论文部分内容阅读
作为极化SAR(Polarimetric Synthetic Aperture Radar,PolSAR)和干涉SAR(Interferometric Synthetic Aperture Radar,In SAR)技术的融合体,极化干涉SAR(Polarimetric Synthetic Aperture Radar Interferometry,Pol-InSAR)已经成为目前阶段遥感研究的热点问题,该技术凭借着独特的优势能够完成干涉SAR和极化SAR无法完成的任务,在各个领域有着深远的发展前景。本文针对星载极化干涉SAR树高反演技术开展了相关研究,并取得了一定的研究进展。首先,为了降低传统重复轨道模式下极化干涉SAR测量中普遍存在的时间去相干现象对树高反演精度的影响,本文基于国内外卫星系统的发展趋势,对卫星编队飞行策略进行了研究。通过对卫星编队轨道构型进行数学建模,完成了HELIX绕飞、Cartwheel车轮、Pendulum钟摆三种典型的编队模式下的卫星轨道构型设计,并使用卫星工具包(Satellite Tool Kit,STK)仿真软件对设计结果进行了验证。其次,利用最优相干分解算法实现了植被覆盖区域的树高反演处理。为了降低相位噪声对最优相干分解树高反演精度的影响,提出了一种基于模数和中值滤波的混合迭代自适应相位滤波算法。这种算法结合了模数滤波和中值滤波各自的优点,通过构建滤波窗口和最短子区间搜索范围的自适应混合迭代关系,降低了局部相位噪声的对干涉条纹质量的影响,进而提高了最优相干分解算法的反演精度。在理论推导的基础上,通过仿真数据和实测数据的处理,验证了算法的有效性。最后,完成了基于RVoG模型的三阶段算法的树高反演处理。在仿真数据处理的过程中发现,当方位向坡度保持不变时,该算法的反演精度会随着距离向坡度的增加而降低。通过在传统RVoG模型中引入距离向坡度作为新的未知参数来对模型进行距离向坡度修正,并利用修正后的模型对体相干系数的数学表达式进行重新推导,从而完成了对该算法的改进。使用不同距离向坡度森林仿真数据对改进后的算法进行重新验证,实验结果证明该算法可以降低距离向坡度对树高反演精度的影响。