无先验模型复杂结构设施SAR全方位三维成像方法研究林 赟① 张 琳① 韦立登② 张汉卿③④ 冯珊珊③④ 王彦平① 洪 文*③④①(北方工业大学信息学院雷达监测技术实验室 北京 100144)②(北京无线电测量研究所 北京 100854)③(中国科学院空天信息创新研究院 北京 100094)④(中国科学院空间信息处理与应用系统技术重点实验室 北京 100190)摘要：复杂结构设施的SAR三维成像是SAR成像领域的热点和难点问题。现有SAR三维成像依赖于高程方向的多通道或多次飞行，对雷达系统或数据获取的要求较高。该文提出无先验模型复杂结构设施三维成像方法，仅需一次飞行即可获得先验信息未知区域全场景全方位三维图像。该方法充分利用圆迹SAR的全方位观测、解叠掩和解高程模糊优势，无需目标预先建模和三维成像网格构建，适用于大面积区域复杂结构设施的精细三维成像，在雷达三维成像实用化技术方面取得了重要进展。通过该方法首次获得FAST射电望远镜的雷达全方位三维图像，验证了理论与方法的正确性与有效性。关键词：SAR三维成像；多角度SAR；全方位SAR；圆迹SAR；干涉SAR中图分类号：TN959 文献标识码：A 文章编号：2095-283X(2022)05-0909-11DOI: 10.12000/JR22148引用格式：林赟, 张琳, 韦立登, 等. 无先验模型复杂结构设施SAR全方位三维成像方法研究[J]. 雷达学报, 2022,11(5): 909–919. doi: 10.12000/JR22148.Reference format: LIN Yun, ZHANG Lin, WEI Lideng, et al. Research on full-aspect three-dimensional SARimaging method for complex structural facilities without prior model[J]. Journal of Radars, 2022, 11(5):909–919. doi: 10.12000/JR22148.Research on Full-aspect Three-dimensional SAR Imaging Method forComplex Structural Facilities without Prior ModelLIN Yun① ZHANG Lin① WEI Lideng② ZHANG Hanqing③④FENG Shanshan③④ WANG Yanping① HONG Wen*③④①(Radar Monitoring Technology Laboratory, School of Information,North China University of Technology, Beijing 100144, China)②(Beijing Institute of Radio Measurement, Beijing 100854, China)③(Aerospace Information Research Institute, Chinese Academy of Sciences, Beijing 100094, China)④(Key Laboratory of Technology in Geo-Spatial Information Processing and Application System,Chinese Academy of Sciences, Beijing 100190, China)Abstract: SAR three-Dimensional (3D) imaging of complex structural facilities is an important and challengingissue in SAR imaging. The existing 3D SAR imaging relies on multiple channels or flights in the elevationdirection, exerting high demands on the radar system or data acquisition. This paper proposes a 3D imagingmethod for complex structural facilities without a prior model, and the full-aspect 3D image of the entire scene收稿日期：2022-07-14；改回日期：2022-08-04；网络出版：2022-08-22*通信作者： 洪文 whong@mail.ie.ac.cn *Corresponding Author: HONG Wen, whong@mail.ie.ac.cn基金项目：国家自然科学基金(61860206013, 62131001)，快速扶持项目(80913010302)，北京市教育委员会创新团队建设计划(IDHT20190501)Foundation Items: The National Natural Science Foundation of China (61860206013, 62131001), Rapid Support Project (80913010302),Innovation Team Building Support Program of Beijing Municipal Education Commission (IDHT20190501)责任主编：张晓玲 Corresponding Editor: ZHANG Xiaoling第1 1 卷第5 期雷 达 学 报Vol. 11No. 52 0 2 2年1 0月Journal of Radars Oct. 2022in the region with unknown prior information can be obtained solely using a single flight. This methodcompletely utilizes the full-aspect observation as well as the layover and elevation ambiguity resolvingcapabilities of circular SAR without requiring target pre-modeling and 3D imaging grid construction. Moreover,the method is suitable for fine 3D imaging complex structural facilities in large areas. Significant progress hasbeen made in the practical technology of radar 3D imaging. The full-aspect 3D radar images of the FAST radiotelescope are obtained for the first time with the proposed method, thus verifying the correctness andeffectiveness of our theory and method.Key words: 3D SAR imaging; Multi-aspect SAR; Full-aspect SAR; Circular SAR; InSAR1 引言合成孔径雷达(Synthetic Aperture Radar,SAR)具有全天时全天候高分辨成像能力，是对地观测的重要技术手段之一。