CN111323777A - 顾及波数域Delaunay子块的压缩感知下视阵列SAR误差补偿算法 - Google Patents
顾及波数域Delaunay子块的压缩感知下视阵列SAR误差补偿算法 Download PDFInfo
- Publication number
- CN111323777A CN111323777A CN202010147873.0A CN202010147873A CN111323777A CN 111323777 A CN111323777 A CN 111323777A CN 202010147873 A CN202010147873 A CN 202010147873A CN 111323777 A CN111323777 A CN 111323777A
- Authority
- CN
- China
- Prior art keywords
- wave number
- error
- distance
- formula
- sub
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/88—Radar or analogous systems specially adapted for specific applications
- G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
- G01S13/90—Radar or analogous systems specially adapted for specific applications for mapping or imaging using synthetic aperture techniques, e.g. synthetic aperture radar [SAR] techniques
- G01S13/9004—SAR image acquisition techniques
- G01S13/9011—SAR image acquisition techniques with frequency domain processing of the SAR signals in azimuth
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
- G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Physics & Mathematics (AREA)
- Signal Processing (AREA)
- Electromagnetism (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明提出了一种顾及波数域Delaunay子块的压缩感知下视阵列SAR误差补偿算法。引入POS真实数据,以横滚角为切入点,构建MIMO下视阵列SAR横滚角分量误差模型;为了消除模型距离误差受目标空变性的影响,摒弃传统均匀分块的思想,根据目标散射强弱依次确定主散射目标区,通过阈值选择精确构建波数域Delaunay三角网区域小块后再做子孔径补偿;最后再用压缩感知算法稀疏重构得到三维成像结果,有效提高成像精度,改善三维图像质量。
Description
技术领域
本发明涉及一种顾及波数域Delaunay子块的压缩感知下视阵列SAR误差补偿算法,属于三维成像设计应用领域。
背景技术
MIMO(Multiple Input Multiple Output,多输入多输出)下视阵列SAR(Synthetic Aperture Radar,合成孔径雷达)通过跨航向分布的多个阵列天线,采用天底观测的方式,利用脉冲压缩、合成孔径和波束形成技术实现感兴趣目标的三维分辨,大大提升了雷达的区域信息感知力,有效解决了常规SAR技术的机底盲区、阴影效应、几何失真和左右模糊等问题,具有广阔的应用前景和极好的研究价值。目前对MIMO下视阵列SAR成像算法的研究主要基于平台沿直线匀速飞行的假设,但实际上,平台运动中会产生位置偏移和姿态变化,从而造成天线相位中心的偏移,影响高分辨率阵列SAR三维图像质量。因此,为了保证成像所需的相位精度,分析平台位移、姿态变化的误差补偿方法具有重要的意义。
阵列SAR三维成像技术的研究始于20世纪90年代,经过20多年的快速发展,国际上顶尖机构已成功研制出线阵***,并安装于无人机平台开展了飞行实验,但三维成像结果未见公布。在国内,多家研究机构和高校成功研制了阵列天线,并开展了地面验证实验,但目前公开发表的文献中还未见实际机载下视阵列 SAR三维成像结果。德国ARTINO(Airborne Radar for Three-dimensional Imaging and Nadir Observation,三维成像和天底观测的机载雷达)***利用惯导和差分 GPS(Global Position System,全球定位***)设备分析了姿态角误差,但未公布补偿方案和结果;朱海洋等研究了相位中心偏差对下视3D-SAR (Three-Dimensional Synthetic Aperture Radar,合成孔径雷达三维)成像的影响;丁振宇等提出了基于波数域子孔径的机载3D-SAR偏航角误差补偿方法,并详细分析了平动误差对阵列SAR三维成像影响,但姿态角误差分析影响并没有涉猎;田鹤等基于干涉和压缩感知等效实现稀疏重航过阵列SAR阵列形变误差补偿;刘辉等引入光学摄影测量外方位元素,提出了下视阵列SAR倾角误差补偿方法,并根据机翼抖振理论,构建了阵列抖动误差模型和误差补偿方法。
