一种有效的机载双频干涉地形高程重建方法

刘华有; 郑明洁; 张衡; 王宇; 秦小芳

doi:10.12000/JR18013

一种有效的机载双频干涉地形高程重建方法

DOI: 10.12000/JR18013 CSTR: 32380.14.JR18013

刘华有^1,2,,
郑明洁^1,,
张衡^1,2, ,,
王宇^1,2,,
秦小芳^1,2,

①.
中国科学院电子学研究所北京 100190
②.
中国科学院大学北京 100049

基金项目: 国家重点研发计划（2017YFB0502700），航天十三五技术预研项目

详细信息

作者简介:
张衡：张衡(1990–)，男，山东人，中国科学院电子学研究所通信与信息系统专业博士研究生，研究方向为双基信号处理技术。E-mail: caszhmail@163.com

通讯作者:
张衡 caszhmail@163.com

计量
- 文章访问数: 2522
- HTML全文浏览量: 608
- PDF下载量: 323
- 被引次数: 0
出版历程
- 收稿日期: 2018-02-06
- 修回日期: 2018-03-26
- 网络出版日期: 2018-08-28

An Effective Method of Airborne Dual-frequency Interferometric Terrain Elevation Reconstruction

Liu Huayou^{1,2
,},
Zheng Mingjie^1
,,
Zhang Heng^{1,2
, ,},
Wang Yu^{1,2
,},
Qin Xiaofang^{1,2
,}

①.
Institute of Electronics, Chinese Academy of Sciences, Beijing 100190, China
②.
University of Chinese Academy of Sciences, Beijing 100049, China

Funds: National Key RD Program of China (2017YFB0502700), Aerospace 13th Five-Year Technology Pre-research Project

摘要

摘要: 双频联合解缠不需要满足Iton假设，因此双频干涉可以有效地提取地形起伏较大区域的高程信息。针对目前双频干涉处理中高程重建精度低的问题，该文提出了一种有效的双频干涉SAR地形高程重建方法。该方法对常规处理流程中的关键步骤进行了改进，首先在不同波段配准之前采用非局部参数估计(NL-InSAR)技术对幅度图、相干系数、干涉相位进行精确估计，利用各个波段滤波后的幅度信息来实现不同波段的干涉相位的配准。然后采用聚类分析技术对联合解缠相位标记有效点和噪点，并利用这些有效点对联合解缠相位进行均值滤波。用于实验的机载实测数据包括同一场景的C波段和X波段主、辅SAR图像复数据，在针对实测数据处理中，该方法取得了较好的高程重建结果。
- 双频干涉 /
- 非局部参数估计(NL-InSAR) /
- 干涉图配准 /
- 变分能量项最大后验估计 /
- 聚类分析
Abstract: Dual-frequency joint phase unwrapping does not need to satisfy the Iton hypothesis, so dual-frequency interferometry can effectively extract elevation information from large terrain undulation areas. This paper presents an effective method for Dual-Frequency Interferometry (DFI) SAR terrain elevation reconstruction, aiming at the low precision of elevation reconstruction in DFI processing. This method improves the key steps in the conventional process. Firstly, Nonlocal Interferogram Estimation (NL-InSAR) technique is used to accurately estimate amplitude map, coherence coefficient, and Interferometric phase before the registration in different bands. After filtering, the filtered amplitude information of each band is used to realize the registration of Interferometric phase in different bands. Then clustering analysis technique is used to mark the effective points and noise points of unwrapping phase, and these effective points are used to filter the mean value of joint phase unwrapping. The airborne measured data used in the experiment include the complex data of C band and X band main and auxiliary SAR images of the same scene. In view of the measured data processing, the proposed method provides better results of elevation reconstruction.

