基于区域网平差的InSAR基线估计方法

为有效减少大面积、多套干涉数据基线估计所需的地面控制点数量、降低接边处反演高程的差异,提出考虑干涉相位偏置的InSAR区域网平差基线估计方法。采用中国科学院电子学研究所机载InSAR系统获取的多套干涉数据进行了区域网平差基线估计试验,利用少量地面控制点完成了各套干涉数据的基线估计,减小接边处反演高程的差异,验证该基线估计方法的有效性。     

电离层延迟对星载InSAR精度的影响

针对电离层对L、P等较长波段的星载合成孔径雷达干涉测量(InSAR)成像产生的相位延迟效应会造成InSAR精度下降的问题,建立电离层相位延迟模型,分析背景电离层TEC对不同波段SAR信号的距离和相位延迟,给出了TEC和SAR相位延迟之间的关系曲线;提出用沿电磁波传播斜距上的电子积分总量STEC来代替垂测TEC,采用简化射线描迹方法进行STEC估计,提高了TEC计算精度;通过仿真实验分析不同TEC分布模型对InSAR精度的影响。实验结果表明,因干涉测量中基线估计的补偿效应,使得成像范围内等量分布的TEC对测量精度无明显影响;成像范围内TEC值随空间位置不同而发生变化时,对InSAR的精度将产生较大影响,需要考虑电离层的校正。     

融合InSAR和GNSS的三维形变监测：利用方差分量估计的改进SISTEM方法

利用干涉合成孔径雷达(interferometric synthetic aperture radar, InSAR)技术可以获取空间连续的地表形变监测结果,但仅能得到真实三维形变在雷达视线方向上的一维投影,降低了地表形变解译的可靠性。全球导航卫星系统(global navigation satellite system, GNSS)可提供高精度的三维形变结果,但其空间分辨率较低。因此可通过融合InSAR和GNSS来实现高精度高空间分辨率的三维地表形变监测。提出利用方差分量估计(variance component estimation, VCE)方法对经典的联合大地和卫星同步形变测量值的应变张量估计(simultaneous and integrated strain tensor estimation from geodetic and satellite deformation measurements,SISTEM)方法进行改进,发挥SISTEM方法可以考虑相邻点地表形变的空间相关性的优势,优化了函数模型中InSAR和GNSS观测的构成比例,引入VCE方法精确估计了各类观测值的后验方差,进而实现了高精度的三维地表形变测量。首先通过设计模拟实验对所提方法进行了验证,然后将该方法应用于2007年夏威夷基拉韦厄火山喷发案例中。相较于SISTEM方法,该方法在东西、南北、垂直向解算的形变精度均有大幅提升。     

SAR干涉图降噪的稳健协方差矩阵分解法

干涉图降噪在InSAR技术应用中发挥着重要作用,若降噪效果不好将引起干涉图相位解缠的误差,并进一步导致DEM或形变结果的错误。由于干涉图分辨单元的信号(相位)是由分辨单元内多个散射体的回波信号(相位)叠加而成,本文针对单一主导散射体的散射模型(永久性散射体模型)和只考虑一种散射机制的分布式散射体模型相位的特点,对多基线SAR数据估计的协方差矩阵采用特征值分解的方法来分离相位中的噪声,通过提取最大特征值对应的特征向量(相位),从而实现干涉图降噪的目的。而对于协方差矩阵估计时引入的异质点,本文采用了一种稳健的协方差矩阵估计方法。通过覆盖山西清徐地面沉降形变区的8景真实TerraSAR数据试验验证了该方法的有效性。结果表明该方法比改进的Goldstein滤波方法在相干性提高、有效目标点增加两方面均有显著提高,特别在低相干区域由于相干点的增加也获取了更多的形变监测信息。     

