Sentinel-1 Level 1数据处理的详细算法定义（五）

中遥科

已于 2024-08-03 09:56:57 修改

阅读量255

点赞数 7

分类专栏：哨兵1卫星数据各级产品说明文档（中文版）文章标签：算法 sentinel 哨兵1 L1算法文档 SAR 哨兵1算法文档

于 2024-08-02 23:32:13 首次发布

中遥科

本文链接：https://blog.csdn.net/qq_27113267/article/details/140881690

版权

哨兵1卫星数据各级产品说明文档（中文版）专栏收录该内容

17 篇文章 0 订阅

订阅专栏

《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：

5 多普勒中心频率估计算法

5.3 高精度直流（DC）估计的解包

5.3.1 算法概述

精细多普勒中心频率估计值的解包裹是在一维方式下沿范围方向进行的。精细估计值 $f_{(\eta)c}(kT_s)$ ,应该在范围方向上以采样间隔 $T_s$ 进行采样。

方位向的解包裹则通过考虑如第5.4节所述的绝对多普勒中心频率导出的模糊度来确保。

解包裹算法假定估计值相对于它们线性分量的残差没有被包裹。

第一步是估计沿范围方向的归一化多普勒中心频率估计值的线性分量的系数 a 和 b:

其中 $\tau$ 是范围（快速）时间。

线性模型参数a 和b 是通过基于快速傅里叶变换（FFT）的估计器得到的。首先，精细估计值被归一化到脉冲重复频率（PRF），然后计算傅里叶变换：

如果估计值的贡献被一个权重函数 $w(\tau)$ 加权，这个表达式可以被重写为：

那么：

其中 TS 是精细估计的采样间隔。

残差多普勒中心频率（DCE）随后被计算为：

然后，通过将残差加到估计的（已解包裹的）线性趋势上，并乘以脉冲重复频率（PRF），得到解包裹的多普勒中心频率估计值：

5.3.2 算法实现

解包裹算法的输入是当前方位向块对应的精细多普勒中心频率估计值（公式5-20）。

1.计算向量 u：

2.对向量 u 进行零填充，以适应快速傅里叶变换（FFT）的长度，这样FFT可以在频率域中以密集的网格进行评估。FFT的长度是一个可配置的输入参数。

3.对零填充后的向量进行FFT。

4.根据公式（5-24）估计线性分量的系数 𝑎 和 𝑏。

5.计算残差向量：

6.计算解包裹后的多普勒中心频率向量：

5.4 绝对多普勒中心频率估计

绝对多普勒中心频率（DC）估计值是通过使用如第5.3.2节中描述的解包裹后的精细DC估计值以及从轨道和姿态（第5.1节）得出的绝对DC计算中的模糊度来计算得出的。

对于每个方位向块执行以下操作：

在基带解包裹数据中的精细多普勒中心频率（FDC）（参见第5.2节和5.3节）。
将解包裹的数据中的FDC偏移至几何计算出的FDC的模糊度（参见第5.1节）。
评估几何中的FDC以生成一系列跨范围的FDC点的数组。
计算数据中解包裹的FDC与几何中的FDC之间的差异（delta FDC）。
对差异FDC执行多项式拟合。
将差异FDC的多项式系数加到几何FDC的系数上，以计算该方位向块的数据FDC多项式。

5.5 多项式拟合

多项式拟合执行两次：一次用于从轨道和姿态（第5.1节）计算的DC频率，一次用于从数据（第5.4节）估计的DC频率。有关DCE块大小和更新频率的更多细节，请参见第5.6节。

这个步骤是为每个方位向块执行的，取决于数据是单条带还是多条带：

单条带（Stripmap类型模式）的多项式拟合：
寻找二次多项式的系数 $p(x)=c_0+c_1x+c_2x^2$ ,使其拟合绝对多普勒中心频率估计数据 $p(r_i)$ to $g_i$ ,这是对DC估计值的最小二乘多项式拟合，其中拟合过程会检测并排除异常的DC估计值（见5.5.1节）。
多条带（TOPSAR模式）的多项式拟合

到目前为止描述的所有算法都是独立地为每个子条带执行的（见图3-1）。相比之下，对于给定的方位向块，多条带情况下的多项式拟合是考虑到所有子条带中的所有单独范围估计值来执行的。

TOPSAR的多项式拟合程序与上面讨论的单条带情况相同，只是它是跨所有子条带来执行的。

一旦在所有子条带中推导出多项式，就会使用附录[R-11]中描述的算法对每个单独子条带的第一个多项式进行调整。这个算法也在ASAR处理器中实现。

开发这个算法的目的是为了捕捉在子条带之间可能发生的DC频率跳跃，这可能是由于在切换时的电子波束指向误差造成的。算法中利用的思想是，在所有子条带中，多项式必须由同一组系数定义，常数项除外。这意味着对于每个子条带s

其中S 是子条带的数量。

这意味着只有在子条带边界处才允许发生阶梯变化，这些变化由 $c_{0(s+1)}-c_{0s}$ 定义，，其中 s = 1, 2, …, S-1。

问题通过在多项式系数上施加上述约束，以最小二乘意义解决所有子条带中所有DC估计点的问题。

该算法仅对数据中的绝对DC估计值执行。

5.5.1 DC估计质量测量

从数据得到的DC估计值通常会受到各种与场景内容相关的因素影响而产生偏差。因此，仔细评估每个块估计值的可靠性至关重要。
这是通过执行最小二乘多项式拟合到DC估计值来完成的，在拟合过程中，检测并排除异常的DC估计值（见5.5.1节）。拟合过程还会产生一个均方根误差度量，指示输入DC估计值与拟合DC值之间的均方根差异（在排除任何异常值之后）。IPF使用的DC估计质量指标对应于所选输入DC估计值与拟合值之间的这种均方根误差度量。

