无人机是利用无线电遥控设备或者机载程控系统进行操控的非载人飞行器，至今已有一个世纪的发展历程。上世纪80年代以来，伴随着航空、电子、信息以及材料等技术的发展，无人机技术得到了长足进步。无人机的应用包括在现代战争中的应用日益广泛，促使国际上许多国家以更大的热情开展无人机的研发和生产。
无人机的蓬勃发展和广泛应用取决于其自身所具备的显著优势：一是无人员伤亡风险、性价比高，无人机的使用无需考虑飞行员因素，因而可以完成许多困难、复杂的任务，并且生产、使用和日常维护成本较低；二是机动性能好、生存能力强，相对于有人机而言，无人机重量轻、体积小，机动飞行能力强、使用方便，对使用环境、起降场地要求较低，具有较高的生存能力；三是应用领域广泛，无人机在战场侦察、对抗、攻击等军事应用中确立了其特有的地位，在突发灾害和应急事件的监测中发挥了重要作用，在航空摄影、地图测绘、环境监测、矿产资源勘查、动物保护以及农业、林业等诸多民用领域的应用日趋广泛。
合成孔径雷达(Synthetic Aperture Radar,SAR)作为一种工作于主动探测方式的微波成像遥感系统，自上世纪50年代出现以来，一直是雷达遥感领域的发展热点，具有高分辨率、远探测距离、探测范围大，可全天候、全天时、不受云雾雨雪遮挡等优势，是实现对地观测不可或缺的重要手段。
SAR载荷与无人机相结合有利于无人机遥感系统整体性能的发挥。具有主动探测特点的SAR设备的应用，弥补了光电载荷设备的不足，使无人机系统具备了全天候全天时的探测能力。SAR载荷的高分辨率、大探测范围的特点，使得无人机系统具有更高的工作效率，便于应用和降低成本。SAR的远探测距离、侧向观测等特点，有利于无人机远离目标进行探测，避免危险、提高生存能力。
近年来，随着应用需求的增加，SAR技术得到迅速发展。功能模式从条带成像、聚束成像扩展至地面运动目标指示、海面广域搜索与目标跟踪、ISAR成像、多极化成像、干涉3维成像等。新体制、新方法以及新器件、新材料等先进技术的采用，使得SAR的分辨率等性能指标不断提高，设备的重量、体积、耗电量逐步减少。这些发展与进步大大促进了SAR与无人机系统的结合以及无人机载SAR系统的技术开发和应用。
本文对国外无人机载SAR技术进行了概述，介绍了国内无人机载SAR技术的发展概况以及相关的应用。在此基础上，对无人机载SAR系统的关键技术进行了概括与分析。并对无人机载SAR的发展趋势进行了探讨。
2 典型无人机载SAR系统作为无人机和无人机载SAR系统的先行者，美国对相关SAR系统研制和装备工作一直高度重视，尤其是进入21世纪以来，美国在无人机系统研发、试验和采购的费用逐年增加[1]。海湾战争后，随着信息处理和通信技术的发展，美军的无人机载SAR也取得了快速发展和广泛运用。为了加强战地实时侦察能力，美军先后研制装备了多型无人机载SAR侦察遥测系统，如“全球鹰”系统、“捕食者”系统、和“火力侦察兵”系统等，装备在空军、海军、陆军等多兵种进行使用，装载的SAR系统也在不断地升级改造以适应多任务类型。此外，欧盟等国家也投入了大量经费竞相发展无人机载SAR遥感测量系统。在民用方面，无人机载SAR系统在地形测绘、灾害评估和环境监测等领域的应用日益广泛。我国在近20年来，为适应现代战争与民用微波遥感信息获取的需要，也对无人机载SAR系统进行了技术研究与开发，并形成了系列化产品。
无人机按照飞行高度与续航时间可以分为高空长航时、中高空长航时、战术型等[2]。不同类型无人机装载的SAR系统工作体制、技术指标、实现功能均有所差异。
2.1 高空高速无人机载SAR系统目前，国际上典型的先进高空高速无人机载SAR系统是美国研制的“全球鹰”系统。“全球鹰”无人机平台由诺格公司研制，最大飞行高度可达20 km、续航时间长达35 h、最大飞行速度为640 km/h[3]。装载在该型无人机上的SAR系统由雷神公司研制，自1992年研制以来经历了3代更新，由最早的HiSAR系统升级到现在的Multi-Platform-Radar Technology Insertion Program(MP-RTIP)雷达系统[4]，其具体性能的对比见表 1[5]。
|
表 1 “全球鹰”无人机装载的SAR系统技术指标 Tab.1 SAR specifications of Global Hawk UAV |
HiSAR系统采用平板天线、集中发射体制，如图 1所示。发射600 MHz信号带宽的线性调频信号，发射峰值发射功率为3.5 kW，具有SAR条带、SAR聚束、GMTI 3种主要工作模式，为适应海上应用2008年增加了ISAR工作模式。HiSAR系统最优分辨率为0.3 m，最远作用距离可达200 km，增强型HiSAR系统作用距离可增大至300 km。采用广域扫描对10000 km2区域的动目标进行检测，检测距离为30～120 km。HiSAR雷达系统于1992年开始研制，1998年装载在“全球鹰”上完成了首飞，2000年形成产品翌年交付部队使用，2004年完成了用于全球鹰海上演示型(GHMD)的首飞，2008年入选海军广域海上侦察无人航空系统(BAMS)计划。
|
图 1 HiSAR雷达天线 Fig.1 Antenna of HiSAR |
MP-RTIP系统是一套先进的多任务高集成度雷达系统，如图 2所示。与HiSAR相比更强调雷达系统的模块化、通用性与集成性。MP-RTIP采用2维相控阵有源天线，阵列长度为1.52 m，具有SAR条带、SAR聚束、广域扫描、搜索与监视、运动目标检测与跟踪等多种功能。2011年7月“全球鹰”搭载MP-RTIP完成了全系统试飞，2012年美国空军开始采购和装备。
|
图 2 MP-RTIP雷达天线 Fig.2 Antenna of MP-RTIP |
针对海上应用，美国海军在MP-RTIP的基础上升级改造形成了Multi-Function Active Sensor(MFAS)雷达系统[6]。MFAS雷达系统仍然采用2维相扫机制，能够在一次飞行中覆盖7×106 km2，从使用角度考虑有对海、对地两种模式，具备SAR、逆SAR(ISAR)、海面搜索功能。2014年以后开始陆续增加海上运动目标检测(MMTI)、气象、敌我识别功能。MFAS雷达系统于2011年底在GulfstreamⅡ飞机上进行了飞行试验，2012年交付美国海军使用，装载平台为“全球鹰”的衍生机型MQ-4C Triton。
2.2 中高空无人机载SAR系统“捕食者”无人机是最有代表性的中高空无人机平台，由美国通用原子公司组织研制开发，其SAR系统技术指标如表 2所示。自1997年至今经历了A型、B型、C型3代产品衍变，飞行速度由222 km/h提升到444 km/h、飞行高度由7 km提高到15 km[7]。
|
|
表 2 “捕食者”无人机装载的SAR 系统技术指标 Tab.2 SAR specifications of Predator UAV |
“捕食者A”搭载的SAR系统是由诺格公司研制的TeSAR，如图 3所示。TeSAR工作在Ku波段，采用单轴电扫阵列天线，方位向电子控制扫描，双轴机械转动平台控制方位与横滚向转动，方位向转动范围为±135°、横滚向转动范围为-15°～-75°。TeSAR于1996年生产，1998年交付使用并进行了轻量化改进。轻量化的TeSAR即TUAVR(Tactical Unmanned Aerial VehicleRadar)系统，没有装备“捕食者A”，而是装载在Shadow200战术无人机上。
