Sentinel-1 Level 1数据处理的详细算法定义(二)

《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:

Sentinel-1 Level 1数据处理的详细算法定义(二)

  • 4. 预处理算法
    • 4.1 原始数据分析
      • 4.1.1 IQ正交偏差
    • 4.2 内部校准
      • 4.2.1 算法概述
        • 4.2.1.1 标称复制品生成
          • 4.2.1.1.1 标称图像复制品生成
          • 4.2.1.1.2 标称PG复制品生成
        • 4.2.1.2 校准脉冲提取
        • 4.2.1.3 复制品重建
        • 4.2.1.4 复制品提取和内部时间延迟估计

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。

原始数据分析包括以下内容:

  1. 计算原始数据的平均值。
    原始数据的I和Q通道的平均值,分别表示为μI 和μQ ,计算方法如下:

其中N和M是要分析的原始数据子集的维度,并且I=ReE

  1. 计算原始数据的标准差。
    原始数据I和Q通道的标准差,分别表示为 ( \sigma_I ) 和 ( \sigma_Q ),计算方法如下:
  1. 计算IQ增益不平衡,( \rho ),以及它的下限和上限,( \rho_1 ) 和 ( \rho_2 )。
  1. 计算IQ正交偏差,( \theta ),以及它的下限和上限,( \theta_1 ) 和 ( \theta_2 )。
    这种算法的详细描述在下面的4.1.1节中展示。

  2. 设置统计显著性标志
    对于每个μI(I的平均值)和μQ(Q的平均值)、ρ(增益不平衡)和θ(正交偏差),评估所得到的值是否显著,即如果该值超出了计算出的下限/上限。如果情况如此,将使用预定义的值(从输入辅助文件中读取)代替。更准确地说:

  • I偏置显著性标志设置为:

如果成立则为FALSE;否则为 TRUE。
Q偏置显著性标志设置为:

如果成立则为 FALSE;否则为 TRUE。

IQ增益显著性标志设置为:

如果成立则为 FALSE;否则为 TRUE。

IQ正交偏差显著性标志设置为:

如果成立则为 FALSE;否则为 TRUE。

4.1.1 IQ正交偏差

  1. 对于每个范围线k,计算I和Q通道之间的相关系数:
  1. 对于每个范围线k,计算Zk 如下:
  1. 计算向量 (Zk) 的平均值和标准差,其中k=1,2,…,N:
  1. 计算IQ正交偏差 θ 及其下限和上限θ1 和θ2:

4.2 内部校准

Sentinel-1图像的内部校准是基于从每次数据采集相关的校准测量和噪声测量中提取的信息,这些信息是仪器执行的初始、间隔和最终内部校准序列的一部分。 校准序列有两种类型:

  1. 图像校准序列由仪器模式下每个子条带的标称成像带宽的校准脉冲组成,使用每个子条带的唯一啁啾参数;以及,
  2. PG校准序列由全带宽的校准脉冲组成,使用仪器模式下第一个子条带的啁啾参数。
    图像校准序列存在于每个数据采集的前导部分和尾随部分。图像校准数据可以用来创建参考复制品,该复制品用于生成范围参考函数,如第6.1.1节所述。
    PG校准序列存在于前导部分和尾随部分,并在每个数据采集的图像序列中交错。PG校准数据用于执行仪器漂移校正,如第9.4节所述。
    一般而言,本节中的信息既适用于图像校准数据,也适用于PG校准数据。在两种校准数据类型存在差异的所有情况下,都会明确区分。
    本节介绍:
  3. 算法概述,如第4.2.1节所述
  4. 算法实现,如第4.2.2节所述

4.2.1 算法概述

• 标称复制品生成,如4.2.1.1.1节所述;
• 校准脉冲提取,如4.2.1.1.2节所述;
• 复制品重建,如4.2.1.1.3节所述;
• 复制品提取和时间延迟估计,如4.2.1.1.4节所述;
• 仪器漂移推导,如4.2.1.1.5节所述;
• 复制品系数生成,如4.2.1.1.7节所述;
• PG产品验证,如4.2.1.1.8节所述;
• 噪声测量处理,如4.2.1.1.9节所述。

4.2.1.1 标称复制品生成

本节描述了图像和PG校准操作的标称复制品向量的生成。本节中使用了以下符号:

  • TXPL 发射脉冲长度 [秒]
  • TXPSF 发射脉冲起始频率 [赫兹/秒]
  • TXPRR 发射脉冲坡度速率 [赫兹/秒²]
4.2.1.1.1 标称图像复制品生成