目前，基于常规SAR图像的判读解译主要有两方面难点：(1)图像为二维图像。存在叠掩、遮蔽、顶底倒置和透视伸缩等几何形变现象，难以准确反映目标真实的三维结构。在复杂环境下，因叠掩等现象会造成目标看不清、辨不明。(2)图像特征对观测角度极为敏感。目标的微波散射特性对角度敏感，导致SAR图像特征受观测角度影响大，获取的目标信息不完整。圆迹SAR将常规SAR的观测维度拓展到了角度维，角度这一新观测维度的引入使得获取得到的目标信息显著丰富。首先，圆迹SAR具有解叠掩能力，因数据获取的距离-方位斜距平面随观测角度变化，在某个方位角度叠掩的两个目标，在另一个方位角度不再叠掩，即圆迹SAR信号包含了目标的三维结构信息。此外，圆迹SAR利用不同角度的散射信息互补可得到更完整的目标散射特性。因此，圆迹SAR全方位三维成像可有效解决判读解译应用中图像的叠掩和角度敏感性等问题，在不增加系统复杂度的条件下能够丰富SAR对目标精细特征的获取能力[1–6]。圆迹SAR的信号频谱近似为圆台曲面，理论上三维分辨率很高。然而，由于信号频谱为稀疏曲面谱，三维点扩展函数旁瓣高，且实际数据获取中，目标散射特性随角度变化，因此难以采用常规三维成像方法获得理想的三维图像。现有圆迹SAR三维成像方法主要有以下几种方式。(1) 借助高程向多通道或多条重复轨迹的三维成像方法。多通道或多条重复轨迹圆迹SAR是在高度向形成近似均匀分布的多个圆周轨迹，对目标进行凝视观测。该方法通过高程向合成孔径，并利用目标的稀疏特性，实现高程向的超分辨[7,8]。美国空军实验室在2006年公开了多基线圆迹SAR数据集[9]，数据由8条全极化轨迹构成，目标包括各种类型的民用车辆。此数据的公开为圆迹SAR三维成像的研究提供了有利条件。国内外众多研究学者利用该数据开展研究，获得了较为理想的结果[10–13]。德宇航从2015年开始对建筑区、林区、冰层区、农业区进行了多航迹圆迹SAR三维成像[14–16]，获得了建筑、树木、冰层、作物的垂直结构。基线数量和跨度直接决定了垂直结构的精细度，文献[16]的实验中采用了19条全极化数据。该文采用基于压缩感知的超分辨方法获得了较为理想的结果。无论是多通道还是多轨迹三维成像，现有方法中高程向超分辨与圆迹成像独立进行，多方位角数据本身的三维成像能力未加以利用。多轨迹圆迹SAR对基线的数量、长度和均匀性等都具有较高要求，数据获取难，无法满足时效性要求；多通道系统的通道数量和基线跨度受限于平台，现有方法需借助辅助信息来改善模糊和低分辨率问题[17]。(2) 借助阴影信息或目标先验模型的圆迹SAR三维成像方法。方法主要针对结构较为简单的目标开展，如车辆、简单结构建筑、高塔等[18–22]。在阴影信息利用方面，文献[20]对结构较为简单的高塔类建筑，提取各角度阴影，根据射线原理解算目标的三维结构。在目标先验模型利用方面，文献[18]利用圆迹SAR图像中简单建筑4个方向二面角散射的闭合性，提取建筑物所处地面的高度信息。文献[19]利用输电线仅在相差180°的两个方向可见的特性，提取输电线高度。文献[21]利用普通车辆在圆迹SAR图像中形成的内外双环特征，提取车辆顶层高度信息。上述目标先验信息的利用降低了圆迹SAR三维成像对多通道或多条重复轨迹的要求，但目前先验信息的利用还较为简单，需要针对特定目标建立特定先验模型，仅适用于简单结构目标，难以用于复杂结构目标的三维成像。中国科学院空天信息创新研究院微波成像新概念新体制新技术研究团队提出了多角度SAR的概念，在国家自然科学基金项目、国家预研等项目的支持下，持续开展以圆迹SAR为代表的多角度SAR成910 雷 达 学 报第1 1 卷像技术研究[1,2,23–29]，在多角度SAR三维成像机理及方法等方面具有长期的研究积累和技术成果[5,10,18,19,30–37]。此次，中国科学院空天信息创新研究院、北方工业大学和北京无线电测量研究所联合开展圆迹SAR三维成像机载实验，数据由北京无线电测量研究所研制的Ka波段机载干涉SAR系统获取，首次成功获得国际首幅500米口径球面射电望远镜(Five-hundred-meter Aperture Spherical radio Telescope,FAST)全方位三维图像，为复杂结构重要设施的精细三维结构信息获取提供了技术支撑。本文以FAST全方位三维成像实验采用的干涉圆迹SAR (Interferometric Circular SAR, InCSAR)模式为例，首先介绍了无先验模型复杂结构设施SAR全方位三维成像方法的基本原理。本方法综合了干涉测量的高精度测高能力和圆迹SAR的全方位观测、解叠掩和解高程模糊优势，利用圆迹SAR多方位角数据本身的三维信息获取能力解决干涉相位模糊带来的目标高程模糊问题，一次飞行获取全场景全方位三维图像。本方法无需目标预先建模和三维成像网格构建，适用于大场景复杂结构设施的三维精细成像。然后，本文给出了实验实施情况以及数据处理结果，验证了理论和方法的正确性、有效性；最后总结全文，并对未来研究进行了展望。2 干涉圆迹SAR几何模型与信号模型2.1 几何模型

干涉圆迹SAR的几何模型如图1所示，雷达平台包含两个跨航向天线相位中心：天线相位中心1和天线相位中心2，分别记为T1和T2。两个天线相位中心的连线(称为基线)与雷达平台航迹方向垂直，基线长度为B，其与水平面的夹角为。雷达平台围绕感兴趣区域作360°圆轨迹运动，波束始终
 指向同一区域， 为方位角，H为雷达平台飞行高度，r为天线相位中心1的轨迹半径。圆轨迹可以是非标准圆，对于非标准圆轨迹， , , H, r等参数均指数据采集时刻的瞬时参数。2.2 信号模型以线性调频信号体制为例，天线发射信号为st(t) = rect(tTp)exp{j2πfct + jπkt2}(1)rect() fcTp其中，函数表示矩形波，t为快时间， 为工作频率，k为调频率， 为线性调频信号脉冲长度。假设P为观测场景中的任意点目标，如图1所示，则P的回波信号经正交解调后的基带信号为si(t; ) =p