但现有文献中针对阵列SAR误差补偿的研究都是采用均匀分块补偿的思想,这种补偿方法没有充分利用场景的散射特性,对于高度稀疏的三维场景显然是不合理的。
发明内容
本发明的目的在于提供一种顾及波数域Delaunay子块的压缩感知下视阵列 SAR误差补偿算法,本发明以横滚角为例,引入POS获得的真实数据,构建 MIMO下视阵列SAR横滚角分量误差模型;打破传统均匀分块的局限,根据目标散射强弱依次确定主散射目标区,通过阈值选择精确构建波数域Delaunay三角网区域子块后再做子孔径补偿,最后再用压缩感知算法稀疏重构三维场景,从而反向指导对POS***的要求。
为实现上述任务,本发明提供了一种顾及波数域Delaunay子块的压缩感知下视阵列SAR误差补偿算法,主要步骤如下:
步骤R1、以横滚角为例,引入POS获得的真实数据,构建MIMO下视阵列SAR横滚角分量误差模型;
步骤R2、根据目标散射强弱依次确定主散射目标区,通过阈值选择精确构建波数域Delaunay三角网区域子块后再做子孔径补偿,最后再用压缩感知算法稀疏重构三维场景,从而反向指导对POS***的要求。
如上所述的一种顾及波数域Delaunay子块的压缩感知下视阵列SAR误差补偿算法,在所述步骤R1中,本发明引入POS(Position&Orientation System,定位定向***)真实数据,POS中的IMU(Inertial Measurement Unit,惯性测量单元)***获得的俯仰角、偏航角、横滚角是参考坐标系(IMU坐标系)相对于北东地坐标系的旋转角;因此,可假设航迹向(X轴)为北方向,机翼(Y轴) 指向东西方向,满足右手坐标系的高程向(Z轴)指向飞机正下方;北东地坐标系先绕Z轴顺时针旋转偏航角κ,再绕已经转了κ角的Yκ轴顺时针旋转俯仰角ω,最后绕已经转了κ角和ω角的Xκω轴顺时针旋转横滚角α,即可得到平台飞行时刻的参考坐标系,平台沿航迹轴向发生旋转α角,记理想的EPC(Equivalent Phase Center,等效相位中心)坐标(北东地坐标系下的坐标)为(x,yn,0);带有横滚角误差的EPC坐标(IMU坐标系下的坐标)为(x',y',z');目标点P的坐标为(x0,y0,z0)
旋转α角后,旋转前后EPC坐标有如下关系
理想情况下,EPC到目标点的距离R为
则由横滚角误差引起的距离误差ΔR为
式(4)中
A=2y0yn(cosα-1)+2z0ynsinα (5)
将式(5)代入式(4)可得
由式(6)可知,距离误差ΔR受目标坐标y0和z0的空变影响,经解调和匹配滤波后,回波Echo(t,x,yn)如式(7)所示:
式中,sinc为sinc函数,Ψ为回波相位误差;
为了消除距离误差ΔR的空变影响,将式(7)中的相位分别对x和yn求偏导,得到航迹向波数kx和跨航向波数ky
联立式(8)、式(9)和式(3)
根据菲涅尔近似,并忽略阵元长度小值,可得
将式(11)代入式(10)可得
将式(11)和式(12)代入式(6)可得
由式(13)可知,距离误差ΔR与目标位置无关,可分为与波数无关的ΔR1和与波数相关ΔR2两部分,前者可在回波的三维空域中直接补偿;后者可在二维波数域中分块计算。
如上所述的一种顾及波数域Delaunay子块的压缩感知下视阵列SAR误差补偿算法,在所述步骤R2中,通过阈值选择精确构建波数域Delaunay三角网区域后再补偿,主要步骤包括:
步骤1,由ΔR1构造滤波器Hα1,分别对正反编码原始回波进行一次补偿
步骤2,将补偿完ΔR1的回波做初步距离压缩,根据压缩后数据中图像强度选择主散射目标距离单元;
步骤3,根据所选的主散射目标距离单元估计目标主瓣宽度;
步骤4,根据目标主瓣宽度并采用分水岭算法分割出主散射目标区域;
步骤5,再利用补偿完ΔR1的回波数据做航迹向和跨航向傅里叶变换,变换到该二维波数域,根据分割出的主散射目标区域,通过阈值选择精确构建波数域 Delaunay三角网区域,每个子块用中心波数kx-ic和ky-jc(i,j为子块标记)代替kx和ky计算距离误差ΔR2-ij为
步骤6,将每个子块补零并扩展到原尺寸后,再做航迹向和跨航向傅里叶逆变换,以及距离向傅里叶变换,得到航迹向和跨航向二维空域,距离向波数域回波,
式中,kr为距离向波数,krc为中心波数,Br为带宽,
将公式(16)乘以滤波器Hα2来补偿ΔR2-ij引起的相位误差
步骤7,再做距离向傅里叶逆变换,转换到三维空域,把每个子块补偿的数据直接相加,得到最终回波;