基于ALOS/PALSAR轨道参数的干涉平地效应消除研究

平地相位是在合成孔径雷达干涉处理(InSAR)过程中,平坦地表所产生的线性变化相位,它的存在不仅增加了相位解缠的难度,而且它去除的干净程度将直接影响InSAR处理结果的精度,因此,去平地相位是InSAR处理中关键技术之一。在卫星精轨数据已知的情况下,平地相位可以精确地计算得到,但是对于ALOS/PALSAR数据产品而言,其提供的卫星状态采样点时间间隔达到60 s,平地相位计算成为利用PALSAR开展InSAR研究的难点,也构成了PALSAR InSAR推广应用的瓶颈。通过分析常用轨道参数估计方法的优缺点,分别利用埃尔米特等距插值法、三次样条插值法和最小二乘多项式拟合法对常州地区的ALOS/PALSAR数据进行了卫星轨道估计对比实验,并应用于平地相位消除。实验结果表明,埃尔米特等距插值法可以有效估计卫星状态矢量采样稀疏的加密精轨数据,实现平地相位地精确计算与去除。     

不同空间插值对InSAR大气延迟改正影响研究

大气效应是InSAR技术用于地表探测的主要误差源之一。GPS数据作为InSAR大气延迟误差改正的重要数据源,受其站点分布疏密的影响,分辨率还无法做到与SAR影像完全相匹配,必须对GPS获取的大气延迟数据进行空间插值。本文采用反距离加权法(IDW)、Kriging插值法和移动曲面拟合法(Surface Moving Fitting,SMF)三种插值方法,探讨了InSAR大气误差改正过程中的空间插值问题,并对三种插值的精度进行了分析和评价。     

顾及协方差函数的自适应四叉树InSAR数据压缩算法

利用InSAR数据进行形变机理反演时,由于InSAR数据点众多,且含有较多的误差乃至粗差点,严重制约了反演的效率和可靠性。为此,本文提出了顾及InSAR数据物理空间相关性来设立协方差函数,并依据协方差函数确定四叉树象限分解阈值和最大象限大小的自适应四叉树分解InSAR数据压缩算法。本算法能够在尽可能保留形变信号特征细节信息的同时,极大地降低InSAR数据量。本文以西安地区地面沉降InSAR结果为例进行了实验分析,验证了该算法的有效性,结果表明该方法能够在不损失形变信号特征的同时,有效的实现InSAR数据压缩和噪声消除的目的。     

利用InSAR-GIS监测西安地面沉降的分析研究

针对合成孔径雷达干涉测量(InSAR)技术在监测地表形变的数据后处理及成果表达和分析方面存在的一些局限性问题,研究通过GIS数据库管理InSAR监测数据和相关区域的地理、水准及GPS数据等辅助数据,以及利用GIS空间分析功能对监测结果进行分析的方法与实现。以西安地区InSAR数据为研究对象对提出的方法进行实现,试验结果表明,GIS技术与InSAR技术相结合用于地面沉降监测可以有效地解决在监测地表形变的数据后处理及成果表达和分析方面的局限性问题。     

方差分量估计在机载InSAR区域网平差中的应用

基于验后方差分量估计的思想,针对观测值中各类观测分量的方差难以直接估计的问题,研究了机载InSAR区域网平差干涉参数定标权值确定理论,设计了利用Helmert方差分量估计扩展模型的机载InSAR区域网平差干涉参数定标权值确定方法。采用我国机载双天线InSAR数据进行相关试验,表明验后估计定权能合理地顾及DEM的生成精度和拼接精度。     

基于瞬时频率估计的InSAR相位解缠

相位解缠是InSAR处理的关键步骤,解缠结果的可靠性和稳定性影响着InSAR测量的性能。从干涉条纹频率与相位解缠结果之间的内在联系出发,推导了干涉条纹频率与干涉复数值之间的严密关系式,设计了基于瞬时频率估计的相位解缠方法,采用多套干涉数据获取的干涉图进行了相位解缠实验,验证了基于瞬时频率估计方法进行相位解缠的可行性。     

