SAR成像的案例
機載雷達SAR成像對比
機載雷達SAR成像對比
高分辨率合成孔徑雷達圖像處理SAR工作站硬件配置推薦
對于高分辨率SAR圖像處理，使用多核CPU和GPU可以顯著提高處理速度。同時，由于高分辨率SAR圖像可能會產生大量數據，因此需要足夠大的內存和存儲容量來處理和存儲這些數據。
算法方面，高分辨率SAR成像使用一系列算法來處理雷達返回的數據，以生成圖像。一些常見的算法包括：
§ SAR圖像成像算法： 包括像SAR干涉成像（InSAR）和運動補償成像等，用于處理SAR數據以獲得高質量圖像。
§ 目標檢測和識別算法： 用于自動檢測和識別圖像中的目標，如車輛、建筑物和船只。
§ 變化檢測算法： 用于比較不同時期的SAR圖像，以檢測地表上的變化。
§ 壓縮成像算法： 用于處理大規模SAR數據，以減小數據存儲和傳輸的負擔。
§ 圖像配準算法： 用于將多幅SAR圖像配準到相同的坐標系統中。
關于計算特點，SAR成像算法通常是計算密集型的，需要大量的計算資源。計算可以基于CPU單核或CPU多核進行，但一些算法可以受益于多核CPU的并行計算。此外，一些算法可以受益于GPU加速，特別是在處理大規模SAR數據時。對于GPU計算，需要較大的顯存以處理大型數據集。此外，內存容量和硬盤速度也對SAR圖像處理性能產生影響，因為高分辨率SAR數據通常較大。因此，為了獲得較好的性能，硬件配置需要考慮這些因素。
以下是一些常用SAR成像算法的計算特點：
§ 脈沖壓縮：基于CPU單核計算，計算量較小。
§ 距離遷移校正：基于CPU單核或多核計算，計算量較大。
§ 相位校正：基于CPU單核或多核計算，計算量較大。
§ 目標識別：基于CPU多核或GPU計算，計算量較大。
§ 地形測繪：基于CPU多核或GPU計算，計算量較大。
§ 三維重建：基于GPU計算，計算量最大。
展開 SAR雷達成像的高分辨率是怎么實現的？
為了擺脫這個困境，合成孔徑雷達（SAR）應運而生。
雷達的常見分類以及典型應用
有源電掃描相控陣天線（AESA）
相控陣造價非常高，主要應用于軍事領域和合成孔徑雷達（SAR）的衛星應用。有源相控陣（ASEA）每個輻射單元都有獨立的發射/接收模塊（T/R），而無源相控陣（PESA）則使用共同的RF信號，每個單元通過移相器進行調整。
對ASEA而言，不同T/R模塊的幅相一致性非常重要，需要精確測試和測量。
合成孔徑雷達（SAR）
合成孔徑雷達（SAR），與真實孔徑雷達（RAR）一樣，都屬于成像雷達。此類雷達系統安裝于機載或星載平臺，通過電磁波掃描地球表面，而獲得地面二維圖象。
SAR基本原理是，包含一個沿輻射方向垂直的路徑移動的天線，位置全程已知，運動方向通常稱為“跡軌方向（Along Track）”或方位方向，而相應垂直于運動的方向稱為“斜距方向 (Cross Track)”。而所謂“腳印（footprint）”是指真實孔徑照射的區域，所謂“刈幅（swath）”則指沿運動方向掃過的一個條帶。
SAR讓雷達在軌道上運動，并按一定的重復頻率發射雷達信號，將連續的不同位置的信號加以綜合，增加了時間帶寬積。可以等效為天線長度在運動方向增加，等效波束變窄，提高分辨率。在距離方向，SAR的信號仍可以采用寬帶信號，以獲得高的分辨率。沿運動方向的分辨率可以達到真實天線尺寸的一半。真實天線的長度減小一半，分辨率改善一倍。
方位向分辨率
距離分辨率
如果需要達到1m的分辨率，信號帶寬達到150MHz。現代的SAR帶寬大于1GHz，（有時需要2GHz帶寬），分辨率達到小于10cm。
信號帶寬通常由脈沖壓縮獲得，如線性調頻。更先進的SAR采用步進跳頻、極化開關，以及其他復雜技術。
展開 
海浪模擬 （FESIM有限元分析）
隨著合成孔徑雷達成像(SAR)技術的成熟,利用海面的SAR圖像反演海浪譜越來越受到人們的重視。
該方法提出的海浪模型包括二維海浪模型和三維海浪模型。此處著重介紹三維海浪模型,Jensen、Tessendorf分別詳細描述了利用海洋統計和經驗模型,采用一系列的正弦波的疊加來模擬海面,通過FFT(快速傅里葉變換)快速生成一個類似海浪譜分布的高度場模擬海浪的方法。此方法具有一定的真實感。謝薇、李暉采用雙疊加法模型作為理想狀態下海浪的波形模型,通過海浪譜確定海浪模型中的隨機變量。既考慮了海浪的隨機性,又基于一定的物理特征,在對海仿真中給人以更好的真實感。賈俊濤采用Phillips譜分析,提出2DFFT方法,提高了海浪仿真中動態數據的生成效率,并且可以生成不同分辨率的海浪波高。元健勝在賈俊濤的基礎上對模型進行了一些微小的改動,使得海浪的波峰變得尖銳,波谷更為平坦,使模擬的圖像逼真度進一步提高。曾凡濤提出了譜 紋理坐標移動的模擬。Jocelyn采用基于海浪譜的Gerstner模型和傅立葉變換的方法,來模擬深水域的波浪。祝力提出了用合成波加細碎波的方法進行海浪的動態仿真,著重分析利用對合成波參數進行修正的方法來增強模擬風浪的真實效果,海浪模擬圖例說明了該仿真方法可行。在雷達回波仿真領域中,關于海浪建模,常使用的是二尺度海面模型,即假定海浪由大尺度波長波浪以及疊加在其上的小尺度波細浪、紋波等微尺度波組成,小尺度波由海譜統計描述,大尺度波根據線性海浪理論的線性模型描述。