HTML全文

1. 引言

基于导航卫星的双基地SAR(Bistatic Synthetic Aperture Radar based on Global Navigation Satellite System, GNSS-BSAR)是空-地双基地SAR中一种典型的应用^[1]，使用在轨的导航卫星作为发射源，地面部署接收机(地基、车载、机载)构成双基地SAR系统^[2]。由于导航星座的日趋完善，其全球覆盖性以及重轨特性所带来的优势是其他照射源暂时所不能替代的，其中以地基接收机为主的导航卫星干涉合成孔径雷达(Interference Synthetic Aperture Radar based on the Global Navigation Satellite System, GNSS-InSAR)在场景形变监测领域有着广阔的应用前景^[3]，成为了近年来研究热点。

在GNSS-BSAR系统成像方面，已有研究者分别使用不同的导航卫星星座进行了成像验证，包括了北斗^[4,5]、GPS^[6]、格洛纳斯^[7]、伽利略^[8]。除此以外文献[9]还提出了多角度融合方法以增强图像信噪比。在形变监测方面，来自伯明翰大学的学者们^[10]使用直达波天线，配合长约50 m的线缆构建了理想点目标，并使用格洛纳斯作为发射源，首次实现了精度约为1 cm的1维形变反演结果。该实验初步验证了GNSS-InSAR应用于形变监测的可行性。为了进一步验证场景形变监测的可能，2017年文献[11]通过对接收机进行高精度移位来模拟场景建筑形变，成功反演出了形变，精度约为1 cm。在3维形变方面，2018年北京理工大学的技术团队^[12]通过人为构建转发器，进行了精度可控的强点目标形变模拟，使用我国的北斗IGSO卫星，成功实现了精度优于5 mm的3维形变反演，这些验证性实验充分表明了GNSS-InSAR应用于场景形变检测的可能。

若要实现GNSS-InSAR场景的3维形变反演，需要同时至少3颗卫星从不同角度照射场景。由于GNSS-InSAR系统的拓扑高度非对称性以及导航信号的窄带特性^[13]，加上导航卫星的重轨并非是严格意义上的重轨，除了不可避免的空间基线外，重轨时间也并非严格一致，因此在实际数据采集中，需要对系统构型以及数据采集时间进行严格的优化设计。文献[14]提出了一种联合优化方法，解决了面向大场景下的多星多角度构型优化问题，配合多个接收机实现综合分辨性能优异的大场景成像。文献[15]提出了空间去相干的理论描述框架，表明了空间去相干在GNSS-InSAR中的必要性，但未对数据采集时间进行说明。从当前实际情况出发，不精确的数据采集时间可能会造成存储资源浪费，空间去相干导致的数据截取进一步降低了数据有效性。具体如图1所示：

图 1 数据截取与有效数据示意图

Figure 1. Effective data interception diagram

下载: 全尺寸图片幻灯片

针对上述问题，本文提出了一种GNSS-InSAR场景连续数据采集优化方法，通过结合当前数据的卫星轨迹和两行星历数据文件(STK Two-Line Element sets, TLE)预测轨迹，基于相干系数轨迹对齐，获取卫星重轨时间间隔，得到最优的数据采集策略，从源头上降低数据的空间去相干性，提升所采集数据有效性，节约存储资源。在第2部分对GNSS-InSAR场景数据采集优化方法进行了详细介绍。第3部分针对提出的方法进行了实验设计，开展了实测数据采集，并针对采集的数据进行了初步分析。第4部分对全文进行总结。

2. GNSS-InSAR场景数据采集优化模型

2.1 GNSS-InSAR相干系数理论模型

对于GNSS-InSAR图像而言，经过保相成像处理后，场景中任意一点 $\left( {{x_0},{y_0}} \right)$ 的像素信息分别对应分辨单元内所有散射体回波的相参叠加，可建模为

$\begin{aligned} s\left( {{x_0},{y_0}} \right) =& \iint f\left( {x,y;t} \right){\rm{exp}}\left[ {{\rm{ - j}}\frac{{2{\rm{\pi}} }}{\lambda }r\left( {x,y;{ P}} \right)} \right]\\ & \cdot {W}\left( {{x - }{{x}_0}{,y - }{{y}_0};{ P}} \right){\rm{d}}{x}{\rm{d}}{y} +{n}\left( {{{x}_0},{{y}_0};{t}} \right)\\ \end{aligned}$

(1)

其中， ${f}\left( {{x},{y};{t}} \right)$ 为时间 $t$ 下的地表散射系数， ${{P}}$ 为对应的合成孔径中心位置矢量， ${W}\left( {{x},{y};{ P}} \right)$ 表示系统的点扩散函数(PSF), ${n}\left( {{x},{y};{t}} \right)$ 为图像的加性噪声。对于SAR图像的同名点像素，其相干系数可表示为^[16]

