2019年  8卷  第6期

综述
摘要:
该文从成像结果表征、孔径流形、信号通道、系统形态、观测方向、处理方法、实现机理、目标识别等方面剖析了雷达对地成像技术的多向演化态势,并试图从宏观的视角和大的时间尺度,分析和认识雷达对地成像技术发展的内外因素和发展规律,推演预测未来发展方向,以期为把握雷达对地成像技术发展的时代脉络和宏观趋势、契合需求和引领创新、推动发展和促进应用,提供另类的观察视角和思维方式。 该文从成像结果表征、孔径流形、信号通道、系统形态、观测方向、处理方法、实现机理、目标识别等方面剖析了雷达对地成像技术的多向演化态势,并试图从宏观的视角和大的时间尺度,分析和认识雷达对地成像技术发展的内外因素和发展规律,推演预测未来发展方向,以期为把握雷达对地成像技术发展的时代脉络和宏观趋势、契合需求和引领创新、推动发展和促进应用,提供另类的观察视角和思维方式。
摘要:
合成孔径雷达3维成像技术可以消除目标和地形在2维图像上产生的严重混叠,显著提升目标识别和3维建模能力,已经成为当前SAR发展的重要趋势。合成孔径雷达3维成像技术经过了数十年的发展,已提出多种技术体制。该文系统性回顾了SAR 3维成像技术领域的发展过程,深入分析了现有SAR 3维成像技术的特点;指出了SAR回波及图像中蕴含的未被现有技术利用的3维信息,提出“合成孔径雷达微波视觉3维成像”的新概念和新思路,将SAR成像方法与微波散射机制和图像视觉语义有机融合,形成SAR微波视觉3维成像理论与方法,实现高效能、低成本的SAR 3维成像。该文重点阐述了SAR微波视觉3维成像的概念、目标和关键科学问题,并给出了初步的技术途径,为SAR 3维成像提供了新的技术思路。 合成孔径雷达3维成像技术可以消除目标和地形在2维图像上产生的严重混叠,显著提升目标识别和3维建模能力,已经成为当前SAR发展的重要趋势。合成孔径雷达3维成像技术经过了数十年的发展,已提出多种技术体制。该文系统性回顾了SAR 3维成像技术领域的发展过程,深入分析了现有SAR 3维成像技术的特点;指出了SAR回波及图像中蕴含的未被现有技术利用的3维信息,提出“合成孔径雷达微波视觉3维成像”的新概念和新思路,将SAR成像方法与微波散射机制和图像视觉语义有机融合,形成SAR微波视觉3维成像理论与方法,实现高效能、低成本的SAR 3维成像。该文重点阐述了SAR微波视觉3维成像的概念、目标和关键科学问题,并给出了初步的技术途径,为SAR 3维成像提供了新的技术思路。
摘要:
多模式高分辨率合成孔径雷达(SAR)的发展,对天空地海环境目标信息感知与特征获取提出了新的挑战,空间遥感大数据与人工智能信息技术的交叉是自动目标识别(ATR)一个新的研究方向与重大应用领域。该文提出,在电磁波与目标相互作用的物理背景下进行人工智能信息技术的研究,即“物理智能”,以发展在人眼不能识别的电磁频谱上形成信息感知的“微波视觉”,实现多模式遥感智能信息与目标识别。该文主要内容基于作者2019年8月15日在“雷达学报第五届青年科学家论坛”上的学术报告。 多模式高分辨率合成孔径雷达(SAR)的发展,对天空地海环境目标信息感知与特征获取提出了新的挑战,空间遥感大数据与人工智能信息技术的交叉是自动目标识别(ATR)一个新的研究方向与重大应用领域。该文提出,在电磁波与目标相互作用的物理背景下进行人工智能信息技术的研究,即“物理智能”,以发展在人眼不能识别的电磁频谱上形成信息感知的“微波视觉”,实现多模式遥感智能信息与目标识别。该文主要内容基于作者2019年8月15日在“雷达学报第五届青年科学家论坛”上的学术报告。
摘要:
