합성 자구레이더

우주왕복선 엔데버호에 탑승한 SIR-C/X-SAR 레이더가 획득한 이 레이더 이미지는 테이데 화산을 보여줍니다.산타크루즈 데 테네리페는 섬의 오른쪽 하단 가장자리에서 보라색과 흰색으로 보입니다.정상 분화구의 용암 흐름은 녹색과 갈색으로 보이는 반면, 식생 지대는 화산 측면의 보라색, 녹색, 노란색으로 나타납니다.

합성자세레이더(SAR)는 2차원 이미지 또는 ^[1]풍경과 같은 물체의 3차원 재구성에 사용되는 레이더의 한 형태이다.SAR는 목표 영역에서의 레이더 안테나의 움직임을 사용하여 기존의 정지 빔 스캔 레이더보다 더 미세한 공간 분해능을 제공합니다.SAR는 일반적으로 항공기나 우주선과 같은 움직이는 플랫폼에 장착되며, 그 기원은 측면 주시 공중 레이더(SLAR)의 발전된 형태에 있다.표적 장면이 조명되는 기간 동안 SAR 장치가 표적 위를 이동하는 거리는 큰 합성 안테나 개구부(안테나의 크기)를 생성합니다.일반적으로 조리개가 클수록 조리개가 물리적(대형 안테나)인지 합성(이동 안테나)인지에 관계없이 이미지 해상도가 높아집니다.이를 통해 SAR는 비교적 작은 물리적 안테나를 사용하여 고해상도 이미지를 생성할 수 있습니다.고정 안테나 크기 및 방향의 경우 멀리 있는 물체는 더 오래 조명됩니다.따라서 SAR는 더 멀리 있는 물체에 대해 더 큰 합성 개구부를 생성하는 특성이 있으며, 이로 인해 시야 거리 범위에 걸쳐 일관된 공간 분해능을 얻을 수 있습니다.

SAR 이미지를 작성하기 위해 연속된 전파 펄스를 전송하여 대상 장면을 '조명'하고 각 펄스의 에코를 수신하여 기록합니다.펄스는 송신되고 에코 수신은 단일 빔 형성 안테나를 사용하여 이루어지며 파장은 수 밀리미터까지 내려갑니다.항공기 또는 우주선에 탑재된 SAR 장치가 이동함에 따라 목표물에 상대적인 안테나 위치는 시간에 따라 변화합니다.연속적으로 기록된 레이더 에코의 신호 처리를 통해 이러한 여러 안테나 위치에서 기록을 결합할 수 있습니다.이 프로세스를 통해 합성 안테나 개구부가 형성되며 특정 물리 ^[2]안테나에서 가능한 것보다 고해상도 이미지를 생성할 수 있습니다.

2010년 현재^[update], 항공 시스템은 약 10 cm의 해상도를 제공하며, 초광대역 시스템은 수 밀리미터의 해상도를 제공하며, 실험 테라헤르츠 SAR는 ^{[citation needed]}실험실에서 밀리미터 미만의 해상도를 제공한다.

동기 부여 및 응용 프로그램

SAR를 사용한 마젤란 탐사선이 촬영한 금성 표면

SAR는 날씨로 인한 신호 감쇠를 피하기 위해 주파수를 선택할 수 있기 때문에 비행 고도 및 날씨에 관계없이 고해상도 원격 감지가 가능합니다.SAR는 ^[3]^[4]^[5]SAR에 의해 조명이 제공되므로 주야간 이미징 기능을 갖추고 있습니다.

SAR 이미지는 원격 감지 및 지구 및 다른 행성의 표면 지도 작성에 광범위하게 적용됩니다.SAR의 적용은 매우 많습니다.예를 들어 지형, 해양학, 빙하학, 지질학(예를 들어 지형 판별 및 지표면 촬영) 등이 있습니다.SAR는 산림 높이, 바이오매스, 삼림 벌채에도 사용될 수 있습니다.화산과 지진 모니터링은 차분 간섭계를 사용한다.SAR는 ^[6]교량 등 토목 인프라의 안정성 모니터링에도 적용할 수 있습니다.SAR는 석유 유출, 홍수, 도시 성장,^[7] 군사 감시 등의 환경 모니터링에 도움이 됩니다.예를 들어 전략적 ^[5]정책과 전술적 평가를 포함합니다.SAR는 고정 안테나를 사용하여 장시간 이동 대상을 관찰함으로써 역 SAR로 구현할 수 있다.

기본원칙

합성자세레이더는 ^[8]순간이동플랫폼에 탑재된 이미징레이더입니다.전자파가 순차적으로 송신되어 에코가 수집되어 시스템 전자제품이 디지털화되어 후속 처리를 위해 기억된다.송수신 시간이 다르기 때문에 작은 위치에 매핑됩니다.수신 신호의 순서가 적절한 조합에 의해 물리 안테나 폭보다 훨씬 긴 가상 개구부가 구축됩니다.이것이 합성 개구부라는 용어의 근원이며, 영상 ^[5]레이더라는 특성을 가지고 있다.범위 방향은 비행 트랙에 수직이고 방위 방향에 수직입니다. 이 방향은 안테나의 시야 내에 있는 물체의 위치와 일직선이므로 트랙 방향이라고도 합니다.

3D 가공은 두 단계로 이루어집니다.방위각 및 범위 방향은 2D(방위 범위) 고해상도 영상 생성에 초점을 맞춘 다음, 디지털 표고 모델(^[9]^[10]DEM)을 사용하여 복잡한 영상 간의 위상 차이를 측정합니다. DEM은 높이 정보를 복구하기 위해 서로 다른 룩 각도에서 결정됩니다.이 높이 정보는 2-D SAR 포커싱에 의해 제공되는 방위 범위 좌표와 함께 세 번째 차원인 ^[3]표고를 제공합니다.첫 번째 단계에서는 표준 처리 ^[10]알고리즘만 필요하며, 두 번째 단계에서는 영상 공동 등록 및 위상 보정과 같은 추가 전처리가 사용됩니다.^[3]^[11]

또, 복수의 베이스라인을 사용해 3D 이미징을 시간 차원까지 확장할 수 있습니다.4D 및 멀티D SAR 이미징은 도시 지역등의 복잡한 시나리오의 이미징을 가능하게 합니다.또한 지속적 산란 간섭계(^[12]PSI)와 같은 기존의 간섭계 기술에 비해 퍼포먼스가 향상되었습니다.

알고리즘.

여기서 설명한 바와 같이 SAR 알고리즘은 일반적으로 단계별 어레이에 적용됩니다.

씬 요소의 3차원 배열(볼륨)이 정의되며, 이는 타겟이 존재하는 공간의 볼륨을 나타냅니다.어레이의 각 요소는 공간 내의 그 위치에 있는 반사면의 확률('밀도')을 나타내는 입방체 복셀이다.(2차원 SAR도 가능합니다.타깃 영역의 톱다운뷰만 표시됩니다).

처음에 SAR 알고리즘은 각 복셀에 0의 밀도를 부여합니다.

그런 다음 캡처된 각 파형에 대해 전체 볼륨이 반복됩니다.주어진 파형 및 복셀에 대해 해당 복셀이 나타내는 위치에서 해당 파형을 캡처하는 데 사용되는 안테나까지의 거리가 계산된다.이 거리는 파형에 대한 시간 지연을 나타냅니다.그런 다음 파형의 해당 위치에 있는 샘플 값이 복셀의 밀도 값에 추가됩니다.이것은, 그 위치에 있는 타겟으로부터의 에코 가능성을 나타냅니다.여기에는 파형 타이밍의 정밀도에 따라 여러 가지 선택적 접근 방식이 있습니다.예를 들어 위상을 정확하게 결정할 수 없는 경우 파형 샘플의 엔벨로프 크기(힐버트 변환의 도움을 받아)만 복셀에 추가할 수 있습니다.파형 편광과 위상이 알려져 있고 충분히 정확한 경우 이러한 값이 이러한 측정을 별도로 유지하는 더 복잡한 복셀에 추가될 수 있습니다.

모든 파형이 모든 복셀에 걸쳐 반복되면 기본 SAR 처리가 완료됩니다.

가장 간단한 접근법에서는 어떤 복셀 밀도 값이 고체 물체를 나타내는지 결정하는 것이 남습니다.밀도가 임계값보다 낮은 복셀은 무시됩니다.선택한 임계값 레벨은 단일 파형의 피크 에너지보다 높아야 합니다. 그렇지 않으면 파형의 피크가 전체 볼륨에서 잘못된 "밀도"의 구(또는 다단계 작동의 경우 타원)로 나타날 수 있습니다.따라서 타깃의 포인트를 검출하려면 그 포인트로부터 적어도2개의 다른 안테나 에코가 존재해야 합니다.따라서 대상을 적절히 특징짓기 위해서는 다수의 안테나 위치가 필요하다.

임계값 기준을 통과한 복셀은 2D 또는 3D로 시각화됩니다.선택적으로, 행군 ^[13]^[14]^[15]^[16]큐브와 같은 표면 검출 알고리즘을 사용하여 시각 품질을 높일 수 있습니다.

기존 스펙트럼 추정 접근법

합성 장비 레이더는 측정된 SAR 데이터에서 3D 반사율을 결정합니다.기본적으로 스펙트럼 추정입니다. 왜냐하면 이미지의 특정 셀에 대해 SAR 이미지 스택의 복소값 SAR 측정은 고도 방향의 반사율의 푸리에 변환 샘플 버전이지만 푸리에 변환은 ^[17]불규칙하기 때문입니다.따라서 스펙트럼 추정 기술은 기존의 푸리에 변환 SAR 이미징 ^[18]기술의 결과와 비교하여 분해능을 개선하고 스펙클을 감소시키기 위해 사용됩니다.

비모수적 방법

FFT

FFT(Fast Fourier Transform, 즉 Periodogram 또는 matched filter)는 스펙트럼 추정 알고리즘의 대부분에서 사용되는 방법 중 하나이며, 다차원 이산 푸리에 변환을 계산하기 위한 많은 빠른 알고리즘이 있습니다.계산 크로네커 코어 어레이^[19] 대수는 다차원 합성자세 레이더(SAR) 시스템에서 처리를 위한 FFT 알고리즘의 새로운 변형으로 사용되는 인기 있는 알고리즘입니다.이 알고리즘은 입력/출력 데이터 인덱싱 세트 및 순열 그룹의 이론적 특성에 대한 연구를 사용합니다.

유한 다차원 선형대수의 한 분기는 다양한 FFT 알고리즘 변종 간의 유사성과 차이를 식별하고 새로운 변종을 생성하기 위해 사용된다.각 다차원 DFT 연산은 매트릭스 형태로 표현된다.다차원 DFT 매트릭스는 다시 기능적 프리미티브라고 불리는 요소 세트로 분해되며, 기본 소프트웨어/하드웨어 계산 ^[5]설계로 개별적으로 식별됩니다.

FFT 구현은 본질적으로 변형을 생성하고 행렬 연산을 실행함으로써 수학적 프레임워크의 매핑을 실현하는 것이다.이 실장의 퍼포먼스는 머신에 따라 다를 수 있으며, 그 목적은 어느 머신에서 ^[20]가장 성능이 좋은지 특정하는 것입니다.

이점

다차원 입출력 색인 집합의 가산군 이론 특성이 수학 공식에 이용되기 때문에 계산 구조와 수식 간의 매핑을 식별하기 쉬워 기존 ^[21]방법보다 우수하다.
CKA 대수의 언어는 애플리케이션 개발자가 어떤 것이 더 계산 효율적인 FFT 변종인지 이해하는 데 도움이 되며, 따라서 계산 작업을 줄이고 구현 ^[21]^[22]시간을 단축합니다.

단점들

FFT는 주파수에 가까운 사인파를 분리할 수 없습니다.데이터의 주기성이 FFT와 일치하지 않으면 에지 효과가 ^[20]나타납니다.

카폰법

최소분산법이라고도 불리는 카폰 스펙트럼법은 다차원 배열 처리 ^[23]기술입니다.이는 비모수 공분산 기반 방법으로, 적응형 일치 필터 뱅크 접근법을 사용하며 두 가지 주요 단계를 따릅니다.

$\omega _{1},\omega _{2}$ 한 중심 주파수 $\omega _{1},\omega _{2}$ d 1, filter $\omega _{1},\omega _{2}$ { $displaystyle \obega$ _ ${1},\obega$ _ ${2$ }}) $\omega _{1},\omega _{2}$ 를 가진 2D 밴드패스 필터를 통해 데이터를 전달합니다.
필터링된 관심 데이터의 $\omega _{1}\in [0,2\pi ),\omega _{2}\in [0,2\pi )$ 모든 $\omega _{1}\in [0,2\pi ),\omega _{2}\in [0,2\pi )$ 1 $\omega _{1}\in [0,2\pi ),\omega _{2}\in [0,2\pi )$ [ $\omega _{1}\in [0,2\pi ),\omega _{2}\in [0,2\pi )$ , $\omega _{1},\omega _{2}$ $\omega _{1}\in [0,2\pi ),\omega _{2}\in [0,2\pi )$ $\omega _{1}\in [0,2\pi ),\omega _{2}\in [0,2\pi )$ 、 $\omega _{1}\in [0,2\pi ),\omega _{2}\in [0,2\pi )$ 2 $\omega _{1},\omega _{2}$ $\omega _{1}\in [0,2\pi ),\omega _{2}\in [0,2\pi )$ [ $\omega _{1}\in [0,2\pi ),\omega _{2}\in [0,2\pi )$ , 2 ] 、 [ 0 $\omega _{1}\in [0,2\pi ),\omega _{2}\in [0,2\pi )$ , 2 $\omega _{1}\in [0,2\pi ),\omega _{2}\in [0,2\pi )$ 2 [ 0 , $\omega _{1}\in [0,2\pi ),\omega _{2}\in [0,2\pi )$ ] $\omega _{1}\in [0,2\pi ),\omega _{2}\in [0,2\pi )$ 、 \ $displaystyle$ $\$ $obega$ $_$ ${1$ } \ $in [ 0 , 2$ \ $pi$ ] 、 \ 、 \ $obe$ _ { $2$ $}$ ） 에서의 전력 추정.

적응형 Capon 밴드패스필터는 필터 출력의 전력을 최소화하고 주파수( 1 1, $\omega _{1},\omega _{2}$ 2 $\omega _{1},\omega _{2}$ \ $display$ style $\obega$ _ ${1},\obega$ _ ${2$ 를 감쇠하지 않고 통과하도록 설계되어 있습니다( 1 $\omega _{1},\omega _{2}$ , $\omega _{1},\omega _{2}$ 2 \ $displaystyle \obe {1},\obe _2}}).$

\min _{h}h_{\omega _{1},\omega _{2}}^{*}Rh_{\omega _{1},\omega _{2}}

\min _{h}h_{\omega _{1},\omega _{2}}^{*}Rh_{\omega _{1},\omega _{2}}

h_{\omega _{1},\omega _{2}}^{*}a_{\omega _{1},\omega _{2}}=1,

1,

\min _{h}h_{\omega _{1},\omega _{2}}^{*}Rh_{\omega _{1},\omega _{2}}

2

\min _{h}h_{\omega _{1},\omega _{2}}^{*}Rh_{\omega _{1},\omega _{2}}

R

\min _{h}h_{\omega _{1},\omega _{2}}^{*}Rh_{\omega _{1},\omega _{2}}

\min _{h}h_{\omega _{1},\omega _{2}}^{*}Rh_{\omega _{1},\omega _{2}}

1,

\min _{h}h_{\omega _{1},\omega _{2}}^{*}Rh_{\omega _{1},\omega _{2}}

2

\min _{h}h_{\omega _{1},\omega _{2}}^{*}Rh_{\omega _{1},\omega _{2}}

\

displaystyle \min _

{

h

_ { \

opega _ {

1} \

h_{\omega _{1},\omega _{2}}^{*}a_{\omega _{1},\omega _{2}}=1,

_ { }^*} Rh

_ { \

h_{\omega _{1},\omega _{2}}^{*}a_{\omega _{1},\omega _{2}}=1,

\min _{h}h_{\omega _{1},\omega _{2}}^{*}Rh_{\omega _{1},\omega _{2}}

_ {

1

},

display

2

h_{\omega _{1},\omega _{2}}^{*}a_{\omega _{1},\omega _{2}}=1,

a

h_{\omega _{1},\omega _{2}}^{*}a_{\omega _{1},\omega _{2}}=1,

h_{\omega _{1},\omega _{2}}^{*}a_{\omega _{1},\omega _{2}}=1,

、、

display

2

display1

1 \

displaystyle

_ { }

$h_{\omega _{1},\omega _{2}}^{*}$ 서 R은 공분산행렬, h $h_{\omega _{1},\omega _{2}}^{*}$ 1, $h_{\omega _{1},\omega _{2}}^{*}$ 2 $h_{\omega _{1},\omega _{2}}^{*}$ { \ $displaystyle$ h _ { \ $obega _$ { 1} \ $obega$ _ { $a_{\omega _{1},\omega _{2}}$ $}^{$ * }}는 FIR 필터의 임펄스 응답의 복소공역 전치이며, $a_{\omega _{1},\omega _{2}}$ , $a_{\omega _{1},\omega _{2}}$ 2 $a_{\omega _{1},\omega _{2}}$ { \ $displaystyle a_{$ \ $opha$ _ { $1},$ \ $a_{\omega _{1},\omega _{2}}\triangleq a_{\omega _{1}}\otimes a_{\omega _{2}}$ {2 $}}$ 는 $h_{\omega _{1},\omega _{2}}^{*}$ $a_{\omega _{1},\omega _{2}}$ 벡터로서 $a_{\omega _{1},\omega _{2}}\triangleq a_{\omega _{1}}\otimes a_{\omega _{2}}$ 되어 있는 2D $a_{\omega _{1},\omega _{2}}\triangleq a_{\omega _{1}}\otimes a_{\omega _{2}}$ $a_{\omega _{1},\omega _{2}}\triangleq a_{\omega _{1}}\otimes a_{\omega _{2}}$ { $displaystyle$ a _ { \ $opha$ _ { $1$ } , \ $opha$ _ { } \ $triangleq$ a _ { } \ $otimes$ a $_$ { \ $displaystyle$ \ $otimes }는$ Kronecker ^[23]제품을 나타냅니다 $a_{\omega _{1},\omega _{2}}\triangleq a_{\omega _{1}}\otimes a_{\omega _{2}}$

따라서 결과 영상의 노이즈 분산을 최소화하면서 특정 주파수의 2D 사인파를 왜곡 없이 통과시킵니다.목적은 스펙트럼 추정치를 ^[23]효율적으로 계산하는 것이다.