标称图像复制品是从标称图像相位系数数组生成的,该数组是一个可配置的输入参数。在样本时间 tn 的标称图像复制品生成如下:

其中 φ 是一个包含四个可配置的啁啾相位系数的数组,通常定义如下:

4.2.1.1.2 标称PG复制品生成

标称PG复制品是从下行链路头文件中提取的啁啾脉冲参数生成的。在样本时间tn 的标称PG复制品生成如下:

4.2.1.2 校准脉冲提取

Sentinel-1 IPF支持六种类型的内部校准测量(或信号):

  1. 发射校准信号(Txcal)
  2. 发射H隔离校准信号(TXHcaliso)
  3. 接收校准信号(Rxcal)
  4. EPDN校准信号(EPDNcal)
  5. 瓦片放大器校准信号(Tacal)
  6. APDN校准信号(APDNcal)

校准脉冲所经过的路径既取决于其类型,也取决于信号的极化。

原则上,可以直接从这五种校准测量中获得复制品。然而,为了消除泄漏信号的影响,引入了脉冲编码校准(PCC)方法。这种方法将单一复制品重建所需的脉冲测量数量增加到9个:每个Txcal、Rxcal、Tacal和EPDNcal有两个PCC脉冲,加上一个没有使用PCC技术编码的校准脉冲,用于APDN。根据不同的获取模式,这9个脉冲将被放置(见[A-3]第4.10节中的校准时间线):

  • 对于SM模式,在数据采集的开始和结束时,以及WV模式的每个小画面(vignette);
  • 在SM模式的数据采集过程中定期进行;
  • 在IW/EW模式的每个突发结束时。

图像和PG校准的校准信号都包含在专用的数据包中。图像校准信号的采样频率是测量数据的采样频率(即衰减过滤后的采样频率),而PG校准信号的采样频率为100 MHz。校准信号没有经过BAQ或FDBAQ编码,因此可以直接使用(见第9.1.2节)。图像校准信号依赖于子条带和极化,而每个子条带的PG校准信号都是使用模式内第一个子条带的接收参数获取的。因此,它们仅依赖于极化,并且对于PG校准信号,子条带之间的接收增益功率差异通过应用每个子条带的增益补偿来弥补,这个增益补偿是根据第4.2.1.5节中描述的图像校准数据计算得出的。

在接下来的内容中,将在时间ηn接收到的通用校准数据包表示为一个包含M个复数样本的向量(注意,n表示排名为1或2,如方程4-27所需的那样):

校准信号的获取时间在文档[A-6]的第5.3节中有描述,并且其时序图在下面的图4-1中重复展示。校准信号的M个复数样本在图4-1中等同于Ncal个样本。

PCC-2编码技术用于四种脉冲类型,这是更通用的PCC-N技术的特例。PCC-N技术是通过将一系列N个相干校准脉冲并行发送通过所需的信号路径来实现的。各个连续的信号被乘以因子“+1”或“-1”(后者增加了180度的相位偏移)。每条路径都由一个独特的序列标识。

编码操作可以写成:

其中Y和S分别是测量信号和输入信号的向量,而HN 是一个维度为N=2^{k} 的哈达玛矩阵。由于HN的特性,这个方程可以很容易地被逆用来获得解码后的向量S:

在PCC-2的情况下,这种逆变换并不需要以一般形式进行;这可以通过简单地考虑两个脉冲被180度移位来避免。校准信号重建中包含的脉冲的选择是由可配置的输入参数控制的。在下面的方程中,变量x和y被用来表示被选为信号重建的校准脉冲。

因此,从8个PCC编码的校准测量中,可以推导出以下4个校准信号,这些信号将用于复制品重建:

如前所述,APDNcal校准测量不是PCC编码的,因为它只包含被动元件,不能进行相位移动。APDNcal信号水平较低,因此使用了一系列N个脉冲来提高信噪比(其中N是一个可配置的输入参数):

发射H极化信号的校准序列,TXHcal,不是PCC2编码的。相反,一个独特的校准脉冲,TXHcaliso(发射H校准隔离)脉冲从TXHcal脉冲中减去以形成信号:

4.2.1.3 复制品重建

复制品是描述啁啾和仪器链对实际传输的雷达信号影响的仪器响应函数。它通过适当地结合第4.2.1.1节中描述的得到的校准脉冲 STXcal(m)、SRXcal(m)、SEPDNcal(m)、STAcal(m) 和 SAPDNcal(m)来派生。

为了简洁起见,本节及后续节中提供的公式仅适用于HH/HV双极化情况,VV/VH情况是类似的。

每个校准数据包m的复制品都按照[R-13]中的描述进行重建,具体如下:

脉冲名称中的字母H或V表示发射路径的极化,而括号中的字母表示接收到脉冲的通道。

还要注意,计算rep HV m(跨极化通道的复制品)依赖于共极化通道的脉冲,除了(SRXcal(m))。如果由于某种原因共极化脉冲不可用,则无法计算跨极化复制品,而可以使用标称复制品代替。这也导致了跨极化通道计算的PG(接收增益乘以发射功率)依赖于共极化通道,因为PG是从重建的复制品中派生出来的。

4.2.1.4 复制品提取和内部时间延迟估计

内部时间延迟是复制品位置与上图4-1中“Tx Pulse”位置的偏差。它可以通过以下方式从PG校准数据计算得出:

其中:

是下文第二步计算的相关峰值位置;

是图4-1中描述的校准数据包内发射脉冲时间的可配置输入参数;


是图4-1中描述的校准数据包内抑制的衰减滤波器瞬态时间的可配置输入参数;

所有PG校准序列的平均内部时间延迟将被用来对重建的图像复制品(如下所述)和范围匹配滤波器进行时间偏移,如第6.1.1节所述。

如上图4-1所示,啁啾复制品位于所获得的采样窗口的中间。复制品的第一个样本位置应通过将上述第4.2.1.3节的输出与标称啁啾进行相关性比较来确定。提取复制品的完整程序如下:

  1. 将重建的复制品(来自第4.2.1.3节)与标称啁啾(来自第4.2.1.1节)进行互相关。

  2. 使用FFT放大和抛物线插值寻找相关峰值,以精确峰值位置。复制品的第一个样本位于相关峰值处。对于PG校准序列,将此峰值位置转换为时间,并表示为


    如果此互相关步骤未能找到有效的峰值位置,则应丢弃当前的校准序列。
  3. 如果这是一个图像复制品:

(1)通过将3dB宽度、PSLR和ISLR与可配置输入参数中预定义的阈值进行比较来验证复制品。如果任何检查失败,则为当前复制品设置 replicasValid = FALSE,并寻找下一个校准脉冲。否则,继续进行后续步骤。

(2)对重建的图像复制品进行时间偏移,使相关峰值位置处于样本边界上。这个时间偏移应为所有PG校准序列的平均

并通过在频域中使用相位坡道来完成。

(3)从相关峰值确定的第一个样本位置开始提取TXPL复数样本。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/bicheng/43727.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

C++:CV::Point函数简介

cv::Point 是 OpenCV 库中用于表示二维坐标系下点的一个基本数据类型。它提供了在图像处理、计算机视觉等领域中定位和操作点的能力。以下是关于 cv::Point 的详细介绍: 基本属性 类型:cv::Point 是一个模板类,通常用于处理整数坐标&#x…

解决打印PDF文本不清楚的处理办法

之前打印PDF格式的电子书,不清晰,影响看书的心情,有时看到打印的书的质量,根本不想看,今天在打印一本页数不多,但PDF格式的书感觉也不太清楚,我想应该有办法解决,我使用的是解决福昕…

2017年,我成为了技术博主

2017年9月,我已经大三了。 >>上一篇(爪哇,我初窥门径) 我大二学了很多java技术,看似我一会就把javaweb/ssh/ssm这些技术栈给学了。 这些技术确实不难,即便是我,我都能学会,…

可以添加todo清单桌面小组件的便签哪个好?

在我们快节奏的生活中,有效的时间管理和任务追踪是必不可少的。为了实现这一目标,许多人选择使用桌面便签,尤其是那些具有Todo清单桌面小组件的便签。但是,面对市场上众多选择,可以添加todo清单桌面小组件的便签哪个好…

C++八股(四)之STL

目录 一、讲一下C++的STL 二、vector list异同⭐⭐ 三、vector的底层实现⭐⭐ 四、vector和deque的区别 ⭐⭐ 五、deque和queue的区别⭐⭐ 六、为什么list里面还要再定义一个sort函数⭐ 七、STL底层数据结构实现⭐ 八、利用迭代器删除元素会发生什么?⭐⭐⭐⭐ 九、map…

14 Portainer轻量级图形化监控

目录 Portainer:Docker轻量级可视化工具 1. 安装与访问 2. 使用 3. Portainer配置 nginx Portainer:Docker轻量级可视化工具 Portainer是一款轻量级的应用,它提供了图形化界面,用于方便地管理Docker环境,包括单机…

db期末复习自用[应试向 附习题]

