World 3D - 30m (AW3D30)”[EB/OL]. https://www.eorc.jaxa.jp/ALOS/en/aw3d30/index.htm, 2019.
[29]	Natural Resources Canada. Canadian digital elevation model: Product specifications[EB/OL]. http://ftp.geogratis.gc.ca/pub/nrcan_rncan/elevation/cdem_mnec/doc/CDEM_product_specs.pdf, 2013.
[30]	GOUGEON F A and LECKIE D G. ITC analyses of the Petawawa research forest from satellite and aerial data[C]. The 32nd Canadian Symposium on Remote Sensing and the 14th Congress of L’Association Québécoise de Télédétection, Sherbrooke, Canada, 2011.
[31]	WHITE J C, CHEN Hao, WOODS M E, et al. The Petawawa research forest: Establishment of a remote sensing supersite[J]. The Forestry Chronicle, 2019, 95(3): 149–156. doi: 10.5558/tfc2019-024
[32]	LECKIE D G. Advances in remote sensing technologies for forest surveys and management[J]. Canadian Journal of Forest Research, 1990, 20(4): 464–483. doi: 10.1139/x90-063
[33]	WHITE J C, WULDER M A, VARHOLA A, et al. A best practices guide for generating forest inventory attributes from airborne laser scanning data using an area-based approach[J]. The Forestry Chronicle, 2013, 89(6): 722–723. doi: 10.5558/tfc2013-132
[34]	RIEGLER G, HENNIG S D, and WEBER M. WorldDEM - A novel global foundation layer[C]. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Munich, Germany, 2015: 183–187.
[35]	TACHIKAWA T, HATO M, KAKU M, et al. Characteristics of ASTER GDEM version 2[C]. 2011 IEEE International Geoscience and Remote Sensing Symposium, Vancouver, Canada, 2011: 3657–3660.
[36]	TAKAKU J, TADONO T, TSUTSUI K, et al. Validation of ‘AW3D’ global DSM generated from ALOS PRISM[C]. The ISPRS Annals of the Photogrammetry, Remote Sensing and Spatial Information Sciences, Prague, Czech Republic, 2016: 25–31.
[37]	Natural Resources Canada. Canadian digital elevation model, 1945–2011[EB/OL]. https://open.canada.ca/data/en/dataset/7f245e4d-76c2-4caa-951a-45d1d2051333, 2015.
[38]	Land Information Ontario. Digital raster acquisition project-East-2014[EB/OL]. https://dr6j45jk9xcmk.cloudfront.net/documents/2740/stdprod-108778.pdf, 2013.
[39]	WOODS M and PITT D. Field procedures manual for plot establishment in support of LiDAR derived inventory for the petawawa research forest: modified June 92014 for 2014 field season[R]. Canadian Wood Fibre Centre, 2014.
[40]	PAPATHANASSIOU K P and CLOUDE S R. Single-baseline polarimetric SAR interferometry[J]. IEEE Transactions on Geoscience and Remote Sensing, 2001, 39(11): 2352–2363. doi: 10.1109/36.964971
[41]	CLOUDE S R and PAPATHANASSIOU K P. Three-stage inversion process for polarimetric SAR interferometry[J]. IEE Proceedings - Radar, Sonar and Navigation, 2003, 150(3): 125–134. doi: 10.1049/ip-rsn:20030449
[42]	CLOUDE S R. Polarisation: Applications in Remote Sensing[M]. Oxford: Oxford University Press, 2010. doi: 10.1093/acprof:oso/9780199569731.001.0001.
[43]	GeoBC. Terrain resource information management 1: 20, 000 base map[EB/OL]. https://www2.gov.bc.ca/gov/content/data/geographic-data-services/topographic-data/terrain, 2019.
[44]	SWART L M T. Spectral filtering and oversampling for radar interferometry[D]. [Master dissertation], Delft University of Technology, 2000.

施引文献

期刊类型引用(15)