스펙트럼 추정치는 다음과 같다.

{\displaystyle S_{1},\obega_{2}}=black{1}{a_{\obega_{1},\obega_{2}}R^{-1}a_{\obe_{1},\obega_{2}}},

여기서 R은 공분산 $a_{\omega _{1},\omega _{2}}^{*}$ 이고, $a_{\omega _{1},\omega _{2}}^{*}$ , $a_{\omega _{1},\omega _{2}}^{*}$ {\({ $displaystyle$ a_{\ $obega_{$ 1},\ $obega_{2}}^{*})$ 는 $a_{\omega _{1},\omega _{2}}^{*}$ 푸리에 벡터의 2차원 복소 공역 전치입니다.모든 주파수에서 이 방정식을 계산하려면 시간이 많이 걸립니다.전진-후진 Capon 추정기는 전진-후진 고전적 Capon 접근법보다 더 나은 추정치를 산출하는 것으로 보인다.그 이유는 순방향-후방향 Capon이 공분산 행렬의 추정치를 얻기 위해 순방향 및 역방향 데이터 벡터를 사용하는 반면 순방향 데이터 벡터만 사용하여 공분산 ^[23]행렬을 추정하기 때문입니다.

이점

카폰은 고속 푸리에 변환(^[24]FFT) 방법보다 훨씬 낮은 측위와 좁은 스펙트럼 피크로 더 정확한 스펙트럼 추정치를 산출할 수 있다.
캐폰 방식은 훨씬 더 나은 해상도를 제공할 수 있습니다.

단점들

구현에는 공분산 행렬 R의 반전 및 a $a_{\omega _{1},\omega _{2}}$ 1, $a_{\omega _{1},\omega _{2}}$ 2 ( \ $displaystyle$ a _ { \ $obega$ _ { 1} , \ $obega$ $_$ ${$ } $\left(\omega _{1},\omega _{2}\right)$ ^[3]) $a_{\omega _{1},\omega _{2}}$ 에 $a_{\omega _{1},\omega _{2}}$ 의한 곱셈의 두 가지 집약적인 작업이 필요합니다.이 작업은 각 점 $($ 1, $2$ 2)에 대해 수행되어야 합니다 $.$

유인원법

ALPS(진폭 및 위상 추정) 방법은 위상 이력 데이터가 노이즈의 2D 사인파의 합이라고 가정하는 매치 필터 뱅크 방식이기도 합니다.

APIP 스펙트럼 추정기에는 2단계 필터링 해석이 있다.

중심 주파수가 $\omega$ FIR 밴드패스필터 뱅크를 통해 데이터를 전달합니다 $.(\displaystyle \omega$ ）。
필터링된 ^[25]데이터로부터 $\omega \in [0,2\pi )$ [ $\omega \in [0,2\pi )$ , ${\$ ]({ $displaystyle \obega \in [ 0$ , $2$ \ $pi$ })의 $\omega \in [0,2\pi )$ 스펙트럼 추정치를 구한다.

경험적으로, ALPS 방법은 Capon 방법보다 스펙트럼 피크가 넓지만,^[26] SAR의 진폭에 대한 스펙트럼 추정치가 더 정확하다.카폰 방법에서는 스펙트럼 피크가 ALPS보다 좁지만 측면 피크는 ALPS보다 높다.그 결과, 진폭의 추정치는 APIP 방법에 비해 Capon 방법에 대해 정확도가 떨어질 것으로 예상된다.ALPS 방법은 CAPON ^[27]방법보다 약 1.5배 더 많은 계산이 필요합니다.

이점

필터링은 사용 가능한 샘플의 수를 감소시키지만, 전술적으로 설계된 경우 필터링된 데이터의 신호 대 잡음비(SNR)가 증가하면 이러한 감소가 보상되며, 주파수 $\omega$ (\ $displaystyle \obe$ })의 사인파 $\omega$ 성분의 진폭은 오리보다 필터링된 데이터에서 더 정확하게 추정할 수 있습니다.기날 ^[28]신호

단점들

자기변동행렬은 1D보다 2D가 훨씬 크기 때문에 사용 ^[5]가능한 메모리에 의해 제한됩니다.

SAMV법

SAMV 방식은 파라미터가 필요 없는 스파스 신호 재구성 기반 알고리즘입니다.초해상도를 달성하고 상관성이 높은 신호에 강력합니다.이 이름은 점근적 최소 분산(AMV) 기준에 기반을 두고 있습니다.이는 까다로운 환경에서 상관성이 높은 여러 소스의 진폭과 주파수 특성을 모두 복구하는 강력한 도구입니다(예: 스냅샷 수 제한, 신호 대 잡음 비 낮음).응용 프로그램에는 합성 레이더 이미징 및 다양한 소스 현지화가 포함됩니다.

이점

SAMV 방법은 일부 확립된 파라메트릭 방법(예: MUSIC)보다 높은 분해능을 달성할 수 있으며, 특히 상관성이 높은 신호를 사용할 수 있습니다.

단점들

SAMV 방법의 계산 복잡도는 반복 절차 때문에 더 높다.

파라메트릭 부분 공간 분해 방법

고유벡터법

이 부분공간 분해법은 자기변화행렬의 고유 벡터를 신호와 ^[5]클러터에 대응하는 벡터로 분리한다. $\omega _{x},\omega _{y}$ ( $\omega _{x},\omega _{y}$ x , ${\$ $\omega _{x},\omega _{y}$ \ $displaystyle$ \ $메가$ _ { $x}$ , \ $메가$ _ { $y}$ )에서의 이미지의 진폭은 다음과 같이 표시됩니다.

디스플레이 스타일 { displaystyle } {\ hat }EV}\left(\obega _{x},\obega _{y}\right)=subfrac {1}{W^{\mathsf {H}}\left(\obega _{x},\obega _{y}\right)\left(\sum _{\text {\text {\text}{\frac1}{i},{{\underda}}}, {underline})W\left(\obega_{x},\obega_{y}\오른쪽)}}}

$여기$ 서 ${\hat {\phi }}_{EV}$ ${\hat {\phi }}_{EV}$ V { $style }$ { $display$ } { $EV}}$ 은 ${\hat {\phi }}_{EV}$ $\left(\omega _{x},\omega _{y}\right)$ 점에서의 이미지의 진폭( ev $\left(\omega _{x},\omega _{y}\right)$ x , $\left(\omega _{x},\omega _{y}\right)$ y $){$ (\ $displaystyle$ _ { $x},\obega$ _{ $y}\right)},$ ${\underline {v_{i}}}$ _ (\ $displaystyle {$ $v_{$ $i}}}})$ , ${\underline {v_{i}}}^{\mathsf {H}}$ H ${\underline {v_{i}}}^{\mathsf {H}}$ \ $displaystyle {\$ displaystyle { $v_v_{$ i}}) {{\ $mathf}$ ) 은 ${\underline {v_{i}}}$ ${\underline {v_{i}}}^{\mathsf {H}}$ 은 연속성 $매트릭스$ 입니다. ${\frac {1}{\lambda _{i}}}$ ${\frac {1}{\lambda _{i}}}$ i ( \ $displaystyle {$ $\ frac$ { 1} { \ $lambda$ _ { $i$ } } )는 ${\frac {1}{\lambda _{i}}}$ 클러터 서브스페이스 고유값의 역수입니다 $W\left(\omega _{x},\omega _{y}\right)$ ( $W\left(\omega _{x},\omega _{y}\right)$ x , $W\left(\omega _{x},\omega _{y}\right)$ y ) $W\left(\omega _{x},\omega _{y}\right)$ （ \ $display style$ W \ $left$ ( \ $obega$ _ { x , \ } , \ $obega$ _ { $y$ } \ $right )$ 는 $W\left(\omega _{x},\omega _{y}\right)$ 다음과 같이 정의됩니다^[5].

\displaystyle W\left(\displaystyle _{x}\right)=\left[1\exp \ left \ exp \ left \ exp \ j \ left ( - j ( M - 1 ) \ obega _ { x } \ right ] \ ots \ [ \[ \ left[ 1 \ exp ]

여기서 θ는 두 벡터의 크로네커 곱을 나타낸다.

이점

이미지의 특징을 보다 ^[5]정확하게 표시합니다.

단점들

고도의 계산 복잡성.^[11]

음악법

MUSIC는, 수신 신호의 샘플로부터 얻은 샘플의 데이터 벡터의 공분산 행렬에 고유 분해를 실시해 신호중의 주파수를 검출한다.모든 고유 벡터가 클러터 부분 공간(모델 순서 = 0)에 포함되면 EV 방법은 Capon 방법과 동일합니다.따라서 모델 순서의 결정은 EV 방법의 작동에 매우 중요하다.R 행렬의 고유값은 해당 고유 벡터가 클러터에 해당하는지 또는 신호 하위 ^[5]공간에 해당하는지 여부를 결정합니다.

MUSIC 메서드는 SAR 어플리케이션에서는 퍼포먼스가 낮은 것으로 간주됩니다.이 방법에서는 clutter 부분 ^[5]공간 대신 상수를 사용합니다.

이 방법에서는 SAR 화상의 한 점에 대응하는 사인파 신호가 화상 추정의 피크인 신호 서브공간 고유 벡터 중 하나에 정렬되어 있을 때 분모는 0과 같다.따라서 이 방법은 각 지점의 산란 강도를 정확하게 나타내는 것이 아니라 ^[5]^[29]영상의 특정 지점을 표시합니다.

이점

MUSIC은 클러터 고유값을 ^[18]희게 하거나 균등하게 합니다.

단점들

평균 ^[8]연산으로 인한 분해능 손실.

백프로젝션 알고리즘

백투영 알고리즘에는 다음 두 가지 방법이 있습니다.시간 도메인 백투영 및 주파수 도메인 백투영.시간 도메인 Back projection은 주파수 도메인에 비해 더 많은 이점이 있으므로 더 선호됩니다.시간 영역 Back projection(백투영)은 레이더에서 획득한 데이터와 수신할 것으로 예상되는 데이터를 일치시켜 이미지 또는 스펙트럼을 형성합니다.합성 경보 레이더를 위한 이상적인 일치 필터로 간주할 수 있습니다.이상적이지 않은 모션/샘플링을 처리하는 품질로 인해 다른 모션 보정 단계를 수행할 필요가 없습니다.또한 다양한 영상 ^[30]형상에도 사용할 수 있습니다.

이점

이는 이미징 모드에 따라 변하지 않습니다. 즉, 존재하는 이미징 모드에 관계없이 동일한 알고리즘을 사용하는 반면 주파수 영역 방식은 모드와 ^[30]지오메트리에 따라 변경해야 합니다.
애매한 방위각 앨리어싱은 일반적으로 나이키스트 공간 샘플링 요건이 주파수에 의해 초과될 때 발생합니다.명확한 에일리어싱은 신호 대역폭이 샘플링 한계를 초과하지 않지만 "스펙트럼 래핑"을 거친 사시형 기하학에서 발생합니다.백프로젝션 알고리즘은 이러한 종류의 에일리어싱 효과의 ^[30]영향을 받지 않습니다.
공간/시간 필터와 일치: 이미징 지오메트리에 대한 정보를 사용하여 픽셀별로 다양한 일치 필터를 생성하여 예상되는 리턴 신호에 근접합니다.이것은 보통 안테나 게인 ^[30]보상을 산출합니다.
이전 장점을 참고하여 후방 투영 알고리즘이 움직임을 보정합니다.이는 ^[30]고도가 낮은 지역에서 장점이 됩니다.

단점들

계산 비용은 다른 주파수 영역 방식에 비해 백프로젝션 알고리즘에 더 많이 듭니다.
영상 ^[30]기하학에 대한 매우 정확한 지식이 필요합니다.

용도 : 지구동기궤도합성자세레이더(GEO-SAR)

GEO-SAR에서는 특히 상대 이동 트랙에 초점을 맞추기 위해 백프로젝션 알고리즘이 매우 잘 작동합니다.시간 영역에서 방위 처리 개념을 사용합니다.위성 지상 기하학의 경우, GEO-SAR은 중요한 ^[31]역할을 한다.

이 개념의 절차는 다음과 같이 상세하게 설명된다.^[31]

취득한 Raw data(로우 데이터)는 신속한 절차 진행을 단순화하기 위해 분할되거나 하위 어퍼쳐로 그려집니다.
그런 다음 생성된 모든 세그먼트/서브 어퍼처(segment/sub-aperture)에 대한 "일치 필터링" 개념을 사용하여 데이터 범위가 압축됩니다. ${\textstyle s(t,\tau )=\exp \left(-j\cdot {\frac {4\pi }{\lambda }}\cdot R(t)\right)\cdot \operatorname {sinc} \left(\tau -{\frac {2}{c}}\cdot R(t)\right)}$ ( ${\textstyle s(t,\tau )=\exp \left(-j\cdot {\frac {4\pi }{\lambda }}\cdot R(t)\right)\cdot \operatorname {sinc} \left(\tau -{\frac {2}{c}}\cdot R(t)\right)}$ , ${\textstyle s(t,\tau )=\exp \left(-j\cdot {\frac {4\pi }{\lambda }}\cdot R(t)\right)\cdot \operatorname {sinc} \left(\tau -{\frac {2}{c}}\cdot R(t)\right)}$ ) $=$ ${\textstyle s(t,\tau )=\exp \left(-j\cdot {\frac {4\pi }{\lambda }}\cdot R(t)\right)\cdot \operatorname {sinc} \left(\tau -{\frac {2}{c}}\cdot R(t)\right)}$ ( ${\textstyle s(t,\tau )=\exp \left(-j\cdot {\frac {4\pi }{\lambda }}\cdot R(t)\right)\cdot \operatorname {sinc} \left(\tau -{\frac {2}{c}}\cdot R(t)\right)}$ - ${\textstyle s(t,\tau )=\exp \left(-j\cdot {\frac {4\pi }{\lambda }}\cdot R(t)\right)\cdot \operatorname {sinc} \left(\tau -{\frac {2}{c}}\cdot R(t)\right)}$ 4 ${\textstyle s(t,\tau )=\exp \left(-j\cdot {\frac {4\pi }{\lambda }}\cdot R(t)\right)\cdot \operatorname {sinc} \left(\tau -{\frac {2}{c}}\cdot R(t)\right)}$ ( ${\textstyle s(t,\tau )=\exp \left(-j\cdot {\frac {4\pi }{\lambda }}\cdot R(t)\right)\cdot \operatorname {sinc} \left(\tau -{\frac {2}{c}}\cdot R(t)\right)}$ ) ${\textstyle s(t,\tau )=\exp \left(-j\cdot {\frac {4\pi }{\lambda }}\cdot R(t)\right)\cdot \operatorname {sinc} \left(\tau -{\frac {2}{c}}\cdot R(t)\right)}$ ${\textstyle s(t,\tau )=\exp \left(-j\cdot {\frac {4\pi }{\lambda }}\cdot R(t)\right)\cdot \operatorname {sinc} \left(\tau -{\frac {2}{c}}\cdot R(t)\right)}$ ( ${\textstyle s(t,\tau )=\exp \left(-j\cdot {\frac {4\pi }{\lambda }}\cdot R(t)\right)\cdot \operatorname {sinc} \left(\tau -{\frac {2}{c}}\cdot R(t)\right)}$ - ${\textstyle s(t,\tau )=\exp \left(-j\cdot {\frac {4\pi }{\lambda }}\cdot R(t)\right)\cdot \operatorname {sinc} \left(\tau -{\frac {2}{c}}\cdot R(t)\right)}$ ${\textstyle s(t,\tau )=\exp \left(-j\cdot {\frac {4\pi }{\lambda }}\cdot R(t)\right)\cdot \operatorname {sinc} \left(\tau -{\frac {2}{c}}\cdot R(t)\right)}$ ${\textstyle s(t,\tau )=\exp \left(-j\cdot {\frac {4\pi }{\lambda }}\cdot R(t)\right)\cdot \operatorname {sinc} \left(\tau -{\frac {2}{c}}\cdot R(t)\right)}$ ( ${\textstyle s(t,\tau )=\exp \left(-j\cdot {\frac {4\pi }{\lambda }}\cdot R(t)\right)\cdot \operatorname {sinc} \left(\tau -{\frac {2}{c}}\cdot R(t)\right)}$ ) ${\textstyle s(t,\tau )=\exp \left(-j\cdot {\frac {4\pi }{\lambda }}\cdot R(t)\right)\cdot \operatorname {sinc} \left(\tau -{\frac {2}{c}}\cdot R(t)\right)}$ $text style$ s ${\textstyle s(t,\tau )=\exp \left(-j\cdot {\frac {4\pi }{\lambda }}\cdot R(t)\right)\cdot \operatorname {sinc} \left(\tau -{\frac {2}{c}}\cdot R(t)\right)}$ ( $t$ , \ $scdot )=\exp \ cdot$ \ $frac { 4$ \ pi } \ $cda$ } \ $cdot$ right （ $CDOT$ ）。빛의 속도입니다.
"범위 이동 곡선"의 정확도는 범위 보간법을 통해 달성됩니다.
영상에서 지면의 픽셀 위치는 위성-지상 지오메트리 모델에 따라 달라집니다.이제 방위 시간에 따라 그리드 분할이 수행됩니다.
"경사 범위"(안테나의 위상 중심과 지상 지점 사이의 범위)에 대한 계산은 좌표 변환을 사용하여 방위 시간마다 수행됩니다.
Azimuth Compression(방위 압축)은 이전 단계 이후에 수행됩니다.
모든 픽셀에 대해 단계 5와 6을 반복하여 모든 픽셀을 커버하고 모든 서브어처마다 이 절차를 수행합니다.
마지막으로, 전체적으로 생성된 화상의 모든 서브 어터치를 서로 겹쳐 궁극의 HD 화상이 생성된다.

