大气层效应对地球同步轨道SAR系统性能影响研究

胡程; 董锡超; 李元昊

doi:10.12000/JR18032

大气层效应对地球同步轨道SAR系统性能影响研究

DOI: 10.12000/JR18032 CSTR: 32380.14.JR18032

北京理工大学信息与电子学院北京 100081
卫星导航电子信息技术教育部重点实验室(北京理工大学) 北京 100081

基金项目: 国家自然科学基金（61471038，61501032），北京市自然科学基金（4162052）

详细信息

作者简介:
胡　程(1981–)，男，博士，教授，博士生导师，北京理工大学雷达技术研究所副所长。长期从事新体制合成孔径雷达系统与信号处理、生物探测雷达系统与信息处理技术方向的科学研究；发表SCI论文50余篇、EI论文100余篇，授权发明专利30余项。入选国家“万人计划”青年拔尖人才；是英国工程技术学会会士(IET Fellow)、中国电子学会会士；担任中国电子学会青年科学家俱乐部副主席及雷达与信号处理系统专委会主任委员、IET 2018国际雷达会议大会主席

董锡超(1986–)，男，特别副研究员，硕士生导师。2008年6月获得北京理工大学信息工程专业学士学位，2014年6月获得北京理工大学目标探测与识别专业工学博士学位，期间赴英国谢菲尔德大学应用数学系进行为期2年的访问研究。2014年到2017年，在北京理工大学开展博士后研究，2017年4月留北京理工大学信息与电子学院任教，主要研究方向为新体制SAR系统分析与成像、SAR运动目标检测、电离层影响机理分析。主持国家自然科学基金青年项目、国防科技基金等科研项目，发表SCI论文10余篇，EI论文20余篇

李元昊(1990–)，男，博士。2018年3月获得北京理工大学信号与信息处理专业工学博士学位，期间赴意大利米兰理工大学进行为期1年的访问研究。主要研究方向为地球同步轨道合成孔径雷达技术、干涉和差分干涉信号处理、电离层影响分析和无线电频率干扰研究，发表学术论文30余篇，包括SCI刊源10余篇。获得2012年和2018年北京市优秀毕业生荣誉称号

通讯作者:
胡程 cchchb@163.com

计量
- 文章访问数: 4087
- HTML全文浏览量: 877
- PDF下载量: 364
- 被引次数: 0
出版历程
- 收稿日期: 2018-04-12
- 修回日期: 2018-07-13
- 网络出版日期: 2018-08-28

Atmospheric Effects on the Performance of Geosynchronous Orbit SAR Systems

School of Information and Electronics, Beijing Institute of Technology, Beijing 100081, China
Key Laboratory of Electronic and Information Technology in Satellite Navigation (Beijing Institute of Technology), Ministry of Education, Beijing 100081, China

Funds: The National Natural Science Foundation of China (61471038, 61501032), The Natural Science Foundation of Beijing (4162052)

摘要

摘要: 地球同步轨道合成孔径雷达(GEO SAR)合成孔径时间长、观测范围大，易受到大气层效应时空变化的影响，使成像的聚焦质量和差分干涉处理精度严重下降。该文针对常规对流层和背景电离层等大气层缓变的干扰部分，建立了高精度时频混合GEO SAR信号模型，分析了不同大气层参数的时间变化率对成像质量和差分干涉处理精度的影响。针对大气层干扰中对流层湍流和电离层闪烁等随机扰动造成的影响，基于幂律功率谱模型，建立了大气扰动参数和成像质量的定量化分析模型，获得了大气层随机干扰的强度与成像评估指标间的关系。最后，通过仿真验证了模型的有效性，并分析了长孔径时间内缓变和随机扰动的大气层误差对成像和差分干涉处理质量的影响，仿真结果表明：L波段GEO SAR成像和差分干涉处理受时空变电离层干扰的影响十分严重，必须予以补偿；对流层干扰对其影响较小，仅当积累时间达到数百秒时才需要考虑它对成像性能的恶化。
- 地球同步轨道合成孔径雷达 /
- 合成孔径雷达成像 /
- 对流层干扰影响 /
- 电离层干扰影响
Abstract: GEOsynchronous orbit Synthetic Aperture Radar (GEO SAR) has a long synthetic aperture and large observation region; therefore, it is easily affected by atmospheric spatial-temporal changes, which results in a serious degradation in the focusing quality and performance of differential interference processing. In this paper, a high-precision spatial-temporal hybrid GEO SAR signal model is established for the slowly disturbed parts of the atmosphere such as the background troposphere and the ionosphere. The effects of the time rate of different atmospheric parameters on the image quality and accuracy of differential interference processing are analyzed. Considering the influence of random disturbances such as tropospheric turbulence and ionospheric scintillation in atmosphere, a quantitative analysis model is established based on a power law power spectrum model using the atmospheric disturbance and imaging quality parameters. The relationships of the random disturbances intensity in the atmosphere and the imaging evaluation index are obtained. Finally, the model is verified by simulations, and the effects of slow-varying atmospheric errors in a long aperture time on the quality of imaging and differential interference processing are analyzed. Simulation results show that spatial-temporal variable ionospheric disturbances seriously affect L-band GEO SAR imaging and differential interference processing, which must be compensated, and they are slightly affected by tropospheric disturbances. Moreover, it is necessary to consider the tropospheric effects on imaging performance only when the integration time reaches several hundred seconds.
- GEOsynchronous orbit Synthetic Aperture Radar (GEO SAR) /
- SAR imaging /
- Tropospheric disturbance /
- Ionospheric disturbance