高光谱图像子空间的波段选择

为降低高光谱遥感数据光谱空间的冗余度,提出一种快速的波段选择方法。该方法在波段子空间下进行,依次选择各子空间中方差最大的波段作为初始波段,设定目标函数,然后逐子空间替换波段使得目标性能更加优化,直至没有替换可以使得目标更优为止。在两个公开高光谱影像数据集上对比3种常用波段选择方法(ABC、AP、ABS)来验证提出方法的有效性,实验结果表明:(1)在印第安纳数据上,本文方法与ABC、AP、ABS所选波段子集相比平均相关性分别降低22.04%、52.61%、55.71%,最佳指数分别提高0.58%、51.73%、0.95%,总体分类精度分别提高0.16%、1.39%、23.07%,在搜索效率上与同类型的ABC方法相比提高6.61%—69.02%;(2)在帕维亚大学数据上,本文方法与ABC、AP、ABS所选波段子集相比平均相关性分别降低2.38%、0.51%、32.83%,最佳指数分别提高1.34%、17.97%、12.92%,总体分类精度分别提高0.31%、0.69%、8.53%,在搜索效率上与同类型的ABC方法相比提高19.13%—86.34%。本文提出的波段选择方法能够选择合适的波段子集满足不同的应用需要,是一种有效的波段选择方法。     

Kernel Eigenspace Separation Transform for Subspace Anomaly Detection in Hyperspectral Imagery

This letter proposes a nonlinear version of the eigenspace separation transform (EST) for subspace anomaly detection in hyperspectral imaging. The EST is defined in terms of the eigenvectors of the difference correlation matrix (DCOR) obtained using the data from the two classes. Using ideas found in the machine learning literature (i.e., the kernel trick), a nonlinear version-kernel EST (KEST)-is achieved by expressing the DCOR in terms of dot products in feature space and replacing all dot products with a Mercer kernel function that is defined in terms of input data space. Experimental results indicate that KEST outperforms many other commonly used subspace anomaly detection algorithms.     

归一化地物子空间投影下的光谱解混方法

针对线性光谱解混方法,全约束条件下的最小二乘准则和正交子空间投影(OSP),因缺乏物理约束条件使得组分丰度估值容易出现负值这一问题,该文在线性光谱混合分析模型中增加光谱组分丰度"和为1"且为"非负"的约束条件,提出了归一化地物子空间投影下(NMSP)的光谱解混方法。该方法假定一条基准端元已知以消除组分之间的相关性,再基于基准端元对端元矩阵和影像矩阵进行平移,进一步消除像元在端元方向投影时原点引起的错误。实验结果表明,与约束条件下的OSP分类器以及最小二乘法相比,NMSP在光谱解混中可以得到更加合理的地物组分丰度且能保持端元丰度"非负"和稀疏的物理特性。     

Modified compressive sensing approach for GNSS signal reception in the presence of interference

Pre-processing traditional navigation signals in global navigation satellite system (GNSS) receivers includes the conversion of an analog-to-digital sample and acquisition following the basic principle of Nyquist sampling theory. This condition inevitably increases the system computation time and cost of a modern wideband receiver. In recent years, the compressive sensing (CS) approach has been proven to effectively reduce the number of measurement samples required for digital signal acquisition systems. This method gives new potential to this modern design. In this study, a modified compressive sensing algorithm for the acquisition of a GNSS signal that is contaminated by an interfering signal is presented. The proposed method attempts to combine CS demodulation and the subspace projecting method to enhance GNSS signal acquisition performance with interference present. First, the received signal is sub-sampled and aliased from a compressive sampling process. This operation maintains the restricted isometry property (RIP) condition of the second sampling process using a Toeplitz-structured sensing matrix, which replaces a conventional random sensing matrix. The matrix ensures that distances between desired signals on the set of sparse space are not influenced by the sampling process. Next, the interference is eliminated through the orthogonal feature between the interference signal and the desired signal using the subspace projecting method. This also preserves the RIP of the projecting matrix to ensure that the original structure of the linear projection of the signal is preserved. After this, an iterative least-square method is utilized to recover the correlator output from the reception samples taken by the CS demodulator. In addition, the signal detection performance in the presence of co-channel interference using a CS demodulator is analyzed and evaluated. Finally, the relationships between signal detection probability, compressive factor and signal bandwidth are also illustrated. Several numerical results are presented to verify the theory.     

