粗糙表面偏振二向反射分布函数的影响参数及其反演

针对目标偏振二向反射特性研究中模型参数难以准确确定的问题,分析了粗糙表面偏振二向反射分布函数的影响参数,并通过理论推导和仿真计算,研究了各参数对粗糙表面散射特性的作用机理。总结分析了现有参数反演方法,针对现有方法存在的理论缺陷,在P-G(Preist-Germer)模型的基础上,提出了利用"相对偏振分量-角度"的相关关系进行参数反演的方法,设计了参数反演算法,进行了标准反射板和绿漆表面的偏振二向反射特性测试实验,并根据实验数据进行了参数反演和模型验证。实验结果表明,改进的参数反演方法可准确反演所有模型参数。利用反演参数进行模型验证,结果显示模型预测数据与实验数据具有较好的吻合度,验证了模型的准确性。     

Ku波段机载极化SAR数据定标

针对极化合成孔径雷达(SAR)数据采集过程中出现的通道串扰、通道不平衡问题,利用Ku波段机载全极化SAR数据进行定标试验研究。进行了极化通道间干涉相位去除,以及包含相位校正、串扰校正和通道不平衡校正的极化SAR定标处理。对三面角反射器后向散射的分析表明:经定标处理后,极化通道不平衡降至1 dB以内,通道串扰降至-17 dB以下,极化特征图与理想三面角更为接近。Freeman-Durden分解结果表明:经定标处理后,极化SAR数据能较为准确地反映地物主要散射机制信息。     

基于深度学习算法的极化合成孔径雷达通用分类器设计

地物分类是PolSAR(极化合成孔径雷达)的重要应用方向。传统算法需要基于特定数据人工选取特征和设计分类器,而深度学习算法能够自行从海量数据中提取层次化特征。在深度学习算法总结的基础上,结合深度学习和PolSAR大数据,提出了一种高效率、高精度的通用分类器设计方法。使用人工标记的数据训练CNN(深度卷积网络),自动化地进行特征学习和提取,并实现高精度的地物自动分类。在具有不同分辨率的机载和星载PolSAR数据上对通用分类器进行测试,都能快速、准确地分类。研究成果可快速将PolSAR数据转译为更直观的地物分类结果,对海量数据,特别是GF-3卫星PolSAR图像的利用有一定的辅助价值。     

全极化微波辐射计加法型模拟复相关器研究

全极化微波辐射计的核心部分是复相关器。介绍了一种加法型模拟复相关器,它采用混合耦合器构成移相网络,在中频将电磁波信号相位调整到特定状态,从而实现了用加法思想获取全部Stokes参量。分别研制了分布参数和集总参数的移相网络,对它们测量并进行比较。最后对加法型模拟复相关器进行了整体测试,给出了噪声源测量下的相位反演能力测试。结果表明加法型模拟复相关器具有较好的极化测量性能。     

目标粗糙表面偏振二向反射分布函数实验研究方法改进

由于利用传统p BRDF(polarimetric Bidirectional Reflectance Directional Function,偏振二向反射分布函数)的测试方法效率较低,精度不高,难以满足研究需要,因此基于自主研发制造的二维转台系统,设计了散射光Stokes参量及p BRDF矩阵的新测试方法,以提高测试效率和精度。该方法将单点测试次数由传统方法的16次降低到4次,测试效率更高,根据Muller矩阵的对称性进行数据处理,反演精度更高。针对该方法设计了实验验证方法,验证的实验对象包括标准反射板、绿色功能涂层。实验结果表明了所提测试方法的准确性及有效性,为今后目标粗糙表面p BRDF模型的改进提供了高精度的实验支撑。此外,分析实验数据可知,反射光的强度曲线与偏振分量曲线区别较大,因此使用偏振成像探测技术可有效提高目标探测和识别的能力。     

Measurement of night sky brightness in southern Australia

Night sky brightness is a major source of noise both for Cherenkov telescopes as well as for wide-angle Cherenkov detectors. Therefore, it is important to know the level of night sky brightness at potential sites for future experiments.     

极化SAR中的有源干扰抑制分析

极化SAR已成为SAR技术的研究热点,本文针对极化SAR中有源干扰(包括有源压制干扰和有源欺骗干扰)的抑制问题进行了研究.通过分析多通道极化SAR(M-PolSAR)系统中的信号模型及干扰模型,提出了一种结合极化与多通道技术的有源干扰抑制方法.通过快时间域的STAP技术和慢时间多普勒域对消,对包括压制和欺骗的有源干扰进行有效的抑制,给出了抗有源干扰的PolSAR成像的工程实现流程.仿真实验验证了该方法的有效性.     

基于相干度优化的极化顺轨干涉SAR慢小目标CFAR检测

为改善干涉合成孔径雷达（SAR）系统对慢动小目标的检测性能,研究了全极化顺轨干涉SAR（AT-POLINSAR）实现慢动目标恒虚警（CFAR）检测的方法。首先,通过对单基线AT-POLINSAR的系统设计,明确了其在现有技术条件下的可实现性,并对其信号形式与极化干涉回波进行了建模分析。然后,针对AT-POLINSAR 6维极化干涉矢量提出了以背景杂波平均相干度为优化准则的极化降维新方法,构建了一种统计分布类型与单极化干涉数据相同的次优极化标量干涉回波,从而使目前单极化顺轨干涉SAR（AT-INSAR）慢动目标CFAR检测方法可直接扩展至全极化情形。最后,通过检测实验对次优极化与单极化的慢动目标检测性能进行了对比分析。结果表明,次优极化方法能充分利用全极化信息提高INSAR对慢小目标的检测概率。      

天基干涉合成孔径雷达技术发展与展望

天基干涉合成孔径雷达(InSAR)技术发源自合成孔径雷达(SAR)技术,突破性地实现了平面向立体维度的拓展,并在此基础上衍生了差分干涉(D-InSAR)等一系列技术研究方向。经过近30年的技术积累和工程实践,InSAR技术已从理论走向工程实践,填补了天基高效测绘手段的空白,产生了极大的应用效益,其中,德国TerraSAR-X/TanDEM-X系统、我国天绘-2卫星系统均为典型代表。同时,基于InSAR技术体制以及在轨数据的积累和研究,不断衍生新的技术方向、新的应用前景,该技术领域仍具有极大的发展潜力和广泛的应用前景。本文从InSAR技术原理出发,介绍了天基InSAR卫星的发展现状及典型应用。通过天绘-2卫星系统真实在轨数据的分析与解读,阐述了我国在该领域的工程与技术基础。通过分析天基InSAR主要应用方向的观测需求,给出了未来该领域的发展方向。     

基于去相干敏感因子的多基线PolInSAR植被高度反演方法

极化干涉合成孔径雷达(PolInSAR)技术通过建立相关质量评价指标筛选最优干涉几何，从而实现多基线植被高度反演。但目前使用的相干性特性、测高精度等质量指标并未关联与干涉几何直接相关的垂直波数，容易降低干涉几何选取的稳健性。本文提出一种基于去相干敏感因子的多基线PolInSAR植被高度反演方法，利用敏感因子描述干涉几何与植被高度的匹配程度，从多个单基线固定消光方法中确定最佳植被高度反演结果。使用欧洲航天局AfriSAR 2016项目的P波段合成孔径雷达(SAR)数据进行实验验证。实验结果表明:以激光雷达(Light Detection and Ranging， LiDAR)获取的植被高度作为参考，本文多基线反演算法的均方根误差为6.19 m，比其他两种传统方法精度分别提高了约14.14%和13.55%。