rect■|■t ��� 2Rp;i()cTp■|■
exp{���j4πfccRp,i()+jπk(t���2Rp,i()c)2}(2)pRp,i其中，下标i为天线相位中心序号， 为目标散射系数，c为光速， 为目标距离天线相位中心的距离，其表达式为Rp,i=√(Xi()���xp)2+(Yi()���yp)2+(Zi()���zp)2(3)(Xi; Yi;Zi) (xp; yp;zp)其中， 为天线相位中心的三维坐标，为点目标P的三维坐标。对式(2)作快时间傅里叶变换，变换至距离频域，信号表达式为Si(f; ) = p
exp{���j4π (fc + f)cRp,i() ��� jπf2k}(4)其中，f为快时间t对应的频率。将式(4)与频域匹配滤波器相乘完成距离压缩，频域匹配滤波器的表达式为Hrc(f) = exp(jπf2k)(5)令波数Kr = 4π(f + fc)/c，则匹配滤波后，距离频域信号表达式为Si(Kr; ) = p
exp f���jKr
Rp,i()g (6)3 无先验模型全方位三维成像方法3.1 基本原理圆迹SAR数据获取时，因距离-方位斜距面随观测角度变化，在某个方位角叠掩的两个目标，在HT1T2Bzrθβo xyP飞行轨迹图 1 干涉圆迹SAR观测几何Fig. 1 InCSAR imaging geometry第5 期林 赟等：无先验模型复杂结构设施SAR全方位三维成像方法研究9111 P1P2P1P2另一个方位角不叠掩，因此圆迹SAR本身就具有三维成像能力。如图2所示，在观测角度，点目标与的等距离等多普勒线重叠(在图中以红线表示，等距离等多普勒线垂直于斜距面)，则两点目标在该角度叠掩；在观测角度2，点目标的等距离等多普勒线以蓝色表示，点目标等距离等多普勒线以黄色表示，两线不重叠，即两点目标在该角度不叠掩。然而，由于圆迹SAR信号频谱为圆台曲面，频谱稀疏，点扩展函数的旁瓣很高。此外，在全方位观测条件下目标散射非各向同性。因此，采用传统相干累积的三维成像方法难以获得复杂结构目标的三维图像。2πSAR干涉测量能够通过干涉相位反演目标高精度高程，然而相位被缠绕，存在相位模糊问题。在地形连续区域，可利用干涉相位的连续性，采用相位解缠的方式解决相位模糊问题，反演高精度地形。然而对于复杂结构目标，如建筑等，干涉相位不连续，难以通过相位解缠来确定绝对相位。因此，目前干涉SAR主要用于地形反演，未见用于目标的三维结构重建。干涉圆迹SAR结合了干涉SAR的高精度测高能力和圆迹SAR的全方位观测、解叠掩优势。本文提出利用圆迹SAR多方位角数据的三维信息获取能力解决干涉相位模糊带来的高程模糊问题，能够对复杂结构目标进行精细三维成像。如图3所示，干涉圆迹SAR解模糊三维成像的主要流程如下。oxyz(1) 子孔径成像。首先将圆迹SAR数据划分为若干个子孔径数据，各子孔径数据在统一坐标系的固定高程平面成像，可采用后向投影算法得到精确的子孔径图像，子孔径图像的表达式为gi;m(x; y; h0) =m∫Δ(m���1)ΔK∫maxKr=KminSi(Kr; )
exp fjKrRi(; x; y; h0)g dKrd (7)h0 (x; y)ΔKmin Kmax KrRi(; x; y; h0) (x; y; h0)其中，m为子孔径序号， 为成像平面高程，为成像平面像素坐标， 为子孔径角度大小，和分别为波数的最小值和最大值，为天线相位中心到坐标的距离。子孔径角度大小可按分辨率需求设定。(2) 干涉处理。对应子孔径序号，不同天线获取的两幅图像无需配准，直接做干涉处理，计算干涉相位。干涉相位的表达式为ϕm(x; y; h0) = arg(g1;m(x; y; h0)
g2;m(x; y; h0))(8)其中，函数arg()代表求相位，符号代表共轭。^hm;n(x; y)hr hua(3) 高程计算。利用干涉相位计算各像素的高程信息，因相位模糊，高程信息也存在模糊，得到N种可能的高程，记为，n为整数，代表模糊数。N的选取与目标高度范围及不模糊高度有关，假设目标高度范围为，不模糊高度为，则N =⌈hrhua⌉+ 1 (9)⌈⌉hua其中，符号表示不小于符号内数值的最小整数，不模糊高度的表达式将在第3.2小节中给出。(^xm;n; ^ym;n;^hm;n)(4) 三维解算。基于距离多普勒方程解算各像素的三维坐标，记为，由此得到存在高程模糊的三维点云。(^xm; ^ym;^hm)(5) 多角度匹配解模糊。根据N种高程假设对多角度图像进行匹配，根据最优匹配，在N种模糊点云中确定解模糊的三维点云。 ={(^xm; ^ym;^hm)(6) 多角度点云融合。将}各角度的三维点云取合集，即，得到最终的全方位三维点云。下面将对干涉相位推导、三维解算和多角度匹配解模糊这3个主要研究内容进行详细阐述。算法o xyzTP2θ2 θ1P1斜距面1飞行轨迹 斜距面2图 2 圆迹SAR解叠掩能力示意图Fig. 2 Layover resolving capability of circular SAR子孔径成像干涉处理高程计算多角度 三维解算点云融合多角度匹配解模糊Σ(xm,ym,hm^ ^ ^ ) (xm,n,ym,n,hm,n^ ^ ^ )hm,n^gi,m φm图 3 无先验模型SAR全方位三维成像方法流程图Fig. 3 Flow chart of full-aspect 3D SAR imagingmethod without prior model912 雷 达 学 报第1 1 卷推导中的参数均采用数据采集时刻瞬时观测参数，如天线相位中心瞬时位置、相对于目标的瞬时视角等，未采用标准圆轨迹、场景中心目标假设，适用于非标准圆轨迹SAR大场景三维成像。3.2 干涉相位推导o′x′y′z′y′z′ x′jT1Pj = jT1Q1j jT2Pj =jT2Q2j
 干涉圆迹SAR在任意观测角度的瞬时观测几何如图4所示。为表述方便，建立新坐标系。该坐标系以平台速度矢量方向为方向，垂直向上方向为方向，根据右手坐标系准则确定方向。T1和T2分别代表2个天线相位中心的位置。Q1和Q2分别为点目标P在该角度两幅子孔径图像中的聚焦投影位置，位于零多普勒面，位置由SAR的距离-零多普勒成像原理决定，且,，图中蓝色和绿色弧线分别代表T1和T2到点目标P的等距离等多普勒线。角度为目标相对于天线的入射角，角度为目标斜视角。由于两个天线相位中心的入射角存在差异，当目标高程与成像平面高程不同时，两幅干涉图像存在偏移，从而产生干涉相位。点目标P与参考平面的高程差Δh的表达式为Δh = H ��� h0 ��� Rp1 cos
 (10)两天线相位中心到点目标的距离差ΔR的表达式为ΔR = B(cos
 sin
 cos   ��� sin
 cos
) (11)本文两幅用于干涉的图像在统一地平面坐标系成像，因此无需配准，且干涉相位中不包含平地相位，则干涉相位与目标高程呈近似线性关系，即ϕ + 2πn = ��� Kcd(ΔR)d(Δh)
