1 引言
我国是世界上地质灾害最严重、受威胁人口最多的国家之一;其中,滑坡灾害是地质灾害中发生频率和危害最大的一种,占地质灾害发生总数的一半左右,因此对滑坡灾害的实时监控和即时预警具有重大意义。在地质灾害的监测预报中,监测仪器主要是以目标区的位移变形监测为主;获取监测区域的连续时间、三维形变高精度数据是滑坡准确临滑预警的关键所在。
传统技术手段中,微波监测技术相比于接触式、光学、红外等,优势明显。微波监测技术主要包括差分GPS[1]和干涉SAR(Synthetic Aperture Radar(SAR) Interferometry, InSAR)技术[2-3]两大类。差分GPS监测精度高(mm量级),且具有全天候与连续监测能力,但只能进行点监测,布站间距几十到上百公里,无法实现空间无缝覆盖。InSAR具有精度高和空间上无缝监测的优势,但是目前星载SAR轨道高度低(1000 km以下),重访时间长,导致两次测量的时间间隔大,难以对突发地质灾害进行近实时响应。因此,上述技术手段均存在不能满足时间、空间的双连续形变监测的难题。
为解决上述难题,提出了基于导航卫星的InBSAR(GNSS-based Bistatic SAR Interferometry, GNSS-InBSAR)[4-5],采用导航卫星作为照射源,本质上是一种外辐射源雷达,在信号层面实现了导航和雷达的技术耦合,从而综合了差分GPS和InSAR技术的优势,具备时间、空间的双连续形变监测能力,即具备对边坡场景高分辨微波成像,同时对突发形变灾害可实现及时预警,因此是近年来雷达界的研究热点。
导航卫星的设计初衷并非用作雷达遥感,因此它并不是合适的雷达外辐射源;相比于传统雷达传感器(以PALSAR-2星载雷达[6]为例),其发射功率低、轨道高、带宽窄,为传统雷达遥感系统理论、模型、算法等带来了严重挑战。从传统SAR系统理论与算法体系出发,自从GNSS-InBSAR概念提出之初,即在作用距离、分辨能力、图像特征、干涉模型等基础模型、算法方面存在诸多新问题需要回答。经过持续多年的研究,相关的新问题已在2003～2012年的十年间陆续得到解决[7-10],Antoniou M等人于2015年总结前人工作,就该系统分辨率、功率预算、信号处理流程以及实验等方面做了详细总结[11]:
作用距离、分辨模型、同步与成像算法、高程与形变反演模型等系统理论与算法在[7-10]系列文献中得到解决,拓展了传统理论和算法的边界,也为后续可行性演示验证奠定了基础;
实测GNSS-InBSAR雷达图像在视觉上大多表现为场景内强散射点目标(高楼、大树等)的冲激响应的联合[9],类似传统雷达图像中场景纹理信息难以体现,且图像的动态范围受限;
实测的首个GNSS-InBSAR形变反演精度达到10 mm量级[12],很快精度提升到5 mm量级[13],但这些结果均是基于类转发器的强点目标获得,需要开展进一步的研究。
另一方面,从导航卫星作为系统外辐射源的角度出发,GNSS-InBSAR系统存在极高的自由度的优势,截至2019年9月23日,在轨的导航卫星数量如表2所示,这会对系统性能会带来极高的非线性收益,是该系统区别于传统遥感传感器的突出特点,也是该系统概念的核心优势所在。所谓系统自由度,在这里是指对于同一个场景,可同时进行电磁信号覆盖的导航卫星的数目N;由于国际上存在4大导航卫星系统,根据4星定位的基本准则,N的取值>16,故存在极高的自由度。接收机同时获取N颗导航卫星的信号,从信号和信息的角度来说,这时可获取目标场景的高维信息。
2012年以后,相关研究在多个方面取得了重要的进展;本文将着重针对GNSS-InBSAR的高自由度所带来的新问题、新算法研究现状和进展进行综述,并对后续的研究趋势进行分析。
文章后续章节安排如下:第二部分介绍GNSS-InBSAR系统的概念内涵和工作原理;第三部分重点介绍多角度成像和演示验证的研究进展;第四部分重点介绍多基线干涉处理和演示验证的最新进展;第五部分为结论,指出了当前阶段该系统实际应用仍面临的挑战和未来研究工作。
2 系统概念与工作原理
GNSS-InBSAR系统以导航卫星(参数见表1)作为照射源,地面静止多通道接收机,采集导航卫星的直达波信号与待监测临滑场景区域的反射信号(图1所示),经过直达波同步[8,14],通过成像算法[15-19]获取场景的SAR图像;结合导航卫星的重轨,采集同一场景区域的SAR图像,结合相位干涉思想,实现高精度形变信息反演和测量[12-13]。
图1 GNSS-InBSAR系统拓扑构型
Fig.1 GNSS-InBSAR system topology
导航卫星和某PALSAR-2星载雷达的典型参数如表1所示。
表1 导航卫星与雷达卫星的典型参数对比