알고리즘 비교

Capon과 APIP는 FIR 필터링 접근방식의 특수한 경우인 고속 푸리에 변환(FFT) 방법보다 훨씬 낮은 측위와 좁은 스펙트럼 피크로 더 정확한 스펙트럼 추정치를 산출할 수 있다.APP 알고리즘은 카폰 방법보다 약간 더 넓은 스펙트럼 피크를 제공하지만, 전자는 후자나 FFT ^[26]방법보다 더 정확한 전체 스펙트럼 추정치를 산출하는 것으로 보인다.

FFT 방법은 빠르고 간단하지만 사이드롭이 더 큽니다.Capon은 해상도는 높지만 계산 복잡도가 높습니다.EV는 또한 고해상도와 높은 계산 복잡성을 가지고 있습니다.APP는 캐폰이나 EV보다 해상도가 빠르고 계산 ^[8]복잡성이 높습니다.

MUSIC 방법은 일반적으로 SAR 영상에 적합하지 않다. 왜냐하면 클러터 고유값을 화이트닝하면 지형 클러터 또는 SAR 이미지 내의 다른 확산 산란과 관련된 공간적 불균일성이 파괴되기 때문이다.단, 고속 푸리에 변환(FFT) 기반의 ^[32]방법보다 결과적인 전력 스펙트럼 밀도(PSD)에서 더 높은 주파수 분해능을 제공합니다.

백프로젝션 알고리즘은 계산 비용이 많이 듭니다.그것은 특별히, wide-angle 및/또는 상당한 벽지의 운동과 함께 일관성 있는 개구 부를 가지고 있은 있는 센서들에게 매력적이다.[33]

다단계 작동

SAR 에서는, 복수의 안테나 위치에서 에코 캡쳐를 실시할 필요가 있습니다.(다른 안테나 위치에서) 더 많이 캡처할수록 타깃 특성화의 신뢰성이 높아집니다.

1개의 안테나를 다른 위치로 이동시키거나 여러 개의 고정 안테나를 다른 위치에 배치하거나 조합하여 여러 개의 캡처를 얻을 수 있습니다.

단일 이동 안테나의 장점은 임의의 위치에 쉽게 배치하여 임의의 수의 정적 파형을 제공할 수 있다는 것입니다.예를 들어, 비행기에 장착된 안테나는 비행기가 이동할 때 초당 많은 캡처를 수행합니다.

복수의 정적 안테나의 주된 장점은 이동 대상을 특성화할 수 있다는 것(포착 전자 장치가 충분히 빠르다는 가정 하에), 차량이나 모션 기계가 필요하지 않다는 것, 그리고 안테나 위치가 다른, 때로는 신뢰할 수 없는 정보로부터 파생될 필요가 없다는 것이다. (비행기 탑재 SAR의 한 가지 문제는 미리 알고 있다는 것이다.)비행기가 이동할 때 안테나 위치)를 확인합니다.

다중 정적 안테나의 경우, 단정적 레이더 파형 캡처와 다정적 레이더 파형 캡처의 모든 조합이 가능합니다.단, 특정 안테나 쌍에 대해 각 전송 방향에 대해 파형을 캡처하는 것은 좋지 않습니다. 이러한 파형은 동일하기 때문입니다.정적 안테나를 여러 개 사용하는 경우 캡처할 수 있는 고유 에코 파형의 총 수는 다음과 같습니다.

{N^{2}+N}{2}

여기서 N은 고유한 안테나 위치 수입니다.

스캔 모드

Stripmap 모드 에어버스 SAR

SAR stripmap 동작 모드 그림.

안테나는 고정된 위치에 있으며 비행 경로에 직교하거나 약간 앞으로 또는 ^[5]뒤로 눈을 가늘게 뜨고 있을 수 있습니다.

안테나 개구부가 비행 경로를 따라 이동하면 신호가 펄스 반복 주파수(PRF)와 동일한 속도로 전송됩니다.PRF의 하한은 레이더의 도플러 대역폭에 의해 결정됩니다.이러한 각 신호의 후방 산란은 변환적으로 픽셀 단위로 추가되어 레이더 ^[34]이미지에서 원하는 미세한 방위 분해능을 얻습니다.

스포트라이트 모드 SAR

스포트라이트 이미지 모드 묘사

스포트라이트 합성 개구부는 다음과 같습니다.

Lsa=r_{0}\Delta \theta _{a}

^[29]

여기서 $\Delta \theta _{a}$ $\Delta \theta _{a}$ a $\Delta \theta _{a}$ { $displaystyle \Delta \theta$ _ ${a}}$ 는 $\Delta \theta _{a}$ 스포트라이트 영상 다이어그램에 표시된 것처럼 영상 시작과 끝 사이에 형성되는 $r_{0}$ 이고 r 0 $(\$ 은 $r_{0}$ 범위 거리입니다.

스포트라이트 모드는 접지 패치가 작은 경우에도 해상도가 향상됩니다.이 모드에서 조명 레이더 빔은 항공기가 이동할 때 지속적으로 조향을 통해 더 오랜 시간에 걸쳐 동일한 패치를 조명합니다.이 모드는 기존의 연속 스트립 이미징 모드는 아니지만 방위 분해능이 ^[29]높습니다.

스캔 모드 SAR

ScanSAR 이미징 모드 설명

스캔 모드 SAR로 동작하는 동안 안테나 빔은 주기적으로 스위프되므로 스포트라이트 및 스트립맵 모드보다 훨씬 넓은 영역을 커버합니다.그러나 방위 대역폭이 감소하기 때문에 방위 분해능은 스트라이프맵 모드보다 훨씬 낮아집니다.방위 분해능과 ^[35]SAR의 스캔 영역 사이에 균형이 확보된 것이 분명합니다.여기서 합성개구는 서브스위치 간에 공유되며 1개의 서브스위치 내에서 직접 접촉하지 않는다.방위 버스트와 범위 서브스웨트를 ^[29]연결하려면 방위 및 범위 방향에서 모자이크 작업이 필요합니다.

ScanSAR는 swath 빔을 크게 만듭니다.
방위 신호에는 많은 버스트가 있습니다.
방위 분해능은 버스트 지속 시간으로 인해 제한됩니다.
각 목표물에는 방위각 ^[29]위치에 따라 완전히 달라지는 다양한 주파수가 포함되어 있습니다.

특수 기술

편광 측정

서로 다른 편광의 색상 표현.

레이더파는 편파를 가지고 있다.물질이 다르면 강도가 다른 레이더파를 반사하지만 잔디와 같은 이방성 물질은 강도가 다른 편광을 반사하는 경우가 많다.어떤 물질들은 편광도 다른 편광으로 바꿀 것이다.편파의 혼합을 방출하고 특정 편파의 수신 안테나를 사용함으로써 동일한 일련의 펄스로부터 여러 개의 화상을 수집할 수 있다.합성 화상의 3색 채널로서 이러한 3개의 RX-TX 편파(HH-pol, VV-pol, VH-pol)를 사용하는 경우가 많다.오른쪽 사진은 이렇게 되어 있습니다.결과 색상을 해석하려면 알려진 재료에 대한 상당한 테스트가 필요합니다.

편광 측정의 새로운 발전에는 광학 시스템에 보이지 않는 변화가 어디서 발생했는지 판단하기 위해 일부 표면(풀이나 모래 등)과 동일한 위치의 두 이미지 사이의 무작위 편광 리턴의 변화를 사용하는 것이 포함된다.예를 들어 지하 터널링이나 이미지 생성 영역을 주행하는 차량의 경로가 포함됩니다.향상된 SAR 해유 슬릭 관측은 적절한 물리적 모델링과 완전 편광 및 이중 편광 측정의 사용을 통해 개발되었다.

SAR 편광법

편광 측정을 사용하여 색칠된 데스 밸리의 SAR 이미지

SAR 편광 측정은 인공 및 자연 산란체의 편광 특성 측정 및 탐사에 기반하여 육지, 눈과 얼음, 해양 및 도시 응용에 대한 질적 및 정량적 물리적 정보를 도출하는 데 사용되는 기술이다.지형 및 토지 이용 분류는 편광 합성자세 레이더(PolSAR)^[36]의 가장 중요한 응용 분야 중 하나이다.

SAR 편광계는 산란행렬(S)을 사용하여 전자파와의 상호작용 후 물체의 산란거동을 식별한다.매트릭스는 전송 및 수신 신호의 수평 및 수직 편파 상태의 조합으로 표시됩니다.

$S=begin{bmatrix}S_{HH}&S_{HV}\S_{VH}&S_{VV}\end{bmatrix}$

여기서 HH는 수평 전송 및 수평 수신용, VV는 수직 전송 및 수직 수신용, HV는 수평 전송 및 수직 수신용, VH는 수직 전송 및 수평 수신용입니다.

이러한 편광의 최초의 2개의 편광 조합은, 송신과 수신의 편광은 같기 때문에, like-parized(또는 co-parized)라고 불립니다.마지막 2개의 편광은 ^[37]송수신 편광은 서로 직교하기 때문에 크로스 편광이라고 불립니다.

3성분 산란 전력 모델

Freeman과 Durden의^[38] 3성분 산란 전력 모델은 공분산 행렬을 사용하여 반사 대칭 조건을 적용하여 PolSAR 영상의 분해에 성공적으로 사용된다.이 방법은 단순한 물리적 산란 메커니즘(표면 산란, 이중 바운스 산란 및 볼륨 산란)에 기초하고 있습니다.이 산란 모델의 장점은 이미지 처리에 간단하고 구현하기 쉽다는 것입니다. $\times$ × $3$ 편광 $매트릭스$ 분해에는 크게 2가지 방법이 있습니다 $.$ 하나는 물리적으로 측정 가능한 ^[38]매개변수에 기초한 사전 공분산 행렬 접근법이고, 다른 하나는 일관된 분해 행렬인 파울리 분해이다.이것은 단일 SAR 이미지로 모든 편광 정보를 나타냅니다.[S]의 편광 정보는 $|S_{HH}|^{2},|S_{VV}|^{2},2|S_{HV}|^{2}$ S $|S_{HH}|^{2},|S_{VV}|^{2},2|S_{HV}|^{2}$ , $|S_{HH}|^{2},|S_{VV}|^{2},2|S_{HV}|^{2}$ $|S_{HH}|^{2},|S_{VV}|^{2},2|S_{HV}|^{2}$ 2, $|S_{HH}|^{2},|S_{VV}|^{2},2|S_{HV}|^{2}$ $|S_{HH}|^{2},|S_{VV}|^{2},2|S_{HV}|^{2}$ $|S_{HH}|^{2},|S_{VV}|^{2},2|S_{HV}|^{2}$ $|S_{HH}|^{2},|S_{VV}|^{2},2|S_{HV}|^{2}$ 2 $(\$ S_ ${)$ 의 조합으로 나타낼 수 있습니다. $HH} ^{2}, S_{VV}$ ^{ $2},2$ S_{HV $}$ ^{ $2}$ 단일 $|S_{HH}|^{2},|S_{VV}|^{2},2|S_{HV}|^{2}$ RGB 이미지에서 이전 명암을 모두 색상 ^[39]채널로 코딩합니다.

4성분 산란 전력 모델

PolSAR 영상 분석의 경우 반사 대칭 조건이 유지되지 않을 수 있습니다.이 경우 4성분 산란^[36]^[40] 모델을 사용하여 편광 합성자세레이더(SAR) 영상을 분해할 수 있습니다.이 접근방식은 비반사 대칭 산란 사례를 다룬다.Freeman과 Durden이^[38] 도입한 3성분 분해법을 포함, 나선 산란력을 더해 4성분까지 확장한다.이 나선 전력 항은 일반적으로 복잡한 도시 지역에서 나타나지만 자연 분포 ^[36]산란체에서는 사라진다.

또한 일반 polSAR 데이터 이미지 분석을 위해 도입된 4성분 분해 알고리즘을 사용하는 개선된 방법이 있다.SAR 데이터는 먼저 스팩클 감소라고 불리는 필터 처리 후 각 픽셀을 4성분 모델로 분해하여 표면 산란 $P_{s}$ ( $P$ s\ $displaystyle P_{$ s}), $P_{s}$ 더블 바운스 산란 $P_{d}$ ( $P_{d}$ d $\$ 볼륨 산란 전력( $P_{v}$ v $\$ P_ ${v})$ 및 헬을 결정합니다.ix 산란 전력( $P_{c}$ c $\$ P_ ${c})$ ^[36]그런 다음 픽셀은 최대 전력에 대해 분류된 5개의 클래스(서피스, 더블 바운스, 볼륨, 나선 및 혼합 픽셀)로 나뉩니다.계산 후 2개 또는 3개의 동일한 지배적 산란력을 가진 화소에 대해 혼합 카테고리를 부가한다.이러한 모든 카테고리의 픽셀이 약 같은 수의 픽셀로 20개의 작은 클러터로 분할되어 필요에 따라 병합되는 과정을 클러스터 병합이라고 합니다.그것들은 반복적으로 분류되고 각 클래스에 자동으로 색상이 전달됩니다.이 알고리즘의 요약은 갈색은 표면 산란 클래스를 나타내고, 빨간색은 더블 바운스 산란 클래스를 나타내고, 녹색은 체적 산란 클래스를 나타내며, 파란색은 나선 ^[41]산란 클래스를 나타낸다는 것을 이해하게 한다.

이 방법은 무반사 케이스용이지만 반사 대칭 조건을 자동으로 포함하므로 일반적인 케이스로 사용할 수 있다.또한 혼합 산란 범주를 고려하여 산란 특성을 보존하므로 더 나은 알고리즘임을 입증할 수 있습니다.

간섭계

위상데이터를 폐기하는 것이 아니라 위상데이터에서 정보를 추출할 수 있다.매우 유사한 위치에서 동일한 지형을 두 번 관측할 수 있는 경우, 개구 합성을 수행하여 두 측정의 분리와 동일한 치수의 레이더 시스템에 의해 제공되는 분해능 성능을 제공할 수 있습니다.이 기술은 interferometric SAR 또는 InSAR라고 불립니다.

두 샘플이 동시에 획득되는 경우(아마도 같은 항공기에 안테나 2개를 배치하여 어느 정도 거리를 두고), 위상차이는 레이더 에코가 되돌아온 각도에 대한 정보를 포함할 것이다.이것을 거리 정보와 조합하면, 화상 픽셀의 3 차원에서의 위치를 결정할 수 있다.즉 레이더 반사율뿐만 아니라 지형 고도를 추출할 수 있어 비행기 패스 하나로 디지털 표고 모형(DEM)을 만들 수 있다.Canada Center for Remote Sensing의 한 항공기 애플리케이션은 분해능 5m의 디지털 고도 지도를 생성했으며 고도 오류도 약 5m에 달했다.간섭계는 Shuttle Radar Topography Mission의 데이터를 사용하여 지구 표면의 많은 지역을 전례 없는 정확도로 지도화하기 위해 사용되었다.

두 표본이 같은 지형의 두 비행에서 시간적으로 분리되면 두 가지 위상 이동원이 있을 수 있습니다.첫 번째는 위에서 설명한 바와 같이 지형 고도입니다.두 번째는 지형 움직임입니다. 지형이 관측소 사이를 이동하면 다른 위상을 반환합니다.큰 위상차를 일으키기 위해 필요한 이동량은 사용되는 파장의 순서에 따라 달라집니다.즉, 지형이 센티미터씩 이동하면 결과 이미지로 볼 수 있습니다(두 종류의 위상차를 분리하려면 디지털 고도 지도를 사용할 수 있어야 합니다. 세 번째 패스가 필요할 수 있습니다).

이 두 번째 방법은 지질학 및 지리학에서 강력한 도구를 제공합니다.빙하 흐름은 두 개의 패스로 매핑할 수 있습니다.경미한 지진이나 화산 폭발 후의 지반 변형을 나타내는 지도(화산 전체의 수 센티미터의 수축을 나타내는 지도)가 ^[42]^[43]^[44]발표되었습니다.

미분간섭계

D-InSAR(Differential Interferometry)를 사용하려면 DEM을 추가하여 최소 두 개의 영상을 촬영해야 합니다.DEM은 GPS 측정을 통해 생성되거나 이미지 쌍 수집 간격이 짧은 한 간섭계에 의해 생성될 수 있으므로 대상 표면의 이미지 왜곡을 최소화할 수 있습니다.일반적으로 D-InSar에는 이미지 획득 형상이 유사한 지면 영역의 영상 3개가 적합합니다.지면의 움직임을 검출하는 원리는 매우 간단합니다.첫 번째 두 영상으로부터 하나의 간섭도가 생성됩니다. 이를 기준 간섭도 또는 지형 간섭도라고도 합니다.지형 + 왜곡을 캡처하는 두 번째 간섭도가 생성됩니다.기준 간섭도에서 후자를 빼면 차동 테두리가 드러나 움직임을 나타낼 수 있습니다.설명한 3개의 영상 D-InSAR 생성 기법을 3-pass 또는 Double-Difference 방식이라고 합니다.