列式鲁棒主成分分析的高光谱遥感异常探测

传统的基于鲁棒主成分分析的高光谱异常探测模型中,稀疏异常矩阵假设为非低秩且其非零元素满足随机分布条件。这导致稀疏矩阵的非零元素影响低秩背景矩阵的估计,进而制约背景信息和异常信息的有效分离。提出列式鲁棒主成分分析的异常探测方法,改进异常矩阵为列稀疏条件来解决上述问题。该方法分解高光谱影像2维矩阵为低秩背景矩阵,列稀疏异常矩阵和噪声矩阵,松弛目标方程为凸优化问题,并采用非精确增强拉格朗日乘子算法来求解得到列稀疏异常矩阵的最优估计。最后,对稀疏异常矩阵中所有列的L2范数值进行阈值分割来探测得到异常像元。利用两个高光谱影像数据集,对比5种主流的异常探测方法来验证提出方法的有效性。实验结果表明,列式鲁棒主成分分析方法优于包括传统鲁棒主成分分析模型在内的5种异常探测方法,且计算效率适中。     

用于遥感图像纹理分析的子空间法与纹理变换法

本文着重探讨了纹理特征引入遥感图像分析所面临的二个问题—冗余特征压缩与纹理分割。针对第一个问题,本文利用了与传统方法迥然不同的子空间法,该法与马氏距离法比较得出,无论是效率还是精度,子空间法均优于马氏最小距离法。针对第二个问题,本文在前人工作的基础上,提出了纹理能量变换法,实验结果表明,该法用于纹理分割是可行的。     

优化子空间SVM集成的高光谱图像分类

随机子空间集成是很有前景的高光谱图像分类技术,子空间的多样性和单个子空间的性能与集成后的分类精度密切相关。传统方法在增强单个子空间性能的同时,往往会获得大量最优但相似的子空间,因而减小它们之间的多样性,限制集成系统的分类精度。为此,提出优化子空间SVM集成的高光谱图像分类方法。该方法采用支持向量机(SVM)作为基分类器,并通过SVM之间的模式差别对随机子空间进行k-means聚类,最后选择每类中J-M距离最大的子空间进行集成,从而实现高光谱图像分类。实验结果显示,优化子空间SVM集成的高光谱图像分类方法能够有效解决小样本情况下的Hughes效应问题;总体精度达到75%–80%,Kappa系数达到0.61–0.74;比随机子空间集成方法和随机森林方法分类精度更高、更稳定,适合高光谱图像分类。     

基于正交子空间投影的伪卫星远近效应消除方法CSCD

针对地基伪卫星系统中接收机受到远近效应影响无法正确捕获远场伪卫星信号这一问题,引入了基于正交子空间投影算法的捕获优化方法.该方法应用于码分多址伪卫星信号,通过常规滑动相关法得到的强信号码相位和多普勒频移计算正交投影算子,将接收信号与其在强信号空间的投影相减得到弱信号空间并重新进行捕获,以消除强信号对弱信号的干扰.实验结果表明:强弱信号在小于30 dB的功率比范围内,应用正交子空间投影法可以有效改善弱信号捕获性能.这对拓宽地基伪卫星系统的有效工作范围、提升伪卫星接收机信号功率比容忍限度具有重大意义.     

基于波段选择的高光谱遥感影像分类

针对高光谱数据波段众多、数据量较大的特点,提出了一种基于波段选择的高光谱遥感影像分类方法,以北京昌平小汤山地区高光谱遥感数据为例,分析了各波段的信息含量和相邻波段的相关性,采用子空间划分、自适应波段选择的方法,实现了特征波段的选择。针对农村道路和空地、柏油路和居民地间的同谱异物现象,利用J-M距离模型判别其类间的可分性,获得了最佳波段组合,最后采用支持向量机分类器进行分类。结果表明,采用波段选择的方法能有效地提高高光谱数据的分类精度。     

Estimability analysis of variance and covariance components

Although variance and covariance components have been extensively investigated and a number of elegant formulae to compute them have been derived, nothing is known, without any ambiguity, about their estimability in the case of a fully unknown variance–covariance matrix. We prove that variance and covariance components in this case are not estimable, thus clarifying the ambiguity of the literature on the topic and correcting some erroneous statements in the literature. We also give a new theorem on the estimability of a linear function of variance and covariance components. Then we propose a new method to estimate the variance–covariance matrix with special structure, which can presumably be represented by, at most, r(r + 1)/2 independent parameters to guarantee its estimability in such a subspace, by directly implementing the positive definiteness of the matrix as constraint to the restricted maximum likelihood method, where r is the number of redundant measurements. Therefore, our estimates of the variance and covariance components always reconstruct a positive definite matrix and are always physically meaningful.