Tab.1 System parameters for GNSS satellite and typical spaceborne SAR
系统参量导航卫星数值遥感雷达(PALSAR-2)数值载频L波段L波段EIRP(有效全向辐射功率)23.9 dBW～70 dBW轨道高度22000 km(中轨道)36000 km(同步轨道)628 km(低轨道)发射带宽0.5～10 MHz84 MHz(精细模式)
当前在轨的导航卫星主要包括北斗(中国)、GPS(美国)、GLONASS(俄罗斯)、Galileo(欧洲)、QZSS(日本)与NAVIC(印度),其中QZSS与NAVIC系统仅支持区域性服务,未实现全球部署[20-21]。表2可见,当前有超过120颗导航卫星在轨实时运行,同一时间、同一区域下有多颗卫星可见,是一个天然的多基地系统。
表2 导航星座在轨卫星数[22-24]
Tab.2 Available GNSS satellite numbers
星座有效在轨卫星数BeiDou39GPS31*GLONASS22Galileo24QZSS4NAVIC8
*:截止至2019年4月24日
因此,GNSS-InBSAR系统的自由度是传统雷达无法比拟的,其突出的优势和研究难点均来自于系统的高自由度;近年来,在高自由度带来的GNSS-InBSAR联合高分辨、多角度融合成像、三维形变反演、层析成像等方面的研究得到了广泛关注,取得了一定程度的技术突破。
3 多角度融合成像与演示验证
GNSS-InBSAR可同时获取多个导航卫星对应的多角度场景回波信号,可极大的增强系统成像能力;这种成像能力提升主要体现在:i)二维分辨率增强,ii)融合图像纹理增强,从而获取分辨率更高的场景图像、纹理信息更加丰富的场景图像[25]。
图2 单角度图像(左)与多角度融合结果(右)
Fig.2 Images for single angle(left) and multi-angle(right)
二维分辨率增强背后的物理机理是:通过对同一空间位置在不同角度下的分辨单元进行非线性融合(幅度、或能量叠加),可有效改善较差分辨方向的分辨率,提升系统二维分辨能力。伯明翰大学的学者[26-28]对上述问题开展了研究,对系统多角度点扩散函数(MPSF)进行了理论与仿真分析,通过直接叠加不同角度下的PSF[10]得到的MPSF发现,可有效提升目标的分辨单元面积(图3,表3)。从图3的结论可见,PSF分辨方向的夹角对于融合后MPSF改善因子有决定性的影响:当两个PSF分辨方向正交时,融合后MPSF分辨单元面积改善最大。
表3 MPSF分辨单元面积改善情况
Tab.3 Resolution area improvement of MPSF
MPSFA1+A2A1+A3A2+A3A1+A2+A3δmax/m10.257.039.307.45δmin/m4.125.234.844.74Area/m229.6128.7938.7729.61
在上述研究的基础上,来自伯明翰大学和罗马大学的研究团队[29]将MPSF应用到实际场景的成像处理中,得到了场景的多角度融合图像(图4):道路两旁的树干在L波段下可看作圆柱形散射体(标记为五角星),通过不同角度下的散射点关联发现多角度下图像关联位置与实际目标位置相吻合,同时分辨单元面积获得较大的改善。但,当两个强目标距离较近时,MPSF会出现伪影(Ghosts),影响对实际场景目标的位置提取(图4-c中除去树干位置后的其他亮点)。
为了解决伪影带来的图像解译问题,该团队进一步提出了适用于GNSS-InBSAR系统的CLEAN算法[30-31],通过多次迭代的方式,实现伪影干扰的最小化,从而准确估计出目标的实际位置。
图3 MPSF分辨单元面积改善关系曲线
Fig.3 MPSF area as a function of the difference in bistatic PSF orientation
图4 Metchley公园道路成像结果. (a) 双基地图像A. (b) 双基地图像B. (c) 多基地图像
Fig.4 Image of Metchley park road. (a) BSAR A. (b) BSAR B. (c) MSAR
图5 CLEAN算法伪影消除结果: (a) 双基地A. (b) 双基地B. (c) 多基地消除结果
Fig.5 Image after CLEAN processing: (a) BSAR A. (b)BSAR B. (c) MSAR
图6 多角度融合图像
Fig.6 Multi-angle fused image