차분 간섭도에서 프링으로 남아 있는 차분 프링지는 지면상의 모든 변위점의 SAR 범위가 하나의 간섭도에서 다음 간섭도로 변화한 결과이다.차분 간섭도에서 각 프린지는 ERS 및 RADARSAT 단상 사이클의 경우 약 5.6cm인 SAR 파장에 정비례한다.위성 보기 방향에서 벗어난 표면 변위는 경로(위상으로 변환)의 차이를 증가시킵니다.신호가 SAR 안테나에서 타깃으로 이동하고 다시 돌아오기 때문에 측정된 변위는 파장의 2배가 됩니다.즉, 차분 간섭법에서는 1개의 프린지 사이클 - µ ~ + $µ$ 또는 1개의 파장이 반파장(2.8cm)의 SAR 안테나에 대한 상대적인 변위에 해당합니다.침하 이동 측정, 경사 안정성 분석, 산사태, 빙하 이동 등 D-InSAR 툴링에 관한 다양한 간행물이 있다.위성 SAR 상승 패스 및 하강 패스로부터의 차분 간섭계를 사용하여 3차원 지상 움직임을 추정할 수 있는 이 기술의 한층 더 진보.이 영역의 연구는 GPS 기반 측정과 견줄 만한 정확도로 3D 지상 이동의 정확한 측정이 가능하다는 것을 보여주었다.

Tomo-SAR

SAR Tomography는 다중 베이스라인 간섭계라고 하는 개념의 하위 필드입니다.빔 형성 개념을 사용하는 영상에 대한 3D 노출을 제공하기 위해 개발되었습니다.정보 검색 중에 SAR 데이터의 크기와 위상 구성요소 사이에 집중된 위상 문제가 필요할 때 사용할 수 있습니다.Tomo-SAR의 주요 장점 중 하나는 움직임이 ^[45]얼마나 다른지에 관계없이 산란되는 파라미터를 분리할 수 있다는 것입니다.Tomo-SAR와 차분 간섭계를 병용하여 「차동 단층 촬영」(Diff-Tomo)이라고 하는 새로운 조합이 ^[45]개발되었습니다.

Tomo-SAR는 얼음 부피와 숲의 시간적 일관성을 묘사하는 레이더 이미징에 기반한 애플리케이션을 가지고 있다(시간적 일관성은 서로 ^[45]다른 순간에 관측된 파동 간의 상관관계를 설명한다).

초광대역 SAR

기존의 레이더 시스템은 상당히 좁은 주파수 범위로 무선 에너지를 폭발적으로 방출합니다.협대역 채널은 정의상 빠른 변조 변경을 허용하지 않습니다.신호의 도착 시간을 나타내는 것은 수신 신호의 변화이기 때문에(확실히 변하지 않는 신호는 타겟으로부터 반사되는 시간에 대해 아무것도 나타내지 않습니다), 느린 변조 변화만 있는 신호는 타겟까지의 거리뿐만 아니라 빠른 변조 변화를 가진 신호도 밝힐 수 없습니다.

Ultra-wide-band(UWB; 초광대역)는 매우 큰 대역폭을 사용하는 모든 무선 전송을 말합니다.이는 변조에서 매우 빠른 변화를 사용하는 것과 같습니다.신호를 "UWB"로 한정하는 설정 대역폭 값은 없지만, 중심 주파수의 상당 부분(일반적으로 약 10%)보다 큰 대역폭을 사용하는 시스템은 대부분의 경우 "UWB" 시스템이라고 불립니다.일반적인 UWB 시스템에서는 중심 주파수의 1/3 ~2분의 1의 대역폭을 사용할 수 있습니다.예를 들어 일부 시스템에서는 3GHz를 중심으로 약 1GHz의 대역폭을 사용합니다.

신호의 대역폭을 늘리는 방법은 변조 형식만큼 많습니다.변조 속도를 높이는 것이 중요합니다.그러나 SAR를 포함하여 UWB 레이더에서 가장 일반적으로 사용되는 두 가지 방법은 매우 짧은 펄스와 고대역폭 채핑입니다.이 문서의 다른 부분에 일반적인 차핑 설명이 나와 있습니다.차핑된 시스템의 대역폭은 설계자가 원하는 만큼 좁거나 넓을 수 있습니다.펄스 기반 UWB 시스템은 "UWB 레이더"라는 용어와 관련된 보다 일반적인 방법입니다.

펄스 기반 레이더 시스템은 전자파 에너지의 매우 짧은 펄스를 전송하며, 일반적으로 몇 개 이하의 파형만 전송합니다.물론 매우 짧은 펄스는 매우 빠르게 변화하는 신호이므로 매우 넓은 대역폭을 차지합니다.이를 통해 거리를 훨씬 더 정확하게 측정할 수 있으므로 분해능이 향상됩니다.

펄스 기반 UWB SAR의 주요 단점은 송수신 프론트 엔드 전자 장치가 고출력 애플리케이션용으로 설계하기 어렵다는 것입니다.특히 전송 듀티 사이클은 매우 낮고 펄스 시간은 매우 짧기 때문에 전자장치는 기존 레이더의 평균 전력에 필적할 정도로 매우 높은 순간 전력을 제공할 필요가 있습니다.(그러나 UWB는 상대성이 낮기 때문에 좁은 대역 신호에 비해 채널 용량에서 현저한 이득을 제공하는 것이 사실입니다.섀넌-하틀리 정리에서의 대역폭의 nship과 낮은 수신 듀티 사이클은 더 적은 노이즈를 수신하여 신호 대 잡음비를 증가시키기 때문에 기존 레이더는 일반적인 펄스 기반 레이더보다 몇 배 더 강력할 수 있기 때문에 링크 예산에 여전히 현저한 차이가 있습니다.)따라서 펄스 기반의 UWB SAR는 일반적으로 마이크로파 또는 밀리 와트 범위의 평균 전력 레벨을 필요로 하는 애플리케이션에서 사용되며, 따라서 작고 가까운 타깃 영역(수십 미터)을 스캔하거나 수신 신호를 장시간 통합할 수 있는 경우(분 이상)에 사용됩니다.그러나 이 제한은 채프된 UWB 레이더 시스템에서 해결됩니다.

UWB 레이더의 주요 장점은 더 나은 분해능(상용 기성 전자 장치를 사용하여 수 밀리미터)과 표적 반사율의 더 많은 스펙트럼 정보이다.

도플러빔 샤프닝

도플러 빔 샤프닝은 일반적으로 초점이 맞지 않은 실제 빔의 위상 이력을 처리하여 실제 빔을 처리함으로써 얻을 수 있는 것보다 더 나은 분해능을 얻는 방법을 말합니다.레이더 안테나의 실제 개구부는 (사용 중인 파장에 비해) 매우 작기 때문에 레이더 에너지는 넓은 영역(일반적으로 플랫폼(항공기) 방향과 직교하는 방향으로 여러 도 너비)으로 확산됩니다.도플러 빔 샤프닝은 플랫폼 앞의 타깃이 도플러 업시프트 신호를 반환하고(주파수가 약간 높음), 플랫폼 뒤의 타깃이 도플러 다운시프트 신호를 반환하는(주파수가 약간 낮음) 플랫폼의 움직임을 활용합니다.

이동량은 정규 직교 방향에서 앞으로 또는 뒤로 기울어진 각도에 따라 달라집니다.플랫폼의 속도를 아는 것으로, 목표 신호 리턴은 시간에 따라 변화하는 특정 각도 「빈」에 배치됩니다.신호는 시간이 지남에 따라 통합되므로 레이더 "빔"이 훨씬 작은 구멍으로 합성됩니다. 또는 더 정확하게(그리고 더 작은 도플러 시프트를 구별할 수 있는 능력에 기반하여) 시스템은 수백 개의 매우 "엄격한" 빔을 동시에 가질 수 있습니다.이 기술은 각도 분해능을 극적으로 향상시키지만 범위 분해능에 이 기술을 활용하는 것은 훨씬 더 어렵습니다.(펄스 도플러 레이더 참조).

차핑(펄스 압축) 레이더

많은 레이더 시스템(일반적으로 SAR 시스템에서도 볼 수 있음)의 일반적인 기술은 신호를 "차단"하는 것입니다."치핑" 레이더에서는 펄스가 훨씬 더 길어질 수 있습니다.펄스가 길수록 더 많은 에너지가 방출되어 수신되지만 일반적으로 범위 분해능을 방해합니다.그러나 채프 레이더에서는 이 긴 펄스가 펄스 중에 주파수 이동(따라서 채프 또는 주파수 이동)도 발생합니다."chirped" 신호가 반환되면 전송된 펄스와 상관되어야 합니다.고전적으로 아날로그 시스템에서는 주파수에 따라 전파 속도가 변화하는 특성을 가진 분산 지연선(흔히 표면 음향파 장치)에 전달됩니다.이 기술은 시간 내에 펄스를 "압축"하므로 펄스 길이가 길어지는 이점(반환되는 신호가 훨씬 많아짐)이 있는 반면 펄스가 훨씬 짧아지는 효과(범위 분해능 향상)가 있습니다.최신 시스템에서는 디지털 펄스 상관 관계를 사용하여 신호에서 펄스 리턴을 찾습니다.

통상적인 조작

NASA의 AirSAR 계기는 DC-8 측면에 부착되어 있습니다.

데이터 수집

전형적인 SAR 어플리케이션에서는 단일 레이더 안테나가 항공기 또는 우주선에 부착되어 안테나의 복사빔의 실질적인 구성요소가 비행경로방향에 수직인 파동전파방향을 가진다.빔은 수직 방향으로 넓게 허용되므로 항공기 거의 아래에서 수평선 방향으로 지형을 비추게 됩니다.

화상의 범위 치수의 해상도는 반송파 주파수와 필요한 사이드 밴드로 이루어진 짧은 펄스를 모두 특정 대역폭 내에서 방출하거나 주파수가 시간에 따라 변화하는 긴 "치프 펄스"를 사용하여 매우 짧은 시간 간격을 정의하는 펄스를 생성함으로써 실현됩니다.ndwidth.에코가 반환되는 시간이 다르면 서로 다른 거리에 있는 점을 구별할 수 있습니다.

SAOCOM 위성의 SAR 안테나

총 신호는 지상의 빔 폭 크기의 패치에서 나온 것입니다.교차 범위 방향으로^{[clarification needed]} 좁은 빔을 생성하려면 회절 효과를 위해 안테나가 그 치수로 넓어야 합니다.따라서 빔이 범위보다 작은 크기(수백 배)의 선형 너비만 가질 수 있기 때문에 항공기 운반식 안테나에서는 단순히 빔 폭 내에 있는 한 지속되는 수익의 강도로 공동 범위 포인트를 구별하는 것이 어렵다.(우주선으로 운반할 수 있는 것은 10배 이상 더 잘 할 수 있습니다.)그러나, 진폭과 복귀의 위상이 모두 기록되면, 보다 작은 씬 요소로부터 방사상으로 산란된 멀티 타겟 복귀의 부분은, 그러한 각 요소로부터 기대되는 복귀의 형태와의 합계 복귀의 위상 벡터 상관에 의해서 추출할 수 있다.예를 들어, 300km에서는 30cm, 약 200마일(320km)에서는 약 1피트 정도 되는 범위 내의 100만분의 1보다 작은 항목의 해상도를 신중하게 설계하고 조작하면 달성할 수 있습니다.

이 과정은 빔 폭만큼 길고 특정 지점에 초점을 맞춘 것처럼 공간적으로 분산된 일련의 관측치를 결합하는 것으로 생각할 수 있다.이 과정에 의해 최대 시스템 범위에서 시뮬레이션된 "합성 개구부"는 실제 안테나보다 길 뿐만 아니라 실제 적용에서는 레이더 항공기보다 훨씬 길고 레이더 우주선보다 엄청나게 길다.

범위 좌표에서의 SAR의 화상 해상도(거리 단위당 화상 픽셀로 표시)는 주로 사용되는 펄스의 무선 대역폭에 비례합니다.크로스 레인지 좌표에서 유사한 분해능은 주로 빔 폭 내의 신호 리턴의 도플러 시프트 대역폭에 비례한다.도플러 주파수는 넓은 방향에서 산란점 방향의 각도에 따라 달라지기 때문에 빔 폭 내에서 사용할 수 있는 도플러 대역폭은 모든 범위에서 동일합니다.따라서 두 영상 치수의 이론적 공간 분해능 한계는 범위의 변동에 따라 일정하게 유지됩니다.그러나 실제로는 데이터 수집 시간과 함께 누적되는 오류와 후처리에 사용되는 특정 기술 모두 장거리 교차 분해능을 더욱 제한합니다.

전자파의 속도와 전파 방향의 자연적 항상성 때문에 귀환 지연 시간을 기하학적 범위로 변환하는 것은 매우 정확할 수 있다.단, 절대 균일하지 않은 대기 및 절대 질량이 없는 대기를 비행하는 항공기의 경우, 안테나의 연속적인 기하학적 위치에 대한 펄스 송수신 시간의 관련성은 비행 경로의 감지된 불규칙성을 설명하기 위해 귀환 위상의 지속적인 조정을 수반해야 한다.우주선의 SAR는 이러한 대기 문제를 피하지만 우주선 회전으로 인해 알려진 안테나 움직임을 수정해야 합니다. 심지어 선상 기계의 움직임에 대한 반응도 마찬가지입니다.유인 우주선에서 SAR를 찾기 위해서는 데이터 수집 기간 동안 인간이 차량에 대해 조심스럽게 움직이지 않도록 해야 할 수 있다.

SARs에 대한 일부 언급은 "레이더 망원경"으로 특징지어지지만, 실제 광학적인 유사점은 현미경이며, 합성 구멍의 길이보다 더 작은 이미지입니다.레이더 공학 용어로, 대상 영역이 조명 안테나의 "원거리 필드"에 있는 반면, 시뮬레이션된 안테나의 "근거리 필드"에 있습니다.

임의의 화상의 범위내의 산란자로부터의 반환은, 일치하는 시간 간격으로 분산됩니다.펄스간 주기는 어떤 펄스에서든 가장 가까운 범위의 반환이 다음 펄스에서 가장 가까운 범위의 반환이 나타나기 전에 완료될 수 있을 정도로 길어야 하며, 이러한 반환이 시간 내에 서로 겹치지 않도록 해야 합니다.한편 인터펄스 속도는 원하는 교차 범위(또는 교차 빔) 분해능에 충분한 샘플을 제공할 수 있을 정도로 빨라야 합니다.레이더가 고속 차량에 의해 운반되어 넓은 영역을 정밀 해상도로 촬영할 경우, 이러한 조건이 충돌하여 이른바 SAR의 모호성 문제로 이어질 수 있습니다."기존" 레이더에도 동일한 고려사항이 적용되지만, 이 문제는 분해능이 SAR 프로세스를 통해서만 사용할 수 있을 정도로 미세할 경우에만 크게 발생한다.문제의 근본은 1개의 안테나에 의해 제공되는 단일 신호 입력 채널의 정보 전달 능력이므로 유일한 해결책은 추가 안테나에 의해 공급되는 추가 채널을 사용하는 것입니다.이 시스템은 SAR와 단계별 어레이의 하이브리드가 되며, 때로는 Vernier 어레이라고도 불립니다.

데이터 처리

일련의 관측치를 결합하려면 상당한 계산 리소스가 필요하며, 일반적으로 푸리에 변환 기술을 사용합니다.현재 이용 가능한 높은 디지털 컴퓨팅 속도는 이러한 처리를 SAR 항공기 내에서 거의 실시간으로 수행할 수 있도록 합니다(신호의 모든 부분이 수신될 때까지 최소 시간 지연이 반드시 있어야 합니다).결과는 진폭과 위상을 모두 포함한 레이더 반사율의 지도입니다.

진폭 데이터

지도와 같은 디스플레이에 표시되는 진폭 정보는 흑백 사진과 거의 동일한 방식으로 접지 커버에 대한 정보를 제공합니다.상세한 표적 영역 분석을 위해 특정 이미지 특징을 강조하기 위해 다양한 목적을 위해 차량 기반 스테이션 또는 지상 스테이션에서 처리의 변화를 수행할 수도 있다.

단계 데이터

화상내의 위상 정보는 일반적으로 화상표시장치의 인간 관찰자가 이용할 수 없지만 수치적으로 보존할 수 있으며 때로는 대상의 특정 부가 특징을 인식할 수 있다.

코히렌스 스펙클

안타깝게도 인접한 이미지 소자(픽셀) 간의 위상차는 "간접성 스펙클"이라고 불리는 랜덤 간섭 효과도 생성합니다.이것은 해상도 순서에 따라 치수를 갖는 입도이며 해상도 개념이 미묘하게 다른 의미를 띠게 합니다.이 효과는 레이저 조명 광학 장면에서 시각적으로나 사진적으로나 분명하게 나타나는 것과 동일합니다.랜덤 스펙클 구조의 크기는 합성 개구부의 파장 크기에 따라 결정되며 시스템의 분해능보다 미세할 수 없습니다.스펙클 구조는 분해능을 희생하여 억제할 수 있습니다.

광학 홀로그래피

고속 디지털 컴퓨터가 보급되기 전에, 데이터 처리는 광학 홀로그래피 기술을 사용하여 이루어졌다.아날로그 레이더 데이터는 필름이 신호 대역폭을 보존할 수 있는 규모로 사진 필름에 홀로그래픽 간섭 패턴으로 기록되었다(예를 들어 0.6m 파장을 사용하는 레이더의 경우 1:1,000).그 후 홀로그램을 통과하는 0.6 마이크로미터의 파동(헬륨 네온 레이저의 파동 등)을 사용하는 빛은 약 1미터의 프로세서 초점 거리에서 다른 필름에 기록할 수 있는 스케일로 지형 이미지를 투사할 수 있습니다.이는 SAR와 위상 배열 모두 기본적으로 광학 홀로그래피와 유사하지만 광파 대신 마이크로파를 사용하기 때문에 효과가 있었다.이 레이더 목적을^[46]^[47]^[48] 위해 개발된 "광학 데이터 프로세서"는 최초의 효과적인 아날로그 광학 컴퓨터 시스템이었고, 사실 홀로그래픽 기술이 광학 이미징에 완전히 적용되기 전에 고안되었다.레이더 신호의 범위 및 교차 범위 신호 구조의 소스가 다르기 때문에 SAR용 광학 데이터 프로세서는 구형 및 원통형 렌즈뿐만 아니라 원추형 렌즈도 포함했다.