|
图 3 TeSAR实物图 Fig.3 TeSAR photograph |
“捕食者B”搭载的SAR系统是由通用原子公司与Sanida实验室联合开发的Lynx系统[8]，如图 4所示。Lynx系统也工作在Ku波段，采用抛物面与3轴稳定平台、集中发射工作体制，最高分辨率为0.1 m，重量小于56 kg。1998年Lynx试验飞行成功，1999年安装在I-GNAT无人机上首飞，2001年开始配套装备“捕食者B”无人机。
|
图 4 Lynx实物图 Fig.4 Lynx photograph |
“捕食者C”搭载的LynxⅡ是Lynx的升级型[9]，如图 5所示。与Lynx相比体积与重量上有了较大的改进，重量降低至36 kg以内、最大作用距离增大至80 km,LynxⅡ具有相关变化检测(CCD)功能。2008年LynxⅡ开始装备部队，2010年LynxⅡ增加了ISAR功能，装载于美国海军 MQ-8B型Fire Scout战术无人机，完成了广海域搜索(MWAS)飞行试验，并备选英国的Watchkeeper计划。
|
图 5 LynxⅡ实物图 Fig.5 LynxⅡphotograph |
此外，通用原子公司与Sanida实验室在Lynx系列雷达基础上，完成了双波束Lynx改进。在Lynx基础上实现了两个不同相位中心的波束，采用空时自适应处理方法在主波束杂波背景中对运动目标进行检测，能够精确跟踪慢速运动目标、提高定位精度[10]。
Starlite无人机载SAR系统也是由诺格公司研制，如图 6所示。充分借鉴了已装备美军的TeSAR,TUAVR相关技术，进一步增强了战场态势获取等情报侦察能力，包括全天候、广域、固定目标成像以及运动目标检测等功能。Starlite总重量小于28 kg，工作在Ku波段，最高分辨率为0.1 m、作用距离10～40 km，具有条带，聚束，GMTI,MMTI等多种工作模式[11]。Starlite于2012年9月装备美国通用原子公司“灰鹰”中高空无人机平台并交付美国陆军使用。
|
图 6 Starlite实物图 Fig.6 Starlite photograph |
除以上几种典型的中高空无人机载SAR系统以外，美国还针对海上应用研制了SeaVue多功能监视雷达[12]，如图 7所示。SeaVue由雷声公司制造，是一个模块化的多功能雷达，工作在X波段，最大发射信号带宽为400 MHz，采用抛物面天线、集中发射机制，可实现360°扫描，具有ISAR/SAR/DBS/MTI/MMTI等多种工作模式，主要用于海面监视、搜索、海上舰船成像等。SeaVue还可搭载在ATR-42等中高空飞机上，美国、日本、意大利、澳大利亚等国家都进行了采购。
|
图 7 SeaVue实物图 Fig.7 SeaVue photograph |
TUAVR战术型无人机载SAR系统是TeSAR的升级型，由诺格公司研制，是专为美国陆军Shadow200战术监视和目标截获无人机设计的SAR雷达。TUAVR技术指标如表 3所示。TUAVR重量低于30 kg、耗电小于500 W，发射机采用新型的微波功率模块，方位向扫描范围扩大到360°。TUAVR于1998年开始研制，2001年3月在无人机上试飞成功，同年装备部队。
|
|
表 3 TUAVR技术指标 Tab.3 TUAVR specifications |
在EL/M-2055系列无人机载SAR/GMTI雷达的基础上，2011年以色列研制成功了EL/M-2054轻型战术型无人机载SAR系统[13]，如图 8所示。具有聚束模式/条带成像/GMTI等多种工作模式，最大作用距离可达10 km、总重量12 kg，功耗小于250 W。EL/M-2054的天线在方位向进行能够360°旋转，SAR条带模式下对地成像效率为360 km2/h,GMTI模式下采用双波束增强技术，天线扫描范围可设定，监视面积可达25 km2。
|
图 8 EL/M-2054实物图 Fig.8 EL/M-2054 photograph |
RDR-1700B是一套由Telephonics公司研制的集搜索、监视、目标跟踪、成像与气象等多功能的海上雷达系统，如图 9所示。该雷达工作在X波段，采用固态放大器，能够完成0.3 m的SAR/ISAR成像、对地/海广域搜索与监视、运动目标检测、指示与跟踪[14]。“火力侦察兵”是由诺格公司研制的一种战术型无人直升机，能够在陆地和海面舰只上垂直起降。为适应该飞行平台，Telephonics公司对RDR-1700B进行了改进，增加了自动识别处理，能够对商船或军船进行识别。改进后的RDR-1700B重量降低至30 kg左右、功耗低于1000 W,2014年6月在美国海军的组织下，在“火力侦察兵”上进行了海上飞行试验，并批量装备海军。
|
图 9 RDR-1700B实物图 Fig.9 RDR-1700B photograph |
在美国空军资助下，美国Sandia实验室于2005年成功研制了可装载小型战术型无人机平台的MiniSAR系统[15]，如图 10所示。MiniSAR工作在Ku波段、工作在条带或聚束模式，最高分辨率为0.1 m、作用距离10～23 km、总重量低于12.2 kg。MiniSAR系统计划2006年10月份，MiniSAR系统搭载在洛·马公司的小型“天空幽灵”(SkySpirit)战术无人机系统上成功进行了演示。
|
图 10 MiniSAR实物图 Fig.10 MiniSAR photograph |
2008年6月30日，SELEX公司的PicoSAR装载在Schiebel的s-100无人机上在奥地利进行了试飞，飞行高度约为900 m，成功实现了机上实时成像,PicoSAR实物图如图 11所示。PicoSAR系统工作在X波段，具有聚束模式/条带成像/运动目标检测，最高分辨率为1 m、作用距离大于10 km、总重量低于10 kg，功耗小于300 W[16-19]。
|
图 11 PicoSAR实物图 Fig.11 PicoSAR photograph |
I-MASTER是在英国与法国合作研制的轻型战术型SAR系统，如图 12所示。系统工作在Ku波段，具有聚束模式/条带成像/运动目标检测/ISAR等多种工作模式，最高分辨率为0.3 m、最大作用距离可达27 km、总重量小于30 kg，功耗小于600 W。I-MASER的天线在方位向进行360°旋转，具有CCD功能，可用于海上广域搜索与监视，搜索效率为800 km2/h[20]，2005年入选为英国Watchkeeper计划，2013年装载在Schiebel的s-100无人机上完成了飞行试验。
|
图 12 I-MASTER实物图 Fig.12 I-MASTER photograph |
我国在无人机载SAR领域也有着10多年的发展和积累，形成了较为广泛的研究和应用成果。中国科学院电子学研究所(以下简称中科院电子所)作为国内第1部SAR的研制单位，密切结合我国无人机发展趋势，先后研制了多型无人机载SAR，形成D3000多功能无人机载SAR系列(以下简称D3000系列SAR)。面向不同的应用需求和使用环境，D3000无人机载SAR能够通过快速灵活配置，构成具备不同工作体制、工作模式与性能指标的SAR系统。