Δh = ���Kcd(ΔR)/d
d(Δh)/d

Δh= ��� KcB(cos
 cos   cos
 + sin
 sin
)Rp1 sin

Δh(12)其中，ϕ为缠绕干涉相位，n为模糊数，Kc为中心波数。根据式(12)，目标的高程表达式为^hn = h0 ��� Rp1
sin
 
(ϕ + 2πn)Kc
B
(cos
 cos   cos
 + sin
 sin
)(13)式中的高程信息存在模糊。相邻模糊数对应的高度差为不模糊高度，其表达式为hua =Rp1
sin
 
2πKc
B
(cos
 cos   cos
 + sin
 sin
)(14)3.3 三维解算^hn 通过干涉处理得到各像素高程后，根据距离多普勒方程，解算各像素的三维位置坐标[38]，方程为{jcp ��� cTj = jcq ��� cTjv
(cp ��� cT) = v
(cq ��� cT)(15)cp(^xn; ^yn;^hn) (^xn; ^yn)cT(X1; Y1;Z1) cq(x; y; h0) cT cq ^hn(^xn; ^yn)式中的第1个方程为等距离方程，第2个方程为等多普勒方程。其中， 代表待求的N种可能的目标三维位置矢量，即，其中为未知量； 代表天线相位中心1的三维位置矢量，即； 为子孔径图像像素的三维位置矢量，即；v为速度矢量。, , v, 均为已知量，仅为待求未知量。通过解上述方程，可以得到各角度存在模糊的三维点云。基于距离多普勒方程的三维位置精确解算依赖于天线相位中心位置、姿态等参数的高精度测量，将在后续研究中进一步定量分析各测量参数误差对三维点云精度的影响，本文不做讨论。3.4 多角度匹配解模糊Qm(x; y)^hm;nmm + JQm+J;n (xm+J;n; ym+J;n)m+J利用多角度观测的子孔径图像偏移特性可以解决干涉相位模糊带来的高程模糊问题。如图5所示，为第m 幅子孔径图像的任意像素， 坐标为，通过干涉相位计算得到了该像素N种可能的高程，需要在这些估计值中选择最接近真实值的高程估计。图5中，假设红色点P为其真实三维位置，红色弧线是观测角度为时的等距离等多普勒线，蓝色点代表N种高程估计，蓝色点位于红色弧线上。根据这N种高程假设，通过距离-等多普勒投影原理，可以得到该像素在第幅子图像中的投影位置，记为，坐标为，图5投影位置以黑色点表示，蓝色弧线为N种三维位置假设在观测角度的等距离等多普勒线。Qm+J;n Qm^hm;n投影位置与的偏移距离近似与高程估计值成正比：x′y′z′o′Q1PΔhQ2h0T1 T2H-h0Rp1ψa零多普勒面速度矢量图 4 干涉圆迹SAR瞬时观测几何Fig. 4 Instantaneous geometry of InCAR第5 期林 赟等：无先验模型复杂结构设施SAR全方位三维成像方法研究913Δrm+J;n =|||^hm;n ��� h0|||√2 (1 ��� cos (Δ
J))tan
(16)Qm m + JQm+JQm+J;n Qm第m幅子孔径图像在点的邻域与第幅子图像在点的邻域应具有相似的图像特征。因此，N种投影点中，邻域与邻域匹配度是最高的，对应的模糊数n即为真实模糊数。多角度匹配解模糊流程图如图6所示，具体如下。(^xm;n; ^ym;n;^hm;n)m + JQm+J;n (^xm+J;n; ^ym+J;n)(1) 多角度投影。第m幅子孔径图像得到的存在高程模糊的三维点云为，计算该三维点云在第幅子孔径图像中的投影位置，坐标为。Qmm + J Qm+J;nIm+J;n(2) 多角度邻域匹配。第m幅子孔径图像邻域与第幅子孔径图像邻域做相关匹配，得到相关系数。邻域匹配可采用相关匹配方法[39]，表达式为Im+J;n =Cov(Gm;Gm+J;n) √Var(Gm)
Var(Gm+J;n)(17)Gm QmGm+J;n m + J Qm+J;nCov Var其中， 为第m幅子孔径图像邻域幅度图，为第幅子孔径图像邻域幅度图，符号表示求互相关， 表示求方差。(3) 最优匹配选取。选取相关系数最大值对应的模糊数n，获得解模糊的三维点云。表达式为^n = arg maxnIm+J;n (18)(^xm;n; ^ym;n;^hm;n) = (^xm;^n; ^ym;^n;^hm;^n) (19)hua多角度匹配解模糊中，孔径间隔J的选取需要考虑解模糊能力和图像特征的相似性。解模糊能力可根据式(16)进行计算，当不模糊高程引起的多角度图像偏移越大，解模糊能力越强；但同时为了保证多角度图像具有相似的图像特征，孔径间隔J又不能取得过大。4 实验验证实验数据由北京无线电测量研究所研制的Ka波段机载干涉SAR系统获取。该系统采用固态有源天线体制，在单个吊舱内集成多部收、发天线，单次飞行获取的多通道数据可组合成单基线干涉、多基线干涉、多极化成像、多极化干涉等多种业务模式。其吊舱具备两轴伺服调节功能，并集成了高精度位置和姿态测量设备，为复杂曲线轨迹数据获取提供了精确的天线姿态和位置信息。机载实验观测目标FAST位于中国贵州省内，是世界最大的球面射电望远镜。圆迹飞行轨迹的中心设计为FAST球面镜中心，飞行半径约为3000 m。FAST主要组成部分包括500 m口径球面反射面、馈源支撑塔(6座)、球面反射面支撑格构柱(50根)等。实验主要参数如表1所示，飞行轨迹与FAST光学照片如图7所示。在本实验中，子孔径角度大小为1°，根据表1参数，子孔径图像地距分辨率和方位分辨率均约为0.25 m。某子孔径SAR图像与干涉相位图如图8所示。FAST结构复杂，馈源支撑塔、支撑格构柱等为垂直结构，相位变化梯度大，且主要图像特征为点状强散射，相位不连续，难以通过相位解缠解决干涉相位模糊问题。FAST球面反射面结构的散射特性复杂，多径效应明显，给三维成像带来困难。图9(a)为根据干涉相位进行高程反演和三维解算后的某角度局部目标三维点云，因相位缠绕，该三维点云存在高程模糊，即模糊数不确定，目标的高程信息有多种可能。图9(b)为采用多角度解模糊xyvvzoP QmQm+J,nQm+Jθmhm,n^图 5 多角度解模糊示意图Fig. 5 Diagram of multi-aspect ambiguity resolving多角度投影多角度邻域匹配最优匹配选取解模糊点云高程模糊点云(x^m,^ym,^hm)(xm,n,ym,n,hm,n^ ^ ^ )Qm+J,n Im+J,n图 6 多角度匹配解模糊流程Fig. 6 Flow chart of multi-aspect ambiguity resolving表 1 Ka波段机载干涉圆迹SAR实验参数Tab. 1 Parameters of Ka-band airborne InCSAR experiment参数数值参数数值中心频率35 GHz 带宽900 MHz基线长度0.156 m 基线倾角45°飞行高度4000 m 飞行半径3000 m场景海拔940 m914 雷 达 学 报第1 1 卷后的三维点云。