融合图像纹理增强背后的物理机理是:多角度拓扑构型不同,对应雷达图像的有效聚焦区域不同,拓扑多样性保证了多角度图像间的互补性,从而使得融合后的图像出现纹理信息。根据待融合的有效聚焦区域的不同,融合策略可分为两大类:i)同一个小范围场景的信息密度增强融合;ii)不同角度不同场景的大范围增强融合。
北京理工大学研究团队[32]在信息密度增强融合方面开展了基于我国北斗导航卫星的双基地SAR图像融合实验,在江苏省常熟某地区获取了26幅不同入射角的SAR图像,采用幅度信息融合,得到融合图像如图7所示,细节信息丰富,但部分细节之间的分界不甚清晰,影响图像解译;为此,进一步提出了基于感兴趣区域(ROI)优选的自适应图像融合算法(图7),在像素级实现了多角度图像非相干融合,增强了图像SNR与纹理细节的丰富度[33-35]。从图8的多角度融合结果来看,湖面一般双基地构型下呈现出镜面反射的特性,同时湖面和道路的轮廓都非常清晰与完整,融合后的图像降低了后期对SAR图像的解译难度。
图7 ROI融合算法流程图
Fig.7 Flowchart of ROI fusion algorithm
图8 新算法得到的多角度融合图像
Fig.8 Multi-angle fused image for new algorithm
在上述研究的基础上,该团队进一步开展了大范围增强融合的研究工作。在场景中心部署多角度接收机系统,通过广义GNSS卫星优选模型进行多角度合理选星,保证各角度场景的分辨率优异且均衡,从而得到360°场景回波的采集,结合多角度图像融合以提升系统的有效成像范围[33]。从图9得实验结果可以看到,经过优化后的GNSS-InBSAR系统可以实现的成像面积约为2 km×1.8 km,图像纹理信息实现了一定程度的增强。
图9 大场景成像实验结果
Fig.9 Fused image with larger area
4 多基线联合干涉与演示验证
GNSS-InBSAR干涉的基本思想是重轨干涉,同样可同时获取多个导航卫星对应的多基线、多角度干涉数据对,可极大的增强系统干涉能力;这种干涉能力增强主要体现在:i)三维形变测量,ii)高度层析,从而获取场景区三维形变、高度维的目标分辨。
三维形变测量完全继承自导航卫星三维定位的原理,即导航卫星可同时多角度入射同一场景区域,彻底解决了传统低轨InSAR在方位形变测量精度差的难点问题。北京理工大学研究团队[13,36-39]在三维形变测量上取得了突破性的进展,提出了基于永久散射点(PS点)的三维形变反演处理算法和流程(图10),并通过修正位置精度因子(PDOP)模型,实现了测量结果的精度理论值的准确评估;构建位于高精度位移台的转发器来模拟可形变的PS点,优选北斗IGSO1/2/4/5作为实验中的外辐射源,共采集16组重轨数据,整个实验配置如图11所示。
图10 GNSS-InBSAR系统形变反演流程
Fig.10 Flowchart of deformation retrieval algorithm for GNSS-InBSAR
图11 三维形变反演实验配置
Fig.11 Experimental setup for 3D deformation retrieval
采用所提算法,得到了实测三维形变测量精度优于5 mm,与修正GDOP模型的理论结果进行对比(表4),吻合度非常高,充分验证了GNSS-InBSAR应用于场景内强点高精度形变测量的可行性,为地质灾害提供了新的监测思路。
表4 三维测量精度结果
Tab.4 3D deformation retrieval accuracy
方向理论精度/mm实测精度/mmX轴1.41.68Y轴2.32.82Z轴3.64.22
图12 GNSS-InBSAR 三维反演结果
Fig.12 3D deformation retrieval results of GNSS-InBSAR
图13 第二组GNSS-InBSAR三维反演实验结果
Fig.13 3D deformation retrieval results of 2nd GNSS-InBSAR Experiment
研究团队通过将转发器的距离从50 m增加到150 m,对三维形变测量进行第二组实测数据验证。图13给出了对应三维形变测量结果,表5给出了实测三维形变精度和理论精度,可见两者吻合度很高,验证了所提算法和模型的正确性。同时,转发器距离增加后的测量精度略差,体现了SNR降低等因素的影响。
表5 第二组GNSS-InBSAR三维测量精度
Tab.5 3D deformation retrieval accuracy of 2ndGNSS-InBSAR Experiment
方向理论精度/mm实测精度/mmX轴6.517.29Y轴4.805.02Z轴4.584.32