步骤8,采用差分与稀疏贝叶斯正则化协同处理算法获得高精度三维成像结果。
本发明的效果在于:
本发明提出了一种顾及波数域Delaunay子块的压缩感知下视阵列SAR误差补偿算法,引入POS真实数据,以横滚角为切入点,构建MIMO下视阵列SAR 横滚角分量误差模型;摒弃传统均匀分块的思想,根据目标散射强弱依次确定主散射目标区,通过阈值选择精确构建波数域Delaunay三角网区域小块后再做子孔径补偿;最后再用压缩感知算法稀疏重构得到三维成像结果,有效提高成像精度,改善三维图像质量。
附图说明
图1为姿态角误差示意图。
图2为MIMO下视阵列SAR横滚角误差模型图。
图3为顾及波数域Delaunay子块的压缩感知下视阵列SAR误差补偿算法流程图。
具体实施方式
为能更清楚地说明本发明方法,兹举一较佳实施例并配合图式详细说明,显然,该描述的实施例仅仅是本发明的一部分实施例,而不是全部实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制;术语“第一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性;对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
请参照图1、图2、图3所示,本发明提供一种顾及波数域Delaunay子块的压缩感知下视阵列SAR误差补偿算法,主要步骤包括:
步骤R1、以横滚角为例,引入POS获得的真实数据,构建MIMO下视阵列SAR横滚角分量误差模型;
步骤R2、根据目标散射强弱依次确定主散射目标区,通过阈值选择精确构建波数域Delaunay三角网区域子块后再做子孔径补偿,最后再用压缩感知算法稀疏重构三维场景,从而反向指导对POS***的要求。
如上所述的一种顾及波数域Delaunay子块的压缩感知下视阵列SAR误差补偿算法,在所述步骤R1中,本发明引入POS(Position&Orientation System,定位定向***)真实数据,POS中的IMU(Inertial Measurement Unit,惯性测量单元)***获得的俯仰角、偏航角、横滚角是参考坐标系(IMU坐标系)相对于北东地坐标系的旋转角;因此,如图1所示,可假设航迹向(X轴)为北方向,机翼(Y轴)指向东西方向,满足右手坐标系的高程向(Z轴)指向飞机正下方;北东地坐标系先绕Z轴顺时针旋转偏航角κ,再绕已经转了κ角的Yκ轴顺时针旋转俯仰角ω,最后绕已经转了κ角和ω角的Xκω轴顺时针旋转横滚角α,即可得到平台飞行时刻的参考坐标系,本发明以横滚角为例,沿用图1中的姿态角关系,则MIMO下视阵列SAR横滚角误差模型如图2所示,平台沿航迹轴向发生旋转α角,记理想的EPC(Equivalent PhaseCenter,等效相位中心)坐标(北东地坐标系下的坐标)为(x,yn,0);带有横滚角误差的EPC坐标(IMU坐标系下的坐标)为(x',y',z');目标点P的坐标为(x0,y0,z0)
旋转α角后,旋转前后EPC坐标有如下关系
理想情况下,EPC到目标点的距离R为
则由横滚角误差引起的距离误差ΔR为
式中
A=2y0yn(cosα-1)+2z0ynsinα (5)
将式(5)代入式(4)可得
由式(6)可知,距离误差ΔR受目标坐标y0和z0的空变影响,经解调和匹配滤波后,回波Echo(t,x,yn)如式(7)所示:
式中,sinc为sinc函数,Ψ为回波相位误差;
为了消除距离误差ΔR的空变影响,将式(7)中的相位分别对x和yn求偏导,得到航迹向波数kx和跨航向波数ky
联立式(8)、式(9)和式(3)
根据菲涅尔近似,并忽略阵元长度小值,可得
将式(11)代入式(10)可得
将式(11)和式(12)代入式(6)可得
由式(13)可知,距离误差ΔR与目标位置无关,可分为与波数无关的ΔR1和与波数相关ΔR2两部分,前者可在回波的三维空域中直接补偿;后者可在二维波数域中分块计算。
如上所述的一种顾及波数域Delaunay子块的压缩感知下视阵列SAR误差补偿算法,在所述步骤R2中,通过阈值选择精确构建波数域Delaunay三角网区域后再补偿,主要步骤包括:
步骤1,由ΔR1构造滤波器Hα1,分别对正反编码原始回波进行一次补偿
步骤2,将补偿完ΔR1的回波做初步距离压缩,根据压缩后数据中图像强度选择主散射目标距离单元;
步骤3,根据所选的主散射目标距离单元估计目标主瓣宽度;
步骤4,根据目标主瓣宽度并采用分水岭算法分割出主散射目标区域;
步骤5,再利用补偿完ΔR1的回波数据做航迹向和跨航向傅里叶变换,变换到该二维波数域,根据分割出的主散射目标区域,通过阈值选择精确构建波数域 Delaunay三角网区域,每个子块用中心波数kx-ic和ky-jc(i,j为子块标记)代替kx和ky计算距离误差ΔR2-ij为
步骤6,将每个子块补零并扩展到原尺寸后,再做航迹向和跨航向傅里叶逆变换,以及距离向傅里叶变换,得到航迹向和跨航向二维空域,距离向波数域回波,
