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.rhkb.cn/news/372919.html

如若内容造成侵权/违法违规/事实不符,请联系长河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

Vuforia AR篇(八)— AR塔防上篇

目录 前言一、设置Vuforia AR环境1. 添加AR Camera2. 设置目标图像 二、创建塔防游戏基础1. 导入素材2. 搭建场景3. 创建敌人4. 创建脚本 前言 在增强现实(AR)技术快速发展的今天,Vuforia作为一个强大的AR开发平台,为开发者提供了…

前端图表库G2快速上手

文档地址&#xff1a; https://g2-v3.antv.vision/zh/docs/manual/getting-started/ https://g2.antv.antgroup.com/ 安装&#xff1a; pnpm i antv/g2在vue3中使用&#xff1a; <script setup> import {Chart} from antv/g2; import {onMounted} from "vue"…

python_zabbix

zabbix官网地址&#xff1a;19. API19. APIhttps://www.zabbix.com/documentation/4.2/zh/manual/api 每个版本可以有些差异&#xff0c;选择目前的版本在查看对于的api接口#token接口代码 import requests apiurl "http://zabbix地址/api_jsonrpc.php" data {&quo…

五、保存数据到Excel、sqlite(爬虫及数据可视化)

五、保存数据到Excel、sqlite&#xff08;爬虫及数据可视化&#xff09; 1&#xff0c;保存数据到excel1.1 保存九九乘法表到excel&#xff08;1&#xff09;代码testXwlt.py&#xff08;2&#xff09;excel保存结果 1.2 爬取电影详情并保存到excel&#xff08;1&#xff09;代…

苍穹外卖--启用和禁用员工

实现 package com.sky.controller.admin;import com.sky.constant.JwtClaimsConstant; import com.sky.dto.EmployeeDTO; import com.sky.dto.EmployeeLoginDTO; import com.sky.dto.EmployeePageQueryDTO; import com.sky.entity.Employee; import com.sky.properties.JwtPro…

使用Python绘制直方图并分析数据

使用Python绘制直方图并分析数据 在这篇博客中&#xff0c;我们将探讨如何使用Python中的pandas库和matplotlib库来绘制直方图&#xff0c;并分析数据文件中的内容。直方图是一种常用的图表类型&#xff0c;用于展示数据的分布情况。 代码示例 以下是一个完整的代码示例&a…

【2】A-Frame核心设计

一、基于HTML和Primitives的表达 1.HTML - 超文本标记语言 A-Frame 基于 HTML 和 DOM 之上&#xff0c;使用自定义元素的 polyfill。 HTML 是 Web 的构建块&#xff0c;提供了最易于访问的计算语言之一。无需安装或构建步骤&#xff0c;使用 HTML 创建仅涉及 HTML 文件中的文…

无人机之穿越机注意事项篇

一、检查设备 每次飞行前都要仔细检查穿越机的每个部件&#xff0c;确保所有功能正常&#xff0c;特别是电池和电机。 二、遵守法律 了解并遵循你所在地区关于无人机的飞行规定&#xff0c;避免非法飞行。 三、评估环境 在飞行前检查周围环境&#xff0c;确保没有障碍物和…

182440-00SF 同轴连接器

型号简介 182440-00SF是Southwest Microwave的一款连接器。该连接器采用 BeCu UNqS C17300 材料&#xff0c;并进行了镀金处理&#xff0c;以确保良好的导电性和耐腐蚀性&#xff1b;螺纹采用符合 ASTM A2582 标准的钢制合金&#xff0c;并进行磷酸盐钝化处理&#xff0c;以提高…

Labview_压缩文件

调用顺序 源文件 生成后的文件 1.新建ZIP文件 生成ZIP文件的路径&#xff1a;为最终生成ZIP文件的路径&#xff0c;需要提供ZIP文件的名称和类型 2.添加文件到压缩文件 源文件路径&#xff1a;为需要压缩的文件路径&#xff0c;非文件夹路径 生成ZIP文件时的路径&#x…

Git错误分析

错误案例1&#xff1a; 原因&#xff1a;TortoiseGit多次安装导致&#xff0c;会记录首次安装路径&#xff0c;若安装路径改变&#xff0c;需要配置最后安装的路径。

《RWKV》论文笔记

原文出处 [2305.13048] RWKV: Reinventing RNNs for the Transformer Era (arxiv.org) 原文笔记 What RWKV(RawKuv):Reinventing RNNs for the Transformer Era 本文贡献如下&#xff1a; 提出了 RWKV 网络架构&#xff0c;结合了RNNS 和Transformer 的优点&#xff0c;同…

触摸屏虚拟键盘组件 jQuery Virtual Keyboard使用 自定义键盘

如何在触摸设备上为输入域添加虚拟键盘&#xff1f; 一个插件可以解决这个问题&#xff0c;关键还支持高度自定义&#xff08;git地址&#xff09;&#xff1a; GitHub - Mottie/Keyboard: Virtual Keyboard using jQuery ~ 官网地址&#xff1a;Virtual Keyboard 使用步骤&…

Node.js 生成vue组件

在项目根目录下创建 create.js /*** 脚本生成vue组件* 主要是利用node自带的fs模块操作文件的写入* ===========================================* 准备步骤:* 1.输入作者名* 2.输入文件名* 3.输入菜单名* 4.输入文件地址* ============================================* 操…

【技术追踪】DiffuMatting:使用抠图级别注释合成任意对象(ECCV-2024)

万物生&#xff1a;Diffusion与绿幕抠图&#xff0c;影视领域的福音~ 论文&#xff1a;DiffuMatting: Synthesizing Arbitrary Objects with Matting-level Annotation 代码&#xff1a;https://github.com/HUuxiaobin/DiffuMatting &#xff08;即将开源&#xff09; 0、摘要 …

springboot煤炉网站代切系统-计算机毕业设计源码06656

目 录 摘要 1 绪论 1.1 课题目的与意义 1.2国内外研究现状 1.3论文结构与章节安排 1.4 Springboot框架介绍 2 Springboot煤炉网站代切系统系统分析 2.1 可行性分析 2.1.1 技术可行性分析 2.1.2 经济可行性分析 2.1.3 操作可行性分析 2.2 系统功能分析 2.2.1 功能性…

生成随机密码

生成8位无重复的密码&#xff08;可以包含数字、大小写字母&#xff09; import random import string character string.digits string.ascii_letters password .join(random.sample(character, 8)) print(f"生成的随机密码为:{password}")

【Spring Boot】Spring AOP中的环绕通知

目录 一、什么是AOP?二、AOP 的环绕通知2.1 切点以及切点表达式2.2 连接点2.3 通知&#xff08;Advice&#xff09;2.4 切面(Aspect)2.5 不同通知类型的区别2.5.1 正常情况下2.5.2异常情况下 2.6 统一管理切点PointCut 一、什么是AOP? Aspect Oriented Programming&#xff…

Leetcode - 133双周赛

目录 一&#xff0c;3206. 交替组 I 二&#xff0c;3207. 与敌人战斗后的最大分数 三&#xff0c;3208. 交替组 II 四&#xff0c;3209. 子数组按位与值为 K 的数目 一&#xff0c;3206. 交替组 I 直接暴力&#xff0c;代码如下&#xff1a; class Solution {public int n…

【前端项目笔记】9 数据报表

数据报表 效果展示&#xff1a; 在开发代码之前新建分支 git checkout -b report 新建分支report git branch 查看分支 git push -u origin report 将本地report分支推送到云端origin并命名为report 通过路由的形式将数据报表加载到页面中 渲染数据报表基本布局 面包屑导航…