作为一种重要的空间遥感信息获取工具,星载合成孔径雷达(SAR)具备高分辨率宽测绘、多方位信息获取、高时相对地观测、3维地形测绘等多种工作体制和模式。对于任何星载SAR系统,获取高质量的图像始终是提升SAR应用效能的前提。该文基于“观测在天,成像在地”的理念,分析了卫星轨道、平台姿态、有效载荷、地面处理等环节中星载SAR成像和图像质量的影响因素;阐释了中央电子设备幅相补偿与动态调整、天线方向图预估等高精度数据获取技术;给出了基于改进运动模型的星载SAR成像补偿和对流层传播效应补偿方法,能够实现优于0.3 m分辨率的成像;总结和对比了相干斑噪声抑制、方位模糊抑制和旁瓣抑制等SAR图像处理技术,可以使得等效视数优于25、方位模糊和旁瓣抑制优于20 dB。 作为一种重要的空间遥感信息获取工具,星载合成孔径雷达(SAR)具备高分辨率宽测绘、多方位信息获取、高时相对地观测、3维地形测绘等多种工作体制和模式。对于任何星载SAR系统,获取高质量的图像始终是提升SAR应用效能的前提。该文基于“观测在天,成像在地”的理念,分析了卫星轨道、平台姿态、有效载荷、地面处理等环节中星载SAR成像和图像质量的影响因素;阐释了中央电子设备幅相补偿与动态调整、天线方向图预估等高精度数据获取技术;给出了基于改进运动模型的星载SAR成像补偿和对流层传播效应补偿方法,能够实现优于0.3 m分辨率的成像;总结和对比了相干斑噪声抑制、方位模糊抑制和旁瓣抑制等SAR图像处理技术,可以使得等效视数优于25、方位模糊和旁瓣抑制优于20 dB。
摘要:
多平台合成孔径雷达(SAR)是合成孔径雷达极具发展潜力的研究方向之一,该文集中讨论了多平台SAR的成像算法,包括机载SAR、弹载SAR和星载SAR平台。该文首先简要阐述了SAR回波模型的建立,包括“斜距模型和成像模式”,然后综述了近年来机载SAR、弹载SAR和星载SAR成像算法的研究进展,并详细阐述了各平台固有的特性以及面临的挑战,最后对未来多平台SAR成像算法研究的发展趋势进行了展望。 多平台合成孔径雷达(SAR)是合成孔径雷达极具发展潜力的研究方向之一,该文集中讨论了多平台SAR的成像算法,包括机载SAR、弹载SAR和星载SAR平台。该文首先简要阐述了SAR回波模型的建立,包括“斜距模型和成像模式”,然后综述了近年来机载SAR、弹载SAR和星载SAR成像算法的研究进展,并详细阐述了各平台固有的特性以及面临的挑战,最后对未来多平台SAR成像算法研究的发展趋势进行了展望。
摘要:
论文
摘要:
星载合成孔径雷达(SAR)是一种2维高分辨率微波成像雷达。它通过发射大带宽信号实现距离向高分辨,通过合成孔径技术实现方位向高分辨。随着人们对分辨率需求的不断提升,星载SAR正朝着分米级分辨率发展。一方面,受限于现有器件水平,可以通过频率步进技术实现大带宽信号发射,需要研究高精度子带拼接技术、子带间幅相误差对成像的影响与补偿技术;另一方面,受限于有限的波束宽度,可以使系统工作在聚束模式或滑聚模式实现长合成孔径,此时需研究轨道弯曲、“Stop-go”假设误差、电离层与对流层传输误差等非理想因素对成像的影响与补偿技术。因此,该文详细介绍了频率步进信号时序设计与子带拼接,研究星载高分辨率频率步进SAR成像算法与非理想因素补偿方法,最后给出成像算法的仿真验证和性能分析。 星载合成孔径雷达(SAR)是一种2维高分辨率微波成像雷达。它通过发射大带宽信号实现距离向高分辨,通过合成孔径技术实现方位向高分辨。随着人们对分辨率需求的不断提升,星载SAR正朝着分米级分辨率发展。一方面,受限于现有器件水平,可以通过频率步进技术实现大带宽信号发射,需要研究高精度子带拼接技术、子带间幅相误差对成像的影响与补偿技术;另一方面,受限于有限的波束宽度,可以使系统工作在聚束模式或滑聚模式实现长合成孔径,此时需研究轨道弯曲、“Stop-go”假设误差、电离层与对流层传输误差等非理想因素对成像的影响与补偿技术。因此,该文详细介绍了频率步进信号时序设计与子带拼接,研究星载高分辨率频率步进SAR成像算法与非理想因素补偿方法,最后给出成像算法的仿真验证和性能分析。
摘要:
微型合成孔径雷达(MiniSAR)有效突破了时间与空间的限制,具备轻量化、低功耗、高灵活度等优势,能够满足感兴趣区域(ROI)的高分辨成像需求。然而,MiniSAR成像信号处理依然面临若干技术难题,例如复杂航迹条件下对地面目标的高分辨成像,非合作动目标的重聚焦,数据处理的效率与实时性等。据此,该文提出了一系列成像信号处理技术及其对应的现场可编辑门阵列(FPGA)硬件设计架构,从而实现了MiniSAR高分辨率成像与实时性处理。最后,基于多组聚束/条带式MiniSAR试验结果,验证了该文方法的有效性和可靠性。 微型合成孔径雷达(MiniSAR)有效突破了时间与空间的限制,具备轻量化、低功耗、高灵活度等优势,能够满足感兴趣区域(ROI)的高分辨成像需求。然而,MiniSAR成像信号处理依然面临若干技术难题,例如复杂航迹条件下对地面目标的高分辨成像,非合作动目标的重聚焦,数据处理的效率与实时性等。据此,该文提出了一系列成像信号处理技术及其对应的现场可编辑门阵列(FPGA)硬件设计架构,从而实现了MiniSAR高分辨率成像与实时性处理。最后,基于多组聚束/条带式MiniSAR试验结果,验证了该文方法的有效性和可靠性。