式中,kr为距离向波数,krc为中心波数,Br为带宽
将公式(16)乘以滤波器Hα2来补偿ΔR2-ij引起的相位误差
步骤7,再做距离向傅里叶逆变换,转换到三维空域,把每个子块补偿的数据直接相加,得到最终回波;
步骤8,采用差分与稀疏贝叶斯正则化协同处理算法获得高精度三维成像结果。
本申请工作原理:
本发明提出了顾及波数域Delaunay子块的压缩感知下视阵列SAR误差补偿算法。引入POS真实数据,以横滚角为切入点,构建MIMO下视阵列SAR横滚角分量误差模型;摒弃传统均匀分块的思想,根据目标散射强弱依次确定主散射目标区,通过阈值选择精确构建波数域Delaunay三角网区域小块后再做子孔径补偿;最后再用压缩感知算法稀疏重构得到三维成像结果,有效提高成像精度,改善三维图像质量。
如上所述是结合具体内容提供的一种或多种实施方式,并不认定本申请的具体实施只局限于这些说明。凡与本申请的方法、结构等近似、雷同,或是对于本申请构思前提下做出若干技术推演或替换都应当视为本申请的保护范围。
Claims (3)
1.本发明提供了一种顾及波数域Delaunay子块的压缩感知下视阵列SAR误差补偿算法,其特征在于,主要步骤如下:
步骤R1、以横滚角为例,引入POS获得的真实数据,构建MIMO下视阵列SAR横滚角分量误差模型;
步骤R2、根据目标散射强弱依次确定主散射目标区,通过阈值选择精确构建波数域Delaunay三角网区域子块后再做子孔径补偿,最后再用压缩感知算法稀疏重构三维场景,从而反向指导对POS***的要求。
2.根据权利要求1所述的一种顾及波数域Delaunay子块的压缩感知下视阵列SAR误差补偿算法,其特征在于,在所述步骤R1中,本发明引入POS(Position&Orientation System,定位定向***)真实数据,POS中的IMU(Inertial Measurement Unit,惯性测量单元)***获得的俯仰角、偏航角、横滚角是参考坐标系(IMU坐标系)相对于北东地坐标系的旋转角;因此,可假设航迹向(X轴)为北方向,机翼(Y轴)指向东西方向,满足右手坐标系的高程向(Z轴)指向飞机正下方;北东地坐标系先绕Z轴顺时针旋转偏航角κ,再绕已经转了κ角的Yκ轴顺时针旋转俯仰角ω,最后绕已经转了κ角和ω角的Xκω轴顺时针旋转横滚角α,即可得到平台飞行时刻的参考坐标系,平台沿航迹轴向发生旋转α角,记理想的EPC(Equivalent PhaseCenter,等效相位中心)坐标(北东地坐标系下的坐标)为(x,yn,0);带有横滚角误差的EPC坐标(IMU坐标系下的坐标)为(x',y',z');目标点P的坐标为(x0,y0,z0)
旋转α角后,旋转前后EPC坐标有如下关系
理想情况下,EPC到目标点的距离R为
则由横滚角误差引起的距离误差ΔR为
式(4)中
A=2y0yn(cosα-1)+2z0yn sinα (5)
将式(5)代入式(4)可得
由式(6)可知,距离误差ΔR受目标坐标y0和z0的空变影响,经解调和匹配滤波后,回波Echo(t,x,yn)如式(7)所示:
式中,sinc为sinc函数,Ψ为回波相位误差;
为了消除距离误差ΔR的空变影响,将式(7)中的相位分别对x和yn求偏导,得到航迹向波数kx和跨航向波数ky
联立式(8)、式(9)和式(3)
根据菲涅尔近似,并忽略阵元长度小值,可得
将式(11)代入式(10)可得
将式(11)和式(12)代入式(6)可得
由式(13)可知,距离误差ΔR与目标位置无关,可分为与波数无关的ΔR1和与波数相关ΔR2两部分,前者可在回波的三维空域中直接补偿;后者可在二维波数域中分块计算。
3.根据权利要求1-2所述的一种顾及波数域Delaunay子块的压缩感知下视阵列SAR误差补偿算法,其特征在于,在所述步骤R2中,通过阈值选择精确构建波数域Delaunay三角网区域后再补偿,主要步骤包括:
步骤1,由ΔR1构造滤波器Hα1,分别对正反编码原始回波进行一次补偿
步骤2,将补偿完ΔR1的回波做初步距离压缩,根据压缩后数据中图像强度选择主散射目标距离单元;
步骤3,根据所选的主散射目标距离单元估计目标主瓣宽度;
步骤4,根据目标主瓣宽度并采用分水岭算法分割出主散射目标区域;
步骤5,再利用补偿完ΔR1的回波数据做航迹向和跨航向傅里叶变换,变换到该二维波数域,根据分割出的主散射目标区域,通过阈值选择精确构建波数域Delaunay三角网区域,每个子块用中心波数kx-ic和ky-jc(i,j为子块标记)代替kx和ky计算距离误差ΔR2-ij为
步骤6,将每个子块补零并扩展到原尺寸后,再做航迹向和跨航向傅里叶逆变换,以及距离向傅里叶变换,得到航迹向和跨航向二维空域,距离向波数域回波,
式中,kr为距离向波数,krc为中心波数,Br为带宽,
将公式(16)乘以滤波器Hα2来补偿ΔR2-ij引起的相位误差
步骤7,再做距离向傅里叶逆变换,转换到三维空域,把每个子块补偿的数据直接相加,得到最终回波;
