项目名称: 差分层析SAR四维成像技术研究

项目编号: No.41271459

项目类型: 面上项目

立项/批准年度: 2013

项目学科: 天文学、地球科学

项目作者: 董臻

作者单位: 中国人民解放军国防科学技术大学

项目金额: 75万元

中文摘要: D-TomoSAR技术能够对观测对象实现四维(空间-时间)成像,在对地观测领域具有巨大的应用潜力。当前D-TomoSAR系统主要由单雷达重轨飞行构建,存在两个难题:(1)观测数据在垂直基线-观测时刻二维上分布稀疏,即小样本问题;(2)由大气扰动等时间去相关等因素在SAR 单视复图像中引入的相位噪声问题。前者会在信号重构中导致病态问题,后者会降低观测数据的信噪比,二者解决不好将会影响信号估计精度,降低对目标位置和形变的解析能力。此外,目前在形变估计方面的研究还主要针对线性形变,对非线性形变问题的研究不够深入。本项目首先根据相位噪声的空-时特性,研究高精度的相位噪声抑制方法;再根据D-TomoSAR信号的稀疏表示特性,在CS理论和FM信号估计理论指导下,研究目标位置和形变函数的精确估计方法。项目研究将充分借鉴雷达信号处理领域的研究成果,尝试通过学科交叉促进D-TomoSAR技术的实用化进程。

中文关键词: 差分层析合成孔径雷达;相位噪声;压缩感知;稀疏重构;非线性形变

英文摘要: Differential SAR tomography (D-TomoSAR) has the 4-D (spatial and temporal dimension) imaging ability, which makes it greatly potential for earth observation. At present, D-TomoSAR is usually constituted by repeat-pass missions of single-antenna SAR. Two problems will be resulted by this kind of acquisition method: the 2-D data set sparse distribution characteristic in baseline-time plane and the inevitable phase error associated with atmospheric disturbance for the years-long temporal span of SAR observation. The former may cause ill-posed trouble during signal reconstruction. The latter may decrease SNR of the data. Both can significantly degrade the performance of D-TomoSAR if not properly dealt with. Besides, current researchs on temporal deformation estimation are more concentrated on linear motion, whereas more attention should be focused on nonlinear motion which often happens realistically. Taking all the aforementioned aspects into account, this project firstly studies techniques to suppress phase error based on its space-time distribution characteristic. Then according to D-TomoSAR signal's natural property of sparse representation, the sparse reconstruction approaches are investigated in the framework of Compressive Sensing(CS) and Frequency Modulaiton(FM) signal theories to estimate the scatters' pos

英文关键词: Differential Tomography SAR(D-TomoSAR);phase noise;Compressive Sensing(CS);Sparse Reconstruction;Nonlinear deformation

成为VIP会员查看完整内容
0

相关内容

机器学习中原型学习研究进展
专知会员服务
46+阅读 · 2022年1月18日
【博士论文】多视光场光线空间几何模型研究
专知会员服务
21+阅读 · 2021年12月6日
专知会员服务
13+阅读 · 2021年9月23日
专知会员服务
38+阅读 · 2021年7月5日
专知会员服务
41+阅读 · 2021年2月8日
专知会员服务
18+阅读 · 2020年12月23日
专知会员服务
80+阅读 · 2020年12月18日
专知会员服务
123+阅读 · 2020年11月15日
机器学习中原型学习研究进展
专知
0+阅读 · 2022年1月18日
learn to see in the dark-低照度图像增强算法
计算机视觉life
16+阅读 · 2019年1月14日
ECCV 2018 | Bi-box行人检测:‘行人遮挡’为几何?
极市平台
13+阅读 · 2018年9月30日
【泡泡一分钟】点密度适应性点云配准
泡泡机器人SLAM
16+阅读 · 2018年5月28日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
FCS 论坛 | 孟德宇:误差建模原理
FCS
14+阅读 · 2017年8月17日
SAR成像原理及图像鉴赏
无人机
21+阅读 · 2017年8月14日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
0+阅读 · 2022年4月18日
Challenges for Open-domain Targeted Sentiment Analysis
小贴士
相关VIP内容
机器学习中原型学习研究进展
专知会员服务
46+阅读 · 2022年1月18日
【博士论文】多视光场光线空间几何模型研究
专知会员服务
21+阅读 · 2021年12月6日
专知会员服务
13+阅读 · 2021年9月23日
专知会员服务
38+阅读 · 2021年7月5日
专知会员服务
41+阅读 · 2021年2月8日
专知会员服务
18+阅读 · 2020年12月23日
专知会员服务
80+阅读 · 2020年12月18日
专知会员服务
123+阅读 · 2020年11月15日
相关资讯
机器学习中原型学习研究进展
专知
0+阅读 · 2022年1月18日
learn to see in the dark-低照度图像增强算法
计算机视觉life
16+阅读 · 2019年1月14日
ECCV 2018 | Bi-box行人检测:‘行人遮挡’为几何?
极市平台
13+阅读 · 2018年9月30日
【泡泡一分钟】点密度适应性点云配准
泡泡机器人SLAM
16+阅读 · 2018年5月28日
红外弱小目标处理研究获进展
中科院之声
17+阅读 · 2017年11月19日
FCS 论坛 | 孟德宇:误差建模原理
FCS
14+阅读 · 2017年8月17日
SAR成像原理及图像鉴赏
无人机
21+阅读 · 2017年8月14日
相关基金
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
微信扫码咨询专知VIP会员