Sentinel-1 Level 1数据处理的详细算法定义(一)

《Sentinel-1 Level 1数据处理的详细算法定义》文档定义和描述了Sentinel-1实现的Level 1处理算法和方程,以便生成Level 1产品。这些算法适用于Sentinel-1的Stripmap、Interferometric Wide-swath (IW)、Extra-wide-swath (EW)和Wave模式。

今天介绍的内容如下:

1 引言

1.1目的

本文档描述了Sentinel-1图像处理设施(IPF)用于生成Sentinel-1 Level 1(L1)产品的处理算法。这些算法适用于Sentinel-1获取模式:Stripmap、干涉宽幅(IW)、超宽幅(EW)和Wave模式。在IW和EW模式中,数据是使用地形观测渐进扫描SAR(TOPSAR)技术获取的。在本文档中,IW和EW将统称为TOPSAR模式。

1.2 范围

本文档满足了Sentinel-1 IPF可交付成果PAL1-1,如Sentinel-1产品定义和仪器处理设施开发工作说明书(SOW)[A-1]和MDA向ESA提出的Sentinel-1 IPF合同变更通知第2号[A-5]中所述。本文档定义了满足Sentinel-1 IPF系统需求文档(SRD)[A-2]中要求的算法。

本文档展示了将在Sentinel-1 IPF软件中实现的Level 1处理算法和方程。文档[R-1]描述了Sentinel-1 IPF软件设计,用于实现Level 1处理算法和方程。

本文档不尝试提供描述算法方程式的详细推导,这些在其他文档中有讨论。本文档中讨论的许多Sentinel-1 IPF算法也在[R-5]中有更详细的描述。对于TOPSAR特定算法,可以在[R-2]和[R-4]中找到更多的细节、论证和模式设计及算法描述。

由于IPF软件还将支持处理ENVISAT ASAR Stripmap和Wave模式数据,本文档也介绍了ASAR特定的处理算法。注意,除了预处理外,IPF将对Sentinel-1和ENVISAT ASAR使用相同的算法,只有相对较小的、局部的调整将反映在软件设计文档[R-1]中。

内部校准算法基于[A-3]的当前版本,由[R-13]中包含的信息修改。

1.3 关键术语

• 仰角线:仰角(或慢)时间逐样本变化的样本序列。

• 范围线:范围(或快)时间逐样本变化的样本序列。雷达脉冲的回声是输入到IPF的原始范围线。

• 原始(或信号)数据:SAR回声数据。为了与现有惯例兼容,有时使用原始数据(如在原始数据处理或原始数据校正中)和有时使用信号数据(如“信号数据文件”,预处理阶段的输出)。原始数据通常采用BAQ编码。然而,在某些情况下,“原始数据”被理解为BAQ解码后的数据(如在原始数据校正中,该操作是在BAQ解码数据上执行的)。BAQ状态的信号(原始)数据将在每个上下文中明确。

1.4 文档结构

本文档的结构如下:

• 第1节介绍目的、范围、关键术语和文档结构。

• 第2节列出适用和参考文档。

• 第3节提供Level 1产品类型和Sentinel-1 IPF支持的处理模块的概述。

• 第4节描述用于Level 0数据的预处理算法。

• 第5节介绍DCE处理算法。

• 第6节介绍SLC图像处理算法。

• 第7节介绍L1后处理算法。

• 第8节介绍支持处理切片数据的支持算法。

• 第9节描述多个处理模块通用的一些较低级别算法或算法。

• 附录A提供了文档中使用的主要符号列表。

• 附录B总结了2D数据的域,这些数据是处理各个阶段的对象。

• 附录C提供了Sentinel-1处理器归一化方案的摘要。注意,每个归一化步骤也在特定算法的上下文中呈现,并在第1至8节中的一个中进行了描述。为了便于识别,归一化步骤用缩写NORM标记。

• 附录D提供了文档中引用的辅助和内部参数的摘要。

2.文档

第二章是适用文档和参考文档,暂不做翻译。

3.概述

Sentinel-1 SAR可以在以下四种标准获取模式之一下操作(见图3-1):

• Stripmap模式(SM)

• 干涉宽幅模式(IW)

• 超宽幅模式(EW)

• Wave模式(WV)

Sentinel-1获取模式的简要描述可以在[A-4]中找到。尽管这四种模式都具有不同的属性,但它们通常被归为两类:单波束单条带的Stripmap模式(SM和WV),以及多条带TOPSAR模式(IW和EW)。请注意,WV模式是一种采样的Stripmap模式,在这种模式下,数据的“缩影”会交替地在两个不同的入射角下获取(即采用“蛙跳”模式)。然而,这种特殊的获取方式对所使用的处理算法没有影响:每个缩影在单独处理时都被当作Stripmap数据对待。