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 GEO SAR星下点轨迹及覆盖区域

Figure 1. The sub-satellite track and coverage area of GEO SAR

下载: 全尺寸图片幻灯片

图 2 基于大气折射率廓线数据获得的对流层信号延迟

Figure 2. Tropospheric signal delays based on atmospheric refractive index profile data

下载: 全尺寸图片幻灯片

图 3 不同波段、不同积累时间下对流层对GEO SAR成像影响的评估结果

Figure 3. Results of tropospheric GEO SAR imaging at different wave bands and different integrate times

下载: 全尺寸图片幻灯片

图 4 100 s下 L波段方位向包络图

Figure 4. L-band azimuth envelope at 100 s

下载: 全尺寸图片幻灯片

图 5 点阵目标成像结果

Figure 5. Lattice targets imaging results

下载: 全尺寸图片幻灯片

图 6 电离层闪烁影响下成像指标参数分析

Figure 6. Analysis of imaging quality parameters in the presence of ionospheric scintillation

下载: 全尺寸图片幻灯片

图 7 时空变电离层引入的干涉相位屏误差和评估

Figure 7. The interference phase screen errors and evaluation introduced by TSV ionosphere

下载: 全尺寸图片幻灯片

表 1 GEO SAR对流层延迟的各阶时间变化情况

Table 1. Temporal variability of each order of GEO SAR tropospheric delay

项目	数值
$\Delta \,{r_0}$ (m)	2.21
${q_1}$ (m/s)	2.52×10^–4
${q_2}$ (m/s²)	2.71×10^–7
${q_3}$ (m/s³)	1.64×10^–13

下载: 导出CSV

表 2 电离层TEC随时间变化情况

Table 2. Rate of ionospheric TEC changing with time

项目	数值
TEC₀(TECU)	68.3
k₁ (TECU/s)	0.0068
k₂ (TECU/s²)	7.32×10^–6
k₃ (TECU/s³)	4.42×10^–12

下载: 导出CSV

表 3 背景电离层对GEO SAR成像影响评估结果

Table 3. Results of GEO SAR imaging effected by background ionosphere

合成孔径时间(s)	距离向PSLR (dB)	方位向PSLR (dB)	方位向移位(m)
100	–13.23	–13.21	4.3
300	–13.25	–12.11	4.3
500	–13.22	–10.39	4.3

下载: 导出CSV

参考文献(41)