多角度解模糊利用多角度图像的偏移特性，通过多角度匹配来确定模糊数，解决高程模糊问题，无需采用基于相位连续性假设的相位解缠操作，为相位解模糊提供了新的思路。在本实验中，多角度去模糊的孔径间隔取值为5，即两幅图像的角度差为5°，根据该参数，并将式(14)代入式(16)，可得不模糊高程带来的图像偏差约为7 m，利于多角度匹配去模糊。因子孔径角度较小，仅为1°，目标信息获取不完整，还需要对多角度点云进行融合获得全方位信息。图10为全方位三维图像与常规条带SAR图像的对比。如图10(a)所示，受限于雷达观测几何及二维成像方法，常规SAR图像存在阴影、叠掩、透视伸缩等现象，部分目标结构不可见。图10(b)－图10(d)从不同视角展示了全场景、全方位三维图像，视角方向如图7(b)中示意，展示图的下视角为35°，3个视角的方位角间隔90°。图10中，FAST三维立体结构清晰可见，红圈内为悬挂于球面反射面之上的馈源。馈源支撑塔高度测量值约为168 m(颜色表对应散射中心海拔高度)，与实际情况相符，后续将进一步开展定量化精度分析研究。需要说明的是，因球面反射面散射特性复杂，多径效应明显，本文未对球面反射面进行三维成像，将在后续进一步开展研究。5 结语本文提出了无先验模型SAR全方位三维成像方法，结合干涉SAR的高精度测高优势和圆迹SAR全方位观测、解叠掩和解高程模糊优势，实现复杂结构目标三维成像。该方法挖掘多方位角数据的三维成像能力，无需目标预先建模和三维成像网格构建，一次飞行即可获得先验信息未知区域全场景全(a) 飞行轨迹(a) Flight trajectory(b) FAST光学照片(b) Photo of FAST106.8325.67525.67025.66525.66025.65525.65025.64525.64025.63525.630106.84 106.85 106.86 106.87 106.88经度 (°)视角3视角2视角1纬度 (°)飞行轨迹场景中心图 7 机载实验飞行轨迹与观测目标Fig. 7 Flight trajectory and the observed object-3-2-10123(a) SAR图像(a) SAR image(b) 干涉相位图 (单位：弧度)(b) Interferogram (unite: rad)图 8 某子孔径SAR图像与干涉相位图Fig. 8 SAR image and interferogram of certain subapture第5 期林 赟等：无先验模型复杂结构设施SAR全方位三维成像方法研究915方位三维图像，适用于复杂结构设施的精细三维结构获取，在雷达三维成像实用化技术方面取得了重要进展。联合团队将进一步深入开展相关研究工作，挖掘多角度等新观测维度带来的信息增量，围绕三维散射特征描述方法，探索新型、高效数据获取模式及处理方法，进一步推动复杂场景多维信息精细化描述的实际应用。参 考 文 献洪文. 圆迹SAR成像技术研究进展[J]. 雷达学报, 2012, 1(2):124–135. doi: 10.3724/SP.J.1300.2012.20046.HONG Wen. Progress in circular SAR imaging technique[J].Journal of Radars, 2012, 1(2): 124–135. doi: 10.3724/SP.J.1300.2012.20046.[1]LIN Yun, HONG Wen, TAN Weixian, et al. Airbornecircular SAR imaging: Results at P-band[C]. 2012 IEEE[2](a) 常规条带SAR图像(a) Conventional stripmap SAR image(b) 全方位三维SAR图像(视角1)(b) Full-aspect 3D SAR image (view 1)(c) 全方位三维SAR图像(视角2)(c) Full-aspect 3D SAR image (view 2)(d) 全方位三维SAR图像(视角3)(d) Full-aspect 3D SAR image (view 3)10801060104010201000980960940920m图 10 常规条带SAR图像与全方位三维SAR图像对比Fig. 10 Comparison between conventional stripmap SAR image and full-aspect 3D SAR image(a) 高程模糊三维点云(a) 3D point cloud with elevation ambiguity(b) 高程解模糊三维点云(b) 3D point cloud without elevation ambiguityy (m)y (m)z (m)z (m)x (m)x (m)1200115011001050100095010501000950500 400 300 200 100 0 -100450 400 350 300 250 200-200 -100 0 100 200-50 0 50 100图 9 某子孔径三维点云Fig. 9 3D point cloud of certain subapture916 雷 达 学 报第1 1 卷International Geoscience and Remote Sensing Symposium,Munich, Germany, 2012: 5594–5597. doi: 10.1109/IGARSS.2012.6352051.安道祥, 陈乐平, 冯东, 等. 机载圆周SAR成像技术研究[J]. 雷达学报, 2020, 9(2): 221–242. doi: 10.12000/JR20026.AN Daoxiang, CHEN Leping, FENG Dong, et al. Study ofthe airborne circular synthetic aperture radar imagingtechnology[J]. Journal of Radars, 2020, 9(2): 221–242.doi: 10.12000/JR20026.[3]朱岱寅, 张营, 俞翔, 等. 微型合成孔径雷达成像信号处理技术[J].雷达学报, 2019, 8(6): 793–803. doi: 10.12000/JR19094.ZHU Daiyin, ZHANG Ying, YU Xiang, et al. Imaging signalprocessing technology for miniature synthetic apertureradar[J]. Journal of Radars, 2019, 8(6): 793–803. doi: 10.12000/JR19094.