GNSS-InBSAR系统的导航卫星同时可见的数目非常多,大大提升了层析处理所需的空间采样密度,对处理精度和可实现性具有重要的意义。北京理工大学研究团队[40]首次将TomoSAR引入进了GNSS-InBSAR系统中,开展了基于我国北斗IGSO卫星的层析处理验证实验,在28天时间跨度下,共采集了23组有效数据,卫星的空间高度维基线跨度达到了430 km,对应高度维分辨率为5 m;图14是回波成像与解译结果;通过层析成像处理,成功对场景内的两栋高楼实现了3D层析成像(图15),获得了高楼的高度。通过与激光雷达DEM数据对比,所提取的高度误差在米量级(表6),验证了相关理论与方法的可行性,为GNSS-InBSAR在高度测量方面提供了新思路。
图14 SAR图像与光学图像对比结果(解译)
Fig.14 Comparison of SAR image and optical image
表6 层析处理提取高度与激光雷达获取DEM的对比结果
Tab.6 Comparison between Building Heights Tomography and LIDAR
高程测量结果高楼AB激光雷达/m53.852.4层析处理/m56.049.0误差/m2.23.4
图15 基于图像集进行高度向成像处理后 的方位-高度切面
Fig.15 Azimuth-height profiles of the tomographic processing results
5 结论
本文在分析了GNSS-InBSAR系统基本概念的前提下,不同于传统InSAR系统的侧重点,核心讨论了众多的导航卫星作为外辐射源时,所带来的高自由度,及其带来的非线性系统得益,主要以多角度成像、多基线干涉两个维度为切入点,对所提出的新算法、新技术及其实测数据的演示验证结果等,进行综述性分析与讨论;可以看出,在GNSS-InBSAR的多角度成像、多基线干涉两个维度均取得了可喜的成果。
另一方面,当前的算法和演示验证研究工作大多围绕城区场景、或强点目标展开,对实测边坡的关注度有所欠缺。未来的研究工作间重点可逐步转换到非城区场景(如边坡,大坝,桥梁等)等实际边坡的研究上,尤其是实测边坡形变测量的可行性研究。此外,GNSS-InBSAR的实时信号与信息处理技术也是未来研究的重点之一。
[1] Leonard L, Currie C, Mazzotti S, et al. Rupture Area and Displacement of Past Cascadia Great Earthquakes from Coastal Coseismic Subsidence[J]. Geological Society of America Bulletin, 2010, 122(122): 2079-2096.
[2] Bamler R, Hartl P. Synthetic Aperture Radar Interferometry[J]. Inverse Problems, 1998, 14(4): 1-54.
[3] 李平湘, 杨杰. 雷达干涉测量原理与应用[M]. 北京: 测绘出版社, 2006.
Li Pingxiang, Yang Jie. Radar Interferometry Principal and Applications[M]. Beijing: Surveying & Mapping Publishing House, 2016.(in Chinese)
[4] Cherniakov M, Zeng T, Plakidis E. Galileo Signal-based Bistatic System for Avalanche Prediction[C]∥2003 IEEE International Geoscience and Remote Sensing Symposium (IGARSS). Toulouse France: IEEE, 2003: 784-786.
[5] Cherniakov M. Space-Surface Bistatic Synthetic Aperture Radar-Prospective and Problems[C]∥RADAR 2002, Edinburgh UK: IET, 2002: 22-25.
[6] Kankaku Y, Sagisaka M, Suzuki S. PALSAR-2 Launch and Early Orbit Status[C]∥2014 IEEE International Geoscience & Remote Sensing Symposium (IGARSS), Quebec City Canada: IEEE, 2014: 3410-3412.
