摘要—在合成孔径雷达 (SAR) 干涉测量中,两个不同传感器位置之间的相位差用于估计地形地貌。虽然可以通过这种方式找到三维 (3-D) 表面表示,但在固定距离和方位角位置的高度方向上不同散射体的分布仍然未知。与此相反,断层扫描技术在高度方向上实现了真正的几何分辨能力,并为许多应用和反演问题带来了新的可能性。即使是由重叠和缩短效应引起的 SAR 图像中的误解也可以通过断层扫描处理来解决。本文首次展示了极化机载 SAR 断层扫描的成功实验实现。我们提出了针对多基线成像几何的断层成像孔径合成概念,并讨论了由有限数量的飞行轨迹引起的限制。我们提出了一种减少与成像位置的不规则和欠采样空间分布相关的高度模糊性的方法。最后,我们解决了极化机载 SAR 层析成像的实验要求,并展示了使用德国航空航天中心的实验 SAR(E-SAR)在德国上法芬霍芬附近试验场的 L 波段获取的多基线数据集的实验结果。
超宽带 (UWB) 合成孔径雷达 (SAR) 被用于低频操作,以便从飞机或卫星上探测树叶下面和地面上的遮挡目标。虽然它具有明显的军事用途,但它也具有民用用途,例如地球物理研究、天气预报等。已经提出了许多图像处理算法,并将其应用于低频 UWB SAR。这些算法主要分为两类:频域和时域。本论文主要关注频域,特别是距离迁移算法 (RMA)。RMA 在范围内执行一维插值。此操作称为 Stolt 插值。在本论文中,我们研究了机载单基地 SAR 的图像处理。尽管这项研究是针对聚光灯 SAR 进行的,但由于天线波束宽度较大,因此 SAR 操作可以考虑介于聚光灯和条带图之间。主要目的是处理移动目标的散焦图像,并通过为 RMA 提出的方法重新聚焦它。该方法应用了平台和目标在运动时从它们之间的多普勒效应中产生的方位角新波数。这种聚焦方法还有助于确认图像中是否存在移动目标。为了进行模拟,UWB 低频参数取自 CARABAS II SAR 系统。
摘要—在合成孔径雷达 (SAR) 干涉测量中,两个不同传感器位置之间的相位差用于估计地形地貌。虽然可以通过这种方式找到三维 (3-D) 表面表示,但在固定距离和方位角位置的高度方向上不同散射体的分布仍然未知。与此相反,断层扫描技术在高度方向上实现了真正的几何分辨能力,并为许多应用和反演问题带来了新的可能性。即使是由重叠和缩短效应引起的 SAR 图像中的误解也可以通过断层扫描处理来解决。本文首次展示了极化机载 SAR 断层扫描的成功实验实现。我们提出了针对多基线成像几何的断层成像孔径合成概念,并讨论了由有限数量的飞行轨迹引起的限制。我们提出了一种减少与成像位置的不规则和欠采样空间分布相关的高度模糊性的方法。最后,我们解决了极化机载 SAR 层析成像的实验要求,并展示了使用德国航空航天中心的实验 SAR(E-SAR)在德国上法芬霍芬附近试验场的 L 波段获取的多基线数据集的实验结果。
摘要—在合成孔径雷达 (SAR) 干涉测量中,两个不同传感器位置之间的相位差用于估计地形地貌。虽然可以通过这种方式找到三维 (3-D) 表面表示,但在固定距离和方位角位置的高度方向上不同散射体的分布仍然未知。与此相反,断层扫描技术在高度方向上实现了真正的几何分辨能力,并为许多应用和反演问题带来了新的可能性。即使是由重叠和缩短效应引起的 SAR 图像中的误解也可以通过断层扫描处理来解决。本文首次展示了极化机载 SAR 断层扫描的成功实验实现。我们提出了针对多基线成像几何的断层成像孔径合成概念,并讨论了由有限数量的飞行轨迹引起的限制。我们提出了一种减少与成像位置的不规则和欠采样空间分布相关的高度模糊性的方法。最后,我们解决了极化机载 SAR 层析成像的实验要求,并展示了使用德国航空航天中心的实验 SAR(E-SAR)在德国上法芬霍芬附近试验场的 L 波段获取的多基线数据集的实验结果。