D3000系列SAR的重量在5～100 kg，覆盖了Ka,Ku,X,C,L等工作频段，具有不同极化方式，根据任务需求，可装载于超近程、近程、中程和远程等多种无人机平台，实现多种工作模式，包括条带、聚束高分辨率SAR，海上广域搜索、ISAR成像，地面慢速运动目标指示跟踪，并可扩展气象、导航等多种功能。D3010型SAR是D3000系列中具有代表性的SAR/GMTI雷达，工作在Ku波段，具有条带、聚束、SAR/GMTI等多种工作模式，是我国首部用于无人机平台的SAR系统。根据不同的飞行平台，雷达可以进行体积重量配置，从而满足轻小型、中型无人机等平台的安装条件。基于机载SAR系统的研制基础[21-24]，改进的D3010型SAR最高分辨率由最初的0.5 m提高到0.15 m。根据不同的应用需求，D3010型SAR逐渐扩展了广域扫描、海上舰船检测与成像、全极化成像等多种模式。
D3022型SAR是一套具有多极化、干涉、高分辨率高精度多种功能的先进无人机载SAR[25]。D3022型SAR能够安装在中小型无人机上，根据任务类型不同，配置成工作在Ku 波段的InSAR雷达和X 波段的全极化SAR 雷达，具有干涉成像、全极化、高分辨率成像3种工作模式，最高分辨率为0.3 m,DEM(Digital Elevation Model)精度为2 m，在一次飞行中能够获取4个极化的数据。在高分辨率模式下，D3022型SAR系统发射信号带宽为800 MHz，系统配置为单通道收发；在干涉模式下发射机为单发方式、一副波导缝隙阵天线发射信号、两副波导缝隙阵天线同时接收，双通道接收机接收；在全极化模式下采用一个发射机、一副偏馈双极化抛物面天线，通过极化开关分时控制不同极化信号发射与接收。2010年D3022型SAR在无人机上完成了飞行试验，获取了大面积的地面3维数据与全极化高分辨率SAR图像。
我国针对微小型无人机载SAR系统的研制起步时间较晚，于2010年左右才开始进行，但在以往丰富经验基础上进展迅速，并完成了实际系统研制，如中科院电子所、中电38所和北京理工大学等都研制出了微型SAR系统[26]。其中电子所D3160型SAR是一种采用连续脉冲新体制的微小型SAR系统，可工作在X或Ku频段，重量小于4 kg，探测距离达到10 km，分辨率优于0.3 m。D3160型SAR于2013年完成了研制，并加装在三角翼、无人机等飞行器上进行试验和测试。图 13是D3160型SAR及加装在多旋翼无人机上的照片，SAR包括雷达设备和天线两个单元，图 14是飞行试验中获取的雷达图像。
|
图 13 D3160型SAR在多旋翼无人机上装载试验 Fig.13 Photograph of D3160 SAR mounted on the multi-rotors UAV |
|
图 14 D3160型SAR在多旋翼无人机上获取的图像 Fig.14 Image of D3160 SAR trials by multi-rotors UAV |
上述无人机载SAR在城建勘测、农田普查、溢油检测、舰船监测、立体测绘、变化检测已经得到广泛而重要的应用。
(1) 城建勘测
无人机载SAR可以对建筑物进行精细成像，获取其结构信息、分布和变化情况，为城建勘察提供基础数据，如图 15至图 17所示。
|
图 15 城郊SAR图像 (Ku波段 Fig.15 SAR image of urban (Ku band) |
|
图 16 立交桥高分辨率SAR图像 (Ku波段) Fig.16 High resolution SAR image of overpass bridge (Ku band) |
|
图 17 SAR图像中的建筑变化检测 (X波段) Fig.17 Change detection of buildings of SAR image |
(2) 农业普查
无人机载SAR可以准确测量目标区域面积和变化情况，特别是利用极化信息，可以进一步提取地块种植情况变化。通过遥感技术，能够实现高效的农业普查，普查结果如图 18所示。
|
图 18 利用全极化SAR图像进行农作物普查 (X波段) Fig.18 Crop survey by fully polarimetric SAR image (X band) |
(3) 海洋监测
海洋环境监测包括对海洋灾害、海面溢油、海上船舶、沿海滩涂等的监测，无人机载SAR可以在海上不利气象条件下，实时获取海面目标的微波散射信息，对我国海监、海事开展执法、维权任务提供有力保障。海冰、海面和船只监测图像如图 19到图 21所示。
|
图 19 海冰监测SAR图像 (Ku波段) Fig.19 SAR image of sea ice monitoring (Ku band) |
|
图 20 海面监测SAR图像 (C波段) Fig.20 SAR image of sea surface monitoring (C band) |
|
图 21 船只监测SAR图像 (X波段) Fig.21 SAR image of ships monitoring (X band) |
(4) 立体测绘、海面和船只
利用多次或单次干涉测量，无人机载SAR可以获取地物的3维高程信息，在地理测绘等领域中具有重要应用。3维高程测量结果如图 22所示。
|
图 22 干涉SAR图像及3维高程测量图 (Ku波段) Fig.22 InSAR image and DEM (Ku band) |
从国内外发展状况可以看出，无人机载SAR的技术需求呈现多功能和多样化，如不同的工作模式、不同的性能以及不同的使用条件与环境。在系统设计中，根据不同的需求，总体设计流程如图 23所示，主要包括总体指标、工作体制、通道及处理算法等设计。
|
图 23 SAR总体设计流程图 Fig.23 SAR general design flow chart |
例如，在D3022无人机载InSAR/PolSAR系统的设计中，首先根据系统要求对带宽等总体指标进行设计，为了高效实现高分辨率成像，采用了频率分集连续脉冲体制；为了实现高分辨率PolSAR和InSAR，系统采用频率多通道、极化多通道与空间多通道，从而构成高分辨率宽带合成、全极化同时获取以及干涉基线实现的设计目标；在处理算法方面，则设计了脉冲频率合成、四通道SAR全极化配准成像与融合、双通道InSAR成像处理流程。
针对跨多种类无人机飞行平台的使用需求，在系统研制中，通过采用基于功能单元结构的SAR系统设计构建技术，实现多平台多功能SAR系统的灵活构建。
首先建立功能单元模型，如图 24所示。功能单元是完成特定功能的单元。由功能模块和连接模块两个部分组成，通过单元规范进行描述和界定，包括功能、指标、技术体制、测试准则、以及单元属性、结构、接口标准。
|
|
图 24 功能单元示意图 Fig.24 Schematic diagram of the functional unit |
雷达系统通过功能单元进行表示和描述。SAR系统、各分机、各模块都可以描述为完成特定功能的功能单元。
功能单元具有以下特征：(1)可分解，可以将一个功能单元分解为若干个子功能单元；(2)可组合，可以将若干个子功能单元组合成新的功能单元；(3)可改造、升级，功能模块和连接模块可分别或者整体改造升级。此外，需要遵循相关标准。