$\rho =\frac{{\displaystyle\iint {{{s}_{\rm{m}}}\left( {{{x}_0},{{y}_0}} \right){s}_{\rm{s}}^{\rm{*}}\left( {{{x}_0},{{y}_0}} \right){\rm{d}}{x}{\rm{d}}{y}}}}{{\sqrt {\displaystyle\iint {{{s}_{\rm{m}}}\left( {{{x}_0},{{y}_0}} \right){s}_{\rm{m}}^{\rm{*}}\left( {{{x}_0},{{y}_0}} \right){\rm{d}}{x}{\rm{d}}{y}}\displaystyle\iint {{{s}_{\rm{s}}}\left( {{{x}_0},{{y}_0}} \right){s}_{\rm{s}}^{\rm{*}}\left( {{{x}_0},{{y}_0}} \right){\rm{d}}{x}{\rm{d}}{y}}} }}$

(2)

其中，下标m表示主图像， ${\rm{s}}$ 表示辅图像。根据柯西不等式可以判断： $0 \le \rho \le 1$ ，当 $\rho = 0$ 时表示同名点完全不相干，当 $\rho = 1$ 时，同名点完全相干。

将点目标像素模型式(1)带入到式(2)并化简得到

$\rho =\frac{\displaystyle\iint{{{s}_{{\rm av}}}\left( x,y \right){\rm exp}\left[ -{\rm j}\frac{2{\rm{\pi}} }{\lambda }\bigr( r\left( x,y;{{{P}}_{{\rm m}}} \bigr)-r\left( x,y;{{{P}}_{{\rm s}}} \right) \right) \right]}{{\Bigr| W\left( x-{{x}_{0}},y-{{y}_{0}};{{{P}}_{{\rm m}}} \right) \Bigr|}^{2}}{\rm d}x{\rm d}y}{\sqrt{\begin{array}{l} \left( \displaystyle\iint{{{s}_{{\rm m}}}\left( x,y \right){\rm exp}\left[ -{\rm j}\frac{2{\rm{\pi}} }{\lambda }r\left( x,y;{{{{P}}}_{{\rm m}}} \right) \right]}{{\Bigr| W\left( x-{{x}_{0}},y-{{y}_{0}};{{{P}}_{{\rm m}}} \right) \Bigr|}^{2}}{\rm d}x{\rm d}y+{{n}_{{\rm m}}} \right) \\ \times\left( \displaystyle\iint{{{s}_{{\rm s}}}\left( x,y \right){\rm exp}\left[ {\rm +j}\frac{2{\rm{\pi}} }{\lambda }r\left( x,y;{{{P}}_{{\rm s}}} \right) \right]}{{\Bigr| W\left( x-{{x}_{0}},y-{{y}_{0}};{{{P}}_{{\rm m}}} \right) \Bigr|}^{2}}{\rm d}x{\rm d}y+{{n}_{{\rm s}}} \right) \end{array}}}$

(3)

式(3)的推导使用了如下近似：

(1) 由于导航卫星的高轨道特性，使得 ${W}\left( {x - }{{x}_0},\right.$ $\left.{{y - }{{y}_0};{{ P}_{\rm{m}}}} \right) \approx {W}\left( {{x - }{{x}_0},{y - }{{y}_0};{{ P}_{\rm{s}}}} \right)$ 成立；

(2) 相邻两天的噪声相干系数为0，即

${n}\left( {{{x}_0},{{y}_0};{{t}_{\rm{m}}}} \right) \times {n}\left( {{{x}_0},{{y}_0};{{t}_{\rm{s}}}} \right) = 0$

(4)

(3) 相邻两天的目标散射系数为 ${{s}_{{\rm{av}}}}\left( {{x},{y}} \right)$ ，即

${{s}_{{\rm{av}}}}\left( {{x},{y}} \right) \approx {f}\left( {{x},{y};{{t}_{\rm{m}}}} \right){{f}^{\rm{*}}}\left( {{x},{y};{{t}_{\rm{s}}}} \right)$

(5)

对式(3)中的相干系数 $\rho$ 进一步分解得到

$\rho = {\rho _{{\rm{th}}}} \times {\rho _{{\rm{ti}}}} \times {\rho _{{\rm{sp}}}}$

(6)