이미지 어피아런스

다음 고려사항은 실제 지형 이미징 레이더에도 적용되지만 범위 내 분해능이 SAR에서만 사용할 수 있는 교차 빔 분해능과 일치할 경우 더욱 중요합니다.

범위, 교차 범위 및 각도

레이더 이미지의 두 가지 차원은 범위와 교차 범위입니다.제한된 지형의 레이더 이미지는 사선 사진과 유사할 수 있지만 레이더 위치에서 찍은 사진은 유사하지 않습니다.이는 레이더 영상의 범위 좌표가 경사 사진의 수직-각도 좌표에 수직이기 때문입니다.따라서 이러한 이미지를 보기 위한 명백한 입구-푸필 위치(또는 카메라 중심)는 레이더에 있는 것처럼 보이는 것이 아니라 뷰어의 시선이 레이더와 표적을 연결하는 경사 범위 방향에 수직인 지점에서 이미지의 위에서 아래로 경사 범위가 증가하는 것처럼 보입니다.

수평 지형에 대한 경사 범위는 수직 각도가 다르기 때문에 이러한 지형의 각 표고는 곡면, 특히 쌍곡 코사인 표고로 나타납니다.다양한 범위의 수직은 이러한 곡선에 수직입니다.뷰어의 외관상 방향은 곡선의 "하이프코스" 축과 평행합니다.레이더 바로 아래에 있는 항목은 광학적으로 수평으로 보는 것처럼 보이고(즉, 측면에서 보는 경우), 멀리 있는 항목은 광학적으로 바로 위에서 보는 것처럼 보인다.이러한 곡선은 가파른 경사 범위를 포함한 근거리 지형의 넓은 범위를 보지 않는 한 명확하지 않다.

위에서 지정한 것처럼 볼 때, 작은 영역의 고해상도 레이더 이미지는 두 가지 이유로 가장 친숙한 광학 이미지와 비슷할 수 있습니다.첫 번째 이유는 장면에서 깃대를 상상하면 쉽게 이해할 수 있다.상단까지의 경사 범위가 베이스까지의 경사 범위보다 작습니다.따라서 폴은 위 방향으로 볼 때만 올바르게 상단 위로 나타날 수 있습니다.둘째, 레이더 조명은 아래로 내리며 그림자는 가장 친숙한 "오버헤드 조명" 방향으로 나타난다.

폴 상단의 이미지는 동일한 경사 범위 호 위에 있지만 더 짧은 수평 범위("지상 범위")에 있는 일부 지형 지점의 이미지를 오버레이합니다.조명과 외관 접안점을 모두 향했던 장면 표면의 이미지는 해당 접안점에서 본 광학 장면과 유사한 형상을 가집니다.그러나 레이더를 마주보는 경사는 짧아지고 레이더를 마주보는 경사는 수평(지도) 치수로 길어진다.따라서 전자는 밝아지고 후자는 흐려집니다.

경사 범위에 수직보다 가파른 경사면의 복귀는 보다 가까운 지상 범위의 낮은 고도 지형에 중첩되며, 둘 다 보이지만 혼합된다.특히 건물의 벽과 같은 수직 표면이 그렇습니다.표면이 경사 범위에 수직보다 더 가파를 때 발생하는 또 다른 시야 불편은 한 면에 조명이 들어오지만 뒷면에서 "보이는" 것입니다.그 후, 예를 들면, 건물의 레이더를 향한 벽이 내부에서 보이는 것처럼 보이는 반면, 건물의 내부와 후면 벽(시청자에게 가장 가깝고, 따라서 광학적으로 볼 수 있을 것으로 예상됨)은 조도가 부족하여 전면 벽과 지붕의 그늘에 가려 사라진다.지붕으로부터의 일부 복귀는 전면 벽으로부터 오버레이 될 수 있으며, 두 복귀는 모두 건물 앞의 지형으로부터 오버레이 될 수 있습니다.눈에 보이는 건물 그림자는 모든 조명 항목의 그림자를 포함합니다.긴 그림자는 이미지를 생성하는 데 필요한 "시간 노출" 동안 조명 안테나의 움직임으로 인해 가장자리가 흐릿해질 수 있습니다.

아티팩트 및 그림자 미러링

우리가 보통 거칠다고 생각하는 표면은, 그 거칠기가 레이더 파장보다 작은 릴리프로 구성되어 있다면, 매끄러운 거울처럼 작용하며, 그러한 표면 너머에 그 앞에 있는 물체의 추가 이미지를 보여준다.이러한 미러 이미지는 미러링 표면의 그림자 내에 나타나며, 그림자 전체를 채우는 경우가 있기 때문에 그림자를 인식할 수 없습니다.

실제 레이더에는 적용되지 않지만 SAR에는 적용되지 않는 중요한 사실은 씬 포인트의 오버레이 방향이 레이더를 향해 있는 것이 아니라 타깃 포인트에 가장 가까운 SAR의 현재 경로 방향의 해당 지점을 향해 있다는 것입니다.SAR가 정확히 넓은 방향에서 전방 또는 후방으로 "움직이는" 경우 조명 방향, 즉 그림자 방향은 오버레이 방향과 반대되는 것이 아니라 SAR에서 오른쪽 또는 왼쪽으로 기울어집니다.오버레이 방향이 수직이고 SAR의 비행 경로가 이미지 위에 있으며 범위가 약간 아래로 증가하도록 볼 때 이미지가 올바른 투영 지오메트리와 함께 나타납니다.

움직이는 물체

SAR 장면 내에서 움직이는 물체는 반환의 도플러 주파수를 변경합니다.따라서 이러한 물체는 해당 속도의 범위 방향 구성요소에 비례하는 양만큼 교차 범위 방향으로 오프셋된 위치에서 이미지에 나타납니다.도로 차량은 도로 밖에서 묘사될 수 있으므로 도로 교통 항목으로 인식되지 않습니다.선로에서 떨어져 보이는 열차는 알려진 선로와 평행한 길이와 동일한 길이의 레일베드 표식의 부재 및 열차에 의해 그림자가 드리워진 일부 인접 지형에 의해 더 쉽게 인식됩니다.움직이는 혈관의 이미지는 웨이크업 초기 부분의 선에서 오프셋될 수 있지만, 여전히 혈관 움직임의 일부인 웨이크업의 최근 부분은 혈관 이미지를 비교적 조용한 원후 웨이크에 연결하는 곡선으로 나타납니다.이러한 식별 가능한 경우, 이동물의 속도와 방향은 그 오프셋의 양으로부터 결정될 수 있다.목표물의 움직임의 궤도 구성요소는 약간의 포커스를 발생시킵니다.바람으로 움직이는 나무 잎, 거친 지형을 주행하는 차량, 사람이나 다른 동물이 걷거나 달리는 것과 같은 무작위 동작은 일반적으로 이러한 항목에 초점을 맞추지 못하게 하고, 흐릿해지거나 효과적인 투명성을 유발한다.

이러한 고려사항과 일관성에 기인하는 스펙클구조는 SAR 이미지를 올바르게 해석하기 위해 어느 정도 시간이 걸립니다.이를 지원하기 위해, 알려진 지형과 문화 물체 상공에서 많은 시험 비행을 수행함으로써 중요한 표적 시그니처의 수집이 축적되었다.

역사

애리조나 리치필드 파크에 있는 굿이어 에어크래프트 컴퍼니의 수학자 칼 A.^[49] 와일리는 1951년 6월 아틀라스 ICBM 프로그램을 ^[50]위한 상관 유도 시스템을 연구하면서 합성 개구 레이더를 발명했다.1952년 초, Wiley는 Fred Heisley, Bill Welty와 함께 DOUSER (Doppler Unbeamed Search Radar)라는 개념 검증 시스템을 구축했습니다.1950년대와 1960년대에 Goodyear Aircraft (나중에 Goodyear Aerospace)는 돈 베커레그의 ^[51]도움으로 SAR 기술에 많은 발전을 가져왔다.

독립적으로 윌리의 이른 1952년 Sherwin 그리고 다른 사람들은 일리노이 대학의 제어 시스템 연구소에서 실험 실험들이 시스템 전역에 동시에 초점을 맞출 이어질 수 있" 크게 개선된 각도 분해능과 레이더 시스템의 기초를 제공할 수 있"지적했다 결과를 보여 줬다.[52]

두 프로그램 모두 전기 회로 필터링 방식으로 레이더 리턴을 처리했습니다.본질적으로 도플러 주파수의 분리된 이산 대역에서의 신호 강도는 적절한 범위 위치 내에서 일치하는 각도 위치에 표시되는 이미지 강도를 정의했습니다.리턴 신호의 중앙 부분(제로 도플러 밴드)만 사용했을 경우 빔의 중앙 부분만 존재하는 것처럼 효과가 나타났습니다.그래서 도플러 빔 샤프닝이라는 용어가 생겼다.인접한 몇 개의 0이 아닌 도플러 주파수 대역으로부터의 리턴을 표시함으로써 추가적인 "빔 세분화"를 달성했다(반집중 레이더라고 할 수도 있었지만 "미집중 레이더"라고도 불린다).1954년에 출원된 와일리의 특허는 여전히 비슷한 처리를 제안하고 있다.그 후 회로 부피가 커짐에 따라 이러한 스킴이 해상도를 더욱 향상시킬 수 있는 범위가 제한되었습니다.

이 원칙은 General Electric의 Walter Hausz가 작성한 메모에^[53] 포함되었는데, 이는 1952년 당시 국방부의 여름 연구 회의인 TEOTA (The Eyes of the Army)^[54]의 비밀 보고서의 일부로서, 군사 정찰과 정보 기술 수집에 유용한 새로운 기술을 규명하기 위해 추구했다.1953년 미시간 대학의 후속 여름 프로그램인 Project Wolverine은 다양한 학술 및 산업 연구소에서 국방부(DoD)가 후원하는 연구 노력으로 도플러 지원 서브빔 폭 해상도를 포함한 몇몇 TEOTA 주제를 확인했습니다.같은 해 일리노이 그룹은 상당한 양의 서브빔폭 해상도를 나타내는 "스트립맵" 이미지를 제작했다.

보다 진보된 초점 레이더 프로젝트는 1953년에 육군 신호 부대가 관리하는 미시간 대학 윌로우런 연구 센터(WRRC)의 3개 서비스(육군, 해군, 공군) 프로그램인 프로젝트 미시건(Project Michigan)에 할당된 여러 원격 감지 체계 중 하나였다.처음에는 측면 외관 레이더 프로젝트라고 불렸던 이 프로젝트는 처음에는 레이더 연구소로, 나중에는 레이더 광학 연구소로 알려진 그룹에 의해 수행되었다.그것은 단지 몇몇 특정한 도플러 이동의 단기적 존재뿐만 아니라, 후자가 빔을 통과할 때 각 목표물로부터 꾸준히 변화하는 이동의 전체 역사를 고려할 것을 제안했다.웨스턴 E의 루이스 J. 커트로나 박사의 초기 분석입니다비비안, 그리고 에밋 엔. 그 그룹의 레이스는 그러한 완전 초점 시스템은 레이더 항공기에 탑재되어 항공기 경로의 ^[55]넓은 면을 연속적으로 가리키는 실제 안테나의 폭(또는 일부 기준으로는 절반 폭)과 동일한 분해능을 모든 범위에서 제공해야 한다는 것을 보여주었다.

필요한 데이터 처리는 다양한 범위의 단위 진폭 소스로부터 예상되는 신호 형식의 샘플과 수신 신호의 상호 상관관계를 계산하는 것과 같았다.그 당시에는 대형 디지털 컴퓨터조차도 오늘날의 4기능 휴대용 계산기 수준에 다소 근접한 성능을 가지고 있었기 때문에 이러한 방대한 양의 계산을 수행할 수 있는 수준은 전혀 아니었습니다.대신 상관계산을 하기 위한 장치는 광학적 상관계수가 되는 것이었다.

주행 안테나가 수신하고 일관되게 검출된 신호는 음극선 튜브의 면 직경을 가로지르는 단일 범위 추적 선으로 표시되어야 하며, 선의 연속 형태는 해당 선의 길이에 수직으로 이동하는 필름에 투영되는 이미지로 기록되어야 한다.현상된 필름에 대한 정보는 프로젝트의 주요 과제로 아직 고안될 장비에 대해 실험실에서 후속적으로 처리될 예정이었다.최초의 프로세서 제안에서는, 렌즈의 배열은, 신호막과 기존의 신호 패턴을 포함한 다른 필름 양쪽을 연속해 통과시킴으로써, 기록된 신호를 기존의 신호 형태와 포인트 바이 포인트로 증식시키는 것이 기대되고 있었다.상관 관계의 후속 합산 또는 적분 단계는 하나 이상의 구형 및 원통형 렌즈의 초점 조정 작용에 의해 적절한 세트의 곱셈 곱셈을 수렴함으로써 수행되어야 한다.프로세서는 사실상 동시에 많은 채널에서 대규모 스칼라 산술 계산을 수행하는 광아날로그 컴퓨터였다.궁극적으로, 그러한 두 개의 장치가 필요하며, 그 출력은 완전한 솔루션의 직교 구성요소로 결합됩니다.

다행히(알고 보니) 장비를 작게 유지하려는 욕구가 기준 패턴을 35mm 필름에 기록하게 되었습니다.실험 결과 필름의 패턴이 너무 미세해서 최종 초점을 ^[47]날카롭게 맞출 수 없는 뚜렷한 회절 효과를 보였다.

그 결과, 상관기를 고안하고 있던 물리학자 레이스는 이러한 효과 자체가 자연적 과정을 통해 필요한 처리의 상당 부분을 수행할 수 있다는 것을 알게 되었습니다. 왜냐하면 기록의 트랙 스트립은 일련의 원형 광학 영역 플레이트의 직경 슬라이스처럼 작동하기 때문입니다.이러한 플레이트는 렌즈와 같은 기능을 하며, 각 플레이트는 소정의 파장에 대해 특정 초점거리를 가진다.스칼라로 여겨졌던 기록은 많은 공간 주파수와 0 주파수 "바이어스" 양을 더한 반대 부호 벡터 1의 쌍으로 인식되었다.필요한 상관계 합계가 스칼라 쌍에서 단일 벡터 쌍으로 변경되었습니다.

각 존 플레이트 스트립은 동일하지만 반대되는 2개의 초점거리를 가진다.하나는 빔이 포커스로 수렴하는 실측이고, 다른 빔이 존 플레이트의 다른 면을 넘어 분기한 것처럼 보이는 가상측이다.제로 주파수(DC 바이어스) 구성 요소에는 초점이 없지만 수렴 빔과 발산 빔이 모두 중첩됩니다.수렴파 성분에서 나머지 두 개의 불필요한 헤이즈로 중첩되지 않은 초점 이미지를 얻는 열쇠는 후자를 차단하고 원하는 빔만 적절한 위치에 있는 주파수 대역 선택 개구부를 통과할 수 있도록 하는 것입니다.

각 레이더 범위는 해당 범위에 비례하는 초점 거리를 갖는 구역 플레이트 스트립을 생성합니다.이 사실은 광학 프로세서의 설계에 있어서 주요한 문제가 되었습니다.따라서 당시의 기술 저널에는 범위에 따른 초점 변화에 대처하는 방법에 전념하는 대량의 자료가 수록되어 있다.

접근법의 주요한 변화를 위해, 사용된 빛은 단색성과 일관성이 있어야 하며, 이는 이미 레이더 방사선의 요건이었다.레이저도 미래에는 수은증기 램프의 출력을 수은증기 램프의 출력으로 수은증기 램프의 녹색 띠와 일치하는 컬러 필터를 통과한 후 가능한 한 작은 빔 제한 구멍에 집중시킬 수 있었습니다.그 결과 발생하는 빛의 양이 너무 약해서 매우 긴 노출 시간을 사용해야 했지만, 적절한 데이터를 사용할 수 있게 되었을 때 제 시간에 작동 가능한 광학 상관기를 조립했다.

레이더를 만드는 것은 이미 알려진 기술을 기반으로 한 보다 간단한 작업이었지만, 이 작업은 최첨단 신호 선형성과 주파수 안정성을 달성해야 했습니다.레이더 연구소에 의해 설계되고 제작된 적절한 기기는 C-46(커티스 특공대) 항공기에 설치되었다.이 항공기는 미 육군에 의해 WRRC에 보관이 되었고 WRRC의 자체 조종사와 지상 요원에 의해 비행 및 유지되었기 때문에 레이더 연구소의 필요에 따라 많은 비행에서 사용할 수 있었으며, 이는 빈번한 재시험과 지속적으로 개발되는 복잡한 장비의 "디버깅"을 가능하게 하는 데 중요한 기능이었다.이와는 대조적으로 일리노이 그룹은 공군에 소속된 C-46을 사용했고 AF 조종사들이 사전 편성으로만 비행했다. 그 결과, 연구자들의 눈에는 바람직하지 않은 빈도의 비행 테스트에 대한 제한으로 인해, 테스트로부터 낮은 대역폭의 피드백이 계속되었다(나중에 신형 Convair 항공기를 사용한 연구는 계속되었다).비행 일정에 대한 미시건 그룹의 지역 통제).

미시간주가 선택한 5피트(1.5m) 폭의 2차 세계대전 잉여 안테나는 이론적으로 5피트(1.5m) 해상도가 가능했지만 처음에는 빔 폭의 10% 데이터만 사용했으며, 그 당시 목표는 50피트(15m) 해상도를 보여주는 것이었다.보다 정밀하게 분해하려면 이상적인 방향과 비행 경로에서 항공기의 출발을 감지하고 처리 전 안테나 포인팅과 수신 신호를 보정하기 위해 이 정보를 사용하기 위한 추가 수단을 개발해야 한다는 것을 이해했다.수많은 실험 후의 작은 대기 난류 곧장 수준 충분하피트(15m)데이터를에서 항공기 계속해서 8월 1957[56]에서 새벽 비행은 비행장이 있다. 공항 지역의 이미지의 일부 지역에서, 켜진 빔 반면피트(15m)모습을 보여 줬습니까map-like 이미지를 양보했다.wi900피트(140m)가 되었습니다.그 결과 부족으로 인해 그 프로그램이 국방부에 의해 종료될 것으로 고려되었지만, 그 첫 번째 성공은 그러한 인식된 요구에 대한 해결책으로 개발을 계속할 수 있는 추가 자금을 확보했다.

