未来星载SAR技术发展趋势

邓云凯,  禹卫东,  张衡,  王伟,  刘大成,  王宇

文章导航 > 雷达学报  > 2020 >  9(1): 1-33
邓云凯, 禹卫东, 张衡, 等. 未来星载SAR技术发展趋势[J]. 雷达学报, 2020, 9(1): 1–33. doi: 10.12000/JR20008
引用本文: 邓云凯, 禹卫东, 张衡, 等. 未来星载SAR技术发展趋势[J]. 雷达学报, 2020, 9(1): 1–33. doi: 10.12000/JR20008
shu
DENG Yunkai, YU Weidong, ZHANG Heng, et al. Forthcoming spaceborne SAR development[J]. Journal of Radars, 2020, 9(1): 1–33. doi: 10.12000/JR20008
Citation: DENG Yunkai, YU Weidong, ZHANG Heng, et al. Forthcoming spaceborne SAR development[J]. Journal of Radars, 2020, 9(1): 1–33. doi: 10.12000/JR20008
shu

未来星载SAR技术发展趋势

DOI: 10.12000/JR20008

  • 中国科学院空天信息创新研究院 北京 100190

  • 中国科学院大学 北京 100049

基金项目: 国家重点研发计划(2017YFB0502702)，国家自然科学基金(61825106)
详细信息
    作者简介:

    邓云凯(1962–)，男，湖北荆门人，中科院特聘研究员、博士生导师。长期从事星载成像雷达系统设计、成像基础理论及微波遥感理论研究，曾任我国第1颗微波成像雷达卫星主任设计师，承担了多个国家重大专项和重大型号工程，并任副总师和副总指挥，曾获得国家科技进步一等奖、国家技术发明二等奖、国防科技进步一等奖、军队科技进步一等奖等。E-mail: ykdeng@mail.ie.ac.cn

    禹卫东(1969–)，男，河南巩义人，中科院特聘研究员、博士生导师，国家万人计划-领军人才。长期从事机载、星载合成孔径雷达系统设计和研制工作，先后负责我国多个星载SAR型号工程项目，并担任型号主任设计师和副总师，曾获得国家技术发明二等奖、国防科技进步一等奖、军队科技进步一等奖等。E-mail: ywd@mail.ie.ac.cn

    张　衡(1990–)，男，山东滕州人，博士，主要从事多基星载SAR信号处理、系统设计、多基线干涉SAR信号处理等。E-mail: zhangheng@aircas.ac.cn

    王　伟(1985–)，男，河北邯郸人，副研究员、硕士生导师。主要从事星载合成孔径雷达系统设计、数字阵列处理，波形编码与优化等。E-mail: wwang@mail.ie.ac.cn

    刘大成(1990–)，男，云南大理人，助理研究员。主要从事星载合成孔径雷达系统设计工作、双基SAR同步技术研究。E-mail: dcliu@mail.ie.ac.cn

    王　宇(1980–)，男，河南汝南人，中科院特聘研究员、博士生导师。主要从事星载成像雷达系统与信号处理研究工作，承担了多个国防预研和重大型号工程，并任卫星型号副总设计师/SAR载荷总设计师；曾获得国家技术发明二等奖、军队科技进步一等奖、中国科学院青年科学家奖等；曾入选中国科学院百人计划、国家万人计划-领军人才、国家自然科学基金委杰出青年基金。E-mail: yuwang@mail.ie.ac.cn

    通讯作者:

    张衡 zhangheng@aircas.ac.cn

    王宇 yuwang@mail.ie.ac.cn

  • 中图分类号: TN957.52

Forthcoming Spaceborne SAR Development

  • Aerospace Information Research Institute, Chinese Academy of Science, Beijing 100190, China

  • University of Chinese Academy of Sciences, Beijing 100049, China

Funds: The National Key Research and Development Program of China (2017YFB0502702), The National Natural Science Foundation of China (61825106)
More Information

摘要

    摘要
  • 摘要: 星载合成孔径雷达(SAR)以卫星等空间飞行器为运动平台，具有全天时、全天候、全球观测能力，已成为一种不可或缺的对地观测手段。当前，我国星载SAR已实现分辨率从米级到亚米级、系统体制从正侧视条带向方位扫描聚束、从单通道向多通道、极化方式从单一极化到全极化的技术跨越。随着技术的不断进步，未来星载SAR将在体制、概念、技术、模式等方面取得突破，包括高分辨率宽幅成像、多基地、轻小型化、智能化等，从而不断拓展星载SAR的观测维度，实现多维度信息获取。该文将围绕星载SAR的技术发展趋势展开论述。

     

    Abstract: Spaceborne Synthetic Aperture Radar (SAR), which can be mounted on space vehicles to collect information of the entire planet with all-day and all-weather imaging capacity, has been an indispensable device for earth observation. Currently, the technology of our spaceborne SAR has achieved a considerable technological improvement, including the resolution change from meter to submeter, the imaging mode from stripmap to azimuth beam steering like the sliding spotlight, the practical application of the multichannel approach and the conversion of single polarization into full polarization. With the development of SAR techniques, forthcoming SAR will make breakthroughs in SAR architectures, concepts, technologies and modes, for example, high-resolution wide-swath imaging, multistatic SAR, payload miniaturization and intelligence. All of these will extend the observation dimensions and obtain multidimensional data. This study focuses on the forthcoming development of spaceborne SAR.

     

    • HTML全文

  • 1.   引言

    合成孔径雷达(Synthetic Aperture Radar, SAR)作为一种主动式微波成像传感器，通过发射宽带调频信号和脉冲压缩技术实现距离向高分辨率，通过方位合成孔径技术获得方位向高分辨率。与光学及高光谱遥感手段相比，SAR具备全天时、全天候的成像能力，获得的图像能够反映目标微波散射特性，而且具有一定的穿透性，是获取地物信息的一种重要技术手段[1-18]。星载SAR是以卫星等空间飞行器为运动平台，具备全球观测能力，在全球军事侦察、环境遥感、自然灾害监测及行星探测等领域发挥了不可替代的作用。

    从1978年美国发射第1颗SAR卫星SEASAT开始，星载SAR逐渐成为对地观测领域的研究热点，很多国家都陆续开展了星载SAR技术研究并制定了相应的星载SAR卫星系统发展规划。进入21世纪以来，世界上多个航天强国相继部署了各自的星载SAR卫星系统，并实现了SAR卫星的更新换代，如欧空局(ESA)发射了接替EnviSAT的Sentinel-1[19]。近十几年来，星载合成孔径雷达在系统体制、成像理论、系统性能、应用领域等方面均取得了巨大发展，SAR图像的几何分辨率从初期的百米提升至亚米级。从早期单一的工作模式，到现在的多模式SAR；从固定波束扫描角(条带模式)到波束扫描(聚束模式，滑动聚束模式)，再发展到二维波束扫描模式(Sentinel的TOPS模式，TecSAR的马赛克模式等)；从传统单通道接收到新体制下多通道接收，同时实现高分辨率与宽测绘带；从单一频段、单一极化方式发展到多频多极化；从单星观测发展到多星编队或多星组网协同观测，实现多基地成像与快速重访。目前，新体制星载SAR技术的研究与应用已成为我国对地观测领域的重点发展方向。

    本文将围绕星载SAR技术发展趋势展开论述。主要从高几何分辨率、高分辨率宽测绘带成像、轻小型化、高时间分辨率、多基地、智能化等方面探讨未来星载SAR的发展趋势。

    2.   高分辨率SAR成像

    空间几何分辨率是星载SAR系统的核心性能指标，直接反应了SAR系统对目标与地物的描述能力，高分辨率能够更为精细地反映目标特征信息，便于目标识别和特征提取，在航天军事侦察、地形测绘及灾害评估等领域具有重要的应用价值。近20年来，为了使星载SAR系统实现高分辨率成像，各国专家学者们一直在不懈地寻找新的雷达工作体制和方法，因此，高分辨率星载SAR一直是国际星载SAR技术发展的重点。

    美国的的“长曲棍球”(Lacrosse)是世界上首次达到0.3 m分辨率的SAR卫星，作为其换代系统的FIA (Future Imagery Architecture Radar, FIA-Radar)的最高分辨率优于0.3 m。TerraSAR-X卫星是德国的军民两用卫星，利用该卫星的凝视聚束试验模式可实现方位0.24 m分辨率成像。HRWS (High-Resolution Wide-Swath)是德国正在规划的下一代SAR成像卫星，预计可实现最高0.25 m分辨率SAR成像。因此，纵观国际所有高分辨率SAR卫星系统，最高分辨率已优于0.3 m。

    图1为不同分辨率下地物目标的SAR图像[12]，可明显看出高分辨率对于实现目标确认和描述的重要性。

    图  1  不同分辨率SAR图像对比(X波段，分辨率自左至右分别为0.1 m, 0.5 m和2.0 m，场景分别为电塔和农田，中国科学院空天信息创新研究院(下文简称AIR-CAS)航天微波遥感系统部供图)
    Figure  1.  SAR image comparison between different resolution (tower and farm at X band, the resolution are 0.1 m, 0.5 m and 2.0 m. Images are provided by the Department of Space Microwave Remote Sensing System, AIR-CAS)
    下载: 全尺寸图片 幻灯片

    以航天军事侦察为例，分辨率直接反映了系统的侦察能力，美国经过大量试验后得出了雷达图像分辨率与能够侦察的典型军事目标之间的关系。表1列举了一些典型地物目标的发现、识别、确认和描述所需的分辨率。

    表  1  SAR图像分辨率与典型军事目标关系(m)
    Table  1.  The relationship between the resolution and typical military targets (m)
    目标发现识别确认描述
    雷达30.90.30.15
    无线通讯设施31.50.30.15
    部队单位或营地331.20.3
    机场设施64.530.3
    火炮兵器/火箭0.90.60.150.05
    飞机4.51.50.90.15
    司令部31.50.90.15
    导弹阵地31.50.60.3
    中小型船只7.54.50.60.3
    车辆1.50.60.30.05
    下载: 导出CSV 
    | 显示表格

    从表1数据中不难发现当SAR成像的分辨率提高到0.3 m时，可以确认绝大多数的军事目标。如图2所示，针对坦克目标，1.0 m分辨率可发现目标，0.3 m可实现目标确认，但是，若要实现对目标进行更加精细地描述，SAR成像的分辨率需进一步提高。

    图  2  不同分辨率下坦克的图像(图片数据来源美国Sandia国家实验室)
    Figure  2.  Tank at different resolution (Images are from the United States Sandia National Lab.)
    下载: 全尺寸图片 幻灯片

    在距离向，星载SAR主要通过发射大带宽信号来提高分辨率。然而，信号带宽的大幅增加对系统收发射频链路、超宽带天线的设计与实现以及宇航级高速数字器件均提出了较高的要求。对此，也可采用多子带工作方式避免大带宽信号收发，从而降低系统实现难度[12,20,21]。在方位向，星载SAR主要利用聚束和滑动聚束模式增加雷达合成孔径时间，提高方位分辨率。

    分辨率越高，需要的雷达发射信号带宽越大、合成孔径长度越长，系统设计与实现就变得更加复杂。此外，受轨道弯曲、地球曲率及高程的影响，必须对雷达波束进行精确的两维指向控制，进而保证对目标的准确照射时长，而且目标与雷达间的相干历程在整个场景内沿距离和方位两维空变，这对高分辨率星载SAR精确信号建模与成像聚焦处理提出较大挑战。

    3.   高分辨率宽幅成像

    传统星载SAR系统参数间存在复杂的相互制约关系，其成像几何指标方位分辨率与成像幅宽无法同时提高，表现为最小天线面积、二维模糊[22]以及等效噪声后向散射系数(Noise Equivalent Sigma Zero, NESZ)[23]等指标约束，并共同构成对星载SAR的系统性能约束。

    图3所示为传统体制SAR向新工作模式的发展趋势，为突破传统星载SAR的系统性能约束，获取高分辨率宽幅成像能力，各国科学家充分挖掘了星载SAR系统在空间域、时间域、频率域和编码域的多自由度特征，陆续提出新的工作体制，大大拓展了系统成像能力，主要包括：方位多波束、变脉冲重复频率(Pulse Repetition Frequency, PRF)、俯仰向数字波束形成(Digital BeamForming, DBF)、多发多收(Multiple-Input, Multiple-Output, MIMO)等。

    图  3  传统体制SAR向新工作模式的发展
    Figure  3.  SAR development from the traditional mode to the new ones
    下载: 全尺寸图片 幻灯片

    目前，方位向多波束在与其它工作体制或模式相结合时的高鲁棒性信号重构、误差估计等方面仍需进一步研究；变PRF技术需深入研究时变收发时序设计、缺失数据恢复、数据均匀化重建等问题；DBF技术在SAR中的应用已被德国DLR、美国NASA和中国AIR-CAS等多个研究机构通过试验完成初步验证，但若实现在星载SAR中的工程应用，仍需解决高相干性合成算法、高效处理架构、高精度幅相标定等工程技术问题；MIMO-SAR需重点解决实用化正交波形设计、高精度回波分离等问题。下面本文对各主要工作体制分别进行介绍。

    3.1   方位多波束

    方位多波束技术主要包括单相位中心方位多波束(Single Phase Center Multiple Azimuth Beams, SPC-MAB)技术[24]与偏置相位中心方位多波束(Displaced Phase Center Multiple Azimuth Beams, DPC-MAB)[5,25]技术。SPC-MAB技术使用方位向宽波束或者相互毗连的多个窄波束发射信号以获取大的多普勒带宽，接收时在方位向形成具有共同相位中心的多个不同指向的子接收波束，如图4(a)所示，但其存在波束间串扰，会恶化方位模糊。DPC-MAB技术更加成熟。如图4(b)所示，天线在方位向划分为多个接收子孔径，从而在每个采样时刻均可获取多个方位空间位置的回波采样。因此，SPC-MAB与DPC-MAB本质上均是以空间采样换取时间采样实现高分辨率宽幅成像。

    图  4  两种方位多波束技术
    Figure  4.  Two types of technologies of multiple azimuth beams
    下载: 全尺寸图片 幻灯片

    方位多波束信号处理主要包括多普勒解模糊和幅相校正。其中，多普勒解模糊主要是通过对模糊的多个通道回波进行信号处理，以恢复出单通道低模糊的方位多普勒信号。而幅相校正则是为了对实际多通道SAR中出现的幅度相位误差进行校正。

    DLR的Gebert等人[5]对多通道信号的多普勒解模糊处理技术做了深入研究，提出了通用的通道矩阵求逆的多通道信号重建方法，但是该方法难以缓解方位模糊与信噪比的矛盾，特别是非均匀PRF的情况。由此，在Gebert等人的研究基础上，Cerutti-Maori等人[26]提出了最大信号模糊噪声比方法。此外，国内学者也针对该矛盾作了相关研究[27-31]。西安电子科技大学刘保常等人[27]提出了改进DBF重构方法；AIR-CAS对方位模糊与信噪比的矛盾也做了深入研究，先后提出了基于天线方向图的最小方位模糊优化法[28]，针对高度非均匀采样情况提出了IMPMMSE方法[29]，以及基于多目标优化模型下的方位多通道重构方法[30]。

    通道幅相校正主要包括两类方法：内部校正方法[32]和基于多通道原始数据校正方法。基于多通道原始数据的通道均衡校正方法，包括经典的通道均衡校正方法，如二维自适应校正方法[33]、子空间投影法[34,35]和方位功率谱法[36]，以及近些年提出的一些新颖的通道均衡校正方法，如基于距离向互相关的通道失配校正方法等[37-40]。

    目前，DPC-MAB技术已经在实际机载和星载SAR系统中得到应用。高分三号是我国首颗具备方位向多通道成像能力的SAR卫星，其超精细条带模式采用方位向双通道实现高分辨率宽幅成像。图5为高分三号双通道成像结果，且通道误差校正后，假目标低于–50 dB。

    图  5  高分三号SAR卫星超精细条带模式成像结果(数据由中国科学院空天信息创新研究院航天微波遥感系统部提供)
    Figure  5.  The ultra-fine strip mode imaging results of Gaofen-3 satellite (Images are provided by the Department of Space Microwave Remote Sensing System, AIR-CAS)
    下载: 全尺寸图片 幻灯片

    3.2   变脉冲重复频率(PRF)

    变PRF体制是为了实现超宽幅连续成像而被提出来的，通过改变雷达PRF可使回波盲区的位置持续改变，从而将盲区分散在整个成像带内，如图6(b)所示。通过这种技术，距离向幅宽可扩展为接收窗的数倍，结合俯仰向多波束可实现超大幅宽成像。

    图  6  变PRF模式工作原理
    Figure  6.  The operating principle of PRF variation technology
    下载: 全尺寸图片 幻灯片

    在系统设计方面，PRF变化方式将决定方位信号丢失形式并直接影响到该成像体制的系统灵敏度、模糊度等性能指标。在信号处理方面，方位向变PRF引入的非均匀采样使得该体制信号模型区别于传统星载SAR体制，多脉冲信号回波分离、盲区内缺失数据的恢复和高效高精度的非均匀重采样方法均是信号处理中需要解决的主要问题。