其中，热噪声相干系数 ${\rho _{{\rm{th}}}}$ 与时间相干系数 ${\rho _{{\rm{ti}}}}$ 分别由系统与实际目标决定。

对于PS点^[17]而言，地表散射系数相对稳定，不随时间变化，同时为了便于后续分析，假定散射系数为1得到空间相干系数 ${\rho _{{\rm{sp}}}}$ 的简化式为

${\rho _{{\rm{sp}}}} = \frac{{\displaystyle\iint {{\rm{exp}}\left[ {{ - }{\rm{j}}\dfrac{{2{\rm{\pi}} }}{\lambda }\bigr( {{r}\left( {{x},{y};{{ P}_{\rm{m}}}} \right){ - r}\left( {{x},{y};{{ P}_{\rm{s}}}} \right)} \bigr)} \right]{{\Bigr| {{W(x - }{{x}_0},{y - }{{y}_0};{{ P}_{\rm{m}}}{)}} \Bigr|}^2}{\rm{d}}{x}{\rm{d}}{y}}}}{{\sqrt {\left( {\displaystyle\iint {{{\Bigr| {{W}\left( {{x - }{{x}_0},{y - }{{y}_0};{{ P}_{\rm{m}}}} \right)} \Bigr|}^2}{\rm{d}}{x}{\rm{d}}{y}}} \right)\left( {\displaystyle\iint {{{\Bigr| {{W(x - }{{x}_0},{y - }{{y}_0};{{ P}_{\rm{m}}}{)}} \Bigr|}^2}{\rm{d}}{x}{\rm{d}}{y}}} \right)} }}$

(7)

从式(7)推导结果可以知道，空间基线主要是影响 ${r}\left( {{x},{y};{ P}} \right)$ 从而导致空间去相干。

2.2 数据采集优化模型

导航卫星的重轨时间并非稳定不变，因此需要对数据采集时间进行有效预测，从源头上降低空间去相干，提高数据有效性。

假定主图像数据采集时间为 ${{t}_{\rm{m}}}$ ，该采集时间可以通过文献[14]中的广义优化模型进行求解，辅图像数据采集时间为 ${{t}_{\rm{s}}}={{t}_{\rm{m}}}+\Delta {t}$ , $\Delta t$ 为时间间隔，那么最优化数据采集模型可通过式(7)推导而来

$\begin{split} \Delta {t }=&{\rm{arg}}\;{\rm{max}}\left\{ \iint {{\left| {{\widetilde W}\left( {{x},{y};{{ P}_{\rm{m}}}} \right)} \right|}^2} {\rm{exp}}\left[ {{ - }{\rm{j}}\frac{{2{\rm{\pi}} }}{\lambda }\bigr( {{r}\left( {{x},{y};{{ P}_{\rm{m}}}} \right){ - r}\left( {{x},{y};{ P}\left( {{{t}_{\rm{m}}}+\Delta {t}} \right)} \right)} \bigr)} \right] {\rm{d}}{x}{\rm{d}}{y} \right\} \end{split}$

(8)

其中， ${\widetilde W}\left( {{x},{y};{{ P}_{\rm{m}}}} \right)$ 为 ${t_{\rm{m}}}$ 下等效归一化PSF, ${ P}\left( {{{t}_{\rm{m}}} +}\right.$ $\left.\Delta {t} \right)$ 为 $\Delta {t}$ 时间偏置下得合成孔径中心位置矢量。

第1天数据采集需要进行实验设计以确定最优数据采集时刻，往后的重轨天数据采集可以根据数据采集优化模型，同时结合星历文件进行预测。整体的预测流程如图2所示， ${n}$ 为任意一天采集的数据， ${k}$ 为重轨天数间隔。

图 2 GNSS-InSAR数据采集时间优化流程

Figure 2. Time optimization process of GNSS-InSAR data acquisition

下载: 全尺寸图片幻灯片

实际卫星位置对应的实际时间设为 ${{t}_{n}}$ ，经过模型优化得到的时间偏差为 $\Delta {t}$ ，那么第 ${n} + {k}$ 天对应的实际数据采集时间可表示为

${{t}_{{n}+{k}}} = {{t}_{n}} + \Delta {t}$

(9)