1957년 8월, 최초의 성공적인 공중 합성 개구 레이더 이미지인 윌로우 런 공항과 인근.이미지 커티시 미시간 대학교

SAR 원칙은 1960년 4월 미국 육군 실험용 AN/UPD-1 시스템에 관한 보도 자료를 통해 처음으로 공개되었다. AN/UPD-1 시스템은 텍사스 인스트루먼트에 의해 만들어지고 WRRC에 의해 만들어진 Beech L-23D 항공기와 이동식 지상 데이터 처리 스테이션에 설치되며 군용 밴에 설치되었다.당시 데이터 프로세서의 성질은 밝혀지지 않았다.1961년 2월^[57] IRE (Institute of Radio Engineers) Professional Group on Military Electronics 저널의 기술 기사는 SAR 원칙과 C-46 및 AN/UPD-1 버전을 기술했지만 데이터가 어떻게 처리되었는지, UPD-1의 최대 해상도 용량이 약 50피트(15m)임을 설명하지 않았다.그러나 IRE 정보이론 프로페셔널 그룹의 1960년 6월호에는 미시간 그룹의 멤버들에 의한 "광학 데이터 처리 및 필터링 시스템"에 대한 긴 기사가^[58] 실려 있었다.비록 레이더에 그러한 기술을 사용하는 것을 언급하지는 않았지만, 두 저널의 독자들은 몇몇 저자를 공유하는 기사들 사이의 연관성의 존재를 꽤 쉽게 이해할 수 있었다.

F-4 '팬텀' 정찰기에 탑재되는 운영체계는 해상도가 낮고(UPD-1과 유사), 간섭파 영상의 미세한 특성(레이저의 얼룩과 유사)이 있어 사용자들에게 좋은 인상을 주지 못한 베트남에서 빠르게 고안되어 사용되었다.images) 및 군 사진 해석자에게 익숙한 각도/각도 광학 이미지와의 범위/교차 영상의 이해도가 낮습니다.이후 연구자, 운영체제 설계자, 이미지 인터프리터 트레이너 및 추가 개발 및 획득의 DoD 후원자에 의해 잘 학습되었습니다.

후속 연구에서 기법의 잠재 능력은 결국 달성되었다.이 작업은 레이저 광원을 사용하는 보다 정교한 광학 프로세서와 매우 투명한 유리로 만들어진 특수 설계된 매우 큰 렌즈와 함께, 진보된 레이더 회로 설계와 이상적인 직선 비행으로부터의 이탈 정밀 감지에 따라, 미시간 그룹은 약 5년의 인터바에서 시스템 해상도를 높일 수 있었다.ls, 최초에서 15피트(4.6m), 그 후 5피트(1.5m), 1970년대 중반까지 1피트(1.5m)입니다(후자는 여전히 광학적으로 처리가 이루어지고 있는 동안 매우 짧은 범위 간격에 한함).후자의 수준과 연관된 매우 넓은 동적 범위는 당시 기밀 이미지에 접근할 수 있는 보안 허가를 가진 다양한 환경 연구자들에 의해 연구되고 있는 토양, 물, 식생 및 얼음 특징뿐만 아니라 많은 군사적 관심 물체를 식별하는데 적합하다는 것이 입증되었다.이와 유사하게 개선된 운영 시스템은 곧 이러한 고해상도 단계를 모두 따랐습니다.

가장 오래된 SAR 이미지와 해상도가 향상된 최신 SAR 이미지 비교.또, 데이터 처리 광원을 수은 램프에서 레이저로 변경했다.이미지 데이터는 미시간 대학과 캐나다 천연 자원 제공.

5피트(1.5m) 해상도 단계에서도 브라운관(스크린 직경 약 2000개 품목으로 제한됨)이 넓은 범위의 스왓을 커버하면서 필름을 신호로 전달할 수 있을 만큼 세밀한 정보를 제공하는 데 과도한 부담을 줬으며 광학 처리 시스템에도 비슷한 방식으로 부담을 주었습니다.하지만, 거의 동시에, 디지털 컴퓨터는 마침내 비슷한 제한 없이 처리를 할 수 있게 되었고, 결과적으로 필름 대신 브라운관 모니터에 화상을 표시함으로써 톤 재생을 더 잘 제어하고 보다 편리한 이미지 평가를 가능하게 했다.

장거리에서의 최고 해상도 달성은 제한된 표적 영역을 지속적으로 보다 강하게 조명하면서 안테나 폭에 대한 이전의 해상도 제한을 없애기 위해 더 큰 공중 안테나를 회전시키는 기능을 추가함으로써 도움이 되었다.이것은 스포트라이트 모드라고 불리며, 이것은 더 이상 연속적인 스위트 이미지를 생성하지 않고 고립된 지형의 이미지를 생성한다.

SAR 개발 초기에 대기권 밖 플랫폼의 매우 부드러운 궤도 경로가 SAR 운영에 이상적으로 적합하다는 것이 이해되었습니다.인공 지구 위성에 대한 초기 경험은 또한 전리층과 대기를 통과하는 신호의 도플러 주파수 변화가 수백 ^[59]킬로미터의 범위에서도 매우 미세한 분해능을 얻을 수 있을 만큼 안정적이라는 것을 보여주었다.최초의 우주인 지구 SAR 이미지는 현재 퀼(2012년 ^[60]기밀 해제)이라고 불리는 프로젝트에 의해 입증되었다.

초기 작업이 시작된 후, 유용한 기밀 시스템을 만들 수 있는 몇 가지 기능은 20년 동안 존재하지 않았습니다.느린 것처럼 보이는 진보 속도는 레이저, 디지털 컴퓨터, 회로 소형화 및 소형 데이터 스토리지와 같은 다른 발명품의 진보를 통해 종종 보조를 맞추었습니다.레이저가 등장하자, 광데이터 처리는 많은 병렬 아날로그 채널을 제공했기 때문에 빠른 과정이 되었지만, 신호 초점 거리를 범위와 일치시키는 광체인을 고안하는 것은 여러 단계로 진행되어 몇 가지 새로운 광학 부품을 필요로 하는 것으로 판명되었다.광파의 회절에 의존하기 때문에 방진 설치, 클린룸, 고도의 훈련을 받은 작업자가 필요했습니다.최상의 경우에도 데이터 저장에 CRT와 필름을 사용하는 것은 영상의 범위 깊이에 제한을 두었다.

몇 가지 단계에서 디지털 계산 장비에 대해 자주 지나치게 낙관적인 기대를 달성하는 것은 예상보다 훨씬 더 오랜 시간이 걸리는 것으로 입증되었다.예를 들어, SEASAT 시스템은 디지털 프로세서가 출시되기 전에 궤도를 돌 준비가 되었기 때문에, 시스템 작동의 시기적절하게 확인하기 위해 신속하게 조립된 광학 기록 및 처리 체계를 사용해야 했습니다.1978년 최초의 디지털 SAR 프로세서는 캐나다 항공우주회사 맥도널드 덱트바일러(MDA)^[61]에 의해 개발되었습니다.디지털 프로세서가 마침내 완성되어 사용되었을 때, 그 당시의 디지털 기기는 몇 초의 ^[62]데이터를 실행할 때마다 하나의 스왓의 이미지를 생성하는 데 많은 시간이 걸렸습니다.그래도 속도는 한 단계 떨어지지만 화질은 한 단계 향상되었습니다.현대적 방법은 이제 고속과 고품질을 모두 제공합니다.

상기에 기재되어 있는 것은 일부 조직의 시스템 개발 기여뿐이지만, SAR의 가치가 점점 더 명확해짐에 따라 다른 많은 그룹도 참가자가 되었습니다.초기 장기 개발 프로세스의 조직과 자금 조달에 특히 중요한 것은 연방 정부의 장비 조달 기관, 특히 군대, 정보 기관, 그리고 정부 기관의 민간 및 제복을 입은 프로젝트 매니저의 기술적 전문 지식과 선견지명이었다.민간 우주 기관들 몇 군데군데요

많은 출판물들과 인터넷 사이트들이 로버트 라인스라는 이름의 MIT 물리학과 졸업생을 1940년대에 정밀 해상도 레이더를 발명했다고 언급하고 있기 때문에, 그러한 레이더를 접한 사람들은 왜 그것이 여기에 언급되지 않았는지 의아해 할 것이다.실제로 그의 레이더 이미지 관련^[63] 특허 중 실제로 그런 목표를 가진 것은 없었다.대신, 그들은 레이더 물체장의 고해상도 이미지가 이미 알려진 "유전체 렌즈"에 의해 달성될 수 있다고 추정했다. 특허의 발명적인 부분은 마이크로파 형태의 이미지를 가시적인 것으로 변환하는 방법이다.그러나, 그러한 추정은 그러한 렌즈와 그 이미지가 광파 대응에 필적할 만한 크기를 가질 수 있다는 것을 잘못 암시하는 반면, 마이크로파의 엄청나게 큰 파장은 실제로 렌즈가 SAR에 의해 시뮬레이션된 것과 같이 수천 피트(또는 미터)의 너비를 가질 필요가 있을 것이고, 이미지는 c가 될 것이다.보기 드물게 크다.분명히 그 발명가는 그 사실을 인식하지 못했을 뿐만 아니라, 그의 출원을 승인한 특허 심사관들도, 그리고 잘못된 이야기를 널리 퍼뜨린 사람들도 마찬가지였다.SAR를 이해하려는 사람은 이러한 특허에 대한 언급에 현혹되어서는 안 된다.

데이터 수집

코스모스-3M 로켓에 탑재된 독일 SAR-Lupe 정찰위성 모형.

해당 지형을 비행하는 항공기로 매우 정확한 데이터를 수집할 수 있습니다.1980년대에 NASA 우주왕복선에 탑재될 계기들의 프로토타입으로서, NASA는 NASA Convair 990에서 합성 개구 레이더를 운용했다.1986년에 이 비행기는 이륙할 때 불이 났다.1988년, NASA는 C, L, P-밴드 SAR를 재설계하여 NASA DC-8 항공기로 비행했다.AIRSAR라고 불리는 그것은 2004년까지 세계 각지에서 임무를 수행했다.또 다른 항공기인 Convair 580은 캐나다 원격감지센터에 의해 1996년 예산상의 이유로 캐나다 환경부로 인도될 때까지 비행되었다.대부분의 육상 탐사 애플리케이션은 현재 위성 관측에 의해 수행됩니다.이러한 관측을 실시하기 위해서, ERS-1/2, JERS-1, Envisat ASAR, RADARSAT-1등의 위성이 명시적으로 발사되었다.특히 간섭계에 대한 지원에서 이들의 능력은 다르지만, 모두 엄청난 양의 귀중한 데이터를 수집했다.우주왕복선은 또한 1980년대 SIR-A와 SIR-B 임무, 1994년 셔틀레이더연구소(SRL) 임무, 2000년 셔틀레이더 지형 임무 등에도 인공개구 레이더 장비를 실었다.

베네라 15호와 베네라 16호는 이후 마젤란 우주 탐사선이 합성 개구 레이더를 사용하여 수년에 걸쳐 금성 표면을 지도화했다.

타이탄 – 리게이아 마레(SAR, 2014년 8월 21일)에서 진화하는 특징.

인공 개구 레이더는 1978년 NASA가 JPL의 해양학 위성(이 임무에는 고도계와 산란계도 포함)에서 처음 사용되었으며, 이후 1981년, 1984년 및 1994년 우주왕복선의 우주인 이미징 레이더(SIR) 임무에서 더욱 광범위하게 개발되었습니다.토성 탐사선 카시니호는 이 행성의 주요 위성 타이탄의 표면을 지도화하기 위해 SAR를 이용했다. 타이탄의 표면은 대기 중 아지랑이에 의한 직접적인 광학 조사로부터 부분적으로 가려져 있다.화성 정찰 궤도선의 SHARAD 탐지 레이더와 화성 익스프레스의 MARSIS 기구는 화성 극지방 얼음 표면 아래의 암반을 관측했으며 화성 중위도에 상당한 양의 수빙이 존재할 가능성도 시사했다.2009년에 발사된 달 정찰 궤도선은 Mini-RF라고 불리는 SAR 기구를 탑재하고 있는데, 주로 달의 극지방에 있는 얼음 퇴적물을 찾기 위해 고안되었다.

타이탄 – Ligeia Mare – SAR 및 선명한 데스펙트 뷰.

미네시커 프로젝트는 초광대역 합성개구레이더를 탑재한 비행선을 토대로 지역에 지뢰가 있는지 여부를 판단하는 시스템을 설계하고 있다.초기 실험은 유망하다; 레이더는 심지어 매몰된 플라스틱 기뢰도 탐지할 수 있다.

SAR는 이동 안테나를 사용하여 여러 위치에서 관측한 결과를 결합하여 대형 전파 망원경을 시뮬레이션하기 위해 수년간 전파 천문학에서 사용되어 왔다.

국가 정찰국은 일반적으로 라크로스 또는 오닉스라고 불리는 (현재 기밀 해제된) 합성 개구 레이더 위성들을 보유하고 있다.

2009년 2월, Sentinel R1 감시기는 SAR 기반 공중 대기 레이더(ASTOR) 시스템을 갖춘 RAF에서 서비스를 시작했다.

독일군(Bundeswehr)의 군사 SAR-Lupe 정찰 위성 시스템은 2008년 7월 22일부터 완전히 운용되고 있다.

2021년 1월 현재,^[64] 복수의 상업 회사가 지구의 SAR 이미지를 수집하기 위한 위성 별자리를 발사하기 시작했습니다.

data 배포

Alaska Satellite Facility는 2013년 6월 새로 처리된 35년 된 Seasat SAR 이미지 공개를 포함하여 활성 및 과거 임무에서 얻은 SAR 데이터 제품 및 도구의 제작, 보관 및 배포를 과학계에 제공합니다.

CSTARS(Center for Souththnthropical Advanced Remote Sensing)는 다양한 위성의 SAR 데이터(및 기타 데이터)를 다운링크 및 처리하고 마이애미 대학 해양 및 대기 과학 학교를 지원합니다.CSTARS는 또한 재난 구조 활동, 해양 및 기상 연구, 항만 및 해양 보안 연구 프로젝트도 지원합니다.

단계별 어레이와의 관계

SAR와 밀접하게 관련된 기술은 레이더 범위 치수에 수직인 1차원 또는 2차원에 걸쳐 공간적으로 분포된 실제 안테나 소자의 배열('단계 배열'이라고 불린다)을 사용한다.이들 물리 어레이는 실제로는 자회사의 물리 안테나 집합을 합성함으로써 생성되는 진정한 합성 어레이입니다.목표물에 상대적인 움직임을 수반할 필요는 없습니다.이들 어레이의 모든 요소는 실시간으로 동시에 수신되며 이들 요소를 통과하는 신호는 개별적으로 이들 신호의 위상을 제어할 수 있다.한 가지 결과는 특정 작은 장면 영역에서 수신된 방사선에 가장 강하게 반응하여 해당 영역에 초점을 맞추어 수신된 총 신호에 대한 기여도를 결정하는 것이다.어레이 조리개 전체에 걸쳐 수신된 일관성 있게 검출된 신호 세트는 여러 데이터 처리 채널에서 복제되고 각각 다르게 처리될 수 있습니다.따라서 서로 다른 작은 장면 영역으로 추적된 응답 세트를 장면의 영상으로 함께 표시할 수 있습니다.

이에 비해 SAR의 (보통) 단일 물리 안테나 소자는 다른 시간에 다른 위치에서 신호를 수집합니다.항공기 또는 궤도 차량에 의해 레이더가 운반되는 경우, 이러한 위치는 단일 변수, 즉 차량 경로를 따라 거리를 갖는 함수로, 단일 수학적 차원(직선 기하학적 치수와 동일할 필요는 없다)이다.신호는 저장되므로 더 이상 시간이 아닌 해당 차원을 따라 위치를 기록하는 기능이 됩니다.저장된 신호가 나중에 읽혀지고 특정 위상 편이와 결합되면 기록된 데이터가 동일한 길이의 형상 위상 배열에 의해 수집된 것과 같은 결과가 됩니다.이와 같이 합성되는 것은, 그러한 실제의 대규모(일차원) 단계 배열에 의해서 동시에 수신할 수 있었던 것과 같은 일련의 신호입니다.SAR는 긴 1차원 단계별 어레이를 (합성하지 않고) 시뮬레이션합니다.이 글의 제목에 있는 용어가 잘못 파생된 것은 사실이지만, 지금은 반세기 동안 사용되면서 굳건히 자리 잡고 있다.

위상배열의 동작은 완전한 기하학적 기술로 쉽게 이해되지만 합성개구시스템이 어떤 속도로 이동할 때 데이터를 수집한다는 것은 원래 이동한 거리에 따라 변화한 위상이 시간에 따라 변화하고, 따라서 구성된 시간주파수를 의미한다는 것을 의미한다.시간 주파수는 레이더 엔지니어가 일반적으로 사용하는 변수이며, SAR 시스템에 대한 분석은 보통(그리고 매우 생산적으로) 그러한 관점에서 설명된다.특히, 합성 개구부의 길이에 걸친 비행중의 위상 변동은, 수신 주파수와 송신 주파수의 도플러 편이의 시퀀스로서 볼 수 있다.다만, 일단 수신 데이터가 기록되고, 따라서 시간이 흐르지 않게 되면, SAR 데이터 처리 상황은 완전히 기하학적인 프로세스로 취급할 수 있는 특수한 유형의 단계별 어레이로서도 이해할 수 있습니다.