第一章 数据库系统实现整体数据的结构化,主要特征之一,是db区别于文件系统的本质区别。 数据库系统三个阶段:人工、文件、数据库系统。 数据库管理系统的功能:数据库定义、操纵 、(保护、存储、维护)、数…

Jmeter在信息头中设置Bearer与 token 的拼接值

思路:先获取token,将token设置成全局变量,再与Bearer拼接。 第一步:使用提取器将token值提取出来,使用setProperty函数将提取的token值设置成全局变量,在登录请求后面添加BeanShell取样器 或者 BeanShell后…

数据结构作业/2024/7/9

2>实现双向循环链表的创建、判空、尾插、遍历、尾删、销毁 fun.c #include "head.h" //1.双向循环链表的创建 doubleloop_ptr create_list() …

STM32实战篇:按键控制LED

按键控制LED 功能要求 有两个按键,分别控制两个LED灯。当按键按下后,灯的亮暗状态改变。实物如下图所示: 由图可知,按键一端直接接地,故另一端所对应IO引脚的输入模式应该为上拉输入模式。 实现代码 #include "…

《C++20设计模式》中单例模式

文章目录 一、前言二、饿汉式1、实现 三、懒汉式1、实现 四、最后 一、前言 单例模式定义: 单例模式(Singleton Pattern)是一种创建型设计模式,其主要目的是确保一个类只有一个实例,并提供全局访问点来访问这个实例。…

mysql实战入门-基础篇

目录 1、MySQL概述 1.1、数据库相关概念 1.2、MySQL数据库 1.2.1、版本 1.2.2、下载 1.2.3、安装 输入MySQL中root用户的密码,一定记得记住该密码 1.2.4、启动停止 1.2.5、客户端连接 1.2.6、数据模型 2、SQL 2.1、SQL通用语法 2.2、SQL分类 2.3、DDL 2.3.1、数据…

GNU/Linux - Linux Kernel Device model

Linux 设备模型是 Linux 内核中的一个框架,它提供了一种统一、一致的方式来管理和表示硬件设备。设备模型抽象了硬件的细节,使得开发和维护驱动程序和子系统变得更加容易。以下是 Linux 设备模型的关键组成部分和概念: 关键组成部分 设备 (D…

算力感知网络系统架构模型、任务模型、 通信模型、计算和存储资源模型

目录 移动边缘计算——计算卸载 计算卸载 算力感知网络系统架构模型、任务模型、 通信模型、计算和存储资源模型 算力感知路由和算力资源分配 香农定理 1. 通信系统设计与优化 2. 数据压缩 3. 杂音抵消 4. 信道容量评估 香农公式计算 计算步骤 举例说明 传输信号的…

金融电商社交媒体等领域的大数据应用案例

大数据在各个行业都有广泛的应用,以下是几个典型领域的例子: 金融领域: 大数据帮助金融机构进行风险评估和信贷决策,通过收集和分析客户的交易历史、信用记录等信息,预测贷款违约率。例如,信用卡公司可以…

PHP验证日本免费电话号码格式

首先,您需要了解免费电话号码的格式。 日本免费电话也就那么几个号段:0120、0990、0180、0570、0800等开头的,0800稍微特殊点,在手机号里面有080 开头,但是后面不一样了。 关于免费电话号码的划分,全部写…

【前端从入门到精通:第十二课: JS运算符及分支结构】

JavaScript运算符 算数运算符 关于自增自减运算 自增或者自减运算就是在本身的基础上进行1或者-1的操作 自增或者自减运算符可以在变量前也可以在变量后,但是意义不同 自增自减运算符如果在变量前,是先进行自增或者自减运算,在将变量给别人用…

Python面试题:请解释什么是反射(reflection)?

在计算机科学中,反射(reflection)是指程序在运行时检查、修改和调用自身结构的能力。这种能力允许程序在运行时动态地获取有关其自身的信息(如类、方法、属性等),并进行操作。反射通常用于创建灵活且可扩展…

idea集成本地tomcat

由于网课老师使用的是eclipse,但是……本人用的是idea,所以不得不去找教程。 解决方案1: https://blog.csdn.net/weixin_54048131/article/details/131359793 这个地方,路径一定要到这个tomcat 否则不识别: 这里的JRE也要配置一下 新问题&…

力扣1943.描述绘画结果

力扣1943.描述绘画结果 map存差分 遍历每组数据 加入res class Solution {public:vector<vector<long long>> splitPainting(vector<vector<int>>& segments) {map<int,long long> mp;for(auto t:segments){mp[t[0]] t[2];mp[t[1]] - t[…