单基线PolInSAR反演算法研究

极化干涉合成孔径雷达(PolInSAR)测量是一种集极化雷达(PolSAR)和干涉雷达(InSAR)测量技术于一体的新的对地观测技术,利用极化干涉雷达数据反演地表植被参数特别是森林的垂直结构参数是当前极化干涉研究的热点问题。经典的单基线PolInSAR反演算法是Cloude和Papathanassiou提出的三阶段反演算法,但是该算法在相干值估计、直线拟合和散射体去相干估计等方面都存在着误差,直接影响反演精度。该文提出了一种新的基于统计特征和PolInSAR相位最优化算法的反演算法,并采用PolInSAR模拟数据验证了该算法的有效性。     

基于简缩极化干涉SAR数据的森林垂直参数反演

森林区域竖直结构参数的反演是极化干涉雷达的一个重要应用,基于RVoG模型,运用全极化干涉数据可成功获得森林区域的地形估计及树高反演。该文将基于单基线简缩极化干涉SAR(C-PolInSAR)数据对森林区域进行林下地形估计及树高反演。推导单基线简缩极化干涉相干系数及相干区域,根据相干区域进行直线拟合,提出简缩极化干涉数据下的地形相位判别准则及体散射去相干估计方法,然后完成树高反演。通过L, P波段仿真数据以及实测机载数据对上述方法进行验证,获得正确地形及树高。简缩极化发射波极化状态不唯一,因此该文详细分析不同参数的椭圆极化对地形及树高等参数估计的影响,研究表明地形树高受椭圆极化波影响较小,也验证了估计方法的稳定性。     

基于PolInSAR相干区域的最优正规矩阵近似解的地形与树高估计

森林区域林下地形及树高的反演是极化干涉雷达的一个重要应用。该文首先对极化干涉SAR数据的相干区域进行建模及运用最优正规矩阵近似干涉互相关矩阵,得到白化正规干涉互相关矩阵。白化正规干涉互相关矩阵的相干区域为一条直线,任意求得两个不同极化状态下的相干系数进行直线拟合,完成地表的估计,再结合体散射去相干与树高之间的关系,运用查表方法完成树高的估计。该方法回避了传统方法中求解所有极化状态下的相干系数估计及相干区域边缘提取的步骤,在简化参数反演提升估计效率的同时获得正确地表与树高估计,最后运用仿真数据完成算法有效性与可靠性的验证。     

基于约束总体最小二乘算法的全极化 散射中心参数估计

 本文以散射中心的指数衰减和模型(Damped Exponentials,DE)为基础将全极化散射中心的参数提取问题转化为全极化信息融合的约束总体最小二乘(Constrained Total Least Squares,CTLS)算法问题,据此计算出全部散射中心的距离参数和类型参数,然后利用最小二乘法求解全极化测量方程,得到每个散射中心的复幅度信息,从而获得每个散射中心的散射矩阵,其中散射矩阵与类型参数是密切相关的.然后分析了其中参数估计的精度问题,针对极化通道噪声方差的不同提出了相应的改进算法.最后进行了仿真,并与单极化散射中心估计参数作了对比,结果证实了该方法的有效性,为雷达极化信息与散射中心的有效融合提供了新方法.     

基于极化干涉相似性参数的四元素分解

该文针对传统极化合成孔径雷达(PolSAR)分解方法过高估计植被成分的问题,提出一种基于极化干涉相似性参数(PISP)的极化干涉分解方法。利用极化干涉合成孔径雷达(PolInSAR)的3组最优相干散射机制定义的PISP具有对地表散射体空间分布敏感的特性和旋转不变性。该文基于PISP的物理意义对植被模型进行改进,使利用该模型分解相干矩阵得到的不同地物体散射功率具有自适应性。最后利用欧空局(DLR)E-SAR获取的L波段全极化干涉数据验证该分解方法的有效性,实验结果表明,该算法得到的分解结果能有效区分植被和建筑物。     

一种高敏感度的蒸发波导剖面模型

以提高全球定位系统(Global Positioning System,GPS)信号反演蒸发波导的精度、简化现有蒸发波导折射率剖面模型为目的,通过分析四参数蒸发波导剖面模型的GPS海面散射信号功率特性,改进得到了一种三参数模型——高敏感度的蒸发波导折射率剖面模型,并针对其GPS海面散射信号功率特性,同现有剖面模型进行了对比分析,通过粒子群优化算法的反演结果验证了三参数模型的高敏感度在反演中的优势.     

基于幅相一致性校正的稳健植被参数反演方法

植被参数反演是极化干涉合成孔径雷达(PolInSAR)的重要应用。传统反演方法未考虑观测样本数据幅度和相位的非平稳特性,以及观测信号非均匀分布对其散布区域线性变化主导方向估计的影响。针对这些问题,该文首先采用经过幅度和相位一致性校正的数据样本估计极化相干矩阵,提高了极化干涉复相干系数的估计性能,并提出了映射空间均衡化(MSR)处理技术以消除观测信号非均匀分布对主导方向提取的影响,通过引入主成分分析(PCA)方法进一步提高了参数反演算法的性能。利用欧空局(ESA)发布的软件PolSARPro仿真验证了该文方法在植被参数反演方面具有更好的稳健性和估计精度。     

基于改进广义回归神经网络和主成分分析的宽带DOA估计

为了获取较高的宽带信号的DOA(direction-of-arrival)估计精度,提出了基于改进的广义回归神经网络(IGRNN,improved generalized regression neural network)和主成分分析(PCA,principalcomponent analysis)的宽带DOA估计算法。选用PCA方法对训练样本进行降维,以降低神经网络的复杂度;利用粒子群算法优化GRNN的参数;根据选取不同的聚焦角度确定粗估计、精估计的训练模型,通过粗估计得出目标的大致方位后,利用精估计模型得出最终的估计结果,避免了聚焦角度对估计精度的影响。仿真结果表明,本文提出的算法具有较好的估计精度和较高的工作效率。     

改进的SLFM宽带DOA估计方法

针对信源线拟合算法(SLFM)受限于均匀线性阵列(ULA)的缺点,提出了一种改进算法.该算法通过曲线-直线变换,将非均匀线性阵列(NLA)变换为均匀线性阵列.仿真结果表明,新算法在保持原算法估计精度的同时,突破了均匀线性阵列条件的限制.     

基于分类统计的PolInSAR植被高度最大似然估计

极化干涉SAR是一种集极化和干涉SAR优势于一体的新型遥感技术.结合两层植被随机体散射模型和极化分解技术,基于极化干涉SAR数据的概率分布统计特征,提出一种利用参数迭代求解预测模璎和测量值最小似然距离的植被高度反演方法.该方法克服了传统最大似然估计方法需已知地表散射特征参数的约束,减少了计算复杂性.最后通过极化干涉SAR仿真数据实验分析,文中算法相对于三阶段反演算法提高了植被高度估计的精度.验证了算法的有效性.     

合成孔径雷达简缩极化干涉数据的植被高度反演技术研究

该文提出了一种利用合成孔径雷达简缩极化干涉数据进行植被高度反演的三阶段方法。将全极化干涉数据处理中的相干最优方法引入简缩极化干涉数据处理,由相位最优相干系数对应的最优相位获得体去相干系数和地表相位的初始估计,利用相干区域边界提取方法更新体去相干系数,得到精确的植被高度估计值。采用欧空局提供的L波段的模拟全极化干涉数据构造简缩极化数据集,将该数据用于植被反演,反演结果验证了提出方法的有效性。     

Unsupervised PolInSAR classification based on optimal coherence set

Aiming to solve the misclassification problems of unsupervised polarimetric Wishart classification algorithm based on Freeman decomposition, an unsupervised Polarimetric Synthetic Aperture Radar (SAR) Interferomery (PolInSAR) classification algorithm based on optimal coherence set parameters is studied and proposed. This algorithm uses the result of Freeman decomposition to divide the image into three basic categories including surface scattering, volume scattering, and double-bounce. Then, the PolInSAR optimal coherence set parameters are used to finely divide each of the three basic categories into 9 categories, and the whole image is divided into 27 categories. Because both the Freeman decomposition result and optimal coherence set parameters indicate specific scattering characteristics, the whole image is merged into 16 categories based on physical meaning. At last, the Wishart cluster is employed to obtain the final classification result. To preserve the purity of scattering characteristics, pixels with similar scattering characteristics are restricted to be classified with other pixels. The final classification results effectively resolve the misclassification problem, not only the buildings can be effectively distinguished from vegetation in urban areas, but also the road is well distinguished from grass. In this paper, the E-SAR PolInSAR data of German Aerospace Center (DLR), are used to verify the effectiveness of the algorithm.     

相干区域长轴的快速估计方法及其应用

相干区域的长轴作为复相干系数间最长的连线,反映了复干涉相干系数线性变化趋势,因此在基于相干散射模型的极化干涉森林应用中具有重要研究意义。针对遍历搜索方法估计长轴效率低、精度受采样间隔限制的不足,该文提出一种相干区域长轴的快速估计方法。该方法将相干区域外切矩形的切点连线作为长轴的初始估计,利用逼近技术求解长轴。为提高森林高度估计性能,该文还提出一种应用长轴信息反演森林参数的方法。松树林的极化干涉仿真数据的结果表明,快速估计方法运行时间远低于遍历搜索方法,且长轴估计精度高于遍历搜索方法,利用长轴信息估计的森林高度更接近于仿真森林高度。     

Pine Forest Height Inversion Using Single-Pass X-Band PolInSAR Data

A sparse pine forest is investigated at X-band on a single-pass polarimetric synthetic aperture radar interferometry (PolInSAR) data set using HH and HV channels. These first preliminary results show that the associated phase centers present a significant vertical separation (about 6 m) allowed by penetration through gaps in the canopy. Forest parameter inversion using the random volume over ground (RVoG) model is evaluated and adapted at this frequency. The forest height can be retrieved accurately by supposing a high mean extinction coefficient (around 1.6 (dB/m). The penetration depth is estimated to be around 4 m, based on the forest height ground measurements. Finally, a time-frequency analysis using a sublook decomposition is performed to increase the vertical separation of the polarimetric phase centers. As a consequence, RVoG-inversion performance is improved, and a penetration depth that is in better accordance with a previous work (of the order of 2 m) is found. This paper has shown that the height inversion of a pine forest was possible using PolInSAR X-band data and that the performance was more dependent on the forest density than at lower frequencies.     

粒子群优化和拉凡格氏混合优化算法提取传感布里渊散射谱特征的方法

在基于布里渊散射的分布式光纤传感系统中,沿途光电检测信号信噪比(SNR)过低为被测量的信息反演带来困难。针对高精度解调传感布里渊散射谱的布里渊频偏量的需求,提出了一种利用粒子群优化(PSO)和拉凡格氏(L-M)混合优化算法对传感散射谱进行特征提取的方法。利用PSO算法粗调得到一组全局最优解,再以全局最优解作为L-M算法的初值,最终将L-M算法的运算结果作为结果输出。它克服了PSO算法过早收敛于局部极值和L-M算法依赖初值的问题,保证了求解的速度和精度。数值分析表明,新算法适合对不同权重比、不同线宽和低SNR、大测量范围情况下的散射谱进行参数估计,并且在SNR为10dB的情况下得到的绝对误差仅为2.18838MHz,优于其他两种算法。实验研究表明新算法适用于多种脉宽状况下的布里渊散射谱的特征提取,并可有效提高预测精度。