步骤8,采用差分与稀疏贝叶斯正则化协同处理算法获得高精度三维成像结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010147873.0A CN111323777B (zh) | 2020-03-05 | 2020-03-05 | 顾及波数域Delaunay子块的压缩感知下视阵列SAR误差补偿算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010147873.0A CN111323777B (zh) | 2020-03-05 | 2020-03-05 | 顾及波数域Delaunay子块的压缩感知下视阵列SAR误差补偿算法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111323777A true CN111323777A (zh) | 2020-06-23 |
CN111323777B CN111323777B (zh) | 2023-06-27 |
Family
ID=71171496
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010147873.0A Active CN111323777B (zh) | 2020-03-05 | 2020-03-05 | 顾及波数域Delaunay子块的压缩感知下视阵列SAR误差补偿算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111323777B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113204022A (zh) * | 2021-04-30 | 2021-08-03 | 电子科技大学 | 基于相关向量机线性阵列sar三维成像快速贝叶斯压缩感知方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102313888A (zh) * | 2010-06-29 | 2012-01-11 | 电子科技大学 | 一种基于压缩传感的线阵sar三维成像方法 |
CN103543451A (zh) * | 2012-07-17 | 2014-01-29 | 中国科学院电子学研究所 | 一种基于压缩感知的多径虚像抑制sar后处理方法 |
CN106408620A (zh) * | 2016-09-08 | 2017-02-15 | 成都希盟泰克科技发展有限公司 | 基于压缩感知的三维网格模型数据处理方法 |
CN106940443A (zh) * | 2017-01-16 | 2017-07-11 | 洪都天顺(深圳)科技有限公司 | 多云多雨条件下复杂城区基础设施PSInSAR形变估计方法 |
CN108226925A (zh) * | 2017-12-01 | 2018-06-29 | 清华大学 | 一种适用于弹载大前斜视时变参数sar的重叠子孔径算法 |
CN108318880A (zh) * | 2018-01-26 | 2018-07-24 | 西安电子科技大学 | 一种运动误差参数化的极坐标sar成像方法 |
-
2020
- 2020-03-05 CN CN202010147873.0A patent/CN111323777B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102313888A (zh) * | 2010-06-29 | 2012-01-11 | 电子科技大学 | 一种基于压缩传感的线阵sar三维成像方法 |
CN103543451A (zh) * | 2012-07-17 | 2014-01-29 | 中国科学院电子学研究所 | 一种基于压缩感知的多径虚像抑制sar后处理方法 |
CN106408620A (zh) * | 2016-09-08 | 2017-02-15 | 成都希盟泰克科技发展有限公司 | 基于压缩感知的三维网格模型数据处理方法 |
CN106940443A (zh) * | 2017-01-16 | 2017-07-11 | 洪都天顺(深圳)科技有限公司 | 多云多雨条件下复杂城区基础设施PSInSAR形变估计方法 |
CN108226925A (zh) * | 2017-12-01 | 2018-06-29 | 清华大学 | 一种适用于弹载大前斜视时变参数sar的重叠子孔径算法 |
CN108318880A (zh) * | 2018-01-26 | 2018-07-24 | 西安电子科技大学 | 一种运动误差参数化的极坐标sar成像方法 |
Non-Patent Citations (4)
Title |
---|
丁振宇等: "基于波数域子孔径的机载三维SAR偏航角运动误差补偿", 《雷达学报》 * |
付剑生: "基于空间离散点集的三角剖分算法研究及在电磁散射中的应用", 《中国优秀硕士学位论文全文数据库 基础科学辑》 * |
刘辉等: "MIMO下视阵列SAR倾角误差补偿算法", 《测绘学报》 * |