背景 近年来,空间技术已成为印度灾害风险管理和应对工作不可或缺的一部分。卫星可以为洪水、飓风、山体滑坡、地震、森林火灾、农业干旱等灾害造成的早期预警系统、实时监测和损失评估提供关键数据。包括合成孔径雷达和激光雷达在内的遥感技术可以提供灾害多发地区的高分辨率图像,识别有洪水或山体滑坡风险的地区。空间技术还推动了创新解决方案的开发,例如无人机 (UAV),它可以快速部署以收集数据并在灾区提供态势感知。这些技术在人迹罕至的地区特别有用。去年,印度成功将其 Chandrayaan-3 Vikram 着陆器于 2023 年 8 月 23 日降落在月球南极地区。为了纪念这一壮举,印度政府每年都将 8 月 23 日定为“国家太空日”。值此国家航天日之际,全国各地将举行盛大的庆祝活动。目标 • 了解空间技术在灾害风险管理中的作用。 • 突出总理关于 DRR 的 10 点议程。 • 提高认识并在所有决策者、研究人员、科学家、学者和其他利益相关者之间产生协同作用。 • 专注于决策支持系统工具,以协助灾害管理人员在紧急情况下进行决策。
与森林砍伐、碳循环、酸沉降和污染有关的重要问题。此外,全球植物信息在经济方面也很有用,例如调查粮食和纤维资源状况。许多研究人员已经研究了光学数据的信息内容,重点研究了 Landsat 传感器 [即多光谱扫描仪 (MSS) 和专题制图仪 (TM)]。遥感和植物学文献中充满了关于 MSS 和 TM 图像数据的潜在或实际用途的论文(请参阅 Colwell (1983) 的摘要)。其他研究人员已经探索了主动微波数据的信息内容(请参阅 Ulaby 等人 (1983) 的摘要)。很少有研究人员将光学和主动微波数据结合起来用于植被特征描述(Wu,1981)。在本文中,我们介绍了对加利福尼亚州某地区航天器拍摄的光学和有源微波图像数据进行综合研究的结果,该地区的草本植物和木本植被种类繁多。 1984 年 10 月,美国国家航空航天局 (NASA) 进行了第二次航天飞机成像雷达 (SIR) 任务。第一次任务 (SIR-A) 于 1981 年 11 月完成。它是一台合成孔径雷达 (SAR),工作在 L 波段,波长为 23.5 厘米,微波发射和接收均为水平极化(即 HH 极化组合)。SIR-A 以入射角观察地球表面
光纤激光器引起了人们的想象,因为在短期内需要光束组合的功率高达 100kW,在未来则需要多 MW。它们近乎完美的光束质量、稳定性和多功能性,再加上增益介质的低成本,使它们成为相干组合多达 1000 个单独光纤放大器光束的理想选择。使用源自电信的光纤电路,我们可以设想全光纤激光电路和系统,它们坚固耐用、易于运输,并且可以直接管理热负荷。后一个属性来自大的表面积与体积比、光纤激光器的效率和二氧化硅的热稳定性。对于坚固的单个光纤激光发射器来说,几千瓦可能是实用可靠的最佳点,我们需要考虑光束组合以缩放功率,无论是空间、波长还是相干。相干光束组合(如在合成孔径雷达中)具有可操纵性和内置自适应光学的属性。然而,顾名思义,我们需要从每个光纤发射器以稳定的偏振光束输出相干的单频,这并不简单。本文将回顾高功率单频激光器的进展,以及该技术的预期局限性。本文还将回顾高功率脉冲光纤激光器的最新研究,以及光束组合的前景,以克服由于光纤束尺寸小而导致的脉冲能量限制