[4]洪文, 王彦平, 林赟, 等. 新体制SAR三维成像技术研究进展[J].雷达学报, 2018, 7(6): 633–654. doi: 10.12000/JR18109.HONG Wen, WANG Yanping, LIN Yun, et al. Researchprogress on three-dimensional SAR imaging techniques[J].Journal of Radars, 2018, 7(6): 633–654. doi: 10.12000/JR18109.[5]LIN Yun, HONG Wen, LI Yang, et al. Study on fine featuredescription of multi-aspect SAR observations[C]. 2016 IEEEInternational Geoscience and Remote Sensing Symposium,Beijing, China, 2016: 5682–5685. doi: 10.1109/IGARSS.2016.7730484.[6]毕辉, 金双, 王潇, 等. 基于高分三号SAR数据的城市建筑高分辨率高维成像[J]. 雷达学报, 2022, 11(1): 40–51. doi: 10.12000/JR21113.BI Hui, JIN Shuang, WANG Xiao, et al. High-resolutionhigh-dimensional imaging of urban building based onGaoFen-3 SAR data[J]. Journal of Radars, 2022, 11(1):40–51. doi: 10.12000/JR21113.[7]赵曜, 许俊聪, 全相印, 等. 基于稀疏和低秩结构的层析SAR成像方法[J]. 雷达学报, 2022, 11(1): 52–61. doi: 10.12000/JR21210.ZHAO Yao, XU Juncong, QUAN Xiangyin, et al.Tomographic SAR imaging method based on sparse andlow-rank structures[J]. Journal of Radars, 2022, 11(1):52–61. doi: 10.12000/JR21210.[8]ERTIN E, AUSTIN C D, SHARMA S, et al. GOTCHAexperience report: Three-dimensional SAR imaging withcomplete circular apertures[C]. SPIE 6568, Algorithms forSynthetic Aperture Radar Imagery XIV, Orlando, UnitedStates, 2007: 9–20. doi: 10.1117/12.723245.[9]BAO Qian, LIN Yun, HONG Wen, et al. Holographic SARtomography image reconstruction by combination ofadaptive imaging and sparse Bayesian inference[J]. IEEEGeoscience and Remote Sensing Letters, 2017, 14(8):[10]1248–1252. doi: 10.1109/LGRS.2017.2704601.DONG Feng, AN Daoxiang, CHEN Leping, et al.Holographic SAR tomography 3-D reconstruction based oniterative adaptive approach and generalized likelihood ratiotest[J]. IEEE Transactions on Geoscience and RemoteSensing, 2021, 59(1): 305–315. doi: 10.1109/TGRS.2020.2994201.[11]AUSTIN C D, ERTIN E, and MOSES R L. Sparse signalmethods for 3-D radar imaging[J]. IEEE Journal of SelectedTopics in Signal Processing, 2011, 5(3): 408–423. doi: 10.1109/JSTSP.2010.2090128.[12]ERTIN E, MOSES R L, and POTTER L C. Interferometricmethods for three-dimensional target reconstruction withmultipass circular SAR[J]. IET Radar, Sonar & Navigation,2010, 4(3): 464–473. doi: 10.1049/iet-rsn.2009.0048.[13]PONCE O, PRATS-IRAOLA P, SCHEIBER R, et al. Firstairborne demonstration of holographic SAR tomographywith fully polarimetric multicircular acquisitions at Lband[J]. IEEE Transactions on Geoscience and RemoteSensing, 2016, 54(10): 6170–6196. doi: 10.1109/TGRS.2016.2582959.[14]PONCE O, PRATS P, SCHEIBER R, et al. Polarimetric3-D imaging with airborne holographic SAR tomographyover glaciers[C]. 2015 IEEE International Geoscience andRemote Sensing Symposium, Milan, Italy, 2015: 5280–5283.doi: 10.1109/IGARSS.2015.7327026.[15]PONCE O, JOERG H, SCHEIBER R, et al. First study onholographic SAR tomography over agricultural crops at C-/X-band[C]. 