    不同的PRF变化周期使得盲区沿方位向的分布不同，周期越短，盲区沿方位向分布越均匀，聚焦后不同位置处目标的性能也更加一致[42]。因此，在文献[43]中设计了很短的PRF变化周期，并采用多通道重构技术，将包含缺失数据的方位向非均匀采样数据重构为均匀采样数据，仿真表明这种算法将显著放大噪声，影响最终的成像质量。文献[44]提出一种改进的多通道重建算法，通过减少处理频带的个数增大自由度，利用线性约束最小功率(Linearly Constrained Minimum Power, LCMP)法则最小化带外模糊信号和噪声的功率，进而提高成像质量。这种方法需要较高的过采样率，会导致数据率和距离模糊比的增加。DLR也提出过一种基于高过采样率的变PRF信号处理方法[45]，其中的脉冲重复间隔(Pulse Repetition Interval, PRI)呈周期性线性变化，可以保证不连续丢失两个采样，对应的盲区分布如图7所示。在信号处理时可根据天线方向图对应的功率谱密度信息，直接获得对均匀采样数据的最优线性无偏(Best Linear Unbiased, BLU)估计。DLR进一步探讨了变PRF体制的星上处理方案以降低数据率[46]，并拟于Tandem-L中采用这一体制实现3 m/350 km的成像能力。

    图  7  周期性线性变化的脉冲重复间隔(PRI)及其对应的盲区分布[41]
    Figure  7.  Pulse repetition intervals with periodic linear variation and corresponding blind ranges[41]
    下载: 全尺寸图片 幻灯片

    原中国科学院电子学研究所针对低过采样率下变PRF体制提出了一种结合缺失数据迭代自适应方法(Missing data Iterative Adaptive Approach, MIAA)的谱估计和重采样处理方法[47]，并且基于HJ-1-C星载SAR数据，根据设计的PRF序列，丢失部分数据，直接成像结果如图8(a)所示。采用谱估计恢复缺失数据后的成像结果如图8(b)所示，可以看到由于缺失数据引起的假目标得到了良好抑制。鉴于该方法巨大的潜力，DLR进行了持续深入研究[48]，将BLU插值与MIAA谱估计方法结合起来，一方面利用了MIAA可对线谱实现准确估计的能力，另一方面利用了BLU对均匀面目标具有最小二乘意义下的最佳估计性能。

    图  8  基于星载SAR模拟变PRF模式数据的成像结果
    Figure  8.  Imaging results based on simulated data with PRF variation of spaceborne SAR
    下载: 全尺寸图片 幻灯片

    此外，星载SAR在方位大角度扫描成像时，针对有效数据随距离徙动量增加而降低的问题[49]，将PRF沿方位时间连续缓慢变化，可使得接收窗的变化与瞬时斜距的变化保持一致，从而显著降低系统冗余数据，如图9所示。该体制尤其适用于斜视聚束/滑聚模式[50-52]，能够在保证高分辨率成像的同时增加有效幅宽。

    图  9  大斜视聚束SAR成像几何，(a)和(b)分别展示了PRF固定和变化时的数据存储情况
    Figure  9.  The acquisition geometry of highly squint spotlight mode SAR
    下载: 全尺寸图片 幻灯片

    3.3   俯仰向DBF

    前面两节本文介绍了方位多波束和变PRF技术，它们可以大大拓展星载SAR的成像幅宽。然而星载SAR系统实现宽幅成像需要在俯仰向具有较宽的波束，而宽波束又对应较小的天线高度，这会明显降低发射和接收增益，恶化系统灵敏度，降低图像信噪比，最终无法满足实际应用需求。作为一种重要的系统工作体制，俯仰向DBF技术[53]可在宽波束发射的同时实现高增益扫描接收，从而大大提升系统信噪比，获得真正满足应用需求的高分辨率宽幅成像。因此，俯仰向DBF是星载SAR实现高分辨率宽幅成像的关键技术。俯仰向DBF技术以俯仰向小孔径天线进行宽幅照射，以俯仰向多通道天线接收回波，如图10所示，各通道信号分别接收与采集，并在数字域通过信号处理生成数字窄波束扫描接收回波，实现高增益接收，大幅提升系统信噪比性能。

    图  10  俯仰向DBF扫描接收示意图
    Figure  10.  The sketch of DBF scan on receive in elevation
    下载: 全尺寸图片 幻灯片

    俯仰向DBF接收技术需要在星上实时处理多个通道的数据，最后只需存储数字波束合成后输出的一路信号，所以该技术需要占用大量的数字处理资源。因此，如何实现星上高效高精度实时波束合成是实现星上DBF的关键。

    针对DBF技术的实际应用，国际上德国DLR和中国AIR-CAS都做了大量研究工作[13-15,17,53-55]。在传统的处理框架中，DBF-SAR系统中每一个通道的信号都需经过中频采样与数字解调，然后在数字域加权之后合成。为克服脉宽延展损失的影响，需要在对各个通道的数据流加权之后引入FIR时延滤波器，总体框架如图11所示。Dn表示第n个通道的FIR延时量。随着俯仰向通道数的增多，消耗的系统资源会大幅增加。

    图  11  传统DBF-SAR系统处理框架
    Figure  11.  The traditional processing framework of DBF-SAR system
    下载: 全尺寸图片 幻灯片

    为了降低系统复杂度，AIR-CAS提出了一种高效的数字处理架构[11,15]。该架构调整正交解调和波束形成的顺序，首先在实数域对中频信号进行延时和加权，然后将所有通道的数据合成为两路信号，最后做扩展的数字域正交解调得到DBF输出的基带信号。总体框架如图12所示。

    图  12  改进的DBF-SAR系统处理框架
    Figure  12.  The modified processing framework of DBF-SAR system
    下载: 全尺寸图片 幻灯片

    通过对两种方案所需的乘法次数对比分析发现，随着通道数的增多，两个方案需要的乘法器次数呈线性增长。但是改进DBF处理方案需要的乘法器次数大大低于传统DBF方案，因此改进方案可以有效地降低系统复杂度，节约系统成本。该方案将应用于我国后续高分宽幅星载SAR论证与研制。各国学者对星载SAR俯仰向DBF接收技术不仅进行了广泛的理论研究，还进行了多种形式的试验验证[56,57]，为未来高性能星载SAR系统的工程实现奠定了基础。AIR-CAS航天微波遥感系统部研发了一套X波段16通道高分辨率DBF-SAR系统，并于2019年12月开展了机载飞行试验，图13为获取的图像。针对俯仰向16通道DBF SAR系统，理论信噪比提升约12 dB。通过对数字波束形成前后的两幅图像进行对比可见，高增益数字波束使得系统信噪比得到了显著提升，通过图像评测，DBF技术使图像信噪比提升11.2 dB。

    图  13  机载DBF-SAR成像结果(数据由中国科学院空天信息创新研究院航天微波遥感系统部提供)
    Figure  13.  The imaging results of single channel and 16-channels with DBF processing in elevation (Images are provided by the Department of Space Microwave Remote Sensing System, AIR-CAS)
    下载: 全尺寸图片 幻灯片

    3.4   MIMO SAR技术

    多发多收合成孔径雷达(MIMO-SAR)[58]是近些年来提出了一种新体制SAR。依据多个收发天线之间的位置和布局关系，MIMO-SAR可分为分布式和紧凑式两大类[59]。分布式MIMO[60]是指多个收发天线之间稀疏布阵，各条信道之间近似独立，如图14(a)所示；紧凑式MIMO-SAR[61]是指所有收发单元位于同一平台上或相互之间非常靠近(如图14(b)所示)，该模式接收的都是目标同一方向上的散射信息，因而各收发通道相关性很强。MIMO-SAR系统通过更多的收发阵元获得更为丰富的系统自由度，并以此突破传统SAR体制限制，实现高分辨率宽幅成像跨越发展和多模式协同。

    图  14  MIMO-SAR分类示意图
    Figure  14.  The classification diagram of MIMO-SAR
    下载: 全尺寸图片 幻灯片

    MIMO-SAR自由度的提升主要体现在额外的相位中心，作为一个示例，图15给出了紧凑式MIMO-SAR相位中心变化情况。相对于方位N 通道的N个方位相位中心，MIMO-SAR则有2N–1个相位中心。可见，MIMO-SAR拥有更多的自由度，不仅能获得远多于实际天线数目的等效观测通道，还可显著提升功率孔径积，为解决传统SAR面临的高分辨率与宽幅间的矛盾以及多任务协同等实际问题提供了更为有效的技术途径。

    图  15  MIMO-SAR构成多相位中心
    Figure  15.  MIMO-SAR forms multiple phase centers
    下载: 全尺寸图片 幻灯片

    针对多个发射波形下的回波分离是MIMO-SAR实现的一个关键技术难点。依据发射波形特征，MIMO-SAR可进一步分为分时同频、同时分频和同时同频3大类：第1类主要设计分时同频的正交信号，通过时序控制，在不同的脉冲重复周期(PRI)内发射多路同频信号，如乒乓模式的全极化干涉SAR系统[62]和ARTINO下视三维成像系统[63]，这种方法用时间资源换取空间资源，往往导致系统PRF过高，对幅宽构成限制；第2类主要通过频率分集来隔离同时发射的多路信号，再运用子带拼接实现高分辨率[64]，如德国FGAN-FHR开发的机载PAMIR系统[65]。这种方法虽能降低发射端带宽，但仍是全带宽接收，并不能降低系统成本，另外，可获得的有效相位中心数目并不多于单发多收SAR系统，因此性能有限；第3种的主要目的是实现同时同频的回波分离，利用波形编码的正交条件来设计MIMO-SAR的正交波形，由于同时同频MIMO-SAR在时间、空间、频率、极化等多个维度内的自由度更高，是更为严格意义上的多发多收合成孔径雷达系统，所以是国内外学者的研究重点[58]。

    2008年，DLR的Krieger等人[66]提出了“多维波形编码”的概念(如图16所示)，即综合利用空间维、时间维及频率维的调制来抑制并行观测通道模糊能量。文献[58]指明了MIMO-SAR波形设计误区，细化了多维波形编码思路，设计了短时移正交(Short-Term-Shift-Orthogonal, STSO)波形，然后利用空域滤波抑制模糊能量；之后，Rommel等人[60]又提出了正交波形波束形成MIMO-SAR，其作为NASA下一代的机载L波段SAR模式，在未来也将以DBSAR-2系统进行相关的飞行实验验证。

    图  16  多维正交波形概念示意图
    Figure  16.  The diagram of multidimensional orthogonal waveform encoding concept
    下载: 全尺寸图片 幻灯片

    利用波形编码在码域实现MIMO可为未来星载SAR技术发展提供广阔的前景。AIR-CAS已对SAR波形设计进行了大量研究，可以实现模糊抑制、能量无损旁瓣抑制等，且研发了非线性波形发生器，应用于我国《国家民用空间基础设施中长期发展规划(2015—2025)》首个卫星型号工程—陆地探测一号SAR卫星(LT-1)[67-69]。

    目前对MIMO-SAR系统还处于理论研究阶段，进入实际应用仍需要相当长的时间。

    4.   星载双/多基SAR

    自2000年伊始，双/多基SAR凭借其独特优势，日益获得研究者的重视。从2004年开始，每年的SAR领域最权威的两个国际会议IGARSS和EUSAR都会设立一个关于双基SAR的分会[70,71]。由于多基SAR收发分置的系统属性，和单基SAR相比，多基SAR具备多项独特优势：(a)收发分置，视角可变。可获取目标多角度散射特性信息，实现多角度融合；(b)基线配置机动灵活。根据不同观测区域的测量精度要求，灵活调整发射端和接收端的基线距离，获取地面高程和地面运动目标信息；(c)静默接收，隐蔽性强。接收机无需发射电磁波，在现代战争中不易被对方的侦查装置侦查到；(d)系统构型多样，收发系统可搭载于卫星、飞机、地面装置等。未来可实现“一星发射多星接收”的分布式多基SAR系统，可同时实现高分辨率与超宽幅成像。

    多基SAR作为一种高度灵活的遥感技术，将会在军事侦察、环境监测、动态地球测量和海洋监视等领域发挥重要作用。拥有3个或多个只接收卫星的多基SAR系统将进一步拓展天基雷达遥感的观测维度。例如，垂直航迹多基线干涉可用于获取亚米级精度的DEM。

    多基多功能SAR成为当前的研究热点，多个航天大国相继提出了各自的多基SAR系统任务规划，并开展了相关理论研究[1,41,72-79]，如图17所示。其中，LT-1包括两颗先进的L波段全极化SAR卫星。另外，欧洲HRWS, SESAME[77](Sentinel-1 SAR Companion Multistatic Explorer)两个多基SAR计划均采用1颗主星结合多颗只接收小卫星构型多星SAR构型，用于实现高分宽幅、干涉地形测绘等任务。

    图  17  星载SAR发展趋势与典型星载SAR系统/概念示意图
    Figure  17.  Illustration of spaceborne SAR development trend and typical spaceborne SAR systems/concepts
    下载: 全尺寸图片 幻灯片

    双/多基SAR在拥有诸多优势的同时，存在多个技术挑战。首先，多基系统收发平台分置带来空间、时间和相位同步问题[78]，如图18所示。将接收端和发射端采用了各自独立的基准频率，其差异性会引入时间同步误差(图18(a))和相位同步误差(图18(b))，导致成像性能下降，无法实现高精度干涉测量。发射波束和接收波束照射方式与精度将会影响空间同步性能(图18(c))，导致相干性下降。其次，双基SAR斜距历程也从单基SAR的“单根式”转换为“双根式”，成像参数空变性严重，进一步增加了双/多基SAR高精度成像的难度[80,81]。另外，将方位多通道体制应用于分布式多基SAR系统构成分布式多相位中心成像模式，产生新的问题[79]。这里针对星载双基SAR同步技术和成像进行探讨，之后给出国际上几个多基SAR任务规划。

    图  18  时间、相位、波束3同步问题
    Figure  18.  Three synchronization problems: time synchronization, phase synchronization and beam synchronization
    下载: 全尺寸图片 幻灯片

    4.1   双/多基SAR同步

    时间同步包括两个方面：时间同步的建立和时间同步的保持。每次开机成像时，双/多基SAR通过安装的GNSS模块，接收同一组GNSS卫星发射信号，同时使用星间相对状态测量分系统同步GNSS模块输出的PPS秒脉冲，实现时间同步的建立；GNSS模块还用于驯服晶振，实现多个平台时间同步的保持，使用该方法的时间建立和保持误差控制可在45 ns以内。

    DLR的Eineder博士[76]针对一个发射平台、两个接收平台的多基SAR系统提出了一种相位同步方法，两个接收平台之间通过连续对传同步信号实现相位同步，该方法进一步研究并应用于一发两收的双基SAR系统[82]，如图19(a)所示。文献[83]中提出一种利用在交替双基模式下，基于数据估计相位同步误差的方法，如图19(c)。针对星-机模式、星-地模式或者机-地模式可以利用直达波实现相位同步[84]，如图19(d)。DLR的Younis博士等人[82]针对星载双星系统提出了一种双向对传脉冲信号的方法实现双星SAR相位同步，如图19(b)，该方法需要建立专门的同步链路。TanDEM-X卫星采用该方法，在每个卫星上安装6个同步天线，首次实现星载双基SAR同步，如图20所示[78]。但是TanDEM-X采用的同步方法需要周期性地打断SAR成像过程。成像过程中断，造成SAR数据缺失问题，因此需要在成像处理中进行数据重构，而且为了降低缺失数据的影响，同步频率较低[85]。

    图  19  双/多基SAR相位同步方法
    Figure  19.  The phase synchronization schemes for bistatic/multistatic SAR system
    下载: 全尺寸图片 幻灯片
    图  20  TanDEM-X使用的同步天线和同步时序
    Figure  20.  The antenna and timing diagram used for TanDEM-X
    下载: 全尺寸图片 幻灯片

    为了避免同步过程中断成像过程，进而产生数据缺失问题，原中国科学院电子学研究所提出了一种非中断的相位同步方法，并应用于LT-1星载双基SAR系统[86-89]。为实现雷达信号和同步信号的分离，设计了同步收发器控制同步信号的发射和接收。在LT-1系统中采用4个四臂螺旋天线作为同步天线，如图21(b)所示，具有宽波束收发能力。为避免同步信号和SAR信号的时间窗冲突，同步信号在上一个回波接收窗之后，下一个雷达信号发射窗之前的空闲时间进行同步信号的传输，从而无需打断成像过程，最大同步频率达PRF/2，进而得到高相位同步精度。

    图  21  LT-1双基SAR系统与同步系统中的螺旋天线
    Figure  21.  The LT-1 bistatic SAR system and the applied quadrifilar helix antenna
    下载: 全尺寸图片 幻灯片

    采用该方案，在LT-1地面测试系统中，实测相位同步精度优于0.3°[87]。

    4.2   多基SAR协同成像

    TerraSAR-X/TanDEM-X是全球首个双星编队SAR系统，且单星方位向具有两个接收通道，具备分布式多相位中心数据获取能力。2016年，DLR的T. Kraus等人[90,91]利用TerraSAR-X/TanDEM-X开展了沿航迹方向的多基SAR成像实验。

    在实验中，TerraSAR-X和TanDEM-X工作于追逐双基模式，两星沿航迹间隔10 s获取同一场景的雷达数据，且均采用方位两通道接收模式，从而构成4个相位中心，如图22所示。经过重构处理获得等效高PRF的雷达信号，方位模糊大幅下降，如图23的对比图所示，说明多基SAR分布式相位中心体制可用于实现高分辨率宽幅成像。

    图  22  分布式相位中心成像构型[91]
    Figure  22.  The multistatic SAR imaging geometry of distributed phase centers[91]
    下载: 全尺寸图片 幻灯片
    图  23  重构处理前后的成像结果对比[91]
    Figure  23.  Comparison of the imaging results with/ without reconstruction[91]
    下载: 全尺寸图片 幻灯片