军事领域对遥感信息的需求可以追溯到古代;起初,人们从山上控制敌人及其活动,然后从飞艇和飞机上控制敌人及其活动。随着火箭和卫星的出现,从太空观察地面上的军事和政治活动成为可能。因此,自太空探索开始以来,已发射了数百颗卫星,从而可以整合军事情报部门的监视活动。由于其各种潜力,卫星现在可以协助其他领域以及军事领域 - 包括通信,气象学,海洋学,定位和预警。直到现在,许多卫星都是为政府目的而开发的,支持科学研究和环境监测。每天地球都被许多遥感卫星系统星座所描绘。这些卫星由各种国际机构建造和发射,拥有各自特定的成像传感器,利用可见光、红外、微波和电磁频谱的其他部分。频率范围的选择取决于我们想要研究的内容;例如,红外范围对于研究海面图像非常有用,而城市区域图像的分析则需要使用多光谱数据。在本论文工作中,重点是主动传感器;特别是本论文基于对 SAR(合成孔径雷达)系统的分析。成像卫星利用雷达原理,利用反向散射信号的时间延迟形成图像:这些传感器发出微波能量的短脉冲,然后记录返回,通过复杂的信号处理步骤获得可读的表面图像。SAR 图像位于
引言 遥感是一种利用卫星或飞机观察地球表面各种特征的技术。随着太空传感器的进步,遥感已成为探测地球表面各种特征的有效方法。光学红外 (OIR) 遥感主要用于使用 OIR 传感器对地球表面进行成像。然而,OIR 传感器受到阳光可用性和大气条件(如雾霾和云层)干扰的限制。因此,使用微波或雷达遥感对于对地球表面进行成像非常有用。通过合成孔径雷达 (SAR) 系统进行的雷达成像扩展了微波遥感技术在各种应用中的应用。要理解 SAR 图像,需要了解电磁波与地球表面特征相互作用背后的物理现象。SAR 数据处理也不同于光学数据处理,因为它涉及许多信号处理技术。SAR 数据处理使用脉冲压缩技术、线性调频 (LFM) 概念、距离和多普勒信息以及各种其他 SAR 参数。距离-多普勒算法 (RDA) 是一种常用的聚焦 SAR 数据的技术。由于 SAR 是一种测距仪器,因此与光学图像相比,SAR 图像中的几何失真更为普遍。因此,需要使用 SAR 地理定位、地理编码和正射校正技术进行几何校正。SAR 地理定位也与光学传感器有很大不同,因为它使用距离和多普勒方程来对目标进行地理定位。
通过机载光学切片 (AOS, [1 – 10]),我们引入了一种宽合成孔径成像技术,该技术使用传统无人机对森林上方的图像进行采样。这些图像通过计算组合(注册到地面并取平均值)为积分图像,可抑制强遮挡并使隐藏目标可见。AOS 依赖于统计概率,即从多个角度看,森林地面上的某个点不会被植被遮挡,如 [2] 中的统计概率模型所解释的那样。可以进一步分析积分图像,以支持例如使用高级深度神经网络进行自动人员分类。在 [9] 中,我们已证明,在分类之前集成原始图像而不是合并原始图像的分类结果,在对空中热图像中部分遮挡的人进行分类时效果明显更佳(平均精度 92% vs. 25%)。在 [10] 中,我们展示了第一款基于 AOS 的全自动搜救无人机。与机载激光雷达 [11 – 14] 或合成孔径雷达 [15 – 18] 等替代方案相比,AOS 的主要优势在于,当部署在低成本片上系统计算机 (SoCC) 上进行遮挡消除时,其实时计算性能和高空间分辨率;它适用于其他波长,例如用于野生动物观察和搜救的远红外,或用于农业和林业应用的近红外。AOS 是被动的