SAR 및 단계별 배열 기술의 핵심은 레이더 파장이 각 장면 요소에서 왕복하는 거리가 정수 파장과 "최종" 파장의 일부로 구성된다는 것입니다.이러한 분수에 따라 다양한 SAR 위치 또는 어레이 위치에서 수신되는 재방사선의 위상 간에 차이가 발생합니다.신호 진폭 정보와 더불어 신호 위상 정보를 캡처하려면 일관성 있는 검출이 필요합니다.이러한 유형의 검출에는 수신 신호의 위상과 전송된 조명 샘플의 보존 상태가 양호한 동시 위상 간의 차이를 찾아야 합니다.

씬(scene)의 어느 지점에서 산란된 모든 파형은 해당 지점을 중심으로 한 원형 곡률을 가집니다.따라서 서로 다른 범위의 씬 포인트로부터의 신호는 서로 다른 곡률을 가진 평면 어레이에 도달하여 평면 페이즈드 어레이 전체에서 서로 다른 2차 변화를 따르는 신호 위상 변화를 일으킨다.배열의 중심에서 다른 방향으로 위치한 점으로부터 추가적인 선형 변동이 발생합니다.다행히 이러한 변동의 모든 조합은 한 장면 점에 고유하며 계산할 수 있습니다.SAR의 경우 양방향 이동은 위상 변화를 2배로 증가시킵니다.

다음 두 단락을 읽을 때는 배열 요소와 장면 요소를 구별하도록 특히 주의하십시오.또, 후자는 각각 일치하는 화상 요소를 가진다.

어레이 전체의 어레이 신호 위상 변동을 계산된 위상 변동 패턴의 합계와 비교하면 해당 패턴을 담당할 수 있는 유일한 씬 포인트로부터 수신된 총 신호의 상대적인 부분을 알 수 있습니다.비교를 하는 한 가지 방법은 각 장면 요소에 대해 수신된 필드 강도 값 배열 요소를 어레이 요소별로 곱한 다음 각 장면 요소에 대한 곱을 합산하는 상관 계산이다.또는 각 장면 요소에 대해 실제 수신 위상으로부터 각 어레이 요소의 계산된 위상 편이를 뺀 후 어레이에 대한 결과 전계 강도 차이를 벡터적으로 합산할 수 있다.두 위상이 배열의 모든 위치에서 실질적으로 취소되는 장면의 모든 위치에서 추가되는 차분 벡터는 위상이 일치하며, 해당 장면 포인트에 대해 합계의 최대값을 산출합니다.

이 두 방법의 등가성은 자연 로그의 기저인 e의 복소수 지수인 가산 위상에 의해 정현파의 곱셈이 이루어질 수 있다는 것을 인식함으로써 알 수 있다.

단, 이미지 도출 프로세스는 이전에 씬 정보를 어레이에 확산시킨 프로세스를 "백트랙"하는 것과 같습니다.각 방향에서 프로세스는 상관 프로세스의 일종인 푸리에 변환으로 볼 수 있다.우리가 사용하는 이미지 추출 프로세스는 원래의 자연 변환의 반전인 또 다른 푸리에 변환으로 볼 수 있습니다.

신호 위상을 제어하는 송신 안테나에서 각 타깃 포인트 및 백까지의 연속적인 범위의 서브 파장 차이만이 기하학적 차원에서 분해능을 미세화하기 위해 사용된다는 것을 인식하는 것이 중요합니다.조명 빔의 중심 방향과 각도 폭은 이러한 미세한 분해능을 만드는 데 직접적으로 기여하지 않습니다.대신 사용 가능한 범위 데이터가 수신되는 솔리드 각도 영역을 선택하는 데만 사용됩니다.다른 장면 항목의 범위를 일부 구별할 수 있지만, 일반적으로 도달 가능한 c와 동등한 범위 분해능을 정의하기 위해 긴 범위에서 발생하는 매우 큰 초점 깊이는 전체 범위 차이(파장보다 큰)를 사용해야 한다.로스 레인지 해상도

「」를 참조해 주세요.

레퍼런스

^ 키르슈트, 마틴, 카스텐 린케."합성 개구 레이더(SAR) 이미지에서 건물과 식생의 3D 재구성." MVA, 1998.
^ "공중 레이더 소개", G. W. Stimson, 1장 (13 페이지)
^ ^a ^b ^c ^d 단층 촬영 SAR지안프랑코 포르나로.국립연구위원회(CNR)이탈리아 나폴리 디오클레치아노 경유 환경 전자 감지 연구소, 328, I-80124
^ Oliver, C. 및 Quegan, S. Synthetic Aperture Radar Images 이해.1998년 보스턴 아르텍 하우스
^ ^a ^b ^c ^d ^e ^f ^g ^h ⁱ ^j ^k ^l 스펙트럼 추정 기법을 이용한 합성 개구 레이더 영상 촬영.시바쿠마르 라마크리슈난, 빈센트 데마르쿠스, 제롬 르 나이, 닐 파트와리, 조엘 구시미시건 대학교.
^ "Science Engineering & Sustainability: Bridge monitoring with satellite data SAR".
^ A. Maity (2016). "Supervised Classification of RADARSAT-2 Polarimetric Data for Different Land Features". arXiv:1608.00501 [cs.CV].
^ ^a ^b ^c Moreira, Alberto; Prats-Iraola, Pau; Younis, Marwan; Krieger, Gerhard; Hajnsek, Irena; P. Papathanassiou, Konstantinos (2013). "A tutorial on synthetic aperture radar" (PDF). IEEE Geoscience and Remote Sensing Magazine. 1 (1): 6–43. doi:10.1109/MGRS.2013.2248301. S2CID 7487291.
^ R. Bamler; P. Hartl (August 1998). "Synthetic aperture radar interferometry". Inverse Problems. 14 (4): R1–R54. Bibcode:1998InvPr..14R...1B. doi:10.1088/0266-5611/14/4/001.
^ ^a ^b G. Fornaro, G. Franceschetti, "SAR 간섭계", G. Franceschetti, R. Lanari, 합성 개구 레이더 처리, CRC-PRESS, Boca Raton, Marzo 1999.
^ ^a ^b Fornaro, Gianfranco; Pascazio, Vito (2014). "SAR Interferometry and Tomography: Theory and Applications". Communications and Radar Signal Processing. Academic Press Library in Signal Processing. Vol. 2. pp. 1043–1117. doi:10.1016/B978-0-12-396500-4.00020-X. ISBN 9780123965004.
^ Reigber, Andreas; Lombardini, Fabrizio; Viviani, Federico; Nannini, Matteo; Martinez Del Hoyo, Antonio (2015). "Three-dimensional and higher-order imaging with tomographic SAR: Techniques, applications, issues". 2015 IEEE International Geoscience and Remote Sensing Symposium (IGARSS). pp. 2915–2918. doi:10.1109/IGARSS.2015.7326425. hdl:11568/843638. ISBN 978-1-4799-7929-5. S2CID 9589219.
^ MIT IAP 2011 랩탑 기반 레이더를 사용한 Massachusetts Institute of Technology, Synthetic Aperture Radar(SAR) 이미징, 2011년 1월 24일 MIT Independent Activities Period에 제시.
^ 일리노이 대학교 Urbana-Champaign, 합성 개구부 레이더 이미징을 위한 AZIMUTH 스태킹 알고리즘, By.리, 티진, 우지, 왕지, 류치.
^ NASA, C-band AIRSAR를 사용한 눈 습도 회복을 위한 개선된 알고리즘, 1993년 10월 25일.
^ 오하이오 주립 대학교 전기 및 컴퓨터 공학부 Emre ertin, 도시 환경의 희박한 구멍에서 차량의 3차원 이미지 생성.
^ Xiaoxiang Zhu, "Synthetic Aperture Radar Tomography의 스펙트럼 추정", 지구 지향 우주 과학 기술 – ESPACE, 2008년 9월 19일.
^ ^a ^b DeGraaf, S. R. (May 1998). "SAR Imaging via Modern 2-D Spectral Estimation Methods". IEEE Transactions on Image Processing. 7 (5): 729–761. Bibcode:1998ITIP....7..729D. doi:10.1109/83.668029. PMID 18276288.
^ D. Rodriguez. "A computational Kronecker-core array algebra SAR raw data generation modeling system". Signals, Systems and Computers, 2001. Conference Record of the Thirty-Fifth Asilomar Conference on Year: 2001. 1.
^ ^a ^b T. Gough, Peter (June 1994). "A Fast Spectral Estimation Algorithm Based on the FFT". IEEE Transactions on Signal Processing. 42 (6): 1317–1322. Bibcode:1994ITSP...42.1317G. doi:10.1109/78.286949.
^ ^a ^b Datcu, Mihai; Popescu, Anca; Gavat, Inge (2008). "Complex SAR image characterization using space variant spectral analysis". 2008 IEEE Radar Conference.
^ J. Capo4 (August 1969). "High resolution frequency wave-number spectrum analysis". Proceedings of the IEEE. 57 (8): 1408–1418. doi:10.1109/PROC.1969.7278.
^ ^a ^b ^c ^d A. Jakobsson; S. L. Marple; P. Stoica (2000). "Computationally efficient two-dimensional Capon spectrum analysis". IEEE Transactions on Signal Processing. 48 (9): 2651–2661. Bibcode:2000ITSP...48.2651J. CiteSeerX 10.1.1.41.7. doi:10.1109/78.863072.
^ I. Yildirim; N. S. Tezel; I. Erer; B. Yazgan. "A comparison of non-parametric spectral estimators for SAR imaging". Recent Advances in Space Technologies, 2003. RAST '03. International Conference on. Proceedings of Year: 2003.
^ "SAR 영상 처리에 적용된 2-D Capon 방법의 반복 실현", IET 국제 레이더 컨퍼런스 2015.
^ ^a ^b R. Alty, Stephen; Jakobsson, Andreas; G. Larsson, Erik. "Efficient implementation of the time-recursive Capon and APES spectral estimators". Signal Processing Conference, 2004 12th European.
^ Li, Jian; P. Stoica (1996). "An adaptive filtering approach to spectral estimation and SAR imaging". IEEE Transactions on Signal Processing. 44 (6): 1469–1484. Bibcode:1996ITSP...44.1469L. doi:10.1109/78.506612.
^ Li, Jian; E. G. Larsson; P. Stoica (2002). "Amplitude spectrum estimation for two-dimensional gapped data". IEEE Transactions on Signal Processing. 50 (6): 1343–1354. Bibcode:2002ITSP...50.1343L. doi:10.1109/tsp.2002.1003059.
^ ^a ^b ^c ^d ^e Moreira, Alberto. "Synthetic Aperture Radar: Principles and Applications" (PDF).
^ ^a ^b ^c ^d ^e ^f Duersch, Michael. "Backprojection for Synthetic Aperture Radar". BYU ScholarsArchive.
^ ^a ^b Zhuo, LI; Chungsheng, LI (2011). Back projection algorithm for high resolution GEO-SAR image formation. School of Electronics and Information Engineering, BeiHang University. pp. 336–339. doi:10.1109/IGARSS.2011.6048967. ISBN 978-1-4577-1003-2. S2CID 37054346.
^ Xiaoling, Zhang; Chen, Cheng. "A new super-resolution 3D-SAR imaging method based on MUSIC algorithm". 2011 IEEE RadarCon (RADAR).
^ A. F. Yegulalp. "Fast backprojection algorithm for synthetic aperture radar". Radar Conference, 1999. The Record of the 1999 IEEE Year: 1999.
^ Mark T. Crokett, "합성 개구부 레이더 소개:광학 이미징을 대체하는 고해상도 제품"
^ C. Romero, Synthetic Aperture Radar Imaging의 고해상도 시뮬레이션.2010년. [온라인]이용가능 : http://digitalcommons.calpoly.edu/cgi/viewcontent.cgi?article=1364&context=theses접속일 : 2016년 11월 14일
^ ^a ^b ^c ^d Y. Yamaguchi; T. Moriyama; M. Ishido; H. Yamada (2005). "Four-component scattering model for polarimetric SAR image decomposition". IEEE Transactions on Geoscience and Remote Sensing. 43 (8): 1699. Bibcode:2005ITGRS..43.1699Y. doi:10.1109/TGRS.2005.852084. S2CID 10094317.
^ 우드하우스, H.I. 2009마이크로파 원격 감지 소개CRC Press, Taylor & Fancis Group, Indian 스페셜 에디션.
^ ^a ^b ^c A. Freeman; S. L. Durden (May 1998). "A three-component scattering model for polarimetric SAR data". IEEE Transactions on Geoscience and Remote Sensing. 36 (3): 963–973. Bibcode:1998ITGRS..36..963F. doi:10.1109/36.673687.
^ https://earth.esa.int/documents/653194/656796/Polarimetric_Decompositions.pdf^{[베어 URL PDF]}
^ "Gianfranco Fornaro; Diego Reale; Francesco Serafino,"Four-Dimensional SAR Imaging for Height Estimation and Monitoring of Single and Double Scatterers"". IEEE Transactions on Geoscience and Remote Sensing. 47 (1). 2009.
^ "Haijian Zhang; Wen Yang; Jiayu Chen; Hong Sun," Improved Classification of Polarimetric SAR Data Based on Four-component Scattering Model"". 2006 CIE International Conference on Radar.
^ Bathke, H.; Shirzaei, M.; Walter, T. R. (2011). "Inflation and deflation at the steep‐sided Llaima stratovolcano (Chile) detected by using InSAR". Geophys. Res. Lett. 38 (10): L10304. Bibcode:2011GeoRL..3810304B. doi:10.1029/2011GL047168.
^ Dawson, J.; Cummins, P.; Tregoning, P.; Leonard, M. (2008). "Shallow intraplate earthquakes in Western Australia observed by Interferometric Synthetic Aperture Radar". J. Geophys. Res. 113 (B11): B11408. Bibcode:2008JGRB..11311408D. doi:10.1029/2008JB005807.
^ "Volcano Monitoring: Using InSAR to see changes in volcano shape- Incorporated Research Institutions for Seismology".
^ ^a ^b ^c Lombardini, Fabrizio; Viviani, Federico (2014). "Multidimensional SAR Tomography: Advances for Urban and Prospects for Forest/Ice Applications". 2014 11th European Radar Conference. pp. 225–228. doi:10.1109/EuRAD.2014.6991248. ISBN 978-2-8748-7037-8. S2CID 37114379.
^ "합성 개구 레이더", L. J. Cutrona, McGraw Hill "레이더 핸드북", 1970년. (광학 데이터 처리 중에 작성된 것은 그러한 개발을 처음 이끈 사람에 의해 여전히 실행 가능한 유일한 방법이었다.)
^ ^a ^b "윌로우 런 연구소 광학 그룹의 짧은 역사", 에밋 N.레이스, 광학의 트렌드: 연구, 개발, 응용 프로그램 (책), Anna Consortini, 학술 출판사, 샌디에이고: 1996.
^ "시각적 자동화 및 정밀 해상도 영상", W. M. Brown, J. L. Walker 및 W. R. Boario, 항공우주 및 전자 시스템에 관한 IEEE 거래, 제40권, 2004년 10월 No.4, 페이지 1426-1445.
^ '칼 A의 추모'Wiley", A. W. Love, IEEE Antenna and Propagation Society 뉴스레터, 페이지 17-18, 1985년 6월.
^ "Synthetic Aperture Radars: A Paradramy for Technology Evolution", C. A. Wiley, IEEE Transactions on AES-21
^ Gart, Jason H. "냉전 애리조나 전자 및 항공우주 산업, 1945-1968: Motorola, Hughes Aircrafts, Goodyear Aircraft."2006년 애리조나 주립대학교 박사과정.
^ "합성 개구 레이더 시스템의 일부 초기 개발", C. W. 셔윈, J. P. 루이나 및 R. D. Rawcliffe, IRE Transactions on Military Electronics, 1962년 4월, 페이지 111–115.
^ 이 메모는 아래 참조의 보조 볼륨으로 발행된 약 20개 중 하나였습니다.미분류 복사본은 아직 발견되지 않았습니다.바라건대, 이 기사의 일부 독자는 아직 존재하는 독자를 우연히 만나게 될 것이다.
^ "전장 감시 문제", 프로젝트 TEOTA 보고서, 1953년 5월 1일, 최고 신호 책임자 사무실.국방기술정보센터(문서 AD32532)
^ 미시간 대학 윌로우런 연구 센터 프로젝트 2144-5-T의 "측면 외관 공중 레이더에서 매우 미세한 각도 해상도를 얻기 위한 도플러 기술" 보고서, 1954년 7월. (이 역사적인 기밀 보고서의 사본은 아직 발견되지 않았다.)
^ "예비 비행 테스트 중 고해상도 레이더 성과", 1957년 9월 1일 미시간대 과학기술연구소 W. A. Blickken and G.O. Hall.국방기술정보센터(문서 AD148507)
^ "고해상도 레이더 전투-인텔리전스 시스템", L. J. Cutrona, W. E. Vivian, E. N. Leith, G. O Hall; 군사 전자제품에 관한 IRE 거래, 1961년 4월, 페이지 127-131
^ "광학 데이터 처리 및 필터링 시스템", L. J. Cutrona, E. N. Leith, C. J. Palermo 및 L. J. Porcello; 정보 이론에 관한 IRE 트랜잭션, 1960년 6월, 페이지 386-400.
^ 위성을 따라 지구로 전파 경로를 따라 유도되는 급격한 위상변동에 관한 실험적 연구, 1964년 4월, 미시간 대학교 포셀로, L.J.
^ 로버트 L.Butterworth "퀼:최초의 영상 레이더 위성"
^ "지구와 그 환경의 관찰: 미션과 센서 조사", Herbert J. Kramer
^ "합성 개구부 레이더의 원리", S. W. McCandless and C. R. Jackson, "SAR Marine Users Manual", NOAA, 2004, 페이지 11.
^ U.S. 팻번호 2696522, 2711534, 2627600, 2711530, 기타 19
^ Debra, Werner (4 January 2021). "Spacety shares first images from small C-band SAR satellite". Space News. Finland’s Iceye operates five X-band SAR satellites. San Francisco-based Capella Space began releasing imagery in October from its first operational satellite, Sequoia, which also operates in X-band. Spacety plans to build, launch and operate a constellation of 56 small SAR satellites.{{cite news}}: CS1 maint :url-status (링크)

참고 문헌

Curlander, John C.; McDonough, Robert N. Synthetic Aperture Radar: Systems and Signal Processing. Remote Sensing and Image Processing. Wiley.
Gart, Jason H (2006). Electronics and Aerospace Industry in Cold War Arizona, 1945–1968: Motorola, Hughes Aircraft, Goodyear Aircraft (Thesis). Arizona State University.
Moreira, A.; Prats-Iraola, P.; Younis, M.; Krieger, G.; Hajnsek, I.; Papathanassiou, K. P. (2013). "A tutorial on synthetic aperture radar" (PDF). IEEE Geoscience and Remote Sensing Magazine. 1: 6–43. doi:10.1109/MGRS.2013.2248301. S2CID 7487291.
Woodhouse, Iain H (2006). Introduction to Microwave Remote Sensing. CRC Press.