[1]	Tomiyasu K. Synthetic aperture radar in geosynchronous orbit[C]. Proceedings of 1978 Antennas and Propagation Society International Symposium, Washington, DC, USA, 1978: 42–45
[2]	Tomiyasu K and Pacelli J L. Synthetic aperture radar imaging from an inclined geosynchronous orbit[J]. IEEE Transactions on Geoscience and Remote Sensing, 1983, 21(3): 324–329. DOI: 10.1109/TGRS.1983.350561
[3]	NASA and JPL. Global earthquake satellite system: A 20-year plan to enable earthquake prediction[EB/OL]. http://solidearth.jpl.nasa.gov/GESS/3123_GESS_Rep_2003.pdf, 2015, 9
[4]	Edelstein W N, Madsen S N, Moussessian A, et al.. Concepts and technologies for synthetic aperture radar from MEO and geosynchronous orbits[C]. Proceedings of SPIE 5659, Enabling Sensor and Platform Technologies for Spaceborne Remote Sensing, Honolulu, Hawaii, 2005: 195–203
[5]	Laurence Gray A, Mattar K E, and Sofko G. Influence of ionospheric electron density fluctuations on satellite radar interferometry[J]. Geophysical Research Letters, 2000, 27(10): 1451–1454. DOI: 10.1029/2000GL000016
[6]	Meyer F, Bamler R, Jakowski N, et al. The potential of low-frequency SAR systems for mapping ionospheric TEC distributions[J]. IEEE Geoscience and Remote Sensing Letters, 2006, 3(4): 560–564. DOI: 10.1109/LGRS.2006.882148
[7]	Meyer F J and Nicoll J. The impact of the ionosphere on interferometric SAR processing[C]. Proceedings of 2008 IEEE International Geoscience and Remote Sensing Symposium, Boston, MA, USA, 2008: II-391–II-394
[8]	Meyer F J. Performance requirements for ionospheric correction of low-frequency SAR data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2011, 49(10): 3694–3702. DOI: 10.1109/TGRS.2011.2146786
[9]	Sun J P, Bi Y K, Wang Y P, et al.. High resolution SAR performance limitation by the change of tropospheric refractivity[C]. Proceedings of 2011 IEEE CIE International Conference on Radar, Chengdu, China, 2011
[10]	Zhang F, Li G J, Li W, et al. Multiband microwave imaging analysis of ionosphere and troposphere refraction for spaceborne SAR[J]. International Journal of Antennas and Propagation, 2014, 2014: 913056.
[11]	Hanssen R F. Radar Interferometry: Data Interpretation and Error Analysis[M]. Dordrecht: Kluwer Academic Publishers, 2001
[12]	Danklmayer A, Doring B J, Schwerdt M, et al. Assessment of atmospheric propagation effects in SAR images[J]. IEEE Transactions on Geoscience and Remote Sensing, 2009, 47(10): 3507–3518. DOI: 10.1109/TGRS.2009.2022271
[13]	Hobbs S, Mitchell C, Forte B, et al. System design for geosynchronous synthetic aperture radar missions[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(12): 7750–7763. DOI: 10.1109/TGRS.2014.2318171
[14]	Bruno D and Hobbs S E. Radar imaging from geosynchronous orbit: Temporal decorrelation aspects[J]. IEEE Transactions on Geoscience and Remote Sensing, 2010, 48(7): 2924–2929. DOI: 10.1109/TGRS.2010.2042062
[15]	Bruno D, Hobbs S E, and Ottavianelli G. Geosynchronous synthetic aperture radar: Concept design, properties and possible applications[J]. Acta Astronautica, 2006, 59(1–5): 149–156. DOI: 10.1016/j.actaastro.2006.02.005
[16]	Ruiz Rodon J, Broquetas A, Guarnieri A M, et al. Geosynchronous SAR focusing with atmospheric phase screen retrieval and compensation[J]. IEEE Transactions on Geoscience and Remote Sensing, 2013, 51(8): 4397–4404. DOI: 10.1109/TGRS.2013.2242202
[17]	Ruiz-Rodon J, Broquetas A, Makhoul E, et al. Nearly zero inclination geosynchronous SAR mission analysis with long integration time for earth observation[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(10): 6379–6391. DOI: 10.1109/TGRS.2013.2296357
[18]	Guarnieri A M, Rocca F, and Ibars A B. Impact of atmospheric water vapor on the design of a Ku band geosynchronous SAR system[C]. Proceedings of 2009 IEEE International Geoscience and Remote Sensing Symposium, Cape Town, South Africa, 2009
[19]	Guarnieri A M, Tebaldini S, Rocca F, et al.. GEMINI: Geosynchronous SAR for earth monitoring by interferometry and imaging[C]. Proceedings of 2012 IEEE International Geoscience and Remote Sensing Symposium, Munich, Germany, 2012
[20]	Monti Guarnieri A, Broquetas A, Recchia A, et al. Advanced radar geosynchronous observation system: ARGOS[J]. IEEE Geoscience and Remote Sensing Letters, 2015, 12(7): 1406–1410. DOI: 10.1109/LGRS.2015.2404214
[21]	Monti Guarnieri A, Leanza A, Recchia A, et al. Atmospheric phase screen in GEO-SAR: Estimation and compensation[J]. IEEE Transactions on Geoscience and Remote Sensing, 2018, 56(3): 1668–1679. DOI: 10.1109/TGRS.2017.2766084