3. 实验验证

3.1 GNSS-InSAR场景3维形变反演实验设计

对于固定场景的形变监测，首次数据采集的时候需要严格设计系统构型，使分辨率达到最优化。本次实验接收机部署在北京理工大学信息科学试验楼楼顶西北角，实施监测场景位于西偏北30°。使用理论分辨率计算公式^[18]对该场景进行分辨率设计。仿真参数具体参见表1。

表 1 数据采集试验仿真参数

Table 1. Data acquisition test simulation parameters

参数	值
照射源	北斗 IGSO1～5
PRF	1000 Hz
带宽	10.23 MHz
合成孔径时间	600 s
TLE文件更新日期	2019年4月29日
预定数据采集日期	2019年4月30日

下载: 导出CSV

| 显示表格

以分辨单元面积作为判定依据，得到预定采集日期当天全时段下各个卫星在预定场景下所能得到的分辨单元面积如图3所示。

图 3 全时段下场景分辨单元面积

Figure 3. Scene resolution unit area in full time

下载: 全尺寸图片幻灯片

为了实现3维形变反演，需要同一时间下有3颗卫星对场景进行照射。图3中10点前后与17点前后满足当前场景上空有3颗IGSO卫星可见的条件。更进一步，为了使分辨单元面积达到最优，可以得到具体的数据采集时间。具体如图4红框标注，分别是9点30分前后与17点30分前后。

图 4 首次数据采集时间设计结果

Figure 4. Design results of first data acquisition time

下载: 全尺寸图片幻灯片

为了配合实验，在场景布置转发器，整体的系统构型如图5所示。

图 5 GNSS-InSAR场景3维形变反演实验拓扑构型设计结果

Figure 5. GNSS-InSAR topological configuration design results of 3D deformation retrieval experiment

下载: 全尺寸图片幻灯片

3.2 重轨数据采集时间优化

以2019年4月30日采集的实测数据作为第 ${n}$ 天数据，对于北斗的IGSO而言，重轨时间约为1天，即 ${m}$ =1，同时下载当天最新的TLE文件。以IGSO1为例，结合图2进行详细说明：

(1) 使用实测数据的直达波进行卫星位置解算，同时根据TLE文件推算当天和相邻天的卫星轨迹。经过相干系数轨迹匹配之后，得到的轨迹如图6所示。

图 6 对齐后的TLE卫星轨迹与实测数据卫星轨迹

Figure 6. Aligned TLE satellite trajectory and measured data satellite trajectory

下载: 全尺寸图片幻灯片

(2) 以匹配得到的TLE卫星轨迹作为参考，对重轨天的TLE卫星轨迹进行数据采集优化模型求解，系统的PSF与优化模型仿真结果分别如图7与图8所示。

图 7 场景[–147, 20, 0]处理论PSF

Figure 7. Theoretical PSF in scene at position of [–147, 20, 0]

下载: 全尺寸图片幻灯片

图 8 数据采集优化模型仿真结果

Figure 8. Simulation results of data acquisition optimization model

下载: 全尺寸图片幻灯片

对图8的结果分析可知，第1个峰值点为其本身，由于空间基线为0，相干系数为1。第2个峰值点相干系数为0.999644，满足除了第1个峰值点外相邻天相干系数最大值条件，因此第2个峰值点就是最佳重轨时的空间相干系数。此时经过模型优化得到的时间间隔为： $\Delta t = 86163\;{\rm{s}} = 23\;{\rm{h}}\;56\;\min 3\;{\rm{s}}$ ，结合第1天的实测数据轨迹对应的时间 ${t_1} = 9\;{\rm{h}}\;26\;\min \;0\;{\rm{s}}$ ，第2天准确的数据采集时间为： ${t_2} = 9\;{\rm{h}}\;22\;\min 3\;{\rm{s}}$ 。

3.3 结果分析

为了说明优化结果的正确性，在实验场景中放置转发器模拟理想点目标(图5)，同时按照优化后的时间进行5月1日数据采集。实际采集时间为 $9\;{\rm{h}}\;21\;\min \;53\;{\rm{s}}$ ，总采集时间约650 s。相邻两天的空间相干系数轨迹匹配结果如图9所示。