외부 링크

우주왕복선의 InSAR 측정
Space Shuttle SAR 기기의 이미지
알래스카 위성 시설에는 SAR 이론과 과학적 응용에 대한 소개문을 포함한 수많은 기술 문서가 있습니다.
SAR Journal, Synthetic Aperture Radar(SAR) 업계 추적
NASA 레이더, 고대 앙코르 - 제트추진연구소 숨겨진 유해 발견

[1] 키르슈트, 마틴, 카스텐 린케."합성 개구 레이더(SAR) 이미지에서 건물과 식생의 3D 재구성." MVA, 1998.

[2] "공중 레이더 소개", G. W. Stimson, 1장 (13 페이지)

[:2-3] 단층 촬영 SAR지안프랑코 포르나로.국립연구위원회(CNR)이탈리아 나폴리 디오클레치아노 경유 환경 전자 감지 연구소, 328, I-80124

[4] Oliver, C. 및 Quegan, S. Synthetic Aperture Radar Images 이해.1998년 보스턴 아르텍 하우스

[:3-5] ^ ^a ^b ^c ^d ^e ^f ^g ^h ⁱ ^j ^k ^l 스펙트럼 추정 기법을 이용한 합성 개구 레이더 영상 촬영.시바쿠마르 라마크리슈난, 빈센트 데마르쿠스, 제롬 르 나이, 닐 파트와리, 조엘 구시미시건 대학교.

[6] "Science Engineering & Sustainability: Bridge monitoring with satellite data SAR".

[7] A. Maity (2016). "Supervised Classification of RADARSAT-2 Polarimetric Data for Different Land Features". arXiv:1608.00501 [cs.CV].

[:4-8] Moreira, Alberto; Prats-Iraola, Pau; Younis, Marwan; Krieger, Gerhard; Hajnsek, Irena; P. Papathanassiou, Konstantinos (2013). "A tutorial on synthetic aperture radar" (PDF). IEEE Geoscience and Remote Sensing Magazine. 1 (1): 6–43. doi:10.1109/MGRS.2013.2248301. S2CID 7487291.

[9] R. Bamler; P. Hartl (August 1998). "Synthetic aperture radar interferometry". Inverse Problems. 14 (4): R1–R54. Bibcode:1998InvPr..14R...1B. doi:10.1088/0266-5611/14/4/001.

[:15-10] G. Fornaro, G. Franceschetti, "SAR 간섭계", G. Franceschetti, R. Lanari, 합성 개구 레이더 처리, CRC-PRESS, Boca Raton, Marzo 1999.

[:9-11] Fornaro, Gianfranco; Pascazio, Vito (2014). "SAR Interferometry and Tomography: Theory and Applications". Communications and Radar Signal Processing. Academic Press Library in Signal Processing. Vol. 2. pp. 1043–1117. doi:10.1016/B978-0-12-396500-4.00020-X. ISBN 9780123965004.

[12] Reigber, Andreas; Lombardini, Fabrizio; Viviani, Federico; Nannini, Matteo; Martinez Del Hoyo, Antonio (2015). "Three-dimensional and higher-order imaging with tomographic SAR: Techniques, applications, issues". 2015 IEEE International Geoscience and Remote Sensing Symposium (IGARSS). pp. 2915–2918. doi:10.1109/IGARSS.2015.7326425. hdl:11568/843638. ISBN 978-1-4799-7929-5. S2CID 9589219.

[13] MIT IAP 2011 랩탑 기반 레이더를 사용한 Massachusetts Institute of Technology, Synthetic Aperture Radar(SAR) 이미징, 2011년 1월 24일 MIT Independent Activities Period에 제시.

[14] 일리노이 대학교 Urbana-Champaign, 합성 개구부 레이더 이미징을 위한 AZIMUTH 스태킹 알고리즘, By.리, 티진, 우지, 왕지, 류치.

[15] NASA, C-band AIRSAR를 사용한 눈 습도 회복을 위한 개선된 알고리즘, 1993년 10월 25일.

[16] 오하이오 주립 대학교 전기 및 컴퓨터 공학부 Emre ertin, 도시 환경의 희박한 구멍에서 차량의 3차원 이미지 생성.

[17] Xiaoxiang Zhu, "Synthetic Aperture Radar Tomography의 스펙트럼 추정", 지구 지향 우주 과학 기술 – ESPACE, 2008년 9월 19일.

[:12-18] DeGraaf, S. R. (May 1998). "SAR Imaging via Modern 2-D Spectral Estimation Methods". IEEE Transactions on Image Processing. 7 (5): 729–761. Bibcode:1998ITIP....7..729D. doi:10.1109/83.668029. PMID 18276288.

[19] D. Rodriguez. "A computational Kronecker-core array algebra SAR raw data generation modeling system". Signals, Systems and Computers, 2001. Conference Record of the Thirty-Fifth Asilomar Conference on Year: 2001. 1.

[:13-20] T. Gough, Peter (June 1994). "A Fast Spectral Estimation Algorithm Based on the FFT". IEEE Transactions on Signal Processing. 42 (6): 1317–1322. Bibcode:1994ITSP...42.1317G. doi:10.1109/78.286949.

[:10-21] Datcu, Mihai; Popescu, Anca; Gavat, Inge (2008). "Complex SAR image characterization using space variant spectral analysis". 2008 IEEE Radar Conference.

[22] J. Capo4 (August 1969). "High resolution frequency wave-number spectrum analysis". Proceedings of the IEEE. 57 (8): 1408–1418. doi:10.1109/PROC.1969.7278.

[:5-23] A. Jakobsson; S. L. Marple; P. Stoica (2000). "Computationally efficient two-dimensional Capon spectrum analysis". IEEE Transactions on Signal Processing. 48 (9): 2651–2661. Bibcode:2000ITSP...48.2651J. CiteSeerX 10.1.1.41.7. doi:10.1109/78.863072.

[24] I. Yildirim; N. S. Tezel; I. Erer; B. Yazgan. "A comparison of non-parametric spectral estimators for SAR imaging". Recent Advances in Space Technologies, 2003. RAST '03. International Conference on. Proceedings of Year: 2003.

[25] "SAR 영상 처리에 적용된 2-D Capon 방법의 반복 실현", IET 국제 레이더 컨퍼런스 2015.

[:6-26] R. Alty, Stephen; Jakobsson, Andreas; G. Larsson, Erik. "Efficient implementation of the time-recursive Capon and APES spectral estimators". Signal Processing Conference, 2004 12th European.

[27] Li, Jian; P. Stoica (1996). "An adaptive filtering approach to spectral estimation and SAR imaging". IEEE Transactions on Signal Processing. 44 (6): 1469–1484. Bibcode:1996ITSP...44.1469L. doi:10.1109/78.506612.

[28] Li, Jian; E. G. Larsson; P. Stoica (2002). "Amplitude spectrum estimation for two-dimensional gapped data". IEEE Transactions on Signal Processing. 50 (6): 1343–1354. Bibcode:2002ITSP...50.1343L. doi:10.1109/tsp.2002.1003059.

[:0-29] Moreira, Alberto. "Synthetic Aperture Radar: Principles and Applications" (PDF).

[:1-30] ^ ^a ^b ^c ^d ^e ^f Duersch, Michael. "Backprojection for Synthetic Aperture Radar". BYU ScholarsArchive.

[:8-31] Zhuo, LI; Chungsheng, LI (2011). Back projection algorithm for high resolution GEO-SAR image formation. School of Electronics and Information Engineering, BeiHang University. pp. 336–339. doi:10.1109/IGARSS.2011.6048967. ISBN 978-1-4577-1003-2. S2CID 37054346.

[32] Xiaoling, Zhang; Chen, Cheng. "A new super-resolution 3D-SAR imaging method based on MUSIC algorithm". 2011 IEEE RadarCon (RADAR).

[33] A. F. Yegulalp. "Fast backprojection algorithm for synthetic aperture radar". Radar Conference, 1999. The Record of the 1999 IEEE Year: 1999.

[34] Mark T. Crokett, "합성 개구부 레이더 소개:광학 이미징을 대체하는 고해상도 제품"

[35] C. Romero, Synthetic Aperture Radar Imaging의 고해상도 시뮬레이션.2010년. [온라인]이용가능 : http://digitalcommons.calpoly.edu/cgi/viewcontent.cgi?article=1364&context=theses접속일 : 2016년 11월 14일

[:7-36] Y. Yamaguchi; T. Moriyama; M. Ishido; H. Yamada (2005). "Four-component scattering model for polarimetric SAR image decomposition". IEEE Transactions on Geoscience and Remote Sensing. 43 (8): 1699. Bibcode:2005ITGRS..43.1699Y. doi:10.1109/TGRS.2005.852084. S2CID 10094317.

[37] 우드하우스, H.I. 2009마이크로파 원격 감지 소개CRC Press, Taylor & Fancis Group, Indian 스페셜 에디션.

[:14-38] A. Freeman; S. L. Durden (May 1998). "A three-component scattering model for polarimetric SAR data". IEEE Transactions on Geoscience and Remote Sensing. 36 (3): 963–973. Bibcode:1998ITGRS..36..963F. doi:10.1109/36.673687.

[39] ttps://earth.esa.int/documents/653194/656796/Polarimetric_Decompositions.pdf^{[베어 URL PDF]}

[40] "Gianfranco Fornaro; Diego Reale; Francesco Serafino,"Four-Dimensional SAR Imaging for Height Estimation and Monitoring of Single and Double Scatterers"". IEEE Transactions on Geoscience and Remote Sensing. 47 (1). 2009.

[41] "Haijian Zhang; Wen Yang; Jiayu Chen; Hong Sun," Improved Classification of Polarimetric SAR Data Based on Four-component Scattering Model"". 2006 CIE International Conference on Radar.

[42] Bathke, H.; Shirzaei, M.; Walter, T. R. (2011). "Inflation and deflation at the steep‐sided Llaima stratovolcano (Chile) detected by using InSAR". Geophys. Res. Lett. 38 (10): L10304. Bibcode:2011GeoRL..3810304B. doi:10.1029/2011GL047168.

[43] Dawson, J.; Cummins, P.; Tregoning, P.; Leonard, M. (2008). "Shallow intraplate earthquakes in Western Australia observed by Interferometric Synthetic Aperture Radar". J. Geophys. Res. 113 (B11): B11408. Bibcode:2008JGRB..11311408D. doi:10.1029/2008JB005807.

[44] "Volcano Monitoring: Using InSAR to see changes in volcano shape- Incorporated Research Institutions for Seismology".

[:11-45] Lombardini, Fabrizio; Viviani, Federico (2014). "Multidimensional SAR Tomography: Advances for Urban and Prospects for Forest/Ice Applications". 2014 11th European Radar Conference. pp. 225–228. doi:10.1109/EuRAD.2014.6991248. ISBN 978-2-8748-7037-8. S2CID 37114379.

[46] "합성 개구 레이더", L. J. Cutrona, McGraw Hill "레이더 핸드북", 1970년. (광학 데이터 처리 중에 작성된 것은 그러한 개발을 처음 이끈 사람에 의해 여전히 실행 가능한 유일한 방법이었다.)

[Leith-47] "윌로우 런 연구소 광학 그룹의 짧은 역사", 에밋 N.레이스, 광학의 트렌드: 연구, 개발, 응용 프로그램 (책), Anna Consortini, 학술 출판사, 샌디에이고: 1996.

[48] "시각적 자동화 및 정밀 해상도 영상", W. M. Brown, J. L. Walker 및 W. R. Boario, 항공우주 및 전자 시스템에 관한 IEEE 거래, 제40권, 2004년 10월 No.4, 페이지 1426-1445.

[49] '칼 A의 추모'Wiley", A. W. Love, IEEE Antenna and Propagation Society 뉴스레터, 페이지 17-18, 1985년 6월.

[50] "Synthetic Aperture Radars: A Paradramy for Technology Evolution", C. A. Wiley, IEEE Transactions on AES-21

[51] Gart, Jason H. "냉전 애리조나 전자 및 항공우주 산업, 1945-1968: Motorola, Hughes Aircrafts, Goodyear Aircraft."2006년 애리조나 주립대학교 박사과정.

[52] "합성 개구 레이더 시스템의 일부 초기 개발", C. W. 셔윈, J. P. 루이나 및 R. D. Rawcliffe, IRE Transactions on Military Electronics, 1962년 4월, 페이지 111–115.

[53] 이 메모는 아래 참조의 보조 볼륨으로 발행된 약 20개 중 하나였습니다.미분류 복사본은 아직 발견되지 않았습니다.바라건대, 이 기사의 일부 독자는 아직 존재하는 독자를 우연히 만나게 될 것이다.

[54] "전장 감시 문제", 프로젝트 TEOTA 보고서, 1953년 5월 1일, 최고 신호 책임자 사무실.국방기술정보센터(문서 AD32532)

[55] 미시간 대학 윌로우런 연구 센터 프로젝트 2144-5-T의 "측면 외관 공중 레이더에서 매우 미세한 각도 해상도를 얻기 위한 도플러 기술" 보고서, 1954년 7월. (이 역사적인 기밀 보고서의 사본은 아직 발견되지 않았다.)

[56] "예비 비행 테스트 중 고해상도 레이더 성과", 1957년 9월 1일 미시간대 과학기술연구소 W. A. Blickken and G.O. Hall.국방기술정보센터(문서 AD148507)

[57] "고해상도 레이더 전투-인텔리전스 시스템", L. J. Cutrona, W. E. Vivian, E. N. Leith, G. O Hall; 군사 전자제품에 관한 IRE 거래, 1961년 4월, 페이지 127-131

[58] "광학 데이터 처리 및 필터링 시스템", L. J. Cutrona, E. N. Leith, C. J. Palermo 및 L. J. Porcello; 정보 이론에 관한 IRE 트랜잭션, 1960년 6월, 페이지 386-400.

[59] 위성을 따라 지구로 전파 경로를 따라 유도되는 급격한 위상변동에 관한 실험적 연구, 1964년 4월, 미시간 대학교 포셀로, L.J.

[60] 로버트 L.Butterworth "퀼:최초의 영상 레이더 위성"

[61] "지구와 그 환경의 관찰: 미션과 센서 조사", Herbert J. Kramer

[62] "합성 개구부 레이더의 원리", S. W. McCandless and C. R. Jackson, "SAR Marine Users Manual", NOAA, 2004, 페이지 11.

[63] U.S. 팻번호 2696522, 2711534, 2627600, 2711530, 기타 19

[64] Debra, Werner (4 January 2021). "Spacety shares first images from small C-band SAR satellite". Space News. Finland’s Iceye operates five X-band SAR satellites. San Francisco-based Capella Space began releasing imagery in October from its first operational satellite, Sequoia, which also operates in X-band. Spacety plans to build, launch and operate a constellation of 56 small SAR satellites.{{cite news}}: CS1 maint :url-status (링크)

[1]

[2]

[3]

[4]

[5]

[6]

[7]

[8]

[9]

[10]

[11]

[12]

[13]

[14]

[15]

[16]

[17]

[18]

[19]

[20]

[21]

[22]

[23]

[24]

[25]

[26]

[27]

[28]

[29]

[30]

[31]

[32]

[34]

[35]

[36]

[37]

[38]

[39]

[40]

[41]

[42]

[43]

[44]

[45]

[46]

[47]

[48]

[49]

[50]

[51]

[53]

[54]

[55]

[57]

[58]

[59]

[60]

[61]

[62]

[63]

[64]

Search

합성 자구레이더

동기 부여 및 응용 프로그램

기본원칙

알고리즘.

기존 스펙트럼 추정 접근법

비모수적 방법

FFT

이점

단점들

카폰법

이점

단점들

유인원법

이점

단점들

SAMV법

이점

단점들

파라메트릭 부분 공간 분해 방법

고유벡터법

이점

단점들

음악법

이점

단점들

백프로젝션 알고리즘

이점

단점들

용도 : 지구동기궤도합성자세레이더(GEO-SAR)

알고리즘 비교

다단계 작동

스캔 모드

Stripmap 모드 에어버스 SAR

스포트라이트 모드 SAR

스캔 모드 SAR

특수 기술

편광 측정

SAR 편광법

3성분 산란 전력 모델

4성분 산란 전력 모델

간섭계

미분간섭계

Tomo-SAR

초광대역 SAR

도플러빔 샤프닝

차핑(펄스 압축) 레이더

통상적인 조작

데이터 수집

데이터 처리

진폭 데이터

단계 데이터

코히렌스 스펙클

광학 홀로그래피

이미지 어피아런스

범위, 교차 범위 및 각도

아티팩트 및 그림자 미러링

움직이는 물체

역사

데이터 수집

data 배포

단계별 어레이와의 관계

「 」를 참조해 주세요.

레퍼런스

참고 문헌

외부 링크

「」를 참조해 주세요.