[22]	Hu C, Long T, Zeng T, et al. The accurate focusing and resolution analysis method in geosynchronous SAR[J]. IEEE Transactions on Geoscience and Remote Sensing, 2011, 49(10): 3548–3563. DOI: 10.1109/TGRS.2011.2160402
[23]	Hu C, Tian Y, Yang X P, et al. Background ionosphere effects on geosynchronous SAR focusing: Theoretical analysis and verification based on the BeiDou Navigation Satellite System (BDS)[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2016, 9(3): 1143–1162. DOI: 10.1109/JSTARS.2015.2475283
[24]	Dong X C, Hu C, Tian Y, et al. Experimental study of ionospheric impacts on geosynchronous SAR using GPS signals[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2016, 9(6): 2171–2183. DOI: 10.1109/JSTARS.2016.2537401
[25]	Tian Y, Hu C, Dong X C, et al.. Analysis of effects of time variant troposphere on geosynchronous SAR imaging[C]. Proceedings of 2016 IEEE International Geoscience and Remote Sensing Symposium, Beijing, China, 2016: 5051–5054
[26]	田野, 董锡超, 胡程. 对流层对地球同步轨道SAR成像的影响研究[J]. 信号处理, 2015, 31(12): 1562–1567. DOI: 10.3969/j.issn.1003-0530.2015.12.003 Tian Ye, Dong Xi-chao, and Hu Cheng. Analysis of troposphere impacts on geosynchronous SAR imaging[J]. Journal of Signal Processing, 2015, 31(12): 1562–1567. DOI: 10.3969/j.issn.1003-0530.2015.12.003
[27]	Tian Y, Hu C, Dong X C, et al. Theoretical analysis and verification of time variation of background ionosphere on geosynchronous SAR imaging[J]. IEEE Geoscience and Remote Sensing Letters, 2015, 12(4): 721–725. DOI: 10.1109/LGRS.2014.2360235
[28]	Wang R, et al. Joint amplitude-phase compensation for ionospheric scintillation in GEO SAR imaging[J]. IEEE Transactions on Geoscience and Remote Sensing, 2017, 55(6): 3454–3465.
[29]	Hu C, Li Y H, Dong X C, et al. Performance analysis of L-band geosynchronous SAR imaging in the presence of ionospheric scintillation[J]. IEEE Transactions on Geoscience and Remote Sensing, 2017, 55(1): 3454–3465. DOI: 10.1109/TGRS.2016.2602939
[30]	Li Y H, Hu C, Dong X C, et al. Impacts of ionospheric scintillation on geosynchronous SAR focusing: Preliminary experiments and analysis[J]. Science China Information Sciences, 2015, 58(10): 1–3.
[31]	Hu C, Li Y H, Dong X C, et al. Impacts of temporal-spatial variant background ionosphere on repeat-track GEO D-InSAR system[J]. Remote Sensing, 2016, 8(11): 916. DOI: 10.3390/rs8110916
[32]	Kou L L, Wang X Q, Xiang M S, et al. Effect of orbital errors on the geosynchronous circular synthetic aperture radar imaging and interferometric processing[J]. Journal of Zhejiang University Science C, 2011, 12(5): 404–416. DOI: 10.1631/jzus.C1000170
[33]	Kou L L, Xiang M S, Wang X Q, et al. Tropospheric effects on L-band geosynchronous circular SAR imaging[J]. IET Radar,Sonar&Navigation, 2013, 7(6): 693–701.
[34]	Ji Y F, Zhang Q L, Zhang Y S, et al. L-band geosynchronous SAR imaging degradations imposed by ionospheric irregularities[J]. Science China Information Sciences, 2017, 60(6): 060308. DOI: 10.1007/s11432-016-9064-1
[35]	Li D X, Rodriguez-Cassola M, Prats-Iraola P, et al. Modelling of tropospheric delays in geosynchronous synthetic aperture radar[J]. Science China Information Sciences, 2017, 60(6): 060307. DOI: 10.1007/s11432-016-9065-1
[36]	Tofsted D H. Turbulence simulation: Outer scale effects on the refractive index spectrum[R]. Technical Report ARL-TR-548. US Army Research Lab. NM, 2000
[37]	Von Kármán T. Progress in the statistical theory of turbulence[J]. Proceedings of the National Academy of Sciences of the United States of America, 1948, 34(11): 530–539. DOI: 10.1073/pnas.34.11.530
[38]	Tunick A D. The Refractive Index Structure Parameter/Atmospheric Optical Turbulence Model: CN2[M]. U.S. Adelphi: A.R. Laboratory, 1998
[39]	Liu Z P, Hu C, Zeng T, et al. Improved secondary range compression focusing method in GEO SAR[C]. 2011 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP), Prague, Czech Republic, 2011: 1373–1376
[40]	Long T, Hu C, Ding Z, et al.. Geosynchronous SAR: System and Signal Processing[M]. Singapore: Springer, 2018
[41]	Zhang D D, Chen Z Y, Dong X C, et al.. Simulating the impacts of ionospheric scintillation on geosynchronous SAR[C]. Proceedings of the 18th International Radar Symposium (IRS), Prague, Czech Republic, 2017

施引文献

资源附件(0)

访问统计

图(7) / 表(3)

计量

文章访问数: 4087
HTML全文浏览量: 877
PDF下载量: 364
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

大气层效应对地球同步轨道SAR系统性能影响研究

DOI: 10.12000/JR18032 CSTR: 32380.14.JR18032

通讯作者:
胡程 cchchb@163.com

计量