[7] Cherniakov M, Plakidis E, Antoniou M, et al. Passive Space-Surface Bistatic SAR for Local Area Monitoring: Primary Feasibility Study[C]∥2009 European Radar Conference (EuRAD), Rome Italy: IEEE, 2009: 89-92.
[8] Saini R, Zuo R, Cherniakov M. Signal Synchronization in SS-BSAR based on GLONASS Satellite emission[C]∥2007 IET International Conference on Radar Systems, Edinburgh UK: IET, 2007: 1-5.
[9] Ferretti A, Prati C, Rocca F. Permanent Scatterers in SAR Interferometry[J]. IEEE Transactions on Geoscience and Remote Sensing, 2001, 39(1): 1-20.
[10]Zeng T, Cherniakov M, Long T. Generalized Approach to Resolution Analysis in BSAR[J]. IEEE Transactions on Aerospace and Electronic Systems, 2005, 41(2): 461- 474.
[11]Antoniou M, Cherniakov M, Ma H. Space-Surface Bistatic Synthetic Aperture Radar with Navigation Satellite Transmissions: A Review[J]. SCIENCE CHINA Information Sciences, 2015, 58: 1-20.
[12]Antoniou M, Liu F, Zeng Z, et al. Coherent Change Detection using GNSS-based Passive SAR: First Experimental Results[C]∥2012 IET International Conference on Radar Systems, Glasgow UK: IET, 2012: 1-5.
[13]Liu Feifeng, Fan Xuezhen, Zhang Tian, et al. GNSS-Based SAR Interferometry for 3-D Deformation Retrieval: Algorithms and Feasibility Study[J]. IEEE Transactions on Geoscience and Remote Sensing, 2018, 56(10): 5736-5748.
[14]张天, 田卫明, 曾涛, 等. 星地双基地SAR时频同步技术研究[J]. 信号处理, 2013, 29(3): 326-335.
Zhang Tian, Tian Weiming, Zeng Tao, et al. Tempral-Frequency Synchronization of Space-Surface BiSAR[J]. Journal of Signal Processing, 2013, 29(3): 326-335.(in Chinese)
[15]Antoniou M, Cherniakov M, Hu C. Space-Surface Bistatic SAR Image Formation Algorithms[J]. IEEE Transactions on Geoscience and Remote Sensing, 2009, 47(6): 1827-1843.
[16]Antoniou M, Zeng Z, Liu F, et al. Experimental Demonstration of Passive BSAR Imaging using Navigation Satellites and a Fixed Receiver[J]. IEEE Geoscience and Remote Sensing Letters, 2012, 9(3): 477- 481.
[17]Cazzani L, Colesanti C, Leva D, et al. A Ground-based Parasitic SAR Experiment[J]. IEEE Transactions on Geoscience and Remote Sensing, 2002, 38(5): 2132-2141.
[18]Saini R, Zuo R, Cherniakov M. Problem of Signal Synchronization in Space-Surface Bistatic Synthetic Aperture Radar based on Global Navigation Satellite Emissions-Experimental Results[J]. IET Radar, Sonar & Navigation, 2010, 4(1): 110-125.
[19]田卫明, 曾涛, 胡程. 基于导航信号的BiSAR 成像技术[J]. 雷达学报, 2013, 2(1): 39- 45.
Tian Weiming, Zeng Tao, Hu Cheng. GNSS-based BiSAR Imaging Algorithm[J]. Journal of Radars, 2013, 2(1): 39- 45.(in Chinese)
[20]孟祥广, 孙越强, 白伟华, 等. 北斗卫星广播星历精度分析[J]. 大地测量与地球动力学, 2016, 36(10): 870- 873.
Meng Xiangguang, Sun Yueqiang, Bai Weihua, et al. BeiDou Satellite Broadcasting Ephemeris Accuracy Analysis[J]. Journal of Geodesy and Geodynamics, 2016, 36(10): 870- 873.(in Chinese)
[21]Dow J, Neilan R, Rizos C. The International GNSS Service in a Changing Landscape of Global Navigation Satellite Systems[J]. Journal of Geodesy, 2009, 83(7): 689- 689.
[22]International GNSS Service. [DB/OL]. http:∥mgex.igs.org/
[23]GPS: The Global Positioning System. [DB/OL]. https:∥www.gps.gov/
[24]GLONASS NEWS. [DB/OL]. https:∥www.glonass-iac.ru/en/
[25]Nithirochananont U, Antoniou M, Cherniakov M. Passive GNSS-Based Multistatic SAR: First Experimental Results[C]∥2018 19th International Radar Symposium, Bonn: IEEE, 2018: 1-9.