2016 IEEE International Geoscience and RemoteSensing Symposium, Beijing, China, 2016: 7403–7406.doi: 10.1109/IGARSS.2016.7730931.[16]仇晓兰, 焦泽坤, 杨振礼, 等. 微波视觉三维SAR关键技术及实验系统初步进展[J]. 雷达学报, 2022, 11(1): 1–19. doi: 10.12000/JR22027.QIU Xiaolan, JIAO Zekun, YANG Zhenli, et al. Keytechnology and preliminary progress of microwave vision 3DSAR experimental system[J]. Journal of Radars, 2022,11(1): 1–19. doi: 10.12000/JR22027.[17]刘燕, 谭维贤, 林赟, 等. 基于圆迹SAR的建筑物轮廓信息提取[J].电子与信息学报, 2015, 37(4): 946–952. doi: 10.11999/JEIT140717.LIU Yan, TAN Weixian, LIN Yun, et al. An approach ofthe outlines extraction of building footprints from thecircular SAR data[J]. Journal of Electronics & InformationTechnology, 2015, 37(4): 946–952. doi: 10.11999/JEIT140717.[18]YU Lingjuan, LIN Yun, LI Yang, et al. Height profileestimation of power lines based on two-dimensional CSARimagery[J]. IEEE Geoscience and Remote Sensing Letters,[19]第5 期林 赟等：无先验模型复杂结构设施SAR全方位三维成像方法研究9172016, 13(3): 339–343. doi: 10.1109/LGRS.2015.2512285.ZHANG Ying, ZHU Daiyin, and KONG Yingying. 3-Dstructure-from-motion retrieval based on circular videosarsequences[C]. 2019 IEEE International Geoscience andRemote Sensing Symposium, Yokohama, Japan, 2019:134–137. doi: 10.1109/IGARSS.2019.8898530.[20]CHEN Leping, AN Daoxiang, HUANG Xiaotao, et al. A 3Dreconstruction strategy of vehicle outline based on singlepasssingle-polarization CSAR data[J]. IEEE Transactionson Image Processing, 2017, 26(11): 5545–5554. doi: 10.1109/TIP.2017.2738566.[21]ZHOU Chaowei, ZHOU Yejian, SUO Zhiyong, et al. Voxelarea sculpturing-based 3D scene reconstruction from singlepassCSAR data[J]. Electronics Letters, 2020, 56(11):566–567. doi: 10.1049/el.2020.0263.[22]ZHAO Yue, LIN Yun, HONG Wen, et al. Adaptive imagingof anisotropic target based on circular-SAR[J]. ElectronicsLetters, 2016, 52(16): 1406–1408. doi: 10.1049/el.2016.1764.[23]赵月, 林赟, 王彦平, 等. 基于圆迹SAR的目标方位散射特征提取研究[J]. 信号处理, 2017, 33(4): 613–617. doi: 10.16798/j.issn.1003-0530.2017.04.024.ZHAO Yue, LIN Yun, WANG Yanping, et al. Targetfeature extraction on azimuth angles based on circularSAR[J]. Journal of Signal Processing, 2017, 33(4): 613–617.doi: 10.16798/j.issn.1003-0530.2017.04.024.[24]TENG Fei, HONG Wen, and LIN Yun. Aspect entropyextraction using circular SAR data and scatteringanisotropy analysis[J]. Sensors, 2019, 19(2): 346. doi: 10.3390/s19020346.[25]TENG Fei, LIN Yun, WANG Yanping, et al. Ananisotropic scattering analysis method based on thestatistical properties of multi-angular SAR images[J].Remote Sensing, 2020, 12(13): 2152. doi: 10.3390/rs12132152.[26]LI Yang, YIN Qiang, LIN Yun, et al. Anisotropy scatteringdetection from multiaspect signatures of circularpolarimetric SAR[J]. IEEE Geoscience and Remote SensingLetters, 2018, 15(10): 1575–1579. doi: 10.1109/LGRS.2018.2850859.[27]XUE Feiteng, LIN Yun, HONG Wen, et al. An improvedH/α unsupervised classification method for circular PolSARimages[J]. IEEE Access, 2018, 6: 34296–34306. doi: 10.1109/ACCESS.2018.2838329.