图 9 实测数据重轨空间相干系数

Figure 9. The spatial coherence coefficient of measured data

下载: 全尺寸图片幻灯片

从图9中峰值点位置来看，重轨数据采集优化模型得到的结果和实际结果相吻合。为了进一步说明，图10给出了IGSO1卫星实测数据成像结果。

图 10 场景成像结果

Figure 10. Imaging results of scene

下载: 全尺寸图片幻灯片

对相邻两天的图像相干系数进行求解，得到图11所示结果。在同一坐标系下，仿真目标位于[–147, 20, 0]，空间相干系数为0.999644；转发器位于[–147, 20, 0]，相干系数为0.9996；两者的相干系数基本保持一致。

图 11 相干系数结果

Figure 11. Coherence coefficient result

下载: 全尺寸图片幻灯片

图9与图10的结果表明经过数据采集优化模型后得到的时间间隔与实际卫星轨迹的重轨时间相互吻合，在保证600 s预期合成孔径时间下，可以最大限度减少数据采集时间，节约存储资源。同时避免后期由于数据对齐带来的数据有效性降低问题。

4. 结论

在GNSS-InSAR场景1维/3维形变反演应用中，针对由于导航卫星重轨时间的非严格一致性与有效数据截取带来的数据冗余，数据有效性低等问题，本文提出了一种面向GNSS-InSAR场景数据采集的优化模型，采用实测数据与TLE文件相结合，根据当天数据采集时间，预测相邻天重轨时间，从而实现精确的数据采集。实测数据验证结果表明了数据采集时间优化模型的正确性。该方法的提出有利于GNSS-InSAR场景1维/3维形变反演实验的开展，在降低原始数据冗余度基础上，保证了有效数据时间长度大于预期合成孔径时间。

图 1 改进的双频干涉处理流程图

Figure 1. Improved processes of dual-frequency interferometry

下载: 全尺寸图片幻灯片

图 2 3种配准方法配准后干涉条纹

Figure 2. Three interferometric phase images after registration

下载: 全尺寸图片幻灯片

图 3 两种去平地方法去平地之后的干涉图

Figure 3. The two flattened interferograms removed flat-Earth phase

下载: 全尺寸图片幻灯片

图 4 NL-InSAR滤波前后的干涉相位对比

Figure 4. Contrast between interferogram before filtering and filtered interferogram

下载: 全尺寸图片幻灯片

图 5 NL-InSAR滤波前后的SAR图像对比

Figure 5. Contrast between SAR image before filtering and filtered SAR image

下载: 全尺寸图片幻灯片

图 6 NL-InSAR滤波前后的相干系数

Figure 6. Contrast between coherence coefficient image before filtering and filtered coherence coefficient image

下载: 全尺寸图片幻灯片

图 7 NL-InSAR滤波前的不同波段幅度图对比

Figure 7. Comparison of different band amplitude graphs before NL-InSAR filtering

下载: 全尺寸图片幻灯片

图 8 NL-InSAR滤波后的不同波段幅度图对比

Figure 8. Comparison of different band amplitude graphs after NL-InSAR filtering

下载: 全尺寸图片幻灯片

图 9 NL-InSAR滤波前后的不同波段配准后的相关系数分布直方图对比

Figure 9. Comparison of the distribution histogram of correlation coefficients of different bands before and after NL-InSAR filtering

下载: 全尺寸图片幻灯片

图 10 对相同的仿真数据3种联合解缠算法的结果对比

Figure 10. The unwrapped phase images unwrapped by diffenent algorithms

下载: 全尺寸图片幻灯片

图 11 3种联合解缠算法解缠结果和原始相位的残差结果对比

Figure 11. The residual error images of different algorithms

下载: 全尺寸图片幻灯片

图 12 有效点和噪点标记流程图

Figure 12. Flow chart of effective point and noise marking

下载: 全尺寸图片幻灯片

图 13 模糊矢量和的分布直方图

Figure 13. Histogram distribution of ambiguity vector summation

下载: 全尺寸图片幻灯片

图 14 聚类均值滤波和传统均值滤波结果对比

Figure 14. Contrast between clustering Mean filter resultand traditional mean filter result

下载: 全尺寸图片幻灯片

图 15 A区域聚类均值滤波和传统均值滤波结果对比

Figure 15. Contrast between clustering mean filter result and traditional mean filter result in area A