上述利用線性模型進行建模的方法叫線性疊加法。其概念清晰,方法簡單。但計算量太大,實時性較差;同時由于這類方法是基于小振幅波的線性疊加,因此生成的波形比較圓滑,與真實的海浪(真實的海浪波峰較尖,而波谷較長)相比逼真性較差;而且線性疊加法不能模擬卷風波。
基于海浪譜的建模方法中還有線性過濾方法。
展開 雷達低可觀測目標探測技術
2）SAR圖像中的艦船目標檢測。SAR圖像艦船目標檢測主要分為直接檢測艦船本身和通過檢測艦船尾跡來確定艦船兩種途徑，前者適用于艦船相對海面背景較為明顯的情況，后者則要求艦船處于運動狀態。多波段SAR圖像融合是艦船目標檢測技術的一個研究熱點，其融合層次包括像元級、特征級和決策級，圖7給出了多波段SAR 圖像3 種融合層次的流程圖。圖8利用同一區域目標的C、L和P波段SAR圖像演示了多波段SAR圖像決策級融合檢測的處理結果。
圖7 距離擴展目標的通用檢測流程
圖8 多波段SAR 圖像決策級融合檢測的處理結果
利用多維信息的動目標認知檢測技術
對于雜波背景中的目標檢測問題來說，獨立的信息來源越豐富，越有利于目標檢測，其中信息既包括關于目標的信息，也包括關于背景的信息。因此，從信息源的角度來看，雷達目標檢測技術包括基于單雷達的目標檢測技術、基于多雷達信息融合的目標檢測技術（例如空間分集多輸入多輸出（multi- input multi- output，MIMO）雷達、基于多種類型傳感器信息融合的目標檢測技術、基于知識輔助（knowledge-aid，KA）的目標檢測技術等。
1）空間分集MIMO雷達目標檢測技術利用復雜目標RCS隨視角劇烈變化的特點，通過融合多個視角的觀測數據來獲得較為穩定的平均RCS 條件下的檢測性能。
2）基于知識輔助的空時自適應處理（KA-space-time adaptive processing，KA-STAP）技術將專家系統的思想推廣到多維濾波問題中。傳統STAP的核心是一種基于樣本協方差矩陣的技術，而KA-STAP研究將潛在信息資源的利用充分擴展到全部自適應處理過程中，提高雷達對環境的感知能力，如圖9所示。
展開 輕小型無人機測繪遙感系統研究進展
圖5 基于無人機激光雷達的測繪成果（結果由“點云催化劑軟件”處理完成）
Fig.5 Surveying and mapping products based on UAV LiDAR
3.5 合成孔徑雷達
合成孔徑雷達SAR（Synthetic Aperture Radar）是一種利用微波進行成像感知的傳感器，不受云、雨、霧、雪等天氣影響，能夠全天時、全天候地獲取地表的高分辨圖像（梁福來，2013），是進行地形測圖的重要手段之一（郭華東，2000；張繼賢等，2013）。成像方式主要有條帶式和聚束式兩種。美國諾斯諾普·格魯曼公司、通用原子能公司、歐洲EADS Astrium 公司、中科院電子所、西安電子科技大學、北京理工大學等多家企業、科研院所、高校等開展了微小型SAR的技術研究工作（劉亮和吉波，2014）。歐洲EADS 公司在2003年推出了重量4 kg 的Ka波段無人機SAR系統，可獲得0.5 m×0.5 m 分 辨率 的圖像（Edrich 和Weiss，2008）。巴西Remy 等（2012）2008年開始研制首個適用于無人機平臺的P波段和X波段干涉SAR系統，重量30 kg，X波段和P波段的影像分辨率分別為0.5 m×0.11 m和1.5 m×0.3 m。中國科學院電子學研究所在2011年研制出了重量1.8 kg 的國內首套Ku波段和Ka波段SAR系統，分辨率可達0.15 m。2019年推出的W波段MiniSAR 樣機重量0.14 kg，功率15 W，最大成像距離500 m，成像分辨率0.086 m（Ding 等，2019）。德國Maxonic 公司研制的W波段SAR，成像分辨率為0.15 m，并在無人直升機上進行了技術驗證，取得了較好的成圖效果（Essen 等，2012）。
展開 