5.6 处理块尺寸

DC估计在数据的一个方位向块上执行。在精细DC估计阶段，一个方位向数据块的全范围范围被进一步细分为根据输入配置参数设置的范围块。对于这些块中的每一个，都会计算一个DC估计值。

范围和方位块可以重叠，以便允许更平滑的DC频率变化。方位和范围块的大小是可配置的输入参数。此外，对于方位块，估计的间距是可配置的输入参数，而对于范围块，块的数量是可配置的输入参数。通过这种方式，可以控制块之间的重叠量。

必须仔细选择后续一级处理阶段的DC估计的处理块尺寸：

• 如果尺寸太大（无论是范围还是方位），估计可能会受到自然变化的影响，这种变化随着范围的变化而变化，并且在较小程度上随着方位角的变化而变化。

• 如果方位块的尺寸太小，估计可能会因为可能的脉冲响应截断而受到影响。因此，方位块的尺寸必须比方位足迹尺寸大得多。为了最小化边缘效应（主要由部分暴露的目标引起），方位块的理想尺寸是天线足迹的十倍。然而，这将导致非常大的方位块（在C波段SAR情况下约为40公里长），这与第一个约束冲突。至少考虑两倍的因素是足够的。在TOPSAR中，由于天线的反向到正向扫描，足迹尺寸减少了大约3到4倍（如3.1.2节所述），因此一个完整的突发可以作为方位块使用。对于波模式，方位块的尺寸由数据自然划分为小品决定。

6 SLC处理算法

Sentinel-1 IPF的斜距单视复数（SLC）处理模块负责正确地在距离和方位两个方向上对图像进行聚焦。

SLC处理模块接收以下输入：
• 原始信号数据
• 预处理输出参数，包括轨道信息
• 如第5节所述生成的DCE多项式
SLC处理算法由以下步骤组成，按方位向块逐块执行：

距离处理，如第6.1节所述
方位预处理，如第6.2节所述
方位处理，如第6.3节所述
方位后处理（仅限TOPSAR），如第6.4节所述

请注意，在本节中，除非另有说明，'方位向块’将通用地使用，也用于指代突发（对于TOPSAR模式）或小画幅（对于WV模式）。
对于TOPSAR模式，每个子条带中的每个突发独立处理，生成独立的SLC图像。单独聚焦的突发图像按方位时间顺序被包含进单个子条带图像中，其间用黑色填充分隔。图6-1展示了SLC处理算法的处理步骤。

6.1 距离处理

SLC处理的距离处理步骤包括以下操作：

[NORM] 计算距离参考函数（RRF），如第6.1.1节所述。
对当前方位向信号数据块中的每行距离线执行以下操作：
a) 原始数据解码，如第9.1节所述
b) 原始数据校正，如第9.2节所述
c) [NORM] 漂移补偿，如第9.4节所述
RFI（无线电频率干扰）抑制[可选]，根据处理器配置，可以在时域和频域执行，如9.24.2节和9.24.3节所述
对当前方位向信号数据块中的每行距离线执行以下操作：
a) 距离压缩，如第6.2.2节所述
b) [NORM] 距离依赖增益校正，如第6.1.2节所述
SWST（采样窗口起始时间）偏差校正，如第6.1.3节所述

6.1.1 范围参考函数（RRF）

用于范围压缩的匹配滤波器，也称为范围参考函数（RRF），生成方式如下：

参考复制品 Rep(𝑡) 是根据从提取的啁啾复制品或名义啁啾得出的幅度和相位系数计算的。
o 对于L1产品，啁啾幅度被反转，以便在范围压缩后数据频谱将是平坦的。这称为频谱白化。如果需要应用杂散信号校正，啁啾持续时间将限制为𝑇XPL,nom ，如9.2.2.2节所述。
o 对于L2产品，参考复制品的带宽扩展到范围采样率。这是通过扩展啁啾持续时间实现的，使得带宽高达范围采样率，并且在整个范围采样率上幅度被设置为平坦。
对 Rep(𝑡) 进行零填充至 𝑁fft 长度，并使用该大小的FFT变换到频率域，得到 𝑅(𝑓)，大小为 𝑁fft。
计算 𝑅(𝑓) 的复共轭 𝑅∗(𝑓)。
通常，一个加权窗口 𝑊𝑟(𝑓) 被应用到共轭上，得到 𝑅(𝑓)。然而，对于Sentinel-1 IPF，加权窗口通常在后处理中应用，如7.1节所述，在SLC处理期间不应用加权。
对应于双极化错位，通过应用频率域线性相位坡道向RRF引入一个时间偏移 Δ𝑡， $exp(-2j\pi f \Delta t)$ ,见4.2.1.4节。
[NORM] 计算 R(f) 的能量 E 为：
[NORM] 通过将 𝑅(𝑓) 除以 $\sqrt{E}$ 将滤波器能量归一化为单位。
使用上述符号，RRF可以表示为：
最后，将双极化复数增益校正乘以RRF。

6.1.2 距离依赖增益校正

对由第6.2.2节中描述的距离压缩算法得到的距离压缩线应用距离依赖增益校正。距离依赖增益校正有两个组成部分：

[NORM] 像第9.5.1节中描述的那样，进行天线仰角模式校正。
[NORM] 像第9.6节中描述的那样，进行距离扩散损耗校正。
当前行对应的天线仰角模式乘以距离扩散损耗校正向量。然后将结果应用到当前的距离压缩线上。
天线仰角模式和距离扩散损耗校正的应用由可配置的输入参数控制。
请注意，在进行距离依赖增益校正时，也会执行热噪声估计（见第9.17节），其目的是将其注释到产品中。