下载: 全尺寸图片幻灯片

图 16 处理数据的场景

Figure 16. The scene of processing data

下载: 全尺寸图片幻灯片

图 17 不同波段配准之后的干涉图

Figure 17. Interferograms after registration of different bands

下载: 全尺寸图片幻灯片

图 18 单通道使用最小代价流解缠(MCF)结果

Figure 18. The single-channel phase unwrapped by MCF algorithm

下载: 全尺寸图片幻灯片

图 19 ML联合解缠结果

Figure 19. The dual-frequency phase unwrapped by ML algorithm

下载: 全尺寸图片幻灯片

图 20 聚类均值滤波后的TV-MAP联合解缠结果

Figure 20. The dual-frequency phase unwrapped by TV-MAP and cluster mean filter

下载: 全尺寸图片幻灯片

图 21 地形起伏比较大高架区域单波段和双频联合解缠结果对比

Figure 21. Contrast between single-band unwrapped phase and dual-frequency combined uwrapped phase

下载: 全尺寸图片幻灯片

图 22 双频联合根据轨道参数反演的DEM

Figure 22. The airborne double-frequency rebuilding DEM

下载: 全尺寸图片幻灯片

参考文献(22)

[1]	Rogers A E E and Ingalls R P. Venus: Mapping the surface reflectivity by radar interferometry[J]. Science, 1969, 165(3895): 797–799.
[2]	Van Zyl J J. The Shuttle Radar Topography Mission (SRTM): A breakthrough in remote sensing of topography[J]. Acta Astronautica, 2001, 48(5/12): 559–565.
[3]	Griffiths H. Interferometric synthetic aperture radar[J]. Electronics&Communication Engineering Journal, 1995, 7(6): 247–265.
[4]	王岩飞, 刘畅, 詹学丽, 等. 无人机载合成孔径雷达系统技术与应用[J]. 雷达学报, 2016, 5(4): 333–349. DOI: 10.12000/JR16089 Wang Yanfei, Liu Chang, Zhan Xueli, et al. Technology and applications of UAV synthetic aperture radar system[J]. Journal of Radars, 2016, 5(4): 333–349. DOI: 10.12000/JR16089
[5]	侯丽英, 林赟, 洪文. 干涉圆迹SAR的目标三维重建方法研究[J]. 雷达学报, 2016, 5(5): 538–547. DOI: 10.12000/JR16009 Hou Liying, Lin Yun, and Hong Wen. Three-dimensional reconstruction method study based on interferometric circular SAR[J]. Journal of Radars, 2016, 5(5): 538–547. DOI: 10.12000/JR16009
[6]	Ghiglia D C and Pritt M D. Two-Dimensional Phase Unwrapping: Theory, Algorithms, and Software[M]. New York: Wiley, 1998
[7]	Xu W, Chang E C, Kwoh L K, et al.. Phase-unwrapping of SAR interferogram with multi-frequency or multi-baseline[C]. Proceedings of 1994 IEEE International Geoscience and Remote Sensing Symposium, Pasadena, CA, USA, 1994, 2: 730–732
[8]	Pascazio V and Schirinzi G. Estimation of terrain elevation by multifrequency interferometric wide band SAR data[J]. IEEE Signal Processing Letters, 2001, 8(1): 7–9. DOI: 10.1109/97.889635
[9]	Hoge W S. A subspace identification extension to the phase correlation method[MRI application][J].IEEE Transactions on Medical Imaging, 2003, 22(2): 277–280. DOI: 10.1109/TMI.2002.808359
[10]	Ferraiuolo G, Pascazio V, and Schirinzi G. Maximum a posteriori estimation of height profiles in InSAR imaging[J]. IEEE Geoscience and Remote Sensing Letters, 2004, 1(2): 66–70. DOI: 10.1109/LGRS.2003.822882
[11]	Ferraioli G, Shabou A, Tupin F, et al. Multichannel phase unwrapping with graph cuts[J]. IEEE Geoscience and Remote Sensing Letters, 2009, 6(3): 562–566. DOI: 10.1109/LGRS.2009.2021165