[28]XU Feng, LI Yongchen, and JIN Yaqiu. Polarimetricanisotropicdecomposition and anisotropic entropies of highresolutionSAR images[J]. IEEE Transactions onGeoscience and Remote Sensing, 2016, 54(9): 5467–5482.doi: 10.1109/TGRS.2016.2565693.[29]杨彦辉, 林赟, 洪文. 利用星载SAR单轨多角度地距图像提取高程信息[J]. 测绘科学, 2019, 44(7): 96–104. doi: 10.16251/j.[30]cnki.1009-2307.2019.07.015.YANG Yanhui, LIN Yun, and HONG Wen. Elevationextraction from multi-angle and ground-range images insingle orbit based on spaceborne SAR[J]. Science ofSurveying and Mapping, 2019, 44(7): 96–104. doi: 10.16251/j.cnki.1009-2307.2019.07.015.FENG Shanshan, LIN Yun, WANG Yanping, et al. DEMgeneration with a scale factor using multi-aspect SARimagery applying radargrammetry[J]. Remote Sensing, 2020,12(3): 556. doi: 10.3390/rs12030556.[31]ZHANG Hanqing, LIN Yun, FENG Shanshan, et al. 3-Dtarget reconstruction using C-band circular SAR imageryb a s e d o n b a c k g r o u n d c o n s t r a i n t s [ C ] . 2 0 2 1 I E E EInternational Geoscience and Remote Sensing Symposium,Brussels, Belgium, 2021: 2923–2926. doi: 10.1109/IGARSS47720.2021.9553759.[32]FENG Shanshan, LIN Yun, WANG Yanping, et al. 3Dpoint cloud reconstruction using inversely mapping andvoting from single pass CSAR images[J]. Remote Sensing,2021, 13(17): 3534. doi: 10.3390/rs13173534.[33]LIN Yun, HONG Wen, TAN Weixian, et al. Interferometriccircular SAR method for three-dimensional imaging[J].IEEE Geoscience and Remote Sensing Letters, 2011, 8(6):1026–1030. doi: 10.1109/LGRS.2011.2150732.[34]LIN Yun, BAO Qian, HOU Liying, et al. Full-aspect 3Dtarget reconstruction of interferometric circular SAR[C].SPIE 10004, Image and Signal Processing for RemoteSensing XXII, Edinburgh, UK, 2016: 424–432. doi: 10.1117/12.2241239.[35]侯丽英, 林赟, 洪文. 干涉圆迹SAR的目标三维重建方法研究[J].雷达学报, 2016, 5(5): 538–547. doi: 10.12000/JR16009.HOU Liying, LIN Yun, and HONG Wen. Three-dimensionalreconstruction method study based on interferometriccircular SAR[J]. Journal of Radars, 2016, 5(5): 538–547.doi: 10.12000/JR16009.[36]刘燕, 林赟, 谭维贤, 等. 基于圆迹干涉SAR的DEM提取[J]. 电子与信息学报, 2015, 37(6): 1463–1469. doi: 10.11999/JEIT141022.LIU Yan, LIN Yun, TAN Weixian, et al. DEM extractionbased on interferometric circular SAR[J]. Journal ofElectronics & Information Technology, 2015, 37(6):1463–1469. doi: 10.11999/JEIT141022.[37]LIU Jiayin, QIU Xiaolan, and HONG Wen. Automatedortho-rectified SAR image of GF-3 satellite using reverserange-Doppler method[C]. 2016 IEEE InternationalGeoscience and Remote Sensing Symposium, Beijing, China,2016: 4445–4448. doi: 10.1109/IGARSS.2016.7730158.[38]YOO J C and HAN T H. Fast normalized crosscorrelation[J]. Circuits, Systems and Signal Processing,2009, 28(6): 819–843. doi: 10.1007/s00034-009-9130-7.[39]918 雷 达 学 报第1 1 卷作 者 简 介林　赟，博士，副研究员，硕士生导师，主要研究方向为多角度SAR三维成像技术。韦立登，博士，研究员，研究方向为机载SAR成像与In-SAR处理技术。洪　文，博士，研究员，博士生导师，研究方向为合成孔径雷达(SAR)成像新概念新体制、多维度SAR成像机理与方法。(责任编辑：高华)第5 期林 赟等：无先验模型复杂结构设施SAR全方位三维成像方法研究919