    除了这种由双星构成的特殊多基SAR成像模式，DLR的Nida Sakar研究了一种沿航迹多基SAR系统[79]，如图24所示，由具备发射和接收功能的主星以及N–1个只接收的小卫星构成。

    图  24  一种沿航迹多基SAR系统[79]
    Figure  24.  An along-track multistatic SAR constellation geometry[79]
    下载: 全尺寸图片 幻灯片

    在图24所示的沿航迹多基SAR系统中，为实现高分辨率与宽幅成像，系统的PRF为单星正常工作情况下的1/N。在这种模式下，传统的处理方法仅能实现数百米的沿航迹基线和低分辨率条件下的信号重构处理。对此，文献[79]给出了一种距离多普勒分布式相位中心信号重构方法：在二维频域通过参考重构滤波器完成初步信号重构，在距离-多普勒域完成残余距离向空变重构。图25给出了该重构算法流程。文献[79]基于该方法，实现了X波段条件下，沿航迹基线达15 km，几何分辨率达亚米级的分布式多基SAR成像。

    图  25  沿航迹分布式多基SAR信号重构[79]
    Figure  25.  Block diagram of the reconstruction algorithm for multistatic SAR constellations with large along track baseline[79]
    下载: 全尺寸图片 幻灯片

    对于沿航迹多基SAR系统，AIR-CAS研究了一种多基俯仰向多波束体制[92]，如图26所示，采用“一主多辅”配置，多星同轨，主星发射并接收，辅星仅接收，主星分时发射子脉冲到相互毗连的子测绘带，接收时各星分别接收对应子测绘带的回波，且脉冲重复频率满足奈奎斯特采样率的要求。该体制小卫星仅接收，可有效降低成本；且成像能力分置到多颗小卫星上，可完成高分宽幅成像任务。

    图  26  多基距离多波束体制示意图
    Figure  26.  Multistatic synthetic aperture radar with multiple elevation beams
    下载: 全尺寸图片 幻灯片

    然而，除了多基SAR系统共有的同步等问题，该体制使得各星模糊区可能落到其它子带上，造成强距离模糊，严重影响系统性能。为解决距离模糊问题，提出了一种不使用DBF及波形编码技术，通过模糊信号估计器获得距离模糊信号的方法，并在信号中去除，如图27所示。

    图  27  强距离模糊估计与消除流程
    Figure  27.  Procedure of the estimation and removal for the strong range ambiguities
    下载: 全尺寸图片 幻灯片

    这里给出面目标的仿真结果说明该方法的有效性。仿真采用2颗SAR卫星，间距500 m，面目标仿真结果见图28，从左至右依次为不加模糊，加强模糊，强模糊消除后的结果。可以看到模糊消除后的结果接近于不加模糊的情况。通过对比可见采用本方法可有效消除星载多基俯仰向多波束模式下的距离模糊。图29示意了图28中强点的方位与距离切片，可以看到模糊消除效果明显，模糊消除后主瓣宽度与峰值旁瓣比都几乎等于不加模糊的情况。

    图  28  强距离模糊估计与消除的面目标仿真结果
    Figure  28.  Simulation results for the estimation and removal of the strong range ambiguities with area target
    下载: 全尺寸图片 幻灯片
    图  29  图28红框中强点目标放大分析[92]
    Figure  29.  Zoomed-in analysis of the point-like targets in the red rectangles in Fig. 28[92]
    下载: 全尺寸图片 幻灯片

    分布式多基SAR系统构型丰富多样，沿航迹多基SAR模式仅是其中的一种。图30所示为AIR-CAS提出的一种多星协同成像系统示意图，主星同时具备信号收发功能，辅星采用小卫星平台，主辅星运行在不同的轨道上。该系统可同时具备沿航迹基线和垂直航迹基线。通过基线优化设计，一方面，单次航过可得到多条垂直有效基线，采用多基线干涉技术可实现高精度高程测量；另一方面，多条沿航迹基线可以实现高精度的动目标检测，如获得洋流的运动矢量等。其次，通过多星协同获取观测数据，可在较少的航过时间内，积累较多的观测数据，实现对重点区域的快速高分辨率三维成像。

    图  30  多星协同成像系统示意图
    Figure  30.  Illustration of a multistatic cooperative SAR imaging system
    下载: 全尺寸图片 幻灯片

    4.3   星载多基SAR系统规划

    近几年，一些先进的国外研究机构已经提出关于多基SAR编队的概念构型与技术。HRWS是德国宇航局提出的一项多基合成孔径雷达任务[93]，如图31所示。该系统计划基于MirrorSAR的概念开展，其中主星自发自收，辅星接收场景的回波信号通过射频组件传回主星解调、记录。

    图  31  HRWS系统工作示意图[93]
    Figure  31.  Illustration of the HRWS mission[93]
    下载: 全尺寸图片 幻灯片

    HRWS多基SAR系统预计在轨验证先进的数字波束形成技术，发射带宽高达1200 MHz的线性调频信号(最高分辨率0.255 m)，四星编队飞行完成对已有数字高程模型的更新和提升(5个月完成全球高程测量，相对高程精度优于2 m，像素网格4 m)，验证新的高分宽幅成像模式。

    另一项有代表性的概念构型是由德国宇航局和欧洲航天局联合开展的SAOCOM-CS任务[94]。通过在太空中将已经运行的SAR平台与一个或多个其他卫星相伴随来构建双基SAR串联卫星编队，如图32所示。

    图  32  SAOCOM-CS双星编队
    Figure  32.  Illustration of the SAOCOM-CS’s mission concept with two satellites in the formation
    下载: 全尺寸图片 幻灯片

    SAOCOM-CS系统中SAOCOM-1b是一颗阿根廷的L波段全极化SAR卫星，ESA计划发射一颗只接收的伴飞小卫星，构成双极化、单航过L波段干涉SAR系统，从而实现可变双基角散射测量、单航过干涉和相干立体测量等功能。

    5.   多维度观测

    得益于SAR成像利用的电磁波信息具有的频率、幅度、相位、极化等特性，可从SAR图像中提取出观测目标的多维度信息。如利用极化SAR技术可用于获取地物的取向、形状、粗糙度、介电常数等物理特性；干涉SAR技术可用于获取场景的高精度数字高程模型(DEM)、洋流测速、冰川位移、地表形变监测等；SAR极化干涉技术在森林高度和生物量反演、地物覆盖分类、农作物参数反演和城市建筑识别与高度估计等应用领域有广泛的应用；SAR层析技术可实现城市的三维重建和森林的垂直结构反演。

    5.1   多极化

    传统的单极化成像雷达采用单一的极化通道发射和接收电磁波，只能获得地物对某种单一极化电磁波的散射特性，而丢失了包含在散射波极化特性中其它有关地物信息的分量。雷达信号的极化方式主要分为线极化、圆极化和椭圆极化。全极化SAR通过发射和接收不同极化方式的电磁波，组成完备的极化基，获得极化散射矩阵。极化散射矩阵含地物目标散射回波信号的幅度和相对相位信息，使人们可以对目标的物理特性进行深入分析、提取，为更加深入地研究目标的散射特性提供依据。

    高分三号是我国首颗全极化SAR卫星，最高分辨率达1 m，采用交替发射线极化(H极化和V极化)信号，获取四极化信息。为了降低交叉极化的距离模糊，提高图像质量，在GF-3卫星SAR系统采用了脉冲交替与波形编码联合的高隔离低模糊技术。图33所示为GF-3获取的大连地区全极化条带图像，通过极化特征分解与合成，可见不同地物的散射特征差异，如图33中标注的海冰区域和城市区域。

    图  33  高分三号全极化条带1模式极化合成图像(中国科学院空天信息创新研究院航天微波遥感系统部供图)
    Figure  33.  Polarimetric synthesis image of GF-3 QPSI-1 mode (Images are provided by the Department of Space Microwave Remote Sensing System, AIR-CAS)
    下载: 全尺寸图片 幻灯片

    为了获取地物目标四极化信息，星载SAR通常需要付出更多的系统资源(功耗、重量、数据率和成本)，而且会降低观测效能(幅宽和可视范围)。

    为了解决系统资源和观测效能限制难题，简缩极化将是一个很好的系统实现方式，它同时发射两个正交线极化或者圆极化信号，在接收端通过双线极化接收获取地物散射信息。相对于四极化体制，简缩极化SAR系统的PRF不加倍，成像幅宽和可视范围无需降低，且系统功耗、重量无需增加。虽然该种方式不能获取完备四极化信息，牺牲了少量的极化分类精度，但换取了更高的极化SAR系统观测效能(幅宽和可视范围)，拓宽了极化SAR系统的应用价值[95-97]。

    影响全极化性能的另外一个重要因素是交叉极化距离模糊，通常会使系统可视范围降低为单/双极化系统的1/2以上。为降低交叉极化距离模糊，AIR-CAS提出了一种基于正交非线性调频编码的距离模糊抑制方法[98]，通过发射非线性调频信号，改变时频对应关系与整个频带内的能量分布。采用该方法，一方面可获得相互对消(滤波)的非平坦频谱，降低互相关能量；另一方面，可通过交替发射正交波形抑制距离模糊。该方法已应用于LT-1号SAR的极化系统研制。采用该方法实现距离模糊抑制如图34所示。

    图  34  距离模糊抑制效果仿真
    Figure  34.  Distributed scene simulation for range ambiguity suppression demonstration
    下载: 全尺寸图片 幻灯片

    除采用交替发射线极化方式进行地物信息探测外，圆极化、椭圆极化等极化方式同样可用于SAR成像。LT-1是国内第1个多模式极化SAR系统，不仅可以实现线极化，而且可以实现简缩极化、混合简缩极化、圆极化、椭圆极化和基于编码的混合极化。通过研究发现，采用圆极化发射可平衡距离和方位模糊，甚至降低交叉极化模糊能量。2019年11月，AIR-CAS在内蒙古开展了多模式极化SAR的机载飞行试验，获取了高质量的混合极化SAR分解图像，如图35所示。

    图  35  机载P波段混合极化SAR(圆极化发射/双线极化接收)极化分解图像：红色表示偶次散射，蓝色表示表面散射，绿色表示体散射(AIR-CAS供图)
    Figure  35.  Polarimetric decomposition image of airborne P-band hybrid polarimetric SAR (circularly polarized on transmit and dual-circularly polarized on receive) Red for double-bounce scattering, blue for single-bounce scattering and green for volume scattering (Image provided by AIR-CAS)
    下载: 全尺寸图片 幻灯片

    当前，深度学习技术为极化SAR图像分类提供了新的手段，可以自主表示SAR图像的空间和极化特征。基于堆叠自动编码器、深度置信网络和卷积网络的方法也已被应用于SAR图像分类中。文献[99]利用高分三号全极化SAR数据开展了基于深度学习的极化SAR分类应用研究。图36所示为采用Berkeley地区的全极化SAR图像进行的基于全卷积神经网络及多尺度目标融合的极化SAR图像分类试验。从中可以看出，多尺度目标融合极化分类方法保持了较为清晰的地物纹理特征。

    图  36  基于深度学习的全极化SAR分类(蓝色：水体，红色：建筑，绿色：植被)
    Figure  36.  Classification result of quad-polarimetric SAR image based on deep learning(blue for water; red for buildings and green for vegetation)
    下载: 全尺寸图片 幻灯片

    未来，随着高分三号后续卫星以及LT-1 SAR卫星的发射，国产多极化SAR卫星数据会更加丰富，将为极化在地球观测中的应用提供充足的极化数据资源。

    5.2   干涉SAR(InSAR)技术

    合成孔径雷达干涉测量利用SAR复图像信息获取地表高程和形变，是SAR图像定量化遥感的一个非常重要的应用领域。其按照数据获取方式主要分为单航过干涉测量和重复航过干涉测量。单航过干涉测量主要采用双/多基SAR(如TerraSAR-X/TanDEM-X双基SAR)或双天线SAR系统，其数据主要用于地表数字高程模型(DEM)的生成。重复航过干涉测量利用单颗卫星重复航过或者同一轨道面上的多星组网重复观测(例如ERS-1/2, Sentinel-1A/B星座)，其数据主要用于监测地表形变。

    (1) DEM生成　目前，已有多种方法可获得DEM信息，包括星载/机载合成孔径雷达干涉测量、激光雷达测距LiDAR、雷达摄影测量等。不同的方法获得的DEM信息的覆盖范围和精度均不同。其中，通过激光雷达测距获得的DEM信息最为精确，但其采用点云的形式展现，不具备场景成像能力；雷达摄影测量采用成像几何和图像间的失配进行地形解算，DEM分辨率和精度均受限。合成孔径雷达干涉测量基于干涉相位获得地表高程信息，能够以相对高的精度进行大范围的地表高程测量，因而成为全球DEM测量的主要技术手段。表2给出了国际通用DEM精度衡量标准[100]，针对不同的DEM源，从空间分辨率和绝对/相对垂直精度的角度给出界定。

    表  2  DEM指标划分标准(m)
    Table  2.  Index classification criteria of DEM(m)
    空间分辨率绝对高程精度相对高程精度
    HRTI-190 ×90< 30< 20
    HRTI-230 ×30< 18< 12
    HRTI-312 ×12< 10< 2
    HRTI-46 ×6< 5< 0.8
    HRE-44 ×4< 5< 0.8
    下载: 导出CSV 
    | 显示表格

    SRTM是第1个星载地形测绘任务，其DEM产品满足HRTI-2标准，测绘区域覆盖北纬60°到南纬56°之间约占全球陆地总面积80%的区域，到2003年底已经全部绘制完成，目前在美国区域公开了分辨率为30 m、其他区域90 m的DEM数据。2010年，德宇航发射TanDEM-X与2007年发射的TerraSAR-X构成全球首个星载双基SAR系统，通过多基线干涉SAR技术，在3.5年的时间内获得了高精度的全球DEM，其DEM产品达到HRTI-3标准[101]。如图37所示为德国Garzweiler煤矿DEM，从图中可以看出TanDEM-X所获得的DEM具备高空间分辨率和高精度的特征，从而显示出高精度DEM数据在地形监测中的重要作用[102]。

    图  37  德国Garzweiler煤矿DEM[102]
    Figure  37.  Evolution of the Garzweiler mine in Germany[102]
    下载: 全尺寸图片 幻灯片

    在精确DEM生成过程中，干涉图滤波和相位解缠准确性对获取DEM的精度和可靠性会产生重要影响。DLR的Zhu等人[103]发现将Non-local滤波应用于TSX/TDX双星数据生成DEM过程中，可以实现更准确的相干系数估计和更好的降噪效果，获得了更高精度的DEM数据。

    为实现HRTI-4甚至HRE-4的DEM标准，同时减低相位解缠的难度，特别是在复杂的地形情况下，研究者们提出了多通道InSAR技术(包括多基线InSAR[104]和多频InSAR[105])。多频技术需要同一个平台上实现频率相差比较大的两套雷达系统，单星重量、复杂度和功耗需要大幅增加，这对研制周期和成本都将造成负担。AIR-CAS针对多频干涉开展了相关理论研究和实验验证。2017年，开展了机载C和X波段双频干涉实验，并得到了试验场景的高精度DEM，如图38所示。多基线技术通常可以通过多基来实现。多基SAR可以通过一个主星带多个被动小卫星实现(如图30)，单星系统简单，不存在场景和环境变换产生的去相干效应，且通过长短基线完成高精度相位解缠，获取高干涉测量精度和空间分辨率。该类构型正在被欧洲空间局和德国DLR等机构科学家高度关注[77,93,94]。但是，多基SAR星间同步、编队构型将增加系统复杂度和难度。

    图  38  机载双频干涉
    Figure  38.  Airborne dual-frequency InSAR result
    下载: 全尺寸图片 幻灯片

    另外，不同的波段具备不同的植被穿透能力，得到不同层次的高程产品。TanDEM-X雷达系统工作于X波段，由于波长仅为3.1 cm，电磁波不能穿过植被。因此，TanDEM-X任务获得的是植被上层表面和城区顶层的高程数据。然而，对于低波段雷达，如L波段，则可描述植被覆盖区域下层的地形特征，获得数字地形模型DTM，如图39所示。LT-1是我国将于2021年发射的双基L波段SAR卫星，得益于双基构型的低时间去相干特性以及高精度相位同步，LT-1将具备获取全球高精度数字地形模型的能力。

    图  39  不同波段下的高程模型特征[106]
    Figure  39.  Different elevation mode at different frequency[106]
    下载: 全尺寸图片 幻灯片

    (2) 地表形变监测　干涉地表形变监测技术按照测量敏感度分为两类，一类是以相位干涉为主的高敏感度测量，包括差分干涉(Differential InSAR, DInSAR)以及多时相干涉(Multi-Temporal InSAR, MTInSAR)；另一类是以高分辨率SAR影像信息变化检测为主的强度测量，包括offset-tracking等方法，侧重探测大尺度的地表形变。基于相位信息的SAR干涉形变测量技术是当前最常用的SAR图像形变提取技术。其基本原理是利用前后两次目标观测的斜距差来描述雷达视线向的形变，由于形变与前后两次测量的相位差直接相关，在较高的相位稳定度条件下，形变可以达到优于波长量级的测量精度。基于强度信息的offset-tracking算法[107]多应用于自然环境中的大尺度形变监测，该算法利用互相关系数估计主从影像间的偏移量，进而提取地面的二维形变场(方位向-斜距向)，对图像的相位稳定性要求较低。虽然其测量精度远低于InSAR，但其针对大梯度形变以及严重失相干环境下的形变测量，优势十分明显，尤为适用于地震、滑坡、冰川等自然环境的形变监测。