SAR功能单元，可以分解为各个子功能单元；各个子功能单元同样也可以进一步向下分解为下一级的子功能单元。雷达的设计就是功能单元自上向下逐级分解的过程；雷达的建造则是自下向上，由个子功能单元逐级合并形成上一级功能单元的过程。通过各个层级功能模块和接口模块的组合与封装，即可构建所需的SAR系统。系统扩展升级时，只需要更换相关的接口模块或功能模块。
以SAR的功能模块和连接模块为基本单元模型，自上而下，根据无人机平台的各种适配条件，如空间、供电、导航、数传等接口要求，对SAR系统进行逐级分解进行设计；基于功能单元库，通过对基本功能单元进行继承、融入、扩展、组合和升级，形成各层级单元所需的组合模块和技术，最终构成所需的系统。其中，功能单元库，包括发射机，天线，稳定平台，接收机，数据采集，实时成像处理，频率综合与定时，雷达监测与控制，供电单元，图像显示与雷达操作等功能单元。接口单元库包括测控总线接口、高速数字传输接口、专用总线接口、通用总线接口、微波信号接口、高频信号接口等。
在D3022无人机载InSAR/PolSAR实现双通道干涉SAR和全极化SAR的系统研制中，采用了基于功能单元的构建方法，以已有的无人机载SAR单元模型为基础进行复用和设计，根据无人机载的装机条件，设计了频率、极化和空间双通道收发系统，采用的功能模块和接口模块实现了对已有SAR单元模型80%以上的复用，体现了系统设计和实现的灵活性、便利性、技术继承性和功能扩展性的理念。同时缩短了设计和研制周期，实现了800 MHz工作宽带、同时实现多极化、干涉高程测量等功能，成功应用于中程无人机平台。
4.2 实时成像及数据处理技术由于无人机的特点以及大部分应用中对目标SAR图像实时性观测的需求，对SAR实时成像处理以及相关雷达信号的实时处理(例如，动目标检测)成为无人机载SAR系统的标准配置。
不同类型无人机SAR的数据处理任务有很大的差异，需求的多样性和产品的系列化，要求其实时数据处理系统具备以下特性：(1)适应不同的SAR成像算法：根据处理精度要求、硬件资源和实时性等限制，选择适合的成像算法，如RD算法、CS算法等，考虑无人机SAR运动补偿的复杂性，还要在成像算法中结合自聚焦等运动补偿处理；(2)适应不同处理任务：除条带模式、聚束模式等多种SAR成像处理外，实时处理任务还可能包括MTI处理、海上目标ISAR成像、搜索处理、跟踪处理、DBS处理等，以及同时多任务并行处理，如SAR+GMTI、成像+搜索等；(3)适应不同的处理能力：SAR参数、载机参数等不同，使得计算量、存储容量、I/O数据率等处理能力差异巨大，例如，大型无人机SAR系统处理能力相比小型无人机SAR的处理能力可超过一个数量级以上。因此，无人机SAR实时数据处理系统的体系结构需要具有良好的适应性和扩展性。
基于功能单元模型，结合SAR成像处理等算法，可以建立可重构、可扩展的实时数据处理体系架构：
功能单元的功能模块是实现实时计算和高速数据存储的基础，为实现兼容多种类的处理任务，功能模块包括运算、转置存储(CTM)、控制、记录、显示等。
功能单元的连接模块是体系结构的核心，不同的处理任务可以导致数据处理系统的并行架构差异巨大，为适应这种并行架构的在线变化，连接模块采用了多专用高速接口结合多总线接口的复合接口形式，通过专用高速接口实现各单元间海量、高速数据传输；控制总线实现系统重构和系统运行控制；分布数据通信总线用于各单元间的公用数据共享和高速通信，如图 25所示。
|
图 25 SAR实时成像处理器结构示意图 Fig.25 Schematic diagram of SAR real time imaging processor |
利用这一体系架构，可以通过配置功能模块和连接模块，灵活构建所需的实时数据处理系统。通过对连接模块编程，控制流水方向和组合、控制分布数据通信总线的数据交换，可以实现流水处理、阵列处理等并行架构的在线变更；再结合对功能模块采用不同的处理软件和在线配置固件，最终实现不同的处理功能的在线变更。扩展实时数据处理系统，可以通过增加功能模块、配置连接模块建立各功能模块的新连接来实现。
以D3022无人机载InSAR/PolSAR为例，其实时数据处理系统衍生自单通道无人机SAR的实时成像处理器，原处理器的成像算法为RD算法，为保证InSAR成像精度，在新处理系统中采用了CS算法，数据源也由单通道变为双通道。在进行系统扩展时，增加了用于处理的功能模块，连接模块的专用高速接口也进行了扩展，通过处理软件更新和连接固件的配置优化，系统可以在极化成像处理、InSAR成像处理和单通道成像处理几种处理任务之间实现在线切换。
4.3 运动误差补偿技术SAR成像的理想条件是飞行平台匀速直线运动，实际航空平台总会受到气流扰动的影响，做不到理想运动。对于无人机载SAR，由于载机平台轻小，易被气流扰动影响，造成雷达回波相干性下降，进而影响雷达高分辨率的实现。通常为了克服飞机运动误差的影响，雷达采用惯性器件测量运动误差与自聚焦相结合的方法，进行运动误差提取和补偿。然而，由于无人机平台受限于装载条件、成本等因素，无法装载高精度惯性测量系统，对雷达高分辨率的实现带来很大的难度。此外，常规的运动误差补偿及自聚焦方法针对性强，难以适应不同种类运动特性的无人机载SAR的运动误差补偿，国内外学者开展了大量的相关技术研究[27-29]。
多维度运动误差补偿是一种针对平台运动大变化范围的问题进行高精度运动误差提取和补偿的方法。飞机的运动误差直观表现为随时间变化的空间位置和角度上。可以体现在：惯性测量设备获取的速度、加速度，角速度、角加速度等参数上；雷达信号的相关特性、多普勒频率、多普勒相位等；SAR图像的对比度、统计特性等方面；并且与雷达观测目标的几何关系，孔径长度等相关联。简而言之，SAR运动误差可体现在观测、解算、度量空间的不同维度上。各维度的误差具有相同的来源，存在相关性，并且具有冗余性。可利用相关性和冗余性，提高误差测量估计精度。
根据这一特性，给出了多维度运动误差补偿新方法。首先，建立运动误差多维度空间模型，并将误差分解到姿态参数域、原始数据域、时间域、频率域等各维度上。将多维度误差与多普勒相位关联，通过多维度间的交替迭代，估计和补偿运动误差，如图 26所示。例如，可以将惯导测量数据和GPS测量数据相结合，提高对平台运动参数的测量精度；在缺少偏航角参数时，可以利用雷达信号中的多普勒频率中心参数，提取雷达波束指向角度参数进行补偿；可以建立雷达与目标间的3维几何关系，通过运动误差在不同视角时的细化分解，提高大测绘范围时相位梯度自聚焦算法的不足等。利用维度间信息冗余的方法，弥补了惯性测量系统精度不足的欠缺，有效解决了在大差异、多类航空平台上宽范围运动补偿的难题。
|
|
图 26 多维度运动误差补偿方法示意图 Fig.26 Schematic diagram of multi-dimentional motion compensation |
多通道技术包括了时间、空间、极化、频率以及处理多通道，具体针对收发和处理通道的设计与选择方面，通过收发通道的增加可以对极化、空间维度进行扩展，获取全极化、3维成像结果。