[12]	Ferraiuolo G, Meglio F, Pascazio V, et al. DEM reconstruction accuracy in multichannel SAR interferometry[J]. IEEE Transactions on Geoscience and Remote Sensing, 2009, 47(1): 191–201. DOI: 10.1109/TGRS.2008.2002644
[13]	Yu H W, Li Z F, and Bao Z. A cluster-analysis-based efficient multibaseline phase-unwrapping algorithm[J]. IEEE Transactions on Geoscience and Remote Sensing, 2011, 49(1): 478–487. DOI: 10.1109/TGRS.2010.2055569
[14]	Deledalle C A, Denis L, and Tupin F. NL-InSAR: Nonlocal interferogram estimation[J]. IEEE Transactions on Geoscience and Remote Sensing, 2011, 49(4): 1441–1452. DOI: 10.1109/TGRS.2010.2076376
[15]	Yuan Z H, Deng Y K, Li F, et al. Multichannel InSAR DEM reconstruction through improved closed-form robust Chinese remainder theorem[J]. IEEE Geoscience and Remote Sensing Letters, 2013, 10(6): 1314–1318. DOI: 10.1109/LGRS.2013.2238886
[16]	Zeng T, Liu T D, Ding Z G, et al. Phase unwrapping method based on multi-frequency InSAR in highly sloped terrain[J]. Electronics Letters, 2016, 52(12): 1058–1059. DOI: 10.1049/el.2015.3795
[17]	斯奇, 王宇, 邓云凯, 等. 一种基于最大后验框架的聚类分析多基线干涉SAR高度重建算法[J]. 雷达学报, 2017, 6(6): 640–652. DOI: 10.12000/JR17043 Si Qi, Wang Yu, Deng Yunkai, et al. A novel cluster-analysis algorithm based on MAP framework for multi-baseline InSAR height reconstruction[J]. Journal of Radars, 2017, 6(6): 640–652. DOI: 10.12000/JR17043
[18]	李杭, 梁兴东, 张福博, 等. 基于高斯混合聚类的阵列干涉SAR三维成像[J]. 雷达学报, 2017, 6(6): 630–639. DOI: 10.12000/JR17020 Li Hang, Liang Xingdong, Zhang Fubo, et al. 3D imaging for array InSAR based on Gaussian mixture model clustering[J]. Journal of Radars, 2017, 6(6): 630–639. DOI: 10.12000/JR17020
[19]	赵耀, 邓云凯, 王宇, 等. 原始数据压缩对方位向多通道SAR系统影响研究[J]. 雷达学报, 2017, 6(4): 397–407. DOI: 10.12000/JR17030 Zhao Yao, Deng Yunkai, Wang Yu, et al. Study of effect of raw data compression on azimuth multi-channel SAR system[J]. Journal of Radars, 2017, 6(4): 397–407. DOI: 10.12000/JR17030
[20]	尤红建, 胡岩峰. SAR和光学图像精配准技术的研究[J]. 雷达学报, 2014, 3(1): 78–84. DOI: 10.3724/SP.J.1300.2014.13154 You Hong-jian and Hu Yan-feng. Investigation on fine registration for SAR and optical image[J]. Journal of Radars, 2014, 3(1): 78–84. DOI: 10.3724/SP.J.1300.2014.13154
[21]	刘钰菲. InSAR图像配准算法研究[D]. [硕士论文], 西安电子科技大学, 2011 Liu Yu-fei. Research on image registration for InSAR system[D]. [Master dissertation], Xidian University, 2011
[22]	袁志辉. 多通道干涉SAR关键技术研究[D]. [博士论文], 中国科学院大学, 2013 Yuan Zhi-hui. Study on the key techniques of multichannel interferometric synthetic aperture radar[D]. [Ph.D. dissertation], The University of Chinese Academy of Sciences, 2013

施引文献

资源附件(0)

访问统计

图(22)

计量

文章访问数: 2522
HTML全文浏览量: 608
PDF下载量: 323
被引次数: 0

1. 引言
2. GNSS-InSAR场景数据采集优化模型
2.1 GNSS-InSAR相干系数理论模型
2.2 数据采集优化模型
3. 实验验证
3.1 GNSS-InSAR场景3维形变反演实验设计
3.2 重轨数据采集时间优化
3.3 结果分析
4. 结论

一种有效的机载双频干涉地形高程重建方法

DOI: 10.12000/JR18013 CSTR: 32380.14.JR18013

作者简介:
张衡：张衡(1990–)，男，山东人，中国科学院电子学研究所通信与信息系统专业博士研究生，研究方向为双基信号处理技术。E-mail: caszhmail@163.com

通讯作者:
张衡 caszhmail@163.com

计量