Sentinel-1仪器处理设施(IPF)可以从这四种获取模式生成以下Level 1产品:

• 斜距单视复数(SLC)

• 地面范围,多视图,检测(GRD)

GRD产品根据其分辨率进一步分类为:

• 全分辨率(FR)(SM模式)

• 高分辨率(HR)(SM、IW和EW模式)

• 中分辨率(MR)(SM、IW、EW和WV模式)

每种产品类型的定义在[A-4]中给出。Sentinel-1 Level 1产品家族如图3-2所示。

为了生成这些产品,Sentinel-1 IPF由多个软件组件组成,如图3-3所示。完整的Sentinel-1 IPF软件设计在[R-1]中描述。

IPF支持处理双极化数据(Stripmap或TOPSAR),但由于两种极化数据的处理是相同的(可能有一些微小的例外),通常不会明确提及双极化情况。然而,特定于双极化处理的算法方面在第3.2节中介绍。

在Sentinel-1 IPF中实现的算法在本文档中描述如下:

• 预处理算法在第4节中描述。

• 多普勒中心频率估计算法在第5节中描述。

• SLC处理算法在第6节中描述。

• Level 1后处理算法在第7节中描述。

• 切片支持算法在第8节中描述。

• 常见和支持算法在第9节中描述。

请注意,波模式(Wave Mode)的多普勒中心频率估计算法被封装在Level 1波模式SLC处理组件内,而不是像其他模式那样作为一个单独的进程。

这些组中的算法可能依赖于常见或支持算法,这些在第9节中描述。

除了Sentinel-1处理外,IPF还支持处理ENVISAT ASAR图像模式(IM)和波模式(WV)数据。本文档中描述的Sentinel-1算法也适用于ASAR处理,其中处理ASAR IM等同于Sentinel-1 SM,处理ASAR WV等同于Sentinel-1 WV。Sentinel-1和ASAR处理算法之间的关键差异与输入原始数据的解码和校准有关,这是由于Sentinel-1和ASAR仪器源数据包(ISP)数据格式的差异所致。

3.1 TOPSAR特定处理

Sentinel-1的IW和EW模式使用TOPSAR成像技术获取宽阔条带的数据(分别由3个和5个子条带组成)。

3.1.1 模式概述

TOPSAR成像是ScanSAR成像的一种形式,其数据是通过对多个相邻子条带循环切换天线波束以突发方式获取的。然而,在TOPSAR中,对于每个突发,波束在方位向上电子地从后向前进行转向。通过这种方式,TOPSAR的突发长度比ScanSAR的突发要长得多。图3-4以图解方式表示了在TOPSAR模式下对同样多的子条带进行三个突发的获取,强调了天线的旋转。

因此,每个目标被照亮的时间较短,但是整个天线足迹都会照亮目标;因此,在TOPSAR中,分辨率的损失是通过缩小足迹来实现的,而不是像ScanSAR那样通过切割足迹。这对图像质量有几个有益的影响,例如在突发内实现均匀的噪声等效Sigma零(NESZ)和模糊度水平。

TOPSAR特定的概念和算法在文档中描述如下:

• 天线转向率以及由于转向产生的直流(DC)速率在第9.14节中描述。

• 数据所需的方位预处理和后处理在第6.2.4节和第6.4节中描述。

• 在执行以下算法之前对数据进行去斜率处理:

o 如第5.2.1节中描述的精细直流(DC)估计。

o 如第7.2节中描述的地面范围检测(GRD)方位处理。

下一节提供了TOPSAR原理的数学概述。

3.1.2 科学概述

要更好地理解TOPSAR模式的原理,一种方便直观的方法是引入天线转向率和“收缩因子”的概念。 首先考虑在传统Scan-SAR中使用固定天线的突发获取:方位天线图案对获取的SAR回波的权重,作为方位时间 𝜂 的函数,可以表示为:

其中:

  • ( L ) = 天线长度
  • ( \lambda ) = 波长
  • ( V_r ) = 有效传感器速度(见9.10节)
  • ( R_0 ) = 零多普勒传感器-目标距离
  • ( \theta(\eta) ) = 方位角

方位角由下式定义:

考虑到现在获取TOPSAR突发的情况,方位天线图案的权重函数 Gaap(η) 变为:

其中:

• kθ= 天线转向速度

• Tb= 突发长度

请注意,为了本节的目的,方位天线图案可以被建模为一个sinc函数,忽略了由于其转向产生的栅瓣。

结合方程3-2和3-3,我们得到以下表达式:

比较方程(3-4)和方程(3-1),可以注意到目标被转向天线照亮的地面足迹等同于一个固定天线的足迹,但是被“收缩因子”缩小了:

