简介:机载干涉SAR获取DEM的过程中,绝对相位与展开后的相位存在一个常数相位偏移量。这需要利用照射区域内角反射器的地理信息去估计这个偏置。然而,人工布设角反射器浪费人力物力。同时,在一些危险区域人工布设和测量角反射器也是难以实施的。为了克服这一限制,相位偏移量可以利用外源DEM提取的地面控制点去估计,然后通过斜坡相位模型迭代估计误差。由于机载重轨干涉SAR的时变基线误差会影响算法中斜坡相位估计模型与线性求解的匹配性能,从而影响算法估计精度。提出了一种兼顾时变基线估计和补偿的相位偏置迭代估计算法。机载C波段0.5m高分辨率重轨干涉SAR实测数据用于验证该算法的有效性,高程重建精度在4m以内。该方法简单快速,且能够消除对人工角反射器的依赖性,适合无定标点情况下机载InSAR的DEM反演。
简介:对于极化敏感L型阵列的多参数联合估计问题,采用传统的多重信号分类(MUSIC)算法所需计算量大,采用旋转不变子空间(ESPRIT)算法需要考虑参数配对问题。提出了模值约束下的求根多重信号分类(root-MUSIC)算法,首先利用L型阵列中两个相互垂直的线阵构造两子阵接收数据的自相关函数,采用root—MUSIC算法进行波达方向角(DOA)估计,然后根据模值约束条件构造代价函数,通过闭合式解得到极化参数估计。该算法与传统MUSIC算法相比,大大减少了计算量,同时能够实现参数自动配对,避免了ESPRIT算法的不足。计算机仿真结果表明,该算法的角度估计性能与传统MUSIC算法接近,优于ESPRIT算法,且算法收敛速度快。