    (a) DInSAR与MTInSAR。DInSAR可以获波长级的形变测量精度。但其结果易受时空失相干因素和大气相位延迟的影响，对此，研究者们提出了MTInSAR技术[108]。MTInSAR技术方法较多，包括基础的永久散射体(Persistent Scatterers, PS)方法[109]、短基线集(SBAS)算法[110]、SqueeSAR算法、分布式散射体(Distributed Scatterers, DS)算法等等。

    丰富的研究数据推动了InSAR形变监测应用，2019年，中科院电子所利用EnviSat、哨兵-1A和哨兵-1B数据实现黄河三角洲区域2007～2010年和2015～2018年的地面沉降监测[111]，如图40所示。

    图  40  利用SAR数据对黄河三角洲区域进行长时间序列形变监测
    Figure  40.  Vertical deformation rates over the Yellow River Delta during the period of 2007–2010 obtained from ASAR (a), 2015–2018 obtained from S-1A (b) and 2016–2018 obtained from S-1B (c) datasets
    下载: 全尺寸图片 幻灯片

    文献[112]利用高分三号SAR数据实现了对北京城区的地表形变监测，如图41所示，验证了国产SAR卫星在形变监测方面的潜力。随着我国在轨SAR卫星数量的增多，特别是未来具有干涉能力的LT-1在轨运行后，基于国产数据的形变监测应用将对我国的地质灾害预警和灾后救援产生重大的作用。

    图  41  利用高分三号数据获取的北京地区地面沉降速率图；右侧曲线给出A, B, C 3点沉降量
    Figure  41.  Linear deformation rates maps over Beijing using GF-3 SAR images. The curves show the deformation of area A, B and C
    下载: 全尺寸图片 幻灯片

    (b) Offset-tracking。传统Offset-tracking的思路简单，易于实现。包括两个核心步骤：密集匹配和系统误差去除。其中，密集匹配的核心在于互相关算法，通过寻找两匹配窗口的归一化互相关(Normalized Cross Correlation, NCC)峰值位置来计算主辅图像间的相对偏移。

    近年来，改进的偏移量跟踪方法被相继提出，主要致力于提升测量精度[112-115]。这些方法大致可分为2类：一是利用强度之外的附加信息来辅助偏移跟踪，如PolSAR[114]；二是提取点目标(如建筑物、裸岩、角反射器等)进行偏移估计，如PTOT[115], SPOT-CR[116]，均取得了较为成功的应用。

    2019年，AIR-CAS利用8幅高分三号数据，对2018年10月10日发生在西藏自治区昌都市江达县和四川省甘孜藏族自治州白玉县境内的特大滑坡(金沙江白格滑坡)进行了破坏前形变过程的回溯性分析。如图42所示，估计结果反映了白格滑坡在2017年12月到2018年07月间已存在明显的形变加速及形变扩张趋势，预示此处坡体存在很高的滑坡风险并有滑坡堵江的隐患。

    图  42  利用高分三号SAR数据对金沙江白格滑坡滑前形变进行监测
    Figure  42.  Deformation inversion of Baige landslide on Jinsha River before collapse using GF-3 SAR images
    下载: 全尺寸图片 幻灯片

    InSAR应用与SAR卫星技术相互促进，共同进步。InSAR应用研究将推动SAR卫星技术的进步，当前InSAR应用向着广域监测、高精度监测和三维精细化监测方向发展，这对卫星技术提出了更高的要求。广域监测的需求要求SAR卫星具备高分宽幅成像能力。高精度监测要求SAR卫星必须具备高辐射性能、高稳定性、高时间分辨率，以及高精度轨道控制与测量系统。三维精细化监测对于多星灵活协同观测提出了更高的要求。SAR卫星技术的发展必将推动干涉测量技术迈进新的时代。

    5.3   极化干涉SAR技术

    高品质的极化干涉数据是进行极化干涉理论研究和应用研究的基础。由于极化干涉技术巨大的应用价值[117,118]，国外从20世纪90年代起就开始了机载极化干涉SAR系统研制工作。进入21世纪，国外陆续发射了多颗具备极化干涉能力的SAR卫星，如EnviSat, ALOS, RADARSAT-2, TerraSAR-X/TanDEM-X和ALOS-2等。受制于数据源的缺失，国内的极化干涉研究起步较晚。中国科学院空天信息创新研究院航天微波遥感系统部已于2017年成功获取机载C波段西安阎良地区的极化干涉SAR数据，该数据已经用于极化干涉SAR理论与应用研究中，如图43所示。

    图  43  极化干涉多元素分解算法分解结果
    Figure  43.  Multi-element decomposition result of PolInSAR image
    下载: 全尺寸图片 幻灯片

    目前，对于极化干涉SAR方面的研究主要集中在对于极化干涉图像中各种地物类型的散射机理的研究。AIR-CAS利用获取的机载极化干涉数据和相关公开数据，开展了极化干涉散射机制分解算法研究[119]。研究以极化分解算法为基准，引入极化干涉最优参数作为辅助参数，重新推导并得到适用于极化干涉数据的散射模型，将原有的四元素极化干涉分解方法扩展到五元素甚至多元素分解方法[119]。该方法对于不同波段的数据都能够得到较好的分解结果，较为准确的反映地物的实际散射机理。研究采用的极化干涉分解算法主要包括极化干涉多元素分解方法和极化干涉七元素分解方法，得到的分解结果分别在图44和图45中给出。

    图  44  极化干涉七元素分解算法分解结果(数据来源：DLR机载L波段极化干涉SAR试验)
    Figure  44.  Seven-element decomposition result of PolInSAR image (data provided by DLR airborne L-band PolInSAR)
    下载: 全尺寸图片 幻灯片
    图  45  极化干涉分类结果(数据来源：DLR机载L波段极化干涉SAR试验)
    Figure  45.  Classification result of PolInSAR image (data provided by DLR airborne L-band PolInSAR)
    下载: 全尺寸图片 幻灯片

    根据研究得到的分解结果，以分解得到的散射能量作为输入，可以得到有效地分类结果。对于散射特性相似的地物(森林和与雷达视线方向存在大型倾斜角度的建筑物区域)，可以得到准确的分类结果，与实际地物类型相符。

    目前，极化干涉SAR技术正在朝着多基线、多频率的方向发展。星载极化干涉SAR系统已经从单极化工作模式发展到了多极化工作模式，而卫星的重复航过也有可能产生多基线的极化干涉数据。

    计划发射的BIOMASS[120], TanDEM-L, LT-1等系统都将产生可用于对地观测的极化干涉数据。双频段的NISAR系统也在研制之中。未来，这些多频段、全极化、高分辨率干涉图像可以被应用于地物分类、海冰监测和树高反演等多个方面，必然会大大促进极化干涉SAR信息提取技术的发展。

    5.4   TomoSAR技术

    随着星载SAR传感器的不断增加，星载SAR数据积累日益丰富。SAR技术开始了从二维散射信息到高程再到三维特征获取的演化。1995年，美国地面作战中心的Knaell提出了SAR层析(SAR Tomography, TomoSAR)技术实现SAR目标的三维重建[121]。经过20多年的发展，TomoSAR技术在城市的三维重建和森林的垂直结构获取中做出大量成果[122,123]，为城市监测管理和森林生物量的反演提供了重要的数据支持。

    TomoSAR技术利用同一地区的多幅SAR图像数据，利用空间多基线在垂直于方位-距离平面的高度向上形成合成孔径，具有高度向上的分辨和成像能力，如图46所示，解决了SAR图像的叠掩问题，并且还可以利用数据的多时间基线，估计SAR视线方向的形变速率信息。

    图  46  星载TomoSAR示意图
    Figure  46.  The geometry of TomoSAR imaging
    下载: 全尺寸图片 幻灯片

    TomoSAR主要有两个难点。首先，目前尚未有多星编队SAR系统可同时提供多条空间垂直基线，TomoSAR技术研究通常基于长时间的重复轨道观测累积数据。其次，长时间数据积累导致信号中存在较大的大气相位误差，导致三维重建失败。

    为提高TomoSAR的处理效率，一方面，研究者们开始了分布式SAR星座的研究，如图30所示，1次航过获得多个有效基线，从而可以在较少的航过次数后积累丰富的数据。另一方面，人们也开始针对特定场景研究基于小数据集的三维重建。然而，小数据集情况下，高程模糊情况严重，虚假目标容易出现。对此，文献[124]提出了一种基于等高线重构的TomoSAR方法。图47展示了利用6幅高分三号的重轨条带数据，对北京地区高楼的三维重建结果。可以看出，该方法很好地抑制了虚假目标的出现，得到了更好的重建结果。

    图  47  小数据集三维重建结果对比
    Figure  47.  The comparison of 3D reconstruction results using small data stacks
    下载: 全尺寸图片 幻灯片

    针对TomoSAR重建过程中的大气相位误差大的问题，已有多种大气相位估计方法被相继提出并应用，包括：永久散射体干涉测量技术(PS-InSAR)、小基线技术(SBAS)和基于相位梯度自聚焦的误差估计方法。文献[125]提出了一种基于双层参考网的TomoSAR大气误差校正和三维重建方法，与空时滤波法相比，双层参考网方法可以不用对大气相位进行估计而直接实现误差校正，是一种有效的大气相位校正方法，对比结果如图48所示。

    图  48  检测到的PS点的高度[125]
    Figure  48.  The elevations of detected PS[125]
    下载: 全尺寸图片 幻灯片

    未来的多星分布式SAR将成为现实，实现单航过获取多基线数据，且缩短重访周期，大大缩短数据积累时间，将能够进一步促进快速三维重建技术的发展和应用。

    5.5   动目标检测与成像技术

    利用星载SAR可以实现大范围区域内运动目标的有效监视，运动目标包括：洋流、海面运动目标、地面运动目标等。此外，相对于传统星载SAR模式下的运动目标监视，高分宽幅模式下的运动目标监视需求也越来越迫切。

    (1) 洋流测速　基于星载SAR数据的洋流速度测量通常采用沿航向的两景观测数据。2000年，美国开展了SRTM航天测绘任务，由于天线安装等技术上的原因，SRTM除了具有垂直航迹方向的基线外，其沿航迹方向的天线间隔为7 m，由于采用一发两收的模式，因此沿航迹的基线长度为3.5 m，对应的测速灵敏度约为38.5 m/s/2π。如图49所示利用SRTM系统X波段数据对德国瓦登海地区的洋流进行了径向速度反演[126]。

    图  49  SRTM洋流测速结果图[126]
    Figure  49.  Retrieval of surface velocity fields from SRTM data[126]
    下载: 全尺寸图片 幻灯片

    高分三号卫星具备沿航迹分布的两个通道，因此也可以用来实现洋流流速的反演，图50给出了高分三号获取某区域的洋流测速结果图，测速精度达到0.2 m/s。

    图  50  高分三号洋流测速结果图
    Figure  50.  Retrieval of surface velocity fields from Gaofen-3 data
    下载: 全尺寸图片 幻灯片

    (2) 地面动目标检测　地面运动目标检测(GMTI)面临比较棘手的问题是地杂波抑制。最早的星载SAR-GMTI算法基于单通道SAR系统，原理简单，易于实现，但检测能力有限。随后，人们研究了两通道星载SAR-GMTI算法，主要有DPCA(Displaced Phase Center Antenna)算法、ATI(Along Track Interferometry)算法、DPCA与ATI联合算法等[127]。两通道SAR-GMTI算法虽可有效抑制杂波，但受到系统自由度的限制，无法精确估计运动目标参数。因此，研究人员提出了多通道SAR-GMTI算法，主要有杂波干涉抑制(Clutter Suppression Interferometry, CSI)算法和空时自适应处理(Space Time Adaptive Processing, STAP)算法等[128]。

    近十年来，结合星载SAR-GMTI模式的特点，研究人员对传统的SAR-GMTI算法进行了有针对性的改进和优化。2008年，Ender教授在文献[129]中提出可以通过天线子孔径的交替发射和接收来形成多个等效相位中心，从而提升星载SAR-GMTI性能。2011年，Suchandt研究员提出了交通流量快速检测算法，并用TerraSAR-X的星载SAR-GMTI两通道数据进行了验证[130]。2012年，Cerutti-Maori教授[131]提出了成像STAP算法(Imaging STAP, ISTAP)，该算法利用STAP在方位频域实现杂波抑制后，采用速度搜索方案对运动目标进行聚焦成像，并用RadarSat-2的多通道星载SAR-GMTI数据进行验证，从处理结果可以看出，ISTAP算法可以提高运动目标的检测概率，但是运动目标的定位精度一般[131]。

    图51中给出了高分三号动目标检测模式处理结果，动目标测速精度优于2 m/s。

    图  51  高分三号SAR动目标检测结果展示
    Figure  51.  Demonstration of the moving target detection using Gaofen-3 data
    下载: 全尺寸图片 幻灯片

    星载SAR-GMTI系统在系统虚警概率、运动目标检测概率、定位精度等方面，与实际应用需求还有一定的差距，仍需进一步研究动目标检测与优化方法。未来多通道星载SAR的通道数将继续增加，且沿航迹分布式多基SAR将为动目标检测提供更加有利的条件。

    6.   小型化SAR卫星技术

    随着SAR系统技术和应用需求的发展，SAR卫星在从高成本、长周期的研制基础上，走向低成本、易部署的微小型SAR卫星，以弥补大型SAR卫星系统的不足。

    小型SAR卫星重量一般在1000 kg以下，微小型卫星重量在500 kg以下。国外在轨成功运行的小型SAR卫星系统主要有：德国的SAR-Lupe卫星系统、以色列的TecSAR卫星，印度的RISAT-2卫星和日本的MicroSAR，如图52所示。

    图  52  国外SAR小卫星
    Figure  52.  Small SAR satellite
    下载: 全尺寸图片 幻灯片

    6.1   体制方案选择

    微小型SAR卫星需要体积小，重量轻，因此对于系统整体方案的选择提出了更高的要求。其中信号体制和天线体制是系统方案设计时首先需要考虑的问题。

    不同信号体制的收发时序关系如图53所示，且不同体制的优缺点对比在表3中示出。在调频连续波SAR模式[132]下，发射窗长度接近调频信号重复间隔，系统的占空比在理想情况下接近100%。系统的峰值功率接近于平均功率，避免了传统脉冲模式下产生高功率窄脉冲对雷达发射机的设计压力，使得雷达系统可以做到结构简单、体积小、重量轻、成本低。尤其是在星载条件下，较低峰值功率避免产生空间微放电现象，降低星载系统防护和试验成本。小型化系统将有助于减少对平台的空间和负荷的需求，有利于提高平台的机动性、灵活性和续航能力。同时，小型系统也将满足微小卫星等在侦察、目标探测、反恐、航空测量等领域日益增长的应用需求。

    表  3  不同体制的优缺点对比
    Table  3.  Advantages and disadvantages comparison between different systems
    信号体制优点缺点
    传统脉冲体制收发天线共用占空比低，发射功率大
    连续波体制占空比～100%，峰值功率低收发天线无法共用
    间断连续波体制占空比90～100%，结合脉冲与连续波的优势回波信号部分缺失，需要估计重构
    下载: 导出CSV 
    | 显示表格
    图  53  不同体制收发时序对比图
    Figure  53.  The comparison of timing diagram between different systems
    下载: 全尺寸图片 幻灯片

    但是在连续波体制下，通常需要独立的收、发天线分别完成发射及接收信号的任务。但是在星载模式下，信号的作用距离很大，这要求较大的信号发射功率以保证足够的信噪比。若雷达收、发天线仍装置于同一平台，则很难做到二者间的良好隔离，且信号串扰和泄露在所难免。

    为了在同一平台上实现连续波体制，通常采用方位间断调频连续波体制，该体制与常规脉冲体制和连续波体制的收发时序对比如图53所示。星载方位间断连续波的基本思想是利用单一天线分时复用的方式，通过天线在发射模式和接收模式间的转换，模拟连续的发射信号和回波信号。天线首先设置在发射模式下持续发射线性调频信号，在近距点目标回波返回雷达的瞬间，天线转换为接收模式开始收集回波信号，此过程结束后，系统再次切换为发射模式，重复上述过程。

    星载SAR天线分为两种主要体制：反射面天线和平板天线。纵观国内外在轨SAR卫星，由于相控阵天线波束赋形灵活(指向调整、展宽、零点指向等)，目前绝大多数在轨SAR卫星(大卫星平台，卫星总重量大于1000 kg)选择了相控阵天线；在SAR小卫星(卫星总重量小于1000 kg)方面，我国的HJ-1-C SAR卫星、以色列的TecSAR卫星、德国的SAR-Lupe和印度的RISAT-2卫星均选择反射面天线，我国的HJ-1-C SAR卫星选用了桁架结构多波束馈源反射面天线，以色列的TecSAR卫星和印度的RISAT-2卫星则选择了相控馈源反射天线；日本的Micro-X-SAR卫星(预计卫星重量130 kg)则选用了平板天线+固态发射机集中发射的工作方式。

    综合考虑天线工程复杂度、指向调整灵活性、造价、重量、发展前景等多方面因素，未来星载小型化可以选择单波束馈源反射面天线、多波束馈源反射面天线和有源平板相控阵天线作为方案。

    6.2   设备轻量集成化

    对于星载SAR来说，天线重量一般占到整个SAR载荷重量的70%以上，天线收拢尺寸决定着整个SAR载荷的最大包络，轻量化、高收拢比天线是微小型星载SAR实现的关键。