摘要:
该文介绍了一种L波段机载重轨干涉合成孔径雷达(SAR)系统及其开展的重轨干涉SAR飞行试验与数据反演研究。重点介绍了系统内定标方法、基于差分全球定位系统/惯性测量单元(DGPS/IMU)组合导航系统的重轨干涉SAR(InSAR)成像处理方法、残余运动误差(RME)估计和补偿算法以及干涉SAR模型下高程反演方法。在实测飞行试验数据中选择了两块具有代表性的试验区域,详细分析了重轨干涉SAR数据的相干性和残余运动补偿的效果,并通过干涉反演得到试验区的高程图(DEM),利用地面测量点验证得到两试验区的高程精度分别为3.40 m和2.85 m。实验结果表明该系统具有重轨干涉SAR数据获取及高精度高程反演能力,这对机载重轨干涉SAR系统设计及重点区域地形测绘具有重要借鉴意义。在飞行航迹控制较好的情况下,该系统可用于差分干涉SAR、极化干涉SAR以及层析SAR等的研究。 该文介绍了一种L波段机载重轨干涉合成孔径雷达(SAR)系统及其开展的重轨干涉SAR飞行试验与数据反演研究。重点介绍了系统内定标方法、基于差分全球定位系统/惯性测量单元(DGPS/IMU)组合导航系统的重轨干涉SAR(InSAR)成像处理方法、残余运动误差(RME)估计和补偿算法以及干涉SAR模型下高程反演方法。在实测飞行试验数据中选择了两块具有代表性的试验区域,详细分析了重轨干涉SAR数据的相干性和残余运动补偿的效果,并通过干涉反演得到试验区的高程图(DEM),利用地面测量点验证得到两试验区的高程精度分别为3.40 m和2.85 m。实验结果表明该系统具有重轨干涉SAR数据获取及高精度高程反演能力,这对机载重轨干涉SAR系统设计及重点区域地形测绘具有重要借鉴意义。在飞行航迹控制较好的情况下,该系统可用于差分干涉SAR、极化干涉SAR以及层析SAR等的研究。
摘要:
机载毫米波InSAR具备不受光照限制、测绘幅宽大、测绘精度高的特点,近年来随着其技术的不断发展和完善,逐渐成为一种被广泛关注的测绘手段。在针对小型飞行平台的高精度毫米波InSAR系统设计中,InSAR基线构型、多基线配置、外部数字高程模型(DEM)参考及InSAR处理流程是系统设计的核心。该文分析了机载毫米波InSAR系统中基线参数对干涉高程测量的影响,提出基于一体化天线吊舱的毫米波多基线InSAR系统设计思路,在此基础上提出基于时域成像算法的毫米波多基线InSAR测高处理流程。最后,实测数据实验验证了该文给出的机载毫米波多基线InSAR系统及其干涉数据处理方法在大比例尺测绘任务中的可行性和有效性。 机载毫米波InSAR具备不受光照限制、测绘幅宽大、测绘精度高的特点,近年来随着其技术的不断发展和完善,逐渐成为一种被广泛关注的测绘手段。在针对小型飞行平台的高精度毫米波InSAR系统设计中,InSAR基线构型、多基线配置、外部数字高程模型(DEM)参考及InSAR处理流程是系统设计的核心。该文分析了机载毫米波InSAR系统中基线参数对干涉高程测量的影响,提出基于一体化天线吊舱的毫米波多基线InSAR系统设计思路,在此基础上提出基于时域成像算法的毫米波多基线InSAR测高处理流程。最后,实测数据实验验证了该文给出的机载毫米波多基线InSAR系统及其干涉数据处理方法在大比例尺测绘任务中的可行性和有效性。
摘要:
采用基于永久散射体(PS)技术的大气相位(AP)补偿方法对地基干涉合成孔径雷达(GB-InSAR) 干涉相位图进行分析时,部分图像的干涉相位随距离呈现出复杂的非线性,导致无法建立合理的多参数模型来模拟大气相位,常规的补偿方法不再适用。该文提出一种改进的GB-InSAR图像非线性大气相位补偿方法,首先采用常规方法对干涉相位图进行大气相位补偿,并根据PS点的补偿后相位序列的标准差,进行稳定PS点的选择,然后对稳定PS点进行子区域划分,通过反距离加权插值估计出所有PS点的大气相位,从而实现大气相位的有效补偿。采用该文所提方法,对460幅雷达图像进行了处理,相比于常规方法,可以有效地补偿干涉相位图中的非线性大气相位分量。基于若干高稳定参考点的对比结果表明,该方法减小了最大约1 rad的相位测量误差。 采用基于永久散射体(PS)技术的大气相位(AP)补偿方法对地基干涉合成孔径雷达(GB-InSAR) 干涉相位图进行分析时,部分图像的干涉相位随距离呈现出复杂的非线性,导致无法建立合理的多参数模型来模拟大气相位,常规的补偿方法不再适用。该文提出一种改进的GB-InSAR图像非线性大气相位补偿方法,首先采用常规方法对干涉相位图进行大气相位补偿,并根据PS点的补偿后相位序列的标准差,进行稳定PS点的选择,然后对稳定PS点进行子区域划分,通过反距离加权插值估计出所有PS点的大气相位,从而实现大气相位的有效补偿。采用该文所提方法,对460幅雷达图像进行了处理,相比于常规方法,可以有效地补偿干涉相位图中的非线性大气相位分量。基于若干高稳定参考点的对比结果表明,该方法减小了最大约1 rad的相位测量误差。
摘要:
随着人工智能的兴起,利用深度学习技术实现SAR舰船检测,能够有效避免传统的复杂特征设计,并且检测精度获得了极大的改善。然而,现如今大多数检测模型往往以牺牲检测速度为代价来提高检测精度,限制了一些SAR实时性应用,如紧急军事部署、迅速海难救援、实时海洋环境监测等。为了解决这个问题,该文提出一种基于深度分离卷积神经网络(DS-CNN)的高速高精度SAR舰船检测方法SARShipNet-20,该方法取代传统卷积神经网络(T-CNN),并结合通道注意力机制(CA)和空间注意力机制(SA),能够同时实现高速和高精度的SAR舰船检测。该方法在实时性SAR应用领域具有一定的现实意义,并且其轻量级的模型有助于未来的FPGA或DSP的硬件移植。 随着人工智能的兴起,利用深度学习技术实现SAR舰船检测,能够有效避免传统的复杂特征设计,并且检测精度获得了极大的改善。然而,现如今大多数检测模型往往以牺牲检测速度为代价来提高检测精度,限制了一些SAR实时性应用,如紧急军事部署、迅速海难救援、实时海洋环境监测等。为了解决这个问题,该文提出一种基于深度分离卷积神经网络(DS-CNN)的高速高精度SAR舰船检测方法SARShipNet-20,该方法取代传统卷积神经网络(T-CNN),并结合通道注意力机制(CA)和空间注意力机制(SA),能够同时实现高速和高精度的SAR舰船检测。该方法在实时性SAR应用领域具有一定的现实意义,并且其轻量级的模型有助于未来的FPGA或DSP的硬件移植。
摘要:

近年来,深度学习技术得到广泛应用,然而在合成孔径雷达(SAR)舰船目标检测研究中,由于数据获取难、样本规模小,尚难以支撑深度网络模型的训练。该文公开了一个面向高分辨率、大尺寸场景的SAR舰船检测数据集,该数据集包含31景高分三号SAR图像,场景类型包含港口、岛礁、不同级别海况的海面等,背景涵盖近岸和远海等多样场景。同时,该文使用经典舰船检测算法和深度学习算法进行了实验,其中基于密集连接端到端网络方法效果最佳,平均精度达到88.1%。通过实验对比分析形成指标基准,方便其他学者在此数据集基础上进一步展开SAR舰船检测相关研究。

近年来,深度学习技术得到广泛应用,然而在合成孔径雷达(SAR)舰船目标检测研究中,由于数据获取难、样本规模小,尚难以支撑深度网络模型的训练。该文公开了一个面向高分辨率、大尺寸场景的SAR舰船检测数据集,该数据集包含31景高分三号SAR图像,场景类型包含港口、岛礁、不同级别海况的海面等,背景涵盖近岸和远海等多样场景。同时,该文使用经典舰船检测算法和深度学习算法进行了实验,其中基于密集连接端到端网络方法效果最佳,平均精度达到88.1%。通过实验对比分析形成指标基准,方便其他学者在此数据集基础上进一步展开SAR舰船检测相关研究。