因此,从方位分辨率的角度来看,TOPSAR模式可以被视为一种条带图,其等效天线长度是实际长度的k倍,因此分辨率是实际分辨率的k倍。

图3-5展示了针对TOPSAR-IW1(k=4)得到的GaapTOPS(η)与相同突发长度的Scan-SAR获取的Gaap SCAN(η)(显然k=0)之间的比较。可以注意到天线图案上的“收缩”效应:在TOPSAR情况下,方位图案的旁瓣可以看作是由于旋转产生的效果,而在Scan-SAR情况下,只能看到主瓣。

3.2 双极化处理

双极化数据处理的步骤本质上与单极化数据处理相同,通常每种极化都是以相同的方式处理的。然而,在处理双极化数据时,有一些额外的考虑因素:

  1. 每种极化都会生成单独的图像,并在处理每种极化时应用极化特定的校正和校准因子(例如,校准脉冲、天线图案等)。

  2. 必须使用相同的估计多普勒中心频率来处理两种极化,以确保两个结果图像能够准确共注册。因此,将使用仅从两种极化图像之一估计出的DC。特别是,将使用共极化通道,因为交叉极化通道可能更嘈杂,因此可靠性较低。

  3. 交叉极化通道的内部校准(复制品重建和PG计算)取决于共极化通道的值。

注意,通过使用正确的参考复制品进行距离压缩和正确的漂移补偿,隐含地应用了通道间的校正,如第4.2.1.4节和第4.2.1.5节所述。

4. 预处理算法

Sentinel-1 IPF的预处理模块有四个主要的算法组成部分:

  1. 如第4.1节所述的原始数据分析。
  2. 如第4.2节所述的内部校准。
  3. 如第4.3节所述的下行链路头验证。
  4. 如第4.4节所述的地形高度函数。

请注意,这里描述的算法是专门针对Sentinel-1预处理模块的,而不是ASAR预处理模块。ASAR预处理模块执行类似的操作,但是专门针对处理ASAR数据实现的。例如,ASAR原始数据也必须被解码,但它使用的是一种不同的编码算法。

ASAR校准算法在[R-6]中描述,原始数据解码算法在[R-8]中描述。

4.1 原始数据分析

为了对原始信号数据的I和Q通道进行校正,需要进行原始数据分析。传统的原始数据校正(例如在ENVISAT-ASAR和RADARSAT-2的情况下应用)包括(另见第9.2节):

  • I/Q偏置去除
  • I/Q增益不平衡校正
  • I/Q非正交性校正

然而,对于Sentinel-1,仪器的接收模块在数字域内执行解调,因此不再需要I/Q增益不平衡和I/Q非正交性校正。

对于ASAR数据的原始数据校正所必需的原始数据分析在[R-6]中定义。由于IPF也支持ASAR数据的处理,为了完整性,在本节中复制了ASAR原始数据分析方案。

尽管对于Sentinel-1来说,I/Q增益不平衡和I/Q非正交性校正并不需要,但它们将作为可选功能提供,通过使用配置输入参数来实现。不过,不管校正标志如何,本节描述的原始数据分析将对ASAR和Sentinel-1数据执行,并且结果将对两种数据都进行报告。

请注意,原始数据分析是在BAQ解码后的Level 0数据的一个子集上执行的。为此,只有待分析的子集在这个阶段会被BAQ解码。有关BAQ解码的描述,以及对整个Level 0数据集进行BAQ解码的阶段,请参阅第9.1节。

相关推荐

  1. xss-lab靶场level1-level10

    2024-07-10 10:40:03       12 阅读
  2. 微服务组件Sentinel学习(1

    2024-07-10 10:40:03       41 阅读

最近更新

  1. docker php8.1+nginx base 镜像 dockerfile 配置

    2024-07-10 10:40:03       4 阅读
  2. Could not load dynamic library ‘cudart64_100.dll‘

    2024-07-10 10:40:03       5 阅读
  3. 在Django里面运行非项目文件

    2024-07-10 10:40:03       4 阅读
  4. Python语言-面向对象

    2024-07-10 10:40:03       4 阅读

热门阅读

  1. 微软edge浏览器全解析

    2024-07-10 10:40:03       9 阅读
  2. react根据后端返回数据动态添加路由

    2024-07-10 10:40:03       8 阅读
  3. RedHat运维-Ansible自动化运维基础22-rhel-system-roles

    2024-07-10 10:40:03       7 阅读
  4. 深入浅出:Scikit-Learn基础教程

    2024-07-10 10:40:03       10 阅读
  5. python class

    2024-07-10 10:40:03       10 阅读
  6. 10.pwn ROP(栈溢出攻击的核心)

    2024-07-10 10:40:03       9 阅读
  7. sklearn基础教程

    2024-07-10 10:40:03       11 阅读
  8. 跨境支付新篇章:引领电商潮流

    2024-07-10 10:40:03       8 阅读
  9. CSS学习

    2024-07-10 10:40:03       7 阅读