高分辨率SAR距离向分辨率需要宽带信号的发射、接收和处理来保证。高分辨率SAR通常具有不同的工作分辨率模式，如每种模式都对应一组滤波器，设备复杂度增加，同时宽带滤波器的理想通道特性会随着带宽增加而下降。
针对上述问题，D3022无人机载InSAR/PolSAR系统沿用了超高分辨率SAR系统的多通道接收脉冲合成技术，如图 27所示。采用双通道接收机单元，将800 MHz信号划分为两个400 MHz子带信号进行发射和接收，同时采用了基于连续脉冲波形的频域划分信号时域分离发射和接收技术，只调用单通道400 MHz信号采集单元就实现了对双通道800 MHz宽带信号的接收和采集，节约了硬件单元，降低了系统复杂度。在完成采集的同时，信号处理单元可对信号进行数字升采样和拼接，恢复发射脉冲带宽，保证优于0.3 m距离分辨率的实现[28, 29]。
|
图 27 多通道接收脉冲合成技术示意图 Fig.27 Schematic diagram of multi channel receiving pulse synthesis |
通过扩展处理数据的多普勒通道，可以对单通道数据在不同的频带范围内同时实现SAR/GMTI处理，并将GMTI结果与SAR图像进行关联融合。
5 无人机载SAR发展方向 5.1 微小型无人机载SAR系统随着新型复合材料技术、微电子技术、通信技术的高速发展，小型化无人机逐渐应用于在民用和军用诸多领域，美国、欧洲等先进国家也都竞相发展低于5 kg的微小型无人机载SAR系统。通常的高空高速、中高空、战术型无人机载SAR系统一般都采用脉冲体制，系统实现复杂，体积、重量与功耗较大。因此，目前大部分微小型SAR系统采用调频连续波(FMCW)体制。采用FMCW体制的SAR系统由于连续发射探测信号，使得发射信号的平均功率较大，相对脉冲工作方式而言，其发射信号的峰值功率要小得多，可以采用固态器件、部件，有利于实现体积、重量的轻小型化。国外有代表性的微小型无人机载SAR系统主要包括美国的NanoSA,microSAR[30]和NuSAR、德国的MiSAR[31]、荷兰的AMBER[32, 33]、波兰的C波段SARENKA[34-36]等。NanoSAR实物图如图 28所示，重量仅为1 kg，号称世界上最小的SAR系统，2008年由美国的ImSAR公司和Insitu公司联合开发完成。NanoSAR可用于探测被雾或云层遮挡的海面小型舰船以及进行过伪装的卡车、坦克和其它车辆。2008年该雷达装载在ScanEagle小型战术无人机上成功地进行飞行试验，获得了雷达图像。截至2013年底ImSAR公司又开发出NanoSAR_B,NanoSAR_C，进一步提高了作用距离与分辨率。典型微小型无人机载SAR系统技术指标如表 4所示。
|
图 28 NanoSAR系列实物图 Fig.28 NanoSAR photograph |
|
|
表 4 典型微小型无人机载SAR系统技术指标 Tab.4 Technical specifications of typical micro and small UAV SAR |
具有多极化、干涉、高分辨率等多功能的无人机载SAR系统也是近年来的研究热点。多功能SAR系统可以通过全极化功能获取目标不同极化状态信号的幅度和彼此间的相对相位，提高对目标各种信息的获取能力；利用两副SAR天线接收到同一地面回波信号，通过解算之间的相位差重建地面的高程信息；通过高分辨率功能提高对目标区域的细节获取能力。目前已成功应用的多功能无人机载SAR系统主要有美国的UAVSAR系统[37, 38]和我国的高精度多功能无人机SAR(MFUSAR)系统等[25]。
UAVSAR系统是美国国家航空航天局(NASA)的喷气推进实验室(JPL)于2008年开始研制的一套无人机载全极化差分干涉SAR系统。UAVSAR系统是在GeoSAR系统研制基础上进行的改进，经过改进后系统采用相控阵体制，可以搭载捕食者B、全球鹰等无人机平台。UAVSAR工作在L波段，具有多极化模式、能够完成重复轨道的差分干涉功能，可检测微小地形形变，形变检测精度达到0.1～0.5 cm[39, 40]。2009年UAVSAR系统在参加的墨西哥地震测量试验飞行试验，获取了该地区雷达干涉影像，通过该试验结果地理学家能对该地区的断层形变进行了详细分析。2010年UAVSAR在墨西哥湾进行了飞行试验，对墨西哥溢油后的海面进行了大范围全极化成像，通过雷达图像对海上油污区域进行有效检测。
此外西班牙加泰罗尼亚理工大学对小型化无人机载单航过InSAR系统进行了研究[41]，完成了试验样机，该样机工作在C波段，重量为2.5 kg，已经完成了车载试验并在小型遥控飞机上进行了飞行试验。2009年西班牙的国家宇航技术研究所(INTA)开始研制基于无人机平台的Ku波段多功能QuaSAR(Quicklook unmanned aerial SAR)系统[42, 43]。巴西与德国联合开发的OrbiSAR系统[44]于2008年开始进行无人机适应性改造，改造后的OrbiSAR系统可装载在无人机上实现P波段双航过干涉、X波段单航过干涉，对亚马逊热带雨林地区进行不同时间的多极化、多波段成像，测量地形与树木的高度[45]。意大利也开发了先进的无人机载MiniSAR系统[46]，该系统能够进行干涉成像，主要用于地形与泥石流监测等。系统有4个通道，每个通道系统带宽为70 MHz，基线1.5 m。德国应用科学研究所(FGAN)研制了HV与HH双极化的SUMATRA-94(Synthetic Aperture Unmanned Millimeterwave Airborne Test Radar 94 GHz)，工作在W波段，最优分辨率可达15 cm,2012年完成了飞行试验[47, 48]。
5.3 新型工作模式的无人机载SAR系统随着无人机载SAR应用领域的拓展，常规的SAR工作模式已无法满足不断深化的应用需求，如提取地物的3维高分辨率信息、地表高覆盖率成像与检测空中慢速运动目标等，在常规工作体制下无法实现，因此近年来国内外正在开展具有新型工作模式的SAR技术研究。典型多功能无人机载SAR系统技术指标如表 5所示。
|
|
表 5 典型多功能无人机载SAR系统技术指标 Tab.5 Technical specifications of typical multi function UAV SAR system |
为获取地物的高度图像，一种能够实现下视3维成像的SAR系统也逐渐应用于无人机平台，如德国FGAN-FHR研制的无人机载3维成像雷达ARTINO(Airborne Radar for Three dimensional Imaging and Nadir Observation)系统[49-52]、法国宇航局(ONERA)研制的针对小型无人机研制的DRIVE系统等[53-56]。在下视3维雷达中，系统采用波束下视工作方式，沿距离向布置1维天线阵，即多个天线沿切航迹方向布置。与常规SAR系统一致，在距离向通过脉冲压缩技术获得高分辨，在方位向利用平台运动形成的合成孔径获得高分辨；而在高度向利用切航迹的长阵列获得高分辨率。3 维下视成像雷达可以克服传统SAR成像时的阴影效应，在城市、山区等地势起伏区域能获取较高分辨率的高度图像。系统成像模式如图 29所示。ARTINO系统工作在Ka波段、将20个发射元布置在机翼两端、中间部位为均匀排列36个接收阵元，发射信号带宽为750 MHz，并在低空慢速无人机上进行了飞行试验，获取了分辨率0.2 m的3维图像。DRIVE 雷达具备常规SAR成像模式与下视3维成像模式，在下视3维模式下，雷达工作在Ka波段，接收天线是与一个航迹垂直的的1维阵列，阵列长度为10 m，发射天线位于阵列的中心段、发射800 MHz的调频连续波信号。2006年DRIVE在S10VT无人滑翔机上进行了试飞，验证了系统的可实现性。