李学仕等: "基于压缩感知的下视三维SAR成像新方法", 《电子与信息学报》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113204022A (zh) * | 2021-04-30 | 2021-08-03 | 电子科技大学 | 基于相关向量机线性阵列sar三维成像快速贝叶斯压缩感知方法 |
CN113204022B (zh) * | 2021-04-30 | 2022-07-29 | 电子科技大学 | 基于相关向量机线性阵列sar三维成像快速贝叶斯压缩感知方法 |
Also Published As
Publication number | Publication date |
---|---|
CN111323777B (zh) | 2023-06-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sansosti et al. | Geometrical SAR image registration | |
Zhu et al. | Geodetic SAR tomography | |
Rigling et al. | Polar format algorithm for bistatic SAR | |
CN103489176B (zh) | 一种对于严重几何畸变的sar图像进行同名点提取的方法 | |
CN102654576B (zh) | 基于sar图像和dem数据的图像配准方法 | |
CN101539627B (zh) | 一种电离层立体探测星载sar成像处理平台的构建方法 | |
US20120133550A1 (en) | Method for Determining the Geographic Coordinates of Pixels in SAR Images | |
CN103543453B (zh) | 一种地球同步轨道合成孔径雷达干涉的高程反演方法 | |
Montazeri et al. | Three-dimensional deformation monitoring of urban infrastructure by tomographic SAR using multitrack TerraSAR-X data stacks | |
KR101804522B1 (ko) | 다중 변위 추정 커널을 이용한 위성레이더 오프셋트래킹 장치 및 그 방법 | |
CN109471104B (zh) | 一种从两平行轨道sar数据中获取地表三维移动量的方法 | |
CN103308031B (zh) | 一种基于卫星三线阵ccd影像的云顶高度反演方法 | |
CN110823191B (zh) | 混合基线双天线斜视干涉sar洋流测量性能确定方法及*** | |
Capaldo et al. | Evaluation and comparison of different radargrammetric approaches for Digital Surface Models generation from COSMO-SkyMed, TerraSAR-X, RADARSAT-2 imagery: Analysis of Beauport (Canada) test site | |
CN104007439A (zh) | 一种干涉圆迹sar高程估计处理方法 | |
CN104515980A (zh) | 一种基于InSAR构型的地面运动目标检测方法和装置 | |
CN103744081A (zh) | 一种机载圆迹合成孔径雷达高精度三维成像补偿方法 | |
CN105929400A (zh) | 基于精确测量的恒定prf下变航速机载sar数据补偿方法 | |
CN111323777B (zh) | 顾及波数域Delaunay子块的压缩感知下视阵列SAR误差补偿算法 | |
CN114089333A (zh) | 一种基于直升机平台的sar振动误差估计及补偿方法 | |
Tao et al. | On-orbit geometric calibration of the panchromatic/multispectral camera of the ZY-1 02C satellite based on public geographic data | |
CN117214932A (zh) | 卫星编队的波束位置的确定方法、装置、设备及存储介质 | |
CN116299453A (zh) | 星载sar非沿迹模式干涉高程测量方法 | |
CN111505626B (zh) | 一种利用底视差分干涉测量二维地形坡度的方法 | |
CN115100243A (zh) | 一种基于序贯sar图像的地面运动目标检测与跟踪方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |