单双基地极化干涉SAR信号建模、检测及参数反演方法研究

国防科学技术大学博士学位论文单/双基地极化干涉SAR信号建模、检测及参数反演方法研究姓名：李廷伟申请学位级别：博士专业：信息与通信工程指导教师：梁甸农2010-09国防科学技术大学研究生院博士学位论文第i页摘要极化干涉合成孔径雷达（SyntheticApertureRadar,SAR）是将极化SAR和干涉SAR有机结合的新型雷达体制，它利用多幅极化SAR干涉图像进行信息提取，在植被参数反演和地面运动目标检测领域取得了广泛应用。极化干涉SAR复相关系数模型是极化干涉SAR的基础，决定着极化干涉SAR信息提取精度，而极化干涉SAR复相关系数模型依赖于干涉雷达的收发模式。昀初的极化干涉SAR系统都是两部雷达各自收、发的单基地极化干涉SAR系统，随着一发多收技术的发展，极化干涉SAR系统正由单基地体制向着双基地（本文中的双基地极化干涉SAR专指一部雷达自发自收、而另一部雷达被动接收的干涉系统）体制转变，双基地极化干涉SAR是未来雷达技术的发展趋势，是当前雷达遥感领域的研究热点。本文以单/双基地极化干涉SAR植被参数反演和运动目标检测为研究背景，对极化干涉SAR协方差矩阵的高精度估计、单/双基地两层植被极化干涉建模及其植被参数反演新方法、单/双基地三层植被极化干涉建模及其植被参数反演新方法、单/双基地沿航向极化干涉SAR-GMTI性能提高方法及系统参数优化方法等关键问题进行了研究。论文的主要工作包括：第二章主要介绍单/双基地极化干涉SAR基础。首先，建立了单/双基地全极化线性调频信号的发射、接收和全极化SAR图像信号模型；然后，基于全极化SAR图像信号模型，建立了各类目标通用的极化干涉SAR信号模型；昀后，基于极化干涉SAR植被参数反演信号模型，阐述了植被参数反演的基本原理，分析了体相关系数估计误差对经典三阶段植被参数反演方法性能的影响。第三章研究极化干涉SAR协方差矩阵高精度估计方法。提出了基于区域增长寻窗和相位补偿的极化干涉SAR协方差矩阵迭代估计方法。该方法首先挑选干涉条纹质量昀好的极化单视复相位图像进行旋滤波，获得干涉相位估计值，并利用该干涉相位估计值对干涉矩阵进行相位补偿，消除相位非平稳性的不利影响；然后，利用全极化强度图像进行区域增长寻窗，保证多视窗口里的像素满足散射同质性;昀后，对于满足散射同质性和相位平稳性的窗口，提出了基于Hermitian乘积模型的协方差矩阵迭代估计方法。该方法不仅可抑制散射异质性和相位非平稳性导致的协方差矩阵估计偏差，还可减小低相干性导致的估计偏差，具有较高的极化干涉SAR协方差矩阵估计精度。实验结果验证了本文方法的优越性。第四章研究两层植被单/双基地极化干涉模型及其植被参数反演方法。建立了两层植被单/双基地极化干涉SAR复相关系数模型，重点分析了收发模式和散射机理对极化干涉SAR复相关系数分布特征的影响，进而研究了收发模式和散射机理对三阶段植被参数反演方法精度的影响，发现了新模型下三阶段植被参数反演方法精度不高的原因。提出了基于BP神经网络的极化干涉SAR植被参数反演方法，国防科学技术大学研究生院博士学位论文第ii页该方法利用BP神经网络直接模拟极化干涉复相关系数与植被参数之间的非线性关系，避免了三阶段植被参数反演方法面临的地面干涉相位模糊和体相关系数估计误差的不利影响，同时，由于该方法直接拟合复相关系数与植被参数之间的非线性关系，不受极化复相关系数分布特征的影响，因此，该方法同样适合于双基地极化干涉SAR植被参数反演。提出了基于Freeman分解的极化干涉SAR植被参数反演方法，该方法利用极化协方差矩阵、极化干涉矩阵与Freeman分解之间的关系，把植被参数反演问题转化为非线性优化问题，进行植被参数反演，具有思路直观、反演精度高、速度快等特点。更重要的是该方法不受极化干涉SAR复相关系数分布特征的限制，即使对于双基地极化干涉SAR系统，该方法仍然适用，实验结果验证了新方法的有效性。第五章研究单/双基地三层植被极化干涉模型及其植被参数反演方法。建立了三层植被单/双基极化干涉SAR复相关系数新模型，分析了三层植被单/双基极化干涉SAR复相关系数分布特征，讨论了新模型下三阶段植被参数反演方法的局限性，提出了基于多基线极化干涉SAR的三层植被参数反演方法。三层植被模型是两层植被模型的扩展，基于多基线极化干涉SAR的三层植被参数反演方法，不仅能够提高植被参数反演精度，更重要的是，还能够获得更多的植被参数信息，实验结果验证了新模型的正确性和新方法的有效性。第六章研究单/双基地极化SAR-ATI运动目标检测及系统参数优化设计。针对单基地极化沿航向干涉SAR系统，提出了极化虚拟多基线的概念和构造方法，分析了基于极化虚拟多基线的运动目标检测性能，比较了极化虚拟多基线相对于单极化沿航向干涉SAR系统的运动目标检测优势。建立了以昀大化不模糊可测速区间长度比为目标函数的系统优化模型，优化模型的自变量是实际基线长度和脉冲重复周期，经过模型优化处理得到的实际基线长度和脉冲重复周期的组合能够将极化信息在提高运动目标检测能力方面的优势昀大化。针对乒乓模式的全极化沿航向干涉SAR系统，研究了其极化虚拟多基线的构成及特征，分析了新模式下极化沿航向干涉SAR系统的运动目标检测潜能，并以TanDEM-X和TanDEM-L系统为参考，分析了基于极化虚拟多基线的运动目标检测潜能。关键词：双基地；干涉SAR；极化SAR；植被；散射矩阵；极化干涉SAR协方差矩阵；散射机理；沿航向干涉;运动目标检测；参数反演；误差后向传播神经网络；Freeman分解；乒乓模式。