|
图 29 3维下视SAR工作示意图 Fig.29 Schematic diagram of 3 dimensional imaging and nadir observation |
2012年日本、马来西亚、印度尼西亚等国联合开发针对JX-1无人机飞行器研制了轻小型CP-SAR(Circularly Polarized SAR)系统[57, 58]。CP-SAR工作在L波段、发射信号带宽为300 MHz、条带宽度1 km、作用距离4 km，每个脉冲只发射左旋圆极化或右旋圆极化，同时接收两种极化信号。CP-SAR作为将来装载于微小型卫星LAPAN-Chibasat的圆极化SAR系统在地面演示验证的试验性系统，装在小型无人机上能够获取地面的全圆极化图像，可以用来对植被、土壤、积雪等地物进行数据分析，应用于土地覆盖测绘、灾害监测等领域。
德国DLR试验室还对一种卫星-无人机双基地雷达成像与自主导航系统进行了研究与系统设计，对该模式下的成像覆盖率、分辨率等进行了分析[59]。利用中高轨卫星(MEO)、低轨微型(LEO)的雷达发射信号、无人机上的一个或多个雷达接收终端接收雷达信号，星-无人机双基地雷达系统能够对地面进行大面积广域高分辨率成像、对空中运动目标进行检测与跟踪以避免空中飞行器碰撞实现无人机自主导航。
5.4 发展趋势综合国内外的技术发展方向以及应用需求，无人机载SAR系统主要发展趋势是成像分辨率提高、功能扩展和装载平台多样化。
分辨率是SAR系统的一个重要指标，高的分辨率意味着能够获取更丰富的目标信息，分辨率达到0.3 m或以下时，SAR系统可以获得接近光学的图像效果，目标的形状和精细结构可更加清晰，从而大大提高目标识别能力，有利于无人机载SAR系统的实际应用。
由于微波成像反映的是目标的电磁反射特性，所以目标反射回波的幅度及相位与发射信号的中心频率、极化方向都有关，因此为更好地获取地物信息要求SAR系统最好具有多波段、多极化等功能。多工作模式是指SAR系统可以获取不同类型目标的位置(运动)参数和雷达散射特征，从对以往固定目标的2维成像，向着对运动、弱散射特征目标探测成像和3维立体成像扩展。功能和模式的扩展也不断促进了SAR图像信息的精确提取和深度应用。
由于微小型无人机具有隐身性好、低成本等优势，其在军事领域与民用领域的应用越来越多，无人机载SAR系统的轻小型化成为SAR技术发展的重要趋势。纵观国内外先进的无人机载SAR系统，配备在中空长航时、中近程无人机的SAR系统基本都在35 kg以内，搭载在超近程微小型无人机系统的SAR设备均在5 kg以内。先进的、轻小型化的多功能SAR系统在各类飞行平台上的应用无疑是SAR技术在无人机领域的重要发展方向。
6 结束语无人机灵活机动、无需人员驾驶，应用广泛，搭载了全天时全天候的SAR系统能够有效应用在军事与民用领域。美国、欧洲国家近20年来大力发展无人机载SAR技术，不仅针对高空、中空、战术型等多种类型的无人机装备了相应的SAR系统，成功应用于空军、海军与陆军，还研究开发了多种基于无人机平台的新体制、具有新型工作模式、轻小型的多功能先进SAR系统。我国在无人机载SAR技术领域也紧跟国际发展趋势、突破了多项系统关键技术，在近年来得到了快速发展，形成了系列化无人机载SAR产品，并投入到不同应用领域。随着相关技术的发展及应用领域的增加，先进的多功能SAR系统在无人机遥感领域将发挥重要的作用。
| [1] |
Zaloga J, Rockwell D, and Finnegan P. World Unmanned Aerial Vehicle Systems Market Profile and Forecast[R]. Philip Finnegan, 2012.
( 0)
|
| [2] |
李德仁, 李明. 无人机遥感系统的研究进展与应用前景[J].
武汉大学学报(信息科学版) , 2014, 39 (5) : 505-513 Li Deren and Li Ming. Research advace and application prospect of unmanned aerial vehicle remote sensing system[J].
Geomatics and Information Science of Wuhan University , 2014, 39 (5) : 505-513 DOI:10.13203/j.whugis20140045 (0)
|
| [3] |
Global Hawk Specifications[OL]. www.northropgrumman. com/Capabilities/GlobalHawk/Pages/default.aspx.2016.8.
(0)
|
| [4] |
Raytheon updates HISAR[OL]. https://www.flightglobal. com/news/articles/raytheon-updates-hisar-132426/.2016.8.
(0)
|
| [5] |
AN/ZPY-2 Multi-Platform Radar Technology Insertion Program (MP-RTIP)[OL]. www.northropgrumman.com/ Capabilities/mprtip.2016.8.
(0)
|
| [6] |
AN/ZPY-3 Multi-Function Active Sensor (MFAS)[OL]. www.northropgrumman.com/Capabilities/MFAS/Pages/ default.aspx.2016.8.
(0)
|
| [7] |
Predator_B persistent multi-mission ISR[OL]. www.ga-asi.com/Websites/gaasi/images/products/aircraft_systems/pdf/ Predator_B021915.pdf.2016.8.
(0)
|
| [8] |
Hensley W H, Doerry A W, and Walker B C. Lynx: a high-resolution synthetic aperture radar[J].
SPIE Aerosense , 1999, 3704 : 51-58 DOI:10.1117/12.354602 (0)
|
| [9] |
Lynx multi-mode radar[OL]. http://www.ga-asi.com/ Websites/gaasi/images/products/sensor_systems/pdf/LynxSAR021915.pdf.2016.8.