    另外，中央电子设备也不同于大型SAR卫星，需要进行集成化设计。目前的微小型SAR系统，一般把中央单子设备集成为射频综合单元、数字综合单元等部分。图54给出了平板天线体制的系统组成框图。

    图  54  微型SAR系统组成框图(平板天线体制)
    Figure  54.  Block diagram of micro-SAR system (planar antenna system)
    下载: 全尺寸图片 幻灯片

    6.3   微小型SAR组网

    随着未来军事侦察应用需求的不断提高，对热点区域的快速重访(即所谓的高时间分辨率)已成为对星载SAR系统新的需求。

    在较长的一段时间内，对热点区域的平均重访周期被称为星载SAR卫星在该热点区域的时间分辨率。多轨道面低成本轻小型低轨SAR卫星组网是实现热点区域高密度重访最直接的手段，德国的SAR-Lupe卫星[133]就采用了这种组网方式。德国SAR-Lupe组网卫星由5颗SAR卫星组成，其分别工作在3个不同方向的太阳同步轨道面上，如图55所示，其对全球大部分区域的观测时间分辨率约为6 h。意大利的COSMO-SkyMed则由4颗SAR卫星组成，4颗SAR卫星近似均匀分布在同一轨道面上，其对全球大部分区域的时间分辨率约为12 h。美国的“长曲棍球”(Lacrosse)和FIA系列SAR卫星则通过多颗SAR卫星正逆行大倾斜轨道面相互结合来提高对重点区域的重访能力。其中Lacrosse系列卫星轨道高度约为(400～700 km)，轨道平面为顺行大倾斜轨道面，目前现有Lacrosse-3, Lacrosse-4, Lacrosse-5 3颗服役，如图56所示。而FIA系列卫星轨道高度约为1100 km，轨道平面为逆行大倾斜轨道面。

    图  55  德国SAR-Lupe组网示意图
    Figure  55.  Illustration of SAR-Lupe constellation
    下载: 全尺寸图片 幻灯片
    图  56  美国Lacrosse长曲棍球组网示意图
    Figure  56.  Illustration of Lacrosse constellation
    下载: 全尺寸图片 幻灯片

    7.   结束语

    经过各国科学家近20年的不懈努力，星载SAR的发展取得了巨大的进步，实现了以亚米级分辨率等为代表的技术跨越。随着技术的继续发展和人们对多维地球观测信息的需求不断增长，星载SAR将以高分辨率宽测绘带、分布式多基成像、多星协同组网等技术手段，为人类提供多时序、多层次、多角度、多模式综合对地观测数据，满足不同应用场景的需求。

    然而，新概念、新体制的工程化、实用化并非一蹴而就，需要在现有的技术条件下不断创新，产生新的技术突破。星载SAR终将以更高的性能、更灵活的配置、更丰富的应用领域，在地球以及宇宙探测中发挥更加重要的作用。

    致谢 首先，感谢AIR-CAS航天微波遥感系统部的各位同事与硕、博士研究生在本文撰写过程中提供的帮助：感谢王樱洁博士、王吉利博士在论文初稿撰写过程中提供了干涉SAR等方向的宝贵材料，感谢赵庆超博士、金国栋博士、周子轩博士、周亚石博士、张永伟博士在高分辨率宽幅成像方向提供的宝贵材料，感谢梁达博士、林昊宇博士、韩硕博士在双/多基SAR方向提供的宝贵材料，感谢范怀涛博士、王春乐博士对本文校稿提供的诸多建议。感谢南京航空航天大学闫贺副教授在动目标检测方向提供的宝贵材料。感谢自然资源部航空物探遥感中心葛大庆高工对本文修改提出的宝贵建议。感谢审稿人对文章的关注以及提出的宝贵意见。最后，感谢各位同行专家对星载SAR事业的长期关注与支持！

  • 图  1  不同分辨率SAR图像对比(X波段，分辨率自左至右分别为0.1 m, 0.5 m和2.0 m，场景分别为电塔和农田，中国科学院空天信息创新研究院(下文简称AIR-CAS)航天微波遥感系统部供图)

    Figure  1.  SAR image comparison between different resolution (tower and farm at X band, the resolution are 0.1 m, 0.5 m and 2.0 m. Images are provided by the Department of Space Microwave Remote Sensing System, AIR-CAS)

    下载: 全尺寸图片 幻灯片

    图  2  不同分辨率下坦克的图像(图片数据来源美国Sandia国家实验室)

    Figure  2.  Tank at different resolution (Images are from the United States Sandia National Lab.)

    下载: 全尺寸图片 幻灯片

    图  3  传统体制SAR向新工作模式的发展

    Figure  3.  SAR development from the traditional mode to the new ones

    下载: 全尺寸图片 幻灯片

    图  4  两种方位多波束技术

    Figure  4.  Two types of technologies of multiple azimuth beams

    下载: 全尺寸图片 幻灯片

    图  5  高分三号SAR卫星超精细条带模式成像结果(数据由中国科学院空天信息创新研究院航天微波遥感系统部提供)

    Figure  5.  The ultra-fine strip mode imaging results of Gaofen-3 satellite (Images are provided by the Department of Space Microwave Remote Sensing System, AIR-CAS)

    下载: 全尺寸图片 幻灯片

    图  6  变PRF模式工作原理

    Figure  6.  The operating principle of PRF variation technology

    下载: 全尺寸图片 幻灯片

    图  7  周期性线性变化的脉冲重复间隔(PRI)及其对应的盲区分布[41]

    Figure  7.  Pulse repetition intervals with periodic linear variation and corresponding blind ranges[41]

    下载: 全尺寸图片 幻灯片

    图  8  基于星载SAR模拟变PRF模式数据的成像结果

    Figure  8.  Imaging results based on simulated data with PRF variation of spaceborne SAR

    下载: 全尺寸图片 幻灯片

    图  9  大斜视聚束SAR成像几何，(a)和(b)分别展示了PRF固定和变化时的数据存储情况

    Figure  9.  The acquisition geometry of highly squint spotlight mode SAR

    下载: 全尺寸图片 幻灯片

    图  10  俯仰向DBF扫描接收示意图

    Figure  10.  The sketch of DBF scan on receive in elevation

    下载: 全尺寸图片 幻灯片

    图  11  传统DBF-SAR系统处理框架

    Figure  11.  The traditional processing framework of DBF-SAR system

    下载: 全尺寸图片 幻灯片

    图  12  改进的DBF-SAR系统处理框架

    Figure  12.  The modified processing framework of DBF-SAR system

    下载: 全尺寸图片 幻灯片

    图  13  机载DBF-SAR成像结果(数据由中国科学院空天信息创新研究院航天微波遥感系统部提供)

    Figure  13.  The imaging results of single channel and 16-channels with DBF processing in elevation (Images are provided by the Department of Space Microwave Remote Sensing System, AIR-CAS)

    下载: 全尺寸图片 幻灯片

    图  14  MIMO-SAR分类示意图

    Figure  14.  The classification diagram of MIMO-SAR

    下载: 全尺寸图片 幻灯片

    图  15  MIMO-SAR构成多相位中心

    Figure  15.  MIMO-SAR forms multiple phase centers

    下载: 全尺寸图片 幻灯片

    图  16  多维正交波形概念示意图

    Figure  16.  The diagram of multidimensional orthogonal waveform encoding concept

    下载: 全尺寸图片 幻灯片

    图  17  星载SAR发展趋势与典型星载SAR系统/概念示意图

    Figure  17.  Illustration of spaceborne SAR development trend and typical spaceborne SAR systems/concepts

    下载: 全尺寸图片 幻灯片

    图  18  时间、相位、波束3同步问题

    Figure  18.  Three synchronization problems: time synchronization, phase synchronization and beam synchronization

    下载: 全尺寸图片 幻灯片

    图  19  双/多基SAR相位同步方法

    Figure  19.  The phase synchronization schemes for bistatic/multistatic SAR system

    下载: 全尺寸图片 幻灯片

    图  20  TanDEM-X使用的同步天线和同步时序

    Figure  20.  The antenna and timing diagram used for TanDEM-X

    下载: 全尺寸图片 幻灯片

    图  21  LT-1双基SAR系统与同步系统中的螺旋天线

    Figure  21.  The LT-1 bistatic SAR system and the applied quadrifilar helix antenna

    下载: 全尺寸图片 幻灯片

    图  22  分布式相位中心成像构型[91]

    Figure  22.  The multistatic SAR imaging geometry of distributed phase centers[91]

    下载: 全尺寸图片 幻灯片

    图  23  重构处理前后的成像结果对比[91]

    Figure  23.  Comparison of the imaging results with/ without reconstruction[91]

    下载: 全尺寸图片 幻灯片

    图  24  一种沿航迹多基SAR系统[79]

    Figure  24.  An along-track multistatic SAR constellation geometry[79]

    下载: 全尺寸图片 幻灯片

    图  25  沿航迹分布式多基SAR信号重构[79]

    Figure  25.  Block diagram of the reconstruction algorithm for multistatic SAR constellations with large along track baseline[79]

    下载: 全尺寸图片 幻灯片

    图  26  多基距离多波束体制示意图

    Figure  26.  Multistatic synthetic aperture radar with multiple elevation beams

    下载: 全尺寸图片 幻灯片

    图  27  强距离模糊估计与消除流程

    Figure  27.  Procedure of the estimation and removal for the strong range ambiguities

    下载: 全尺寸图片 幻灯片

    图  28  强距离模糊估计与消除的面目标仿真结果

    Figure  28.  Simulation results for the estimation and removal of the strong range ambiguities with area target

    下载: 全尺寸图片 幻灯片

    图  29  图28红框中强点目标放大分析[92]

    Figure  29.  Zoomed-in analysis of the point-like targets in the red rectangles in Fig. 28[92]

    下载: 全尺寸图片 幻灯片

    图  30  多星协同成像系统示意图

    Figure  30.  Illustration of a multistatic cooperative SAR imaging system

    下载: 全尺寸图片 幻灯片

    图  31  HRWS系统工作示意图[93]

    Figure  31.  Illustration of the HRWS mission[93]

    下载: 全尺寸图片 幻灯片

    图  32  SAOCOM-CS双星编队

    Figure  32.  Illustration of the SAOCOM-CS’s mission concept with two satellites in the formation

    下载: 全尺寸图片 幻灯片

    图  33  高分三号全极化条带1模式极化合成图像(中国科学院空天信息创新研究院航天微波遥感系统部供图)

    Figure  33.  Polarimetric synthesis image of GF-3 QPSI-1 mode (Images are provided by the Department of Space Microwave Remote Sensing System, AIR-CAS)

    下载: 全尺寸图片 幻灯片

    图  34  距离模糊抑制效果仿真

    Figure  34.  Distributed scene simulation for range ambiguity suppression demonstration

    下载: 全尺寸图片 幻灯片

    图  35  机载P波段混合极化SAR(圆极化发射/双线极化接收)极化分解图像：红色表示偶次散射，蓝色表示表面散射，绿色表示体散射(AIR-CAS供图)

    Figure  35.  Polarimetric decomposition image of airborne P-band hybrid polarimetric SAR (circularly polarized on transmit and dual-circularly polarized on receive) Red for double-bounce scattering, blue for single-bounce scattering and green for volume scattering (Image provided by AIR-CAS)

    下载: 全尺寸图片 幻灯片

    图  36  基于深度学习的全极化SAR分类(蓝色：水体，红色：建筑，绿色：植被)

    Figure  36.  Classification result of quad-polarimetric SAR image based on deep learning(blue for water; red for buildings and green for vegetation)

    下载: 全尺寸图片 幻灯片

    图  37  德国Garzweiler煤矿DEM[102]

    Figure  37.  Evolution of the Garzweiler mine in Germany[102]

    下载: 全尺寸图片 幻灯片

    图  38  机载双频干涉

    Figure  38.  Airborne dual-frequency InSAR result

    下载: 全尺寸图片 幻灯片

    图  39  不同波段下的高程模型特征[106]

    Figure  39.  Different elevation mode at different frequency[106]

    下载: 全尺寸图片 幻灯片

    图  40  利用SAR数据对黄河三角洲区域进行长时间序列形变监测

    Figure  40.  Vertical deformation rates over the Yellow River Delta during the period of 2007–2010 obtained from ASAR (a), 2015–2018 obtained from S-1A (b) and 2016–2018 obtained from S-1B (c) datasets

    下载: 全尺寸图片 幻灯片

    图  41  利用高分三号数据获取的北京地区地面沉降速率图；右侧曲线给出A, B, C 3点沉降量

    Figure  41.  Linear deformation rates maps over Beijing using GF-3 SAR images. The curves show the deformation of area A, B and C

    下载: 全尺寸图片 幻灯片

    图  42  利用高分三号SAR数据对金沙江白格滑坡滑前形变进行监测

    Figure  42.  Deformation inversion of Baige landslide on Jinsha River before collapse using GF-3 SAR images

    下载: 全尺寸图片 幻灯片

    图  43  极化干涉多元素分解算法分解结果

    Figure  43.  Multi-element decomposition result of PolInSAR image

    下载: 全尺寸图片 幻灯片

    图  44  极化干涉七元素分解算法分解结果(数据来源：DLR机载L波段极化干涉SAR试验)

    Figure  44.  Seven-element decomposition result of PolInSAR image (data provided by DLR airborne L-band PolInSAR)

    下载: 全尺寸图片 幻灯片

    图  45  极化干涉分类结果(数据来源：DLR机载L波段极化干涉SAR试验)

    Figure  45.  Classification result of PolInSAR image (data provided by DLR airborne L-band PolInSAR)

    下载: 全尺寸图片 幻灯片

    图  46  星载TomoSAR示意图

    Figure  46.  The geometry of TomoSAR imaging

    下载: 全尺寸图片 幻灯片

    图  47  小数据集三维重建结果对比

    Figure  47.  The comparison of 3D reconstruction results using small data stacks

    下载: 全尺寸图片 幻灯片

    图  48  检测到的PS点的高度[125]

    Figure  48.  The elevations of detected PS[125]

    下载: 全尺寸图片 幻灯片

    图  49  SRTM洋流测速结果图[126]

    Figure  49.  Retrieval of surface velocity fields from SRTM data[126]

    下载: 全尺寸图片 幻灯片

    图  50  高分三号洋流测速结果图

    Figure  50.  Retrieval of surface velocity fields from Gaofen-3 data

    下载: 全尺寸图片 幻灯片

    图  51  高分三号SAR动目标检测结果展示

    Figure  51.  Demonstration of the moving target detection using Gaofen-3 data

    下载: 全尺寸图片 幻灯片

    图  52  国外SAR小卫星

    Figure  52.  Small SAR satellite

    下载: 全尺寸图片 幻灯片

    图  53  不同体制收发时序对比图

    Figure  53.  The comparison of timing diagram between different systems

    下载: 全尺寸图片 幻灯片

    图  54  微型SAR系统组成框图(平板天线体制)

    Figure  54.  Block diagram of micro-SAR system (planar antenna system)

    下载: 全尺寸图片 幻灯片

    图  55  德国SAR-Lupe组网示意图

    Figure  55.  Illustration of SAR-Lupe constellation

    下载: 全尺寸图片 幻灯片

    图  56  美国Lacrosse长曲棍球组网示意图

    Figure  56.  Illustration of Lacrosse constellation

    下载: 全尺寸图片 幻灯片

    表  1  SAR图像分辨率与典型军事目标关系(m)

    Table  1.   The relationship between the resolution and typical military targets (m)

    目标发现识别确认描述
    雷达30.90.30.15
    无线通讯设施31.50.30.15
    部队单位或营地331.20.3
    机场设施64.530.3
    火炮兵器/火箭0.90.60.150.05
    飞机4.51.50.90.15
    司令部31.50.90.15
    导弹阵地31.50.60.3
    中小型船只7.54.50.60.3
    车辆1.50.60.30.05
    下载: 导出CSV

    表  2  DEM指标划分标准(m)

    Table  2.   Index classification criteria of DEM(m)

    空间分辨率绝对高程精度相对高程精度
    HRTI-190 ×90< 30< 20
    HRTI-230 ×30< 18< 12
    HRTI-312 ×12< 10< 2
    HRTI-46 ×6< 5< 0.8
    HRE-44 ×4< 5< 0.8
    下载: 导出CSV

    表  3  不同体制的优缺点对比

    Table  3.   Advantages and disadvantages comparison between different systems

    信号体制优点缺点
    传统脉冲体制收发天线共用占空比低，发射功率大
    连续波体制占空比～100%，峰值功率低收发天线无法共用
    间断连续波体制占空比90～100%，结合脉冲与连续波的优势回波信号部分缺失，需要估计重构
    下载: 导出CSV
    • 参考文献(133)
  • [1] 邓云凯, 赵凤军, 王宇. 星载SAR技术的发展趋势及应用浅析[J]. 雷达学报, 2012, 1(1): 1–10. doi: 10.3724/SP.J.1300.2012.20015

    DENG Yunkai, ZHAO Fengjun, and WANG Yu. Brief analysis on the development and application of spaceborne SAR[J]. Journal of Radars, 2012, 1(1): 1–10. doi: 10.3724/SP.J.1300.2012.20015
    [2] MOREIRA A, PRATS-IRAOLA P, YOUNIS M, et al. A tutorial on synthetic aperture radar[J]. IEEE Geoscience and Remote Sensing Magazine, 2013, 1(1): 6–43. doi: 10.1109/MGRS.2013.2248301
    [3] 魏钟铨. 合成孔径雷达卫星[M]. 北京: 科学出版社, 2001.