国防科学技术大学研究生院博士学位论文第iii页ABSTRACTPolarimetricSARInterferometry(Pol-InSAR)isanadvancedSARsystem,whichcombinesboththeadvantagesofthePolarimetricSARandthoseoftheinterferometricSAR.ItcangettheinterferometricinformationofmanydifferentpolarimetricSAR,soithasbeenwidelyusedinthedomainsofvegetationparametersinversionandmovingtargetdetection.ThemodelofthePol-InSARcomplexcorrelationcoefficientisthebaseoftheinformationextractionanddecidestheprecisionoftheinformationextraction.Especially,thestudyonthePol-InSARsystemhasbeenchangedfromthemono-staticmodetothebi-staticmode.Inthisdissertation,themono-staticPol-InSARsystemmeansthatbothradarstransmittheradarsignalandreceiveitssignalatthesametime.Thebi-staticPol-InSARsystemmeansthatonlyoneoftheradarstransmitsthesignalandbothradarsreceivethesignal.Thebi-staticPol-InSARsystemisadevelopingtrendoftheradarandisastudyhotspotinthecurrentdomainofradarremotingsensing.Thisdissertationfocusesonthevegetationparametersinversionandthemovingtargetdetectionbythemono/bi-staticPol-InSAR.TheresearchtopicsincludethehighlypreciseestimationofthePol-InSARcovariancematrix,themodelingofthemono/bi-staticPol-InSARcomplexcorrelationcoefficientofthetwo-layervegetationstructureandthenewparameterinversionmethodtoit,themodelingofthemono/bi-staticPol-InSARcomplexcorrelationcoefficientofthethree-layervegetationstructureandthenewparameterinversionmethodtoit,themethodtoimprovethedetectionperformanceofthemovingtargetbythefully-polarimetricalong-trackinterferometrySARsystemandtheoptimizationmethodtothealong-trackPol-InSARsystem.Themainworkofthisdissertationincludes:Chapter2introducesthebaseofthePol-InSAR.Thereceive-transitsignalmodelofthemono/bi-staticfully-polarimetricLFMsignalandthemono/bi-staticfully-polarimetricSARimagesignalmodelareestablishedfirstly.Then,basedonthefully-polarimetricSARimagesignalmodel,thegeneralizedPol-InSARsignalmodelisproposed.Finally,basedonthesignalmodelofthevegetationparametersinversion,thebasicprincipleofvegetationparametersinversionisexpatiatedandtheeffecttotheperformanceofthethree-stageinversionmethodisanalyzed.Inchapter3,themethodtothehighlypreciseestimationofthePol-InSARcovariancematrixisinvestigated.Anovelmethodbasedontheadaptiveneighborhoodregion-growingprincipleandthecompensatedphaseisproposed.Firstly,thebadeffectbythephasenonstationarityiseliminatedbythewayinwhichtheinterferometricmatrixiscompensatedwiththeinterferometricphaseestimatedfromthepolarimetricinterferogramwiththebestinterferometricperformance.Then,theregion-growingprincipleisusedtothefully-polarimetricSARintensityimagestogetawindow,in国防科学技术大学研究生院博士学位论文第iv页whichthepixelssatisfythelocalscatteringstationarityhypothesis.Tothewindowsatisfyingthelocalphase