[26]Daout F, Schmitt F, Ginolhac G, et al. Multistatic and Multiple Frequency Imaging Resolution Analysis-Application to GPS-Based Multistatic Radar[J]. IEEE Transactions on Aerospace and Electronic Systems, 2012, 48(4): 3042-3057.
[27]Santi F, Antoniou M, Pastina D, et al. Passive Multi-static SAR with GNSS Transmitters: First Theoretical and Experimental Results with Point Targets[C]∥10th European Conference on Synthetic Aperture Radar, Berlin Germany: VDE, 2014: 1- 4.
[28]Santi F, Antoniou M, Pastina D. Point Spread Function Analysis for GNSS-Based Multistatic SAR[J]. IEEE Geoscience and Remote Sensing Letters, 2015, 12(2): 304-308.
[29]Santi F, Pastina D, Bucciarelli M, et al. Passive Multi-static SAR with GNSS Transmitters: Preliminary Experimental Study[C]∥2014 11th European Radar Conference, Rome Italy: IEEE, 2014: 129-132.
[30]Santi F, Bucciarelli M, Pastina D, et al. CLEAN technique for passive bistatic and multistatic SAR with GNSS transmitters[C]∥2015 IEEE Radar Conference (RadarCon), Arlington VA: IEEE, 2015: 1228-1233.
[31]Santi F, Bucciarelli M, Pastina D, et al. Spatial Resolution Improvement in GNSS-Based SAR using Multistatic Acquisitions and Feature Extraction[J]. IEEE Transactions on Geoscience and Remote Sensing, 2016, 54(10): 1-15.
[32]Zeng Z, Antoniou M, Zhang Q, et al. Multi-Perspective GNSS-based Passive BSAR: Preliminary Experimental Results[C]∥2013 14th International Radar Symposium, Dresden Germany: IEEE, 2013: 467- 472.
[33]Liu F, Fan X, Zhang L, et al. GNSS-based SAR for Urban Area Imaging: Topology Optimization and Experimental Confirmation[J]. International Journal of Remote Sensing, 2019, 40(12): 4668- 4682.
[34]Zeng Tao, Ao Dongyang, Hu Cheng, et al. Multi-angle BiSAR images enhancement and scatting characteristics analysis[C]∥2014 International Radar Conference, Lille: IEEE, 2014: 1-5.
[35]Zeng Tao, Ao Dongyang, Hu Cheng, et al. Multiangle BSAR Imaging Based on BeiDou-2 Navigation Satellite System: Experiments and Preliminary Results[J]. IEEE Transactions on Geoscience and Remote Sensing, 2015, 53(10): 5760-5773.
[36]Liu F, Antoniou M, Zeng Z, et al. Coherent Change Detection Using Passive GNSS-Based BSAR: Experimental Proof of Concept[J]. IEEE Transactions on Geoscience and Remote Sensing, 2013, 51(8): 4544- 4555.
[37]张凌志, 刘飞峰, 胡程. 基于导航卫星的干涉SAR数据采集策略优选方法分析[J]. 雷达学报, 待出版. doi: 10.12000/JR19065
Zhang Lingzhi, Liu Feifeng, Hu Cheng. Datasets Selection Algorithm for GNSS-based InSAR[J]. Journal of Radars, in press. doi: 10.12000/JR19065.(in Chinese)
[38]Tzagkas D, Antoniou M, Cherniakov M. Coherent Change Detection Experiments with GNSS-based Passive SAR[C]∥2016 European Radar Conference (EuRAD), London UK: IET, 2016: 262-265.
[39]Hu Cheng, Li Yuanhao, Dong Xichao, et al. Three-Dimensional Deformation Retrieval in Geosynchronous SAR by Multiple-Aperture Interferometry Processing: Theory and Performance Analysis[J]. IEEE Transactions on Geoscience and Remote Sensing, 2017, 55(11): 6150- 6169.
[40]Hu Cheng, Zhang Bin, Dong Xichao, et al. Geosynchronous SAR Tomography: Theory and First Experimental Verification Using Beidou IGSO Satellite[J]. IEEE Transactions on Geoscience and Remote Sensing, 2019, 57(9): 6591- 6607.