1.	潘小义，刘晓斌，陈吉源，冯学文，顾赵宇，肖顺平. 间歇采样转发干扰技术研究述评. 系统工程与电子技术. 2024(09): 2887-2901 . 百度学术
2.	胡泽宾. SAR干扰技术综述. 雷达科学与技术. 2024(04): 369-376 . 百度学术
3.	何金阳，程子扬，李绽蕾，何子述，沙明辉. 低多普勒敏感的抗间歇采样转发干扰波形设计方法. 系统工程与电子技术. 2023(05): 1333-1341 . 百度学术
4.	张家运，李文海，孙伟超，王洪春. 基于灰狼优化算法的间歇采样移频转发干扰优化方法. 电子信息对抗技术. 2023(05): 14-20 . 百度学术
5.	纪朋徽，邢世其，徐伟，代大海，冯德军. 基于相干两点源的虚假运动目标生成方法. 电子与信息学报. 2022(04): 1343-1350 . 百度学术
6.	王福来，庞晨，殷加鹏，李楠君，李永祯，王雪松. 一种多普勒容忍的抗间歇采样转发干扰恒模互补波形和接收滤波器联合设计方法. 雷达学报. 2022(02): 278-288 . 本站查看
7.	邢世其，黄大通，徐伟，李永祯，肖顺平. 一种反多通道对消的多干扰机协同干扰方法. 电子与信息学报. 2022(09): 3144-3154 . 百度学术
8.	孙光，邢世其，黄大通，李永祯，王雪松. 基于噪声乘积调制的SAR-GMTI间歇采样干扰方法. 系统工程与电子技术. 2022(10): 3059-3071 . 百度学术
9.	黄大通，邢世其，庞礴，李永祯，王雪松. 对SAR-GMTI的二维单音调制散射波干扰. 系统工程与电子技术. 2020(08): 1685-1694 . 百度学术
10.	李永祯，黄大通，邢世其，王雪松. 合成孔径雷达干扰技术研究综述. 雷达学报. 2020(05): 753-764 . 本站查看
11.	降佳伟，王宏艳，吴彦鸿. 对地面动目标检测雷达的干扰技术综述. 系统工程与电子技术. 2020(11): 2471-2480 . 百度学术
12.	周超，刘泉华，胡程. 间歇采样转发式干扰的时频域辨识与抑制. 雷达学报. 2019(01): 100-106 . 本站查看
13.	周阳，毕大平，沈爱国. 对SAR-GMTI的大区域遮蔽有源-无源协同干扰方法. 系统工程与电子技术. 2018(05): 1004-1011 . 百度学术
14.	畅鑫，董春曦，唐峥钊，董阳阳，刘明明. 基于双站幅度调制的虚假运动场景对SAR-GMTI的欺骗方法. 电子与信息学报. 2018(09): 2190-2197 . 百度学术
15.	张静克，汪亚，戚宗锋，曾勇虎，汪连栋. 多通道SAR-GMTI虚假运动目标成像特性分析. 航天电子对抗. 2018(05): 9-13+33 . 百度学术

其他类型引用(8)

资源附件(0)

访问统计

图(5) / 表(2)

计量

文章访问数: 2727
HTML全文浏览量: 1056
PDF下载量: 462
被引次数: 23

1. 引言
2. 运动调制间歇采样遮蔽干扰模型
2.1 运动调制干扰模型
2.2 间歇采样转发干扰模型
2.3 运动调制间歇采样遮蔽干扰模型
3. 对SAR-GMTI干扰原理
4. 干扰参数和干扰功率分析
5. 仿真实验
5.1 对运动装甲车干扰遮蔽效果
5.2 各参数对干扰效果影响仿真
6. 结束语

1. 引言
2. 运动调制间歇采样遮蔽干扰模型
2.1 运动调制干扰模型
2.2 间歇采样转发干扰模型
2.3 运动调制间歇采样遮蔽干扰模型
3. 对SAR-GMTI干扰原理
4. 干扰参数和干扰功率分析
5. 仿真实验
5.1 对运动装甲车干扰遮蔽效果
5.2 各参数对干扰效果影响仿真
6. 结束语

参考文献(44)

施引文献

资源附件(0)

访问统计

Evaluating the Impacts of Using Different Digital Surface Models to Estimate Forest Height with TanDEM-X Interferometric Coherence Data

DOI: 10.12000/JR20009

Corresponding author: Hao Chen. E-mail: hao.chen@canada.ca

1. 引言

2. 运动调制间歇采样遮蔽干扰模型

2.1 运动调制干扰模型

2.2 间歇采样转发干扰模型

2.3 运动调制间歇采样遮蔽干扰模型

3. 对SAR-GMTI干扰原理

4. 干扰参数和干扰功率分析

5. 仿真实验

5.1 对运动装甲车干扰遮蔽效果

5.2 各参数对干扰效果影响仿真

6. 结束语

期刊类型引用(15)

其他类型引用(8)

计量

目录

1. 引言

2. 运动调制间歇采样遮蔽干扰模型

2.1 运动调制干扰模型

2.2 间歇采样转发干扰模型

2.3 运动调制间歇采样遮蔽干扰模型

3. 对SAR-GMTI干扰原理

4. 干扰参数和干扰功率分析

5. 仿真实验

5.1 对运动装甲车干扰遮蔽效果

5.2 各参数对干扰效果影响仿真

6. 结束语

期刊介绍

联系我们

Evaluating the Impacts of Using Different Digital Surface Models to Estimate Forest Height with TanDEM-X Interferometric Coherence Data

DOI: 10.12000/JR20009

Corresponding author: Hao Chen. E-mail: hao.chen@canada.ca

1. 引言

2. 运动调制间歇采样遮蔽干扰模型

2.1 运动调制干扰模型

2.2 间歇采样转发干扰模型

2.3 运动调制间歇采样遮蔽干扰模型

3. 对SAR-GMTI干扰原理

4. 干扰参数和干扰功率分析

5. 仿真实验

5.1 对运动装甲车干扰遮蔽效果

5.2 各参数对干扰效果影响仿真

6. 结束语

期刊类型引用(15)

其他类型引用(8)

计量

出版历程

目录

1. 引言

2. 运动调制间歇采样遮蔽干扰模型

2.1 运动调制干扰模型

2.2 间歇采样转发干扰模型

2.3 运动调制间歇采样遮蔽干扰模型

3. 对SAR-GMTI干扰原理

4. 干扰参数和干扰功率分析

5. 仿真实验

5.1 对运动装甲车干扰遮蔽效果

5.2 各参数对干扰效果影响仿真

6. 结束语

期刊介绍

联系我们