(0)
|
| [10] |
GA-ASI first two-channel Lynx radar demonstrates improved GMTI performance under Darpa dual beam project[OL]. www.ga.com/ga-asi-first-two-channel-lynx-radar- demonstrates-improved-gmti-performance-under-darpa-dual-beam-project.pdf.2016.8.
(0)
|
| [11] |
AN/ZPY-1starlite small tactical radar - lightweight[OL]. http://www.northropgrumman.com/Capabilities/STARLite/Documents/starlite.pdf.
(0)
|
| [12] |
SeaVue surveillance Radar[OL]. http://www.raytheon.com/ capabilities/products/seavue/.2012.12.
(0)
|
| [13] |
Lightweight SAR/GMTI payload ElM-2054[OL]. http:// www.iai.co.il/Sip_Storage//FILES/8/41418.pdf.2016.8.
(0)
|
| [14] |
RDR-1700B radar series[OL]. https://www.telephonics.com/ soft-gate/gated-assets/uploads/39962-TC-RDR-1700B-Brochure- WEB.pdf.2016.8.
(0)
|
| [15] |
MiniSAR[OL]. http//www.sandia.gov/radar/images/ SAND2005-3445PMiniSAR-fact-sheetp2-v4-redo.pdf.2014.8.
(0)
|
| [16] |
Kinghorn A M and Nejman A. PicoSAR-an advanced lightweight SAR system[C]. European Radar Conference (EuRAD), Italy, 2009: 168-171.
(0)
|
| [17] |
Goulding M M, Stonehouse A, and Nejman A. AESA based dual channel GMTI: mode design & flight trials[C]. IEEE Radar Conference (RADAR), Kansas City, 2011: 917-921. DOI: 10.1109/RADAR.2011.5960670.
(0)
|
| [18] |
Knapskog A O. Moving targets and multipath in SAR images of harbour scenes[C]. European Conference on Synthetic Aperture Radar (EUSAR), Nuremberg, 2012: 547-550.
(0)
|
| [19] |
Halcrow G, Greig D W, Glass A, et al.. PicoSAR trials results[C]. 2013 14th International Radar Symposium (IRS), Dresden, 2013, 1: 47-52.
(0)
|
| [20] |
I-Master GMTI/SAR radar[OL]. https://www.thalesgroup. com/sites/default/files/asset/document/I-Master%20 Datasheet.pdf.2016.8.
(0)
|
| [21] |
王岩飞, 刘畅, 李和平, 等. 基于多通道合成的优于0.1 m分辨率的机载SAR系统[J].
电子与信息学报 , 2013, 35 (1) : 29-35 Wang Yanfei, Liu Chang, Li Heping, et al. An airborne SAR with 0.1 m resolution using multi-channel synthetic bandwidth[J].
Journal of Electronics & Information Technology , 2013, 35 (1) : 29-35 (0)
|
| [22] |
贾颖新, 王岩飞. 一种宽带多通道合成孔径雷达系统幅相特性测量与校正方法[J].
电子与信息学报 , 2013, 35 (9) : 2168-2174 Jia Yingxin and Wang Yanfei. Measurement and calibration of amplitude-phase errors in wideband multi-channel SAR[J].
Journal of Electronics & Information Technology , 2013, 35 (9) : 2168-2174 (0)
|
| [23] |
Hu Jianmin, Wang Yanfei, and Li Heping. Channel phase error estimation and compensation for ultra high-resolution airborne SAR system based on echo data[J].
IEEE Geoscience and Remote Sensing Letters , 2012, 9 (6) : 1069-1073 DOI:10.1109/LGRS.2012.2190133 (0)
|
| [24] |
张梅, 刘畅, 王岩飞. 频带合成超高分辨率机载SAR系统的相位误差校正[J].
电子与信息学报 , 2011, 33 (12) : 2813-2818 Zhang Mei, Liu Chang, and Wang Yanfei. Channel error correction for ultra-high resolution airborne SAR system with synthetic bandwidth[J].
Journal of Electronics & Information Technology , 2011, 33 (12) : 2813-2818 (0)
|
| [25] |
王岩飞, 刘畅, 詹学丽, 等. 一个高精度无人机载多功能SAR系统[J].
电子与信息学报 , 2013, 35 (7) : 1569-1574 Wang Yanfei, Liu Chang, Zhan Xueli, et al. An ultrafine multifunctional unmanned aerial vehicle SAR system[J].
Journal of Electronics & Information Technology , 2013, 35 (7) : 1569-1574 (0)
|
| [26] |
高许岗, 雍延梅. 无人机载微型SAR系统设计与实现[J].
雷达科学与技术 , 2014, 12 (1) : 35-38 Gao Xugang and Yong Yanmei. Design and realization of UAV high resolution miniature SAR[J].
Radar Science and Technology , 2014, 12 (1) : 35-38 (0)
|
| [27] |
Mo Shasha, Wang Yanfei, and Liu Chang. An estimation algorithm for phase errors in synthetic aperture radar imagery[J].
IEEE Geoscience and Remote Sensing Letters , 2015, 12 (9) : 1818-1822 DOI:10.1109/LGRS.2015.2429744 (0)
|
| [28] |
Fan Bangkui, Ding Zegang, Gao Wenbin, et al. An improved motion compensation method for high resolution UAV SAR imaging[J].
Science China Information Sciences , 2014, 57 (12) : 1-13 (0)
|
| [29] |
Li Yake, Liu Chang, Wang Yanfei, et al. A robust motion error estimation method based on raw SAR data[J].
IEEE Transactions on Geoscience and Remote Sensing , 2012, 50 (7) : 2780-2790 DOI:10.1109/TGRS.2011.2175737 (0)
|
| [30] |
Edwards M, Provo U T, Madsen D, et al.. microASAR: a small, robust LFM-CW SAR for operation on UAVs and small aircraft[C]. International Geoscience and Remote Sensing Symposium (IGARSS), Boston, 2008: 514-517. DOI: 10.1109/IGARSS.2008.4780142.
(0)
|
| [31] |
Edrich M and Weiss M. Second-generation Ka-band UAV SAR system[C]. European Radar Conference (EuRAD), Amsterdam, 2008: 479-482. DOI: 10.1109/EUMC.2008. 4751786.
(0)
|
| [32] |
Otten M, van Rossum W, van der Graaf M, et al.. Multichannel imaging with the AMBER FMCW SAR[C]. European Conference on Synthetic Aperture Radar (EUSAR), Berlin, 2014: 209-212.
(0)
|
| [33] |
Rossum W, Otten M, and van Dorp P. Multichannel FMCW SAR[C]. European Conference on Synthetic Aperture Radar (EUSAR), Nuremberg, 2012: 279-282.
(0)
|
| [34] |
Samczyski P, Kulpa K, Malanowski M, et al.. SARENKA: C-band SAR radar for UAV application[C]. European Conference on Synthetic Aperture Radar (EUSAR), Berlin, 2014: 1287-1290.
(0)
|
| [35] |
Wielgo M, Samczynski P, Malanowski M, et al.. The SARENKA SAR system-experimental results of ISAR imaging[C]. International Radar Symposium (IRS), Gdansk, 2014: 1-4. DOI: 10.1109/IRS.2014.6869263.
(0)
|
| [36] |
Gromek D, Samczynski P, Kulpa K, et al.. C-band SAR radar trials using UAV platform: experimental results of SAR system integration on a UAV carrier[C]. International Radar Symposium (IRS), Cracow, 2016: 1-5. DOI: 10.1109/ IRS.2016.7497305.
(0)
|
| [37] |
Jones C, Minchew B, and Holt B. Polarimetric decomposition analysis of the deepwater horizonoil slick using L-ban UAVSAR data[C]. International Geoscience and Remote Sensing Symposium (IGARSS), Vancouver, 2011: 2278-2281. DOI: 10.1109/IGARSS.2011.6049663.
(0)
|
| [38] |
Lee J, Strovers B, and Lin V. C-20A/GIII precision autopilot development in support of NASA´s UAVSAR program[OL]. https://esto.nasa.gov/conferences/nstc2007/ papers/Lee_James_B4P3_NSTC-07-0013.pdf.2016.8.
(0)
|
| [39] |
Fore G, Chapman D, Hawkins P, et al. UAVSAR polarimetric calibration[J].
IEEE Transactions on Geoscience and Remote Sensing , 2015, 53 (6) : 3481-3491 DOI:10.1109/TGRS.2014.2377637 (0)
|
| [40] |
Kim D, Hensley S, and Yun S. Robust change detection in urban area using multi-temporal polarimetric UAVSAR data[C]. International Geoscience and Remote Sensing Symposium (IGARSS), Milan, 2015: 2801-2804. DOI: 10.1109/IGARSS.2015.7326396.
(0)
|
| [41] |
Acevo R, Aguasca A, Mallorqui J J, et al.. High-compacted FM-CW SAR for boarding on small UAVs[C]. International Geoscience and Remote Sensing Symposium (IGARSS), Cape Town, 2009: 543-546. DOI: 10.1109/IGARSS.2009.5418139.
(0)
|
| [42] |
Cuerda J M, Gonz lez, M J, Gómez M, et al.. INTA´s developments for UAS and small platforms: QUASAR[C]. International Geoscience and Remote Sensing Symposium (IGARSS), Cape Town, 2009: 999-1002. DOI: 10.1109/IGARSS.2009.5417548.
(0)
|
| [43] |
del Castillo Mena, Sanchez Sevilleja J, Larrañaga Sudupe S, et al.. RF design for QUASAR Ku-band polarimetric SAR system[C]. European Radar Conference (EuRAD), Paris, 2010: 459-462.
(0)
|
| [44] |
Remy A, de Macedo A C, and Moreira R. The first UAV-based P-band X-band interferometric SAR system[C]. International Geoscience and Remote Sensing Symposium (IGARSS), Munich, 2012: 5041-5044. DOI: 10.1109/ IGARSS.2012.6352478.
(0)
|
| [45] |
Shiroma G, de Macedo K A C, Wimmer C, et al. The dual-band PolInSAR method for forest parametrization[J].
IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing , 2016, 9 (7) : 3189-3201 DOI:10.1109/JSTARS.2016.2520900 (0)
|
| [46] |
Alberti G, Citarella L, Ciofaniello L, et al. Current status of the development of an Italian airborne SAR system (MINISAR)[J].
SPIE , 2004, 5236 : 53-59 DOI:10.1117/12.512224 (0)
|
| [47] |
Essen H, Bräutigam M, Sommer R, et al.. SUMATRA-A UAV based miniaturized SAR system[C]. European Conference on Synthetic Aperture Radar (EUSAR), Nuremberg, 2012: 437-440.
(0)
|
| [48] |
Caris M, Stanko S, Sommer R, et al.. SARape-synthetic aperture radar for all weather penetrating UAV application[C]. International Radar Symposium (IRS), Dresden, 2013, 1: 41-46.
(0)
|
| [49] |
Klare J, Weiß M, Brenner A, et al.. ARTINO: “A new high resolution 3D imagingradar system on an autonomous airborne platform”[C]. International Geoscience and Remote Sensing Symposium (IGARSS), Denver, 2006: 3842-3845. DOI: 10.1109/IGARSS.2006.985.
(0)
|
| [50] |
Klare J, Cerutti D, Brenner A, et al.. Image quality analysis of the vibratingsparse MIMO antenna array of the airborne 3D imaging radar ARTINO[C]. International Geoscience and Remote Sensing Symposium (IGARSS), Barcelona, 2007: 5310-5314. DOI: 10.1109/IGARSS.2007.4424061.
(0)
|
| [51] |
Weiss M and Gilles M. Initial ARTINO radar experiments[C]. European Conference on Synthetic Aperture Radar (EUSAR), Berlin, 2010: 1-4.
(0)
|
| [52] |
Weiss M, Peters O, and Ender J. First flight trials with ARTINO[C]. European Conference on Synthetic Aperture Radar (EUSAR), Friedrichshafen, 2008: 1-4.
(0)
|
| [53] |
Nouvel F, Jeuland H, Bonin G, et al.. A Ka-band imaging radar: DRIVE on board ONERA Motorglider[C]. International Geoscience and Remote Sensing Symposium (IGARSS), Denver, 2006: 134-136. DOI: 10.1109/ IGARSS.2006.39.
(0)
|
| [54] |
Nouvel F, Roques S, and Plessis O. A low-cost imaging radar: DRIVE on board ONERA motor glider[C]. International Geoscience and Remote Sensing Symposium (IGARSS), Barcelona, 2007: 5306-5309. DOI: 10.1109/IGARSS.2007.4424060.
(0)
|
| [55] |
Nouvel F, Dubois-Fernandez P, and Dupuis X. The Ka SAR airborne compaign[C]. International Geoscience and Remote Sensing Symposium (IGARSS), Australia, 2013: 4471-4474. DOI: 10.1109/IGARSS.2013.6723828.
(0)
|
| [56] |
Nouvel F and Plessis O. The ONERA compact SAR in Ka band[C]. European Conference on Synthetic Aperture Radar (EUSAR), Friedrichshafen, 2008: 1-4.
(0)
|
| [57] |
Sumantyo S, Chet K V, and Triharjanto R. Development of circularly polarized synthetic aperture radar onboard unmanned aerial vehicle (CP-SAR UAV)[C]. International Geoscience and Remote Sensing Symposium (IGARSS), Australia, 2013: 2301-2304. DOI: 10.1109/IGARSS. 2013.6723278.
(0)
|
| [58] |
Sumantyo S. Progress on development of synthetic aperture radar onboard UAV and microsatellite[C]. International Geoscience and Remote Sensing Symposium (IGARSS), Québec, 2014: 1081-1084. DOI: 10.1109/IGARSS.2014. 6946616.
(0)
|
| [59] |
Rodriguez-Cassola M, Younis M, Krieger G, et al.. Spaceborne to UAV bistatic radar system for high-resolution imaging and autonomous navigation[C]. European Conference on Synthetic Aperture Radar (EUSAR), Berlin, 2010: 740-743.
(0)
|