    WEI Zhongquan. Synthetic Aperture Radar Satellite[M]. Beijing: Science Press, 2001.
    [4] REIGBER A, SCHEIBER R, JAGER M, et al. Very-high-resolution airborne synthetic aperture radar imaging: Signal processing and applications[J]. Proceedings of the IEEE, 2013, 101(3): 759–783. doi: 10.1109/JPROC.2012.2220511
    [5] KRIEGER G, GEBERT N, and MOREIRA A. Unambiguous SAR signal reconstruction from nonuniform displaced phase center sampling[J]. IEEE Geoscience and Remote Sensing Letters, 2004, 1(4): 260–264. doi: 10.1109/LGRS.2004.832700
    [6] 范剑超, 王德毅, 赵建华, 等. 高分三号SAR影像在国家海域使用动态监测中的应用[J]. 雷达学报, 2017, 6(5): 456–472. doi: 10.12000/JR17080

    FAN Jianchao, WANG Deyi, ZHAO Jianhua, et al. National sea area use dynamic monitoring based on GF-3 SAR imagery[J]. Journal of Radars, 2017, 6(5): 456–472. doi: 10.12000/JR17080
    [7] KRIEGER G and MOREIRA A. Spaceborne Bi- and multistatic SAR: Potential and challenges[J]. IEE Proceedings - Radar, Sonar and Navigation, 2006, 153(3): 184–198. doi: 10.1049/ip-rsn:20045111
    [8] KRIEGER G, MOREIRA A, FIEDLER H, et al. TanDEM-X: A satellite formation for high-resolution SAR interferometry[J]. IEEE Transactions on Geoscience and Remote Sensing, 2007, 45(11): 3317–3341. doi: 10.1109/TGRS.2007.900693
    [9] CUMMING I G and WONG F H. Digital Processing of Synthetic Aperture Radar Data: Algorithms and Implementation[M]. Boston: Artech House, 2005.
    [10] CARRARA W G, GOODMAN R S, and MAJEWSKI R M. Spotlight Synthetic Aperture Radar: Signal Processing Algorithms[M]. Boston, MA: Artech House, 1995.
    [11] 王伟. 新体制星载SAR成像模型与二维多通道技术研究[D]. [博士论文], 中国科学院大学, 2016.

    WANG Wei. Study on new imaging model and two-dimensional multi-channel techniques for spaceborne synthetic aperture radar[D]. [Ph.D. dissertation], UCAS, 2016.
    [12] WANG Xiangyu, WANG R, DENG Yunkai, et al. Precise calibration of channel imbalance for very high resolution SAR with stepped frequency[J]. IEEE Transactions on Geoscience and Remote Sensing, 2017, 55(8): 4252–4261. doi: 10.1109/TGRS.2017.2688728
    [13] GEBERT N, KRIEGER G, and MOREIRA A. Digital beamforming on receive: Techniques and optimization strategies for high-resolution wide-swath SAR imaging[J]. IEEE Transactions on Aerospace and Electronic Systems, 2009, 45(2): 564–592. doi: 10.1109/TAES.2009.5089542
    [14] YOUNIS M, ROMMEL T, BORDONI F, et al. On the pulse extension loss in digital beamforming SAR[J]. IEEE Geoscience and Remote Sensing Letters, 2015, 12(7): 1436–1440. doi: 10.1109/LGRS.2015.2406815
    [15] WANG Wei, WANG R, DENG Yunkai, et al. An improved processing scheme of digital beam-forming in elevation for reducing resource occupation[J]. IEEE Geoscience and Remote Sensing Letters, 2016, 13(3): 309–313.
    [16] WANG Hui, ZHANG Hui, DAI Shoulun, et al. Azimuth multichannel GMTI based on Ka-band DBF-SCORE SAR system[J]. IEEE Geoscience and Remote Sensing Letters, 2018, 15(3): 419–423. doi: 10.1109/LGRS.2018.2791622
    [17] ZHAO Qingchao, ZHANG Yi, WANG Wei, et al. On the frequency dispersion in DBF SAR and digital scalloped beamforming[J]. IEEE Transactions on Geoscience and Remote Sensing, 2020. doi: 10.1109/TGRS.2019.2958863
    [18] RINCON R F, VEGA M A, BUENFIL M, et al. NASA’s L-band digital beamforming synthetic aperture radar[J]. IEEE Transactions on Geoscience and Remote Sensing, 2011, 49(10): 3622–3628. doi: 10.1109/TGRS.2011.2157971
    [19] BERGER M, MORENO J, JOHANNESSEN J A, et al. ESA’s sentinel missions in support of Earth system science[J]. Remote Sensing of Environment, 2012, 120: 84–90. doi: 10.1016/j.rse.2011.07.023
    [20] LUO Xiulian, DENG Yunkai, WANG R, et al. Image formation processing for sliding spotlight SAR with stepped frequency chirps[J]. IEEE Geoscience and Remote Sensing Letters, 2014, 11(10): 1692–1696. doi: 10.1109/LGRS.2014.2306206
    [21] 罗秀莲. 新体制星载聚束/滑动聚束SAR信号处理研究[D]. [博士论文], 中国科学院大学, 2015.

    LUO Xiulian. Study on signal processing of novel spaceborne spotlight/sliding spotlight SAR data[D]. [Ph.D. dissertation], UCAS, 2015.
    [22] RANEY R K and PRINCZ G J. Reconsideration of azimuth ambiguities in SAR[J]. IEEE Transactions on Geoscience and Remote Sensing, 1987.
    [23] YOUNIS M. General formulation of NESZ[R]. Technical Note TN-SAR-Tech-001, 2008.
    [24] CURRIE A and BROWN M A. Wide-swath SAR[J]. IEE Proceedings F - Radar and Signal Processing, 1992, 139(2): 122–135. doi: 10.1049/ip-f-2.1992.0016
    [25] ZHAO Shuo, WANG R, DENG Yunkai, et al. Modifications on multichannel reconstruction algorithm for SAR processing based on periodic nonuniform sampling theory and nonuniform fast fourier transform[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2015, 8(11): 4998–5006. doi: 10.1109/JSTARS.2015.2421303
    [26] CERUTTI-MAORI D, SIKANETA I, KLARE J, et al. MIMO SAR processing for multichannel high-resolution wide-swath radars[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(8): 5034–5055. doi: 10.1109/TGRS.2013.2286520
    [27] LIU Baochang and HE Yijun. Improved DBF algorithm for multichannel high-resolution wide-swath SAR[J]. IEEE Transactions on Geoscience and Remote Sensing, 2016, 54(2): 1209–1225. doi: 10.1109/TGRS.2015.2476496
    [28] WANG Wei, WANG R, DENG Yunkai, et al. Azimuth ambiguity suppression with an improved reconstruction method based on antenna pattern for multichannel synthetic aperture radar systems[J]. IET Radar, Sonar & Navigation, 2015, 9(5): 492–500.
    [29] LIU Na, WANG R, DENG Yunkai, et al. Modified multichannel reconstruction method of SAR with highly nonuniform spatial sampling[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2017, 10(2): 617–627. doi: 10.1109/JSTARS.2016.2630048
    [30] ZHANG Yongwei, WANG Wei, DENG Yunkai, et al. Signal reconstruction algorithm for azimuth multichannel SAR system based on a multiobjective optimization model[J]. IEEE Transactions on Geoscience and Remote Sensing, 2020. doi: 10.1109/TGRS.2019.2959217
    [31] CHENG Pu, WAN Jianwei, XIN Qin, et al. An improved azimuth reconstruction method for multichannel SAR using Vandermonde matrix[J]. IEEE Geoscience and Remote Sensing Letters, 2017, 14(1): 67–71. doi: 10.1109/LGRS.2016.2626309
    [32] CHEN Renyuan, JIANG Kai, YONG Yanmei, et al. High resolution dual channel receiving SAR compensation technique[C]. 2007 1st Asian and Pacific Conference on Synthetic Aperture Radar, Huangshan, China, 2007: 713–717.
    [33] GIERULL C H. Digital channel balancing of along-track interferometric SAR data[R]. Technical Memorandum TM 2003-024, 2003.
    [34] LIU Aifei, LIAO Guisheng, MA Lun, et al. An array error estimation method for constellation SAR systems[J]. IEEE Geoscience and Remote Sensing Letters, 2010, 7(4): 731–735. doi: 10.1109/LGRS.2010.2046878
    [35] YANG Taoli, LI Zhenfang, LIU Yanyang, et al. Channel error estimation methods for multichannel SAR systems in azimuth[J]. IEEE Geoscience and Remote Sensing Letters, 2013, 10(3): 548–552. doi: 10.1109/LGRS.2012.2212873
    [36] LIU Yanyang, LI Zhenfang, YANG Taoli, et al. An adaptively weighted least square estimation method of channel mismatches in phase for multichannel SAR systems in azimuth[J]. IEEE Geoscience and Remote Sensing Letters, 2014, 11(2): 439–443. doi: 10.1109/LGRS.2013.2264771
    [37] 郜参观. 高分辨率宽测绘带合成孔径雷达的新体制研究[D]. [博士论文], 中国科学院大学, 2012.

    GAO Canguan. Study on the new concept of high-resolution and wide-swath synthetic aperture radar[D]. [Ph.D. dissertation], UCAS, 2012.
    [38] FENG Jin, GAO Canguan, ZHANG Yi, et al. Phase mismatch calibration of the multichannel SAR based on azimuth cross correlation[J]. IEEE Geoscience and Remote Sensing Letters, 2013, 10(4): 903–907. doi: 10.1109/LGRS.2012.2227107
    [39] 陈倩, 邓云凯, 刘亚东, 等. 基于自适应滤波的DPC-MAB SAR方位向信号重建[J]. 电子与信息学报, 2012, 34(6): 1331–1336. doi: 10.3724/SP.J.1146.2011.01074

    CHEN Qian, DENG Yunkai, LIU Yadong, et al. SAR azimuth signal reconstruction based on adaptive filtering for the DPC-MAB SAR system[J]. Journal of Electronics &Information Technology, 2012, 34(6): 1331–1336. doi: 10.3724/SP.J.1146.2011.01074
    [40] ZHANG Lei, DENG Yunkai, WANG Yu, et al. Channel error compensation for multi-channel SAR based on cost function[J]. Journal of Radars, 2014, 3(5): 556–564. doi: 10.3724/SP.J.1300.2014.14052
    [41] MOREIRA A, KRIEGER G, HAJNSEK I, et al. Tandem-L: A highly innovative bistatic SAR mission for global observation of dynamic processes on the earth’s surface[J]. IEEE Geoscience and Remote Sensing Magazine, 2015, 3(2): 8–23. doi: 10.1109/MGRS.2015.2437353
    [42] GEBERT N and KRIEGER G. Ultra-wide swath SAR imaging with continuous PRF variation[C]. The 8th European Conference on Synthetic Aperture Radar, Aachen, Germany, 2010.
    [43] VILLANO M, KRIEGER G, and MOREIRA A. Staggered-SAR for high-resolution wide-swath imaging[C]. IET International Conference on Radar Systems, Glasgow, UK, 2012: 1–6.
    [44] LUO Xiulian, WANG R, XU Wei, et al. Modification of multichannel reconstruction algorithm on the SAR with linear variation of PRI[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2014, 7(7): 3050–3059. doi: 10.1109/JSTARS.2014.2298242
    [45] VILLANO M, KRIEGER G, and MOREIRA A. Staggered SAR: High-resolution wide-swath imaging by continuous PRI variation[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(7): 4462–4479. doi: 10.1109/TGRS.2013.2282192
    [46] VILLANO M, KRIEGER G, and MOREIRA A. Onboard processing for data volume reduction in high-resolution wide-swath SAR[J]. IEEE Geoscience and Remote Sensing Letters, 2016, 13(8): 1173–1177. doi: 10.1109/LGRS.2016.2574886
    [47] WANG Xiangyu, WANG R, DENG Yunkai, et al. SAR signal recovery and reconstruction in staggered mode with low oversampling factors[J]. IEEE Geoscience and Remote Sensing Letters, 2018, 15(5): 704–708. doi: 10.1109/LGRS.2018.2805311
    [48] PINHEIRO M, PRATS-IRAOLA P, RODRIGUEZ-CASSOLA M, et al. Combining spectral estimation and blu interpolation for the reconstruction of low-oversampled staggered SAR data[C]. 2018 12th European Conference on Synthetic Aperture Radar, Aachen, Germany, 2018.
    [49] ZENG Hongcheng, CHEN Jie, LIU Wei, et al. Modified omega-k algorithm for high-speed platform highly-squint staggered SAR based on azimuth non-uniform interpolation[J]. Sensors, 2015, 15(2): 3750–3765. doi: 10.3390/s150203750
    [50] 罗绣莲, 徐伟, 郭磊. 捷变PRF技术在斜视聚束SAR中的应用[J]. 雷达学报, 2015, 4(1): 70–77. doi: 10.12000/JR14149

    LUO Xiulian, XU Wei, and GUO Lei. The application of PRF variation to squint spotlight SAR[J]. Journal of Radars, 2015, 4(1): 70–77. doi: 10.12000/JR14149
    [51] MEN Zhirong, WANG Pengbo, LI Chunsheng, et al. High-temporal-resolution high-spatial-resolution spaceborne SAR based on continuously varying PRF[J]. Sensors, 2017, 17(8): 1700. doi: 10.3390/s17081700
    [52] 王沛, 徐伟, 李宁, 等. 星载大斜视聚束SAR变PRI成像技术研究[J]. 电子与信息学报, 2018, 40(10): 2470–2477. doi: 10.11999/JEIT180049

    WANG Pei, XU Wei, LI Ning, et al. Investigation on PRI variation for high squint spaceborn spotlight SAR[J]. Journal of Electronics &Information Technology, 2018, 40(10): 2470–2477. doi: 10.11999/JEIT180049
    [53] YOUNIS M, FISCHER C, and WIESBECK W. Digital beamforming in SAR systems[J]. IEEE Transactions on Geoscience and Remote Sensing, 2003, 41(7): 1735–1739. doi: 10.1109/TGRS.2003.815662
    [54] HUBER S, YOUNIS M, PATYUCHENKO A, et al. Digital beam forming techniques for spaceborne reflector SAR systems[C]. The 8th European Conference on Synthetic Aperture Radar, Aachen, Germany, 2010.
    [55] YOUNIS M. Digital beam-forming for high resolution wide swath real and synthetic aperture radar[D]. Universität Karlsruhe, 2004.
    [56] SCHAEFER C, HEER C, LUDWIG M. X-band demonstrator for receive-only frontend with digital beamforming[C]. 2010 8th European Conference on Synthetic Aperture Radar, Aachen, Germany, 2010.
    [57] SADOWY G, GHAEMI H, HEAVEY B, et al. Ka-band Digital Beamforming and SweepSAR Demonstration for Ice and Solid Earth Topography[C]. 2010 8th European Conference on Synthetic Aperture Radar, Aachen, Germany, 2010.
    [58] KRIEGER G. MIMO-SAR: Opportunities and pitfalls[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(5): 2628–2645. doi: 10.1109/TGRS.2013.2263934
    [59] LI Jian and STOICA P. MIMO Radar Signal Processing[M]. New Jersey: Wiley-IEEE Press, 2009: 787–788.
    [60] ROMMEL T, RINCON R, YOUNIS M, et al. Implementation of a MIMO SAR imaging mode for NASA’s next generation airborne L-band SAR[C]. EUSAR 2018; 12th European Conference on Synthetic Aperture Radar, Aachen, Germany, 2018: 1–5.
    [61] MARTIN M, KLUPAR P, KILBERG S, et al. TECHSAT 21 and revolutionizing space missions using microsatellites[C]. The 15th AIAA/USU Conference on Small Satellites, Reston, USA, 2001.
    [62] CLOUDE S R and PAPATHANASSIOU K P. Polarimetric SAR interferometry[J]. IEEE Transactions on Geoscience and Remote Sensing, 1998, 36(5): 1551–1565. doi: 10.1109/36.718859
    [63] KLARE J, WEISS M, PETERS O, et al. ARTINO: A new high resolution 3D imaging radar system on an autonomous airborne platform[C]. 2006 IEEE International Symposium on Geoscience and Remote Sensing, Denver, USA, 2006: 3842–3845.
    [64] 周高杯, 宋红军, 邓云凯. MIMO-SAR中虚拟孔径相位校正与子带合成方法研究[J]. 电子与信息学报, 2011, 33(2): 484–488. doi: 10.3724/SP.J.1146.2010.00435

    ZHOU Gaobei, SONG Hongjun, and DENG Yunkai. Investigation of virtual aperture phase correction and sub band synthesis algorithms in MIMO-SAR[J]. Journal of Electronics &Information Technology, 2011, 33(2): 484–488. doi: 10.3724/SP.J.1146.2010.00435
    [65] ENDER J H G and BRENNER A R. PAMIR—a wideband phased array SAR/MTI system[J]. IEE Proceedings-Radar, Sonar and Navigation, 2003, 150(3): 165–172. doi: 10.1049/ip-rsn:20030445
    [66] KRIEGER G, GEBERT N, MOREIRA A. Multidimensional waveform encoding: A new digital beamforming technique for synthetic aperture radar remote sensing[J]. IEEE Transactions on Geoscience and Remote Sensing, 2008, 46(1): 31–46. doi: 10.1109/TGRS.2007.905974
    [67] WANG Wei, WANG R, ZHANG Zhimin, et al. First demonstration of airborne SAR with nonlinear FM chirp waveforms[J]. IEEE Geoscience and Remote Sensing Letters, 2016, 13(2): 247–251. doi: 10.1109/LGRS.2015.2508102
    [68] JIN Guodong, LIU Kaiyu, DENG Yunkai, et al. Nonlinear frequency modulation signal generator in LT-1[J]. IEEE Geoscience and Remote Sensing Letters, 2019, 16(10): 1570–1574. doi: 10.1109/LGRS.2019.2905359
    [69] JIN Guodong, DENG Yunkai, WANG R, et al. An advanced nonlinear frequency modulation waveform for radar imaging with low sidelobe[J]. IEEE Transactions on Geoscience and Remote Sensing, 2019, 57(8): 6155–6168. doi: 10.1109/TGRS.2019.2904627
    [70] ENDER J H G. Signal theoretical aspects of bistatic SAR[C]. 2003 IEEE International Geoscience and Remote Sensing Symposium, Toulouse, France, 2003: 1438–1441.
    [71] ENDER J H G, WALTERSCHEID I, and BRENNER A R. New aspects of bistatic SAR: Processing and experiments[C]. 2004 IEEE International Geoscience and Remote Sensing Symposium, Anchorage, USA, 2004: 1758–1762.
    [72] PRATS-IRAOLA P, RODRIGUEZ-CASSOLA M, and MOREIRA A. Investigations on bistatic SAR image formation for the SAOCOM-CS mission[C]. EUSAR 2016: 11th European Conference on Synthetic Aperture Radar, Hamburg, Germany, 2016.
    [73] KRIEGER G, ZONNO M, MITTERMAYER J, et al. MirrorSAR: A fractionated space transponder concept for the implementation of low-cost multistatic SAR missions[C]. EUSAR 2018: 12th European Conference on Synthetic Aperture Radar, Aachen, Germany, 2018.
    [74] KRIGER G, ZINK M, BACHMANN, et al. TanDEM-X:A radar interferometer with two formation-flying satellites[J]. Acta Astronautica, 2013, 89: 83–98.
    [75] HUBER S, DE ALMEIDA F Q, VILLANO M, et al. Tandem-L: A technical perspective on future spaceborne SAR sensors for earth observation[J]. IEEE Transactions on Geoscience and Remote Sensing, 2018, 56(8): 4792–4807. doi: 10.1109/TGRS.2018.2837673
    [76] EINEDER M. Ocillator clock drift compensation in bistatic interferometric SAR[C]. 2003 IEEE International Geoscience and Remote Sensing Symposium, Toulouse, France, 2003: 1449–1451.
    [77] ROTT H, LÓPEZ-DEKKER P, SOLBERG S, et al. SESAME: A single-pass interferometric Sentinel-1 companion SAR mission for monitoring GEO- and biosphere dynamics[C]. 2017 IEEE International Geoscience and Remote Sensing Symposium, Fort Worth, USA, 2017: 107–110.
    [78] D’ERRICO M. Distributed Space Missions for Earth System Monitoring[M]. Springer New York, 2013.
    [79] SAKAR N, RODRIGUEZ-CASSOLA M, PRATS-IRAOLA P, et al. Azimuth reconstruction algorithm for multistatic SAR formations with large along-track baselines[J]. IEEE Transactions on Geoscience and Remote Sensing, 2019. doi: 10.1109/TGRS.2019.2950963
    [80] WANG R and DENG Yunkai. Bistatic SAR System and Signal Processing Technology[M]. Singapore: Springer Press, 2018.
    [81] ZHANG Heng, DENG Yunkai, WANG R, et al. Spaceborne/stationary bistatic SAR imaging with TerraSAR-X as an illuminator in staring-spotlight mode[J]. IEEE Transactions on Geoscience and Remote Sensing, 2016, 54(9): 5203–5216. doi: 10.1109/TGRS.2016.2558294
    [82] YOUNIS M, METZIG R, and KRIEGER G. Performance prediction of a phase synchronization link for bistatic SAR[J]. IEEE Geoscience and Remote Sensing Letters, 2006, 3(3): 429–433. doi: 10.1109/LGRS.2006.874163
    [83] HE Zhihua, HE Feng, CHEN Junli, et al. Echo-domain phase synchronization algorithm for bistatic SAR in alternating bistatic/ping–pong mode[J]. IEEE Geoscience and Remote Sensing Letters, 2012, 9(4): 604–608. doi: 10.1109/LGRS.2011.2176714
    [84] ZHANG Mingmin, WANG R, DENG Yunkai, et al. A synchronization algorithm for spaceborne/stationary BiSAR imaging based on contrast optimization with direct signal from radar satellite[J]. IEEE Transactions on Geoscience and Remote Sensing, 2016, 54(4): 1977–1989. doi: 10.1109/TGRS.2015.2493078
    [85] PINHEIRO M, RODRIGUEZ-CASSOLA M, PRATS-IRAOLA P, et al. Reconstruction of coherent pairs of synthetic aperture radar data acquired in interrupted mode[J]. IEEE Transactions on Geoscience and Remote Sensing, 2015, 53(4): 1876–1893. doi: 10.1109/TGRS.2014.2350255
    [86] Liang Da, Liu Kaiyu, Yue Haixia, et al. An advanced non-interrupted synchronization scheme for bistatic synthetic aperture radar[C]. IGARSS 2019 - 2019 IEEE International Geoscience and Remote Sensing Symposium, Yokohama, Japan, 2019: 1116–1119.
    [87] LIANG Da, LIU Kaiyu, ZHANG Heng, et al. A High-accuracy synchronization phase-compensation method based on Kalman filter for bistatic synthetic aperture radar[J]. IEEE Geoscience and Remote Sensing Letters, 2019. doi: 10.1109/LGRS.2019.2952475
    [88] ZHANG Yanyan, ZHANG Heng, OU Naiming, et al. First demonstration of multipath effects on phase synchronization scheme for LT-1[J]. IEEE Transactions on Geoscience and Remote Sensing, 2019. doi: 10.1109/TGRS.2019.2952471
    [89] JIN Guodong, LIU Kaiyu, LIU Dacheng, et al. An advanced phase synchronization scheme for LT-1[J]. IEEE Transactions on Geoscience and Remote Sensing, 2019. doi: 10.1109/TGRS.2019.2948219
    [90] KRAUS T, KRIEGER G, BACHMANN M, et al. Spaceborne demonstration of distributed SAR imaging with TerraSAR-X and TanDEM-X[J]. IEEE Geoscience and Remote Sensing Letters, 2019, 16(11): 1731–1735. doi: 10.1109/LGRS.2019.2907371
    [91] KRAUS T, BRAEUTIGAM B, BACHMANN M, et al. Multistatic SAR imaging: First results of a four phase center experiment with TerraSAR-X and TanDEM-X[C]. EUSAR 2016: 11th European Conference on Synthetic Aperture Radar, Hamburg, Germany, 2016: 1–5.
    [92] ZHAO Qingchao, ZHANG Yi, WANG R, et al. Estimation and removal of strong range ambiguities in multistatic synthetic aperture radar with multiple elevation beams[J]. IEEE Geoscience and Remote Sensing Letters, 2019, 16(3): 407–411. doi: 10.1109/LGRS.2018.2875434
    [93] JOCHUM M. HRWS: X-Band-SAR[R]. Airbus Report, 2018.
    [94] SCIPAL K and DAVIDSON M. The SAOCOM-CS mission: ESA’s first bistatic and tomographic L-band mission[C]. 2017 IEEE International Geoscience and Remote Sensing Symposium, Fort Worth, USA, 2017: 123–124.
    [95] DHINGRA S and BHATTACHARYA A. A modified m-χ decomposition for compact polarimetric SAR data[C]. Lunar and Planetary Science Conference, The Woodlands, USA, 2015.
    [96] ATTEIA G E and COLLINS M J. On the use of compact polarimetry SAR for ship detection[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2013, 80: 1–9. doi: 10.1016/j.isprsjprs.2013.01.009
    [97] CHARBONNEAU F J, BRISCO B, RANEY R K, et al. Compact polarimetry overview and applications assessment[J]. Canadian Journal of Remote Sensing, 2010, 36(S2): S298–S315.
    [98] JIN Guodong, DENG Yunkai, WANG R, et al. Mitigating range ambiguities with advanced nonlinear frequency modulation waveform[J]. IEEE Geoscience and Remote Sensing Letters, 2019, 16(8): 1230–1234. doi: 10.1109/LGRS.2019.2895111
    [99] YANG Rong, HU Zhentao, LIU Yiming, et al. A novel polarimetric SAR classification method integrating pixel-based and patch-based classification[J]. IEEE Geoscience and Remote Sensing Letters, 2019. doi: 10.1109/LGRS.2019.2923403
    [100] HAJNSEK I, BUSCHE T, MOREIRA A, et al. Mission status and data availability: Tandem-X[C]. The 4th International Polinsar 2009 Workshop, Wessling, Germany, 2009.
    [101] ZINK M, BACHMANN M, BRAUTIGAM B, et al. TanDEM-X: The new global DEM takes shape[J]. IEEE Geoscience and Remote Sensing Magazine, 2014, 2(2): 8–23. doi: 10.1109/MGRS.2014.2318895
    [102] RIZZOLI P, MARTONE M, GONZALEZ C, et al. Generation and performance assessment of the global TanDEM-X digital elevation model[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2017, 132: 119–139. doi: 10.1016/j.isprsjprs.2017.08.008
    [103] ZHU Xiaoxiang, BAIER G, LACHAISE M, et al. Potential and limits of non-local means InSAR filtering for TanDEM-X high-resolution DEM generation[J]. Remote Sensing of Environment, 2018, 218: 148–161. doi: 10.1016/j.rse.2018.09.012
    [104] LACHAISE M, FRITZ T, and BREIT H. InSAR processing and dual-baseline phase unwrapping for global TanDEM-X DEM generation[C]. 2014 Geoscience and Remote Sensing Symposium, Quebec, Canada, 2014: 2229–2232.
    [105] DING Zegang, WANG Zhen, LIN Sheng, et al. Local fringe frequency estimation based on multifrequency InSAR for phase-noise reduction in highly sloped terrain[J]. IEEE Geoscience and Remote Sensing Letters, 2017, 14(9): 1527–1531. doi: 10.1109/LGRS.2017.2720695
    [106] TANDEM-L: A satellite mission for monitoring dynamic processes on the earth’s surface[R]. DLR Report, 2014.
    [107] CRIPPEN R E and BLOM R G. Concept for the subresolution measurement of earthquake strain fields using SPOT panchromatic imagery[C]. Earth and Atmospheric Remote Sensing, Orlando, USA, 1991. doi: 10.1117/12.45870.
    [108] OSMANOĞLU B, SUNAR F, WDOWINSKI S, et al. Time series analysis of InSAR data: Methods and trends[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2016, 115: 90–102. doi: 10.1016/j.isprsjprs.2015.10.003
    [109] FERRETTI A, PRATI C, and ROCCA F. Permanent scatterers in SAR interferometry[J]. IEEE Transactions on Geoscience and Remote Sensing, 2001, 39(1): 8–20. doi: 10.1109/36.898661
    [110] BERARDINO P, FORNARO G, LANARI R, et al. A new algorithm for surface deformation monitoring based on small baseline differential SAR interferograms[J]. IEEE Transactions on Geoscience and Remote Sensing, 2002, 40(11): 2375–2383. doi: 10.1109/TGRS.2002.803792
    [111] ZHANG Bowen, WANG R, DENG Yunkai, et al. Mapping the Yellow River Delta land subsidence with multitemporal SAR interferometry by exploiting both persistent and distributed scatterers[J]. ISPRS Journal of Photogrammetry and Remote Sensing, 2019, 148: 157–173. doi: 10.1016/j.isprsjprs.2018.12.008
    [112] WANG Jili, YU Weidong, DENG Yunkai, et al. Demonstration of time-series INSAR processing in Beijing using a small stack of gaofen-3 differential Interferograms[J]. Journal of Sensors, 2019, 2019: 4204580.
    [113] MICHEL R, AVOUAC J P, and TABOURY J. Measuring ground displacements from SAR amplitude images: Application to the Landers Earthquake[J]. Geophysical Research Letters, 1999, 26(7): 875–878. doi: 10.1029/1999GL900138
    [114] WANG Changcheng, MAO Xiaokang, and WANG Qijie. Landslide displacement monitoring by a fully polarimetric SAR offset tracking method[J]. Remote Sensing, 2016, 8(8): 624. doi: 10.3390/rs8080624
    [115] HU Xie, WANG Teng, and LIAO Mingsheng. Measuring coseismic displacements with point-like targets offset tracking[J]. IEEE Geoscience and Remote Sensing Letters, 2014, 11(1): 283–287. doi: 10.1109/LGRS.2013.2256104
    [116] SINGLETON A, LI Z, HOEY T, et al. Evaluating sub-pixel offset techniques as an alternative to D-InSAR for monitoring episodic landslide movements in vegetated terrain[J]. Remote Sensing of Environment, 2014, 147: 133–144. doi: 10.1016/j.rse.2014.03.003
    [117] LOPEZ-SANCHEZ J M, BALLESTER-BERMAN J D, and MARQUEZ-MORENO Y. Model limitations and parameter-estimation methods for agricultural applications of polarimetric SAR interferometry[J]. IEEE Transactions on Geoscience and Remote Sensing, 2007, 45(11): 3481–3493. doi: 10.1109/TGRS.2007.900690
    [118] NEUMANN M, FERRO-FAMIL L, and REIGBER A. Estimation of forest structure, ground, and canopy layer characteristics from multibaseline polarimetric interferometric SAR data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2010, 48(3): 1086–1104. doi: 10.1109/TGRS.2009.2031101
    [119] WANG Yu, YU Weidong, LIU Xiuqing, et al. A hierarchical extended multiple-component scattering decomposition of polarimetric sar interferometry[J]. IEEE Geoscience and Remote Sensing Letters, 2019. doi: 10.1109/LGRS.2019.2942090
    [120] CARREIRAS J M B, QUEGAN S, LE TOAN T, et al. Coverage of high biomass forests by the ESA BIOMASS mission under defense restrictions[J]. Remote Sensing of Environment, 2017, 196: 154–162. doi: 10.1016/j.rse.2017.05.003
    [121] KNAELL K. Three-dimensional SAR from practical apertures[C]. SPIE Radar/Ladar Processing and Applications, San Diego, USA, 1995: 31–41.
    [122] REIGBER A and MOREIRA A. First demonstration of airborne SAR tomography using multibaseline L-band data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2000, 38(9): 2142–2152.
    [123] TEBALDINI S. Single and multipolarimetric SAR tomography of forested areas: A parametric approach[J]. IEEE Transactions on Geoscience and Remote Sensing, 2010, 48(5): 2375–2387. doi: 10.1109/TGRS.2009.2037748
    [124] LU Hongliang, DENG Yunkai, ZHANG Heng, et al. SAR tomographic imaging demonstration using GF-3 data[C]. IGARSS 2019 - 2019 IEEE International Geoscience and Remote Sensing Symposium, Yokohama, Japan, 2019: 3645–3648.
    [125] LUO Hui, LI Zhenhong, DONG Zhen, et al. A new baseline linear combination algorithm for generating urban digital elevation models with multitemporal InSAR observations[J]. IEEE Transactions on Geoscience and Remote Sensing, 2020, 58(2): 1120–1133. doi: 10.1109/TGRS.2019.2943919
    [126] ROMEISER R and THOMPSON D R. Numerical study on the along-track interferometric radar imaging mechanism of oceanic surface currents[J]. IEEE Transactions on Geoscience and Remote Sensing, 2000, 38(1): 446–458. doi: 10.1109/36.823940
    [127] CERUTTI-MAORI D, BÜRGER W, ENDER J H G, et al. Wide area surveillance of moving targets with the SAR/GMTI system PAMIR[C]. EUSAR 2006 - 6th European Conference on Synthetic Aperture Radar, Dresden, Germany, 2006.
    [128] ENDER J H G. Space-time processing for multichannel synthetic aperture radar[J]. Electronics & Communication Engineering Journal, 1999, 11(1): 29–38.
    [129] ENDER J H G, GIERULL C H, and CERUTTI-MAORI D. Improved space-based moving target indication via alternate transmission and receiver switching[J]. IEEE Transactions on Geoscience and Remote Sensing, 2008, 46(12): 3960–3974. doi: 10.1109/TGRS.2008.2002266
    [130] SUCHANDT S, RUNGE H, BREIT H, et al. Automatic extraction of traffic flows using TerraSAR-X along-track interferometry[J]. IEEE Transactions on Geoscience and Remote Sensing, 2010, 48(2): 807–819. doi: 10.1109/TGRS.2009.2037919
    [131] CERUTTI-MAORI D and SIKANETA I. A generalization of DPCA processing for multichannel SAR/GMTI radars[J]. IEEE Transactions on Geoscience and Remote Sensing, 2013, 51(1): 560–572. doi: 10.1109/TGRS.2012.2201260
    [132] LIU Yue, DENG Yunkai, WANG R. Focus squint FMCW SAR data using inverse chirp-Z transform based on an analytical point target reference spectrum[J]. IEEE Geoscience and Remote Sensing Letters, 2012, 9(5): 866–870. doi: 10.1109/LGRS.2012.2184833
    [133] SAR-Lupe[EB/OL]. https://www.ohb-system.de/sar-lupe-english.html.
    • 相关文章
    • 施引文献

  • 期刊类型引用(80)

    1. 李锦伟，谭小敏，李财品，游冬，段崇棣，刘波，党红杏，李光廷，张庆君. 高轨合成孔径雷达技术发展综述. 空间电子技术. 2025(01): 11-27 . 百度学术
    2. 兰盛昌，刘北佳，王楠楠，张腊梅. 科教融汇视角下的“微波遥感技术基础”课程实验设计. 实验室研究与探索. 2025(02): 163-166 . 百度学术
    3. 刘昆池，苗洪利，杨忠昊，张佳辉. 星载InSAR方位向逐行的顺轨有效基线计算方法. 中国海洋大学学报(自然科学版). 2024(01): 122-127 . 百度学术
    4. 于海明，张熠斌，方向辉，徐思瑜，徐誉维，张旭晴. 综合InSAR技术和多源SAR数据在滑坡变形监测中的应用——以吉林治新村滑坡为例. 中国地质灾害与防治学报. 2024(01): 155-162 . 百度学术
    5. 周云，危俊杰，李剑，郝官旺，郑佳缘，朱正荣. 基于InSAR技术的大跨桥梁温度变形监测研究. 湖南大学学报(自然科学版). 2024(03): 39-50 . 百度学术
    6. 王亚敏，陈杰，杨威，曾虹程. 多方位角融合SAR图像中“扇形”旁瓣分析. 信号处理. 2024(03): 451-459 . 百度学术
    7. 邓钱钰，王纪平，郭淑婷，杨果，刘衍琦，毛新华. 一种适用于星载大斜视聚束SAR的改进距离徙动算法. 信号处理. 2024(03): 569-586 . 百度学术
    8. 范军，陈筠力，肖锋，黄欣，黄智，刘艳阳. 轻小型SAR卫星平飞模式设计. 上海航天(中英文). 2024(02): 154-160 . 百度学术
    9. 邵泽龙. 微波数据压缩及定标测试方法的研究. 现代电子技术. 2024(09): 11-15 . 百度学术
    10. 闵希超，薛东剑，张凌煜. 基于时序InSAR技术的西山黄土滑坡形变特征分析. 自然资源信息化. 2024(01): 42-49 . 百度学术
    11. 王进，冷祥光，孙忠镇，马晓杰，杨阳，计科峰. 复杂运动舰船目标SAR成像空/时变散焦特性研究. 系统工程与电子技术. 2024(07): 2237-2255 . 百度学术
    12. 石书祝，严颂华，董杰. 新时期遥感科学与技术专业微波成像理论教学与课程实习设计. 大学. 2024(17): 106-110 . 百度学术
    13. 张武，刘秀清. 基于改进YOLOv5的SAR图像飞机目标细粒度识别. 国外电子测量技术. 2024(06): 143-151 . 百度学术
    14. 薛喜平，苏彦，李海英，戴舜，孔德庆，朱新颖. 合成孔径雷达在深空探测任务中的应用与发展趋势. 天文学进展. 2024(02): 240-256 . 百度学术
    15. 张博丰，李雯雯，刘霖. 星机双基SAR波束空间同步误差及性能分析. 电子设计工程. 2024(15): 50-55+60 . 百度学术
    16. 石鑫，邢孟道，张金松，刘会涛，王虹现. 基于改进遗传算法的SAR多星协同复杂区域观测规划. 遥感学报. 2024(07): 1822-1834 . 百度学术
    17. 沈义龙，汤楚蘅，陆晴，张双喜. 基于多频子脉冲的中轨星载高分宽幅SAR系统设计方法. 上海航天(中英文). 2024(04): 67-75 . 百度学术
    18. 蔡佳睿，吕继宇. 基于椭球模型的斜视星载SAR距离模糊仿真. 雷达科学与技术. 2024(04): 434-442+453 . 百度学术
    19. 聂林，韦顺军，李佳慧，张浩，师君，王谋，陈思远，张鑫焱. 基于区域特征细化感知学习的星载SAR图像有源压制干扰抑制方法. 雷达学报. 2024(05): 985-1003 . 本站查看
    20. 陈帅霖，杨文，李恒超，TAPETE Deodato，BALZ Timo. 顾及边缘的多时相SAR图像半监督建筑区提取. 西南交通大学学报. 2024(05): 1225-1234 . 百度学术
    21. 邓云凯，王宇，刘开雨，欧乃铭，刘大成，张衡，王吉利. 陆探一号卫星SAR载荷关键技术. 测绘学报. 2024(10): 1881-1895 . 百度学术
    22. 郑起存，岳海霞，刘大成，李华，任明山，贾小雪. 基于区域目标网格化的多星协同观测方法. 中国科学院大学学报(中英文). 2024(06): 803-809 . 百度学术
    23. 薛峰涛，孙天宇，杨益民，杨健. 基于全局特征融合的SAR图像旋转舰船目标检测算法. 系统工程与电子技术. 2024(12): 4044-4053 . 百度学术
    24. 肖晨飞，李长伟，李嵩. 星载SAR在炮兵侦察中运用问题的探讨. 现代雷达. 2024(12): 110-115 . 百度学术
    25. 于志同，黄彦，胡洛佳，马蓉，肖鹏，程晓. 面向极地航运的卫星观测技术发展研究. 船舶. 2023(01): 12-19 . 百度学术
    26. 武俊杰，孙稚超，吕争，杨建宇，李财品，孙华瑞，陈天夫，赵良波，任航. 星源照射双/多基地SAR成像. 雷达学报. 2023(01): 13-35 . 本站查看
    27. 张骁，吕继宇，赵爽，吴羽纶，王春乐. 基于多卷积神经网络融合的SAR舰船分类. 计算机与现代化. 2023(01): 37-42 . 百度学术
    28. 王志刚，陈梁玉，张先锋，姚雨帆. 星载SAR缝隙波导天线环境适应性设计与验证. 航天器环境工程. 2023(01): 92-98 . 百度学术
    29. 邓云凯，张衡，范怀涛，禹卫东，王宇，唐新明，葛大庆，徐丰，刘国祥. 面向综合环境监测的星载SAR技术发展. 中国空间科学技术. 2023(02): 32-46 . 百度学术
    30. 张骁，吕继宇，赵爽，吴羽纶. 星载SAR系统灵敏度对舰船分类影响的研究. 电子设计工程. 2023(06): 1-5 . 百度学术
    31. 倪萌钰，陈辉，王晓戈，程杨，李槟槟. 星载双基地雷达杂波建模及特性分析. 系统工程与电子技术. 2023(04): 1024-1031 . 百度学术
    32. 梁丁丁，江利中，刘庆波，李亚军，王实，刘诗扬，陈阳. 可重构多维度探测微波光子雷达. 空间电子技术. 2023(01): 105-114 . 百度学术
    33. 闵林，刘向前，郝晓龙，郭拯危，李宁. 基于低秩汉克尔矩阵重构技术的星载间断调频连续波SAR成像方法. 电子与信息学报. 2023(04): 1285-1292 . 百度学术
    34. 陈筠力，陶明亮，刘艳阳，路瑞峰，粟嘉. 雷达遥感卫星频率分配与射频干扰抑制：机遇与挑战. 上海航天(中英文). 2023(02): 1-12 . 百度学术
    35. 周校，李春海，余松林，王吉军，李兴凯. 面向复杂地形应用的星载SAR成像能力仿真分析. 兵工自动化. 2023(05): 88-91 . 百度学术
    36. 郭一兵，翟向华，姜鑫，丁保艳，郭富赟，岳东霞. SBAS-InSAR技术在特大型滑坡变形监测中的应用. 地震工程学报. 2023(03): 642-650+672 . 百度学术
    37. 罗嘉豪，殷君君，杨健. 基于超像素与稀疏重构显著性的极化SAR舰船检测. 工程科学学报. 2023(10): 1684-1692 . 百度学术
    38. 倪萌钰，陈辉，王晓戈，李槟槟，张昭建. 同轨收发卫星雷达基线长度及杂波特性分析. 系统工程与电子技术. 2023(08): 2498-2505 . 百度学术
    39. 付琨，仇晓兰，韩冰，孙显. 多体制遥感卫星成像数据高精度处理新方法. 遥感学报. 2023(07): 1511-1522 . 百度学术
    40. 于飞，隋正伟，邱凤婷，龚婷婷，赵旭东，刘子浩. SAR图像智能解译样本数据集构建进展综述. 网络安全与数据治理. 2023(S1): 97-105 . 百度学术
    41. 李志远，郭嘉逸，张月婷，黄丽佳，李洁，吴一戎. 基于自适应动量估计优化器与空变最小熵准则的SAR图像船舶目标自聚焦算法. 雷达学报. 2022(01): 83-94 . 本站查看
    42. 张润宁，王旭莹，王志斌. 星载高分宽幅SAR技术发展趋势分析. 航天器工程. 2022(01): 1-9 . 百度学术
    43. 石钊铭. 多体制协同目标智能识别技术发展综述. 舰船电子工程. 2022(01): 5-8 . 百度学术
    44. Shaowei Li，Wenbin Xu，Zhiwei Li. Review of the SBAS InSAR Time-series algorithms, applications, and challenges. Geodesy and Geodynamics. 2022(02): 114-126 . 必应学术
    45. 郭鑫，施思寒，付伟达，姚雨迎，曾凡. 微纳InSAR卫星总体技术研究. 宇航总体技术. 2022(02): 17-24 . 百度学术
    46. 匡辉，于海锋，高贺利，刘磊，刘杰，张润宁. 超高分辨率星载SAR系统多子带信号处理技术研究. 信号处理. 2022(04): 879-888 . 百度学术
    47. 陈粤，禹卫东. 星载SAR方位多通道TOPS成像模式参数设计. 雷达科学与技术. 2022(02): 142-149+156 . 百度学术
    48. 王磊，连增增. 基于Sentinel-1A的2020年鄱阳湖流域洪水灾害遥感监测. 地理空间信息. 2022(06): 43-46 . 百度学术
    49. 雷禹，冷祥光，孙忠镇，计科峰. 宽幅SAR海上大型运动舰船目标数据集构建及识别性能分析. 雷达学报. 2022(03): 347-362 . 本站查看
    50. 杨成业，张涛，高贵，卜崇阳，吴华. SBAS-InSAR技术在西藏江达县金沙江流域典型巨型滑坡变形监测中的应用. 中国地质灾害与防治学报. 2022(03): 94-105 . 百度学术
    51. 吴明辕，罗明，刘岁海. 基于光学遥感与InSAR技术的潜在滑坡与老滑坡综合识别——以滇西北地区为例. 中国地质灾害与防治学报. 2022(03): 84-93 . 百度学术
    52. 刘财安，李飞，张衡. 一种适用于条带SAR的快速后向投影算法. 电子设计工程. 2022(13): 38-43 . 百度学术
    53. 赵强，袁英男，王辉，陈翔，郑世超. FMCW体制毫米波SAR星座未来应用方法初探. 上海航天(中英文). 2022(03): 14-19 . 百度学术
    54. 王辉，付玉龙，李金亮. 毫米波SAR卫星未来发展展望. 上海航天(中英文). 2022(03): 1-13 . 百度学术
    55. 陈洋，张明，杨立东，喻大华，张宝华，李建军. 一种基于改进YOLOv4的SAR舰船检测算法. 电子测量技术. 2022(11): 120-125 . 百度学术
    56. 高银贵，周大伟，安士凯，王玲，张德民，詹绍奇. 煤矿开采地表沉陷UAV-摄影测量监测技术研究. 煤炭科学技术. 2022(05): 57-65 . 百度学术
    57. 闵林，刘向前，李宁. 基于积累孔径插值技术的星载间断调频连续波SAR成像方法. 电子与信息学报. 2022(07): 2461-2468 . 百度学术
    58. 李强，方庭柱，蔡永华. 多模式斜视多通道SAR成像方法. 雷达科学与技术. 2022(04): 421-428 . 百度学术
    59. 闵林，张衡瑞，吕宗森，李宁，赵建辉. 基于CEEMD和排列熵的SAR窄带干扰抑制方法. 雷达科学与技术. 2022(05): 549-554+564 . 百度学术
    60. 徐正，巩光众，罗运华，李广德. 约束优化的空间变迹算法的旁瓣抑制应用. 系统工程与电子技术. 2022(11): 3298-3304 . 百度学术
    61. 张倩，李宏博，张云，任航. 星载多发多收SAR多维编码波形设计与分析. 哈尔滨工业大学学报. 2022(11): 22-30 . 百度学术
    62. 周大伟，安士凯，吴侃，胡振琪，刁鑫鹏. 矿山开采损害InSAR/UAV融合监测关键技术及应用. 煤炭科学技术. 2022(10): 121-134 . 百度学术
    63. 刘洋，万志强，戴媛媛，张闻，赵妍妍，李华. 面向智能应用的轻小型Ku波段SAR卫星. 现代电子技术. 2022(22): 8-14 . 百度学术
    64. 张永贺，张旭，王韶波，魏楚奇，吴秋诗. 微小型SAR卫星发展现状及分析. 航天器工程. 2022(05): 119-125 . 百度学术
    65. 王伟，李春艳，孙韬，杨戬峰，喻夏琼，务宇宽. 天绘二号01组SAR图像质量评价. 测绘学报. 2022(12): 2508-2516 . 百度学术
    66. 闫贺，黄佳，李睿安，王旭东，张劲东，朱岱寅. 基于改进快速区域卷积神经网络的视频SAR运动目标检测算法研究. 电子与信息学报. 2021(03): 615-622 . 百度学术
    67. 李凉海，刘善伟，周鹏，万勇. SAR卫星组网观测技术与海洋应用研究进展. 海洋科学. 2021(05): 145-156 . 百度学术
    68. 雷禹，冷祥光，计科峰. 基于Google Earth Engine的海量舰船目标SAR图像处理应用研究. 信号处理. 2021(06): 1075-1085 . 百度学术
    69. 杨卫星，朱岱寅. 稀疏场景下SAR方位向随机丢失数据的迭代成像算法. 系统工程与电子技术. 2021(07): 1748-1755 . 百度学术
    70. 李宁，吕宗森，郭拯危. 联合变化检测与子带对消技术的SAR图像干扰抑制方法. 系统工程与电子技术. 2021(09): 2484-2492 . 百度学术
    71. 张亦凡，黄平平，徐伟，谭维贤，高志奇. 星载斜视滑动聚束SAR子孔径成像处理算法研究. 信号处理. 2021(08): 1525-1532 . 百度学术
    72. 谭娟，于君娜，李贝贝，李龙龙. 基于商业联盟的雷达小卫星星座发展模式研究. 航天返回与遥感. 2021(05): 49-57 . 百度学术
    73. 邱慧，刘志全，曾惠忠，白照广，杨志. 航天器可展SAR天线结构综述. 宇航学报. 2021(10): 1197-1206 . 百度学术
    74. 李彤，张帆，梁维斌，孙晓坤，周勇胜. 一种端到端的多模式星载SAR模块化仿真方法. 无线电工程. 2021(12): 1414-1424 . 百度学术
    75. 李芳芳，刘宁，李新武，韩冰，洪文. 层析SAR技术研究进展. 雷达科学与技术. 2021(05): 610-624+464 . 百度学术
    76. 张润宁，王国良，梁健，张旭，王旭莹. 空间微波遥感技术发展现状及趋势. 航天器工程. 2021(06): 52-61 . 百度学术
    77. 王樱洁，王宇，禹卫东，赵庆超，刘开雨，刘大成，邓云凯，欧乃铭，贾小雪，张衡，赵鹏飞，王伟，余伟，葛大庆，唐新明，李涛. See-Earth：高频时序多维地球环境监测SAR星座. 雷达学报. 2021(06): 842-864 . 本站查看
    78. 罗伟，王飞. 基于无人机遥感技术的煤矿地表监测与分析. 煤炭科学技术. 2021(S2): 268-273 . 百度学术
    79. 陈杰，杨威，王鹏波，曾虹程，门志荣，李春升. 多方位角观测星载SAR技术研究. 雷达学报. 2020(02): 205-220 . 本站查看
    80. 杜剑波，朱明月，高何，刘杰，于海锋，彭亏，王梓名，袁兴武. 应用水冷散热的多通道星载SAR热真空试验设计. 航天器工程. 2020(04): 141-149 . 百度学术

    其他类型引用(111)

    • 资源附件(0)
  • 加载中
图(56) / 表(3)
计量
  • 文章访问数: 15105
  • HTML全文浏览量: 8204
  • PDF下载量: 2554
  • 被引次数: 191
出版历程
  • 收稿日期:  2020-01-23
  • 修回日期:  2020-02-22
  • 网络出版日期:  2020-02-28

目录

摘要
HTML全文

  • 1.   引言

  • 2.   高分辨率SAR成像

  • 3.   高分辨率宽幅成像

  • 3.1   方位多波束

  • 3.2   变脉冲重复频率(PRF)

  • 3.3   俯仰向DBF

  • 3.4   MIMO SAR技术

  • 4.   星载双/多基SAR

  • 4.1   双/多基SAR同步

  • 4.2   多基SAR协同成像

  • 4.3   星载多基SAR系统规划

  • 5.   多维度观测

  • 5.1   多极化

  • 5.2   干涉SAR(InSAR)技术

  • 5.3   极化干涉SAR技术

  • 5.4   TomoSAR技术

  • 5.5   动目标检测与成像技术

  • 6.   小型化SAR卫星技术

  • 6.1   体制方案选择

  • 6.2   设备轻量集成化

  • 6.3   微小型SAR组网

  • 7.   结束语

参考文献(133)
相关文章
施引文献
资源附件(0)

/

返回文章
返回

京ICP备20021838号-8   本系统由 北京仁和汇智信息技术有限公司 开发    百度统计