1 引言
导航卫星星-地双基地SAR(GNSS-BSAR)是一种导航卫星作为外辐射源,在地面或近地面部署接收机以接收目标场景反射回波的非合作式双基地SAR系统[1-3]。目前可用的导航卫星星座包括北斗、GPS、伽利略、格洛纳斯[4-8]。近年来,导航卫星系统不断完善、扩充,导航卫星数量持续增加,在地表任意地点上空,可观测到至少16颗不同角度的导航卫星。除了辐射资源丰富,GNSS-BSAR用于地表观测还具有重轨时间短、覆盖范围广、可实现空时连续监测、成本低等突出优势,受到国内外学者的广泛关注。
边坡地区自然环境复杂,地形地貌多变,易发生滑坡、泥石流、崩塌等地质灾害,造成严重的人员伤亡和财产损失。据统计2019年全国共发生各类地质灾害6181起,死亡211人,直接经济损失达27.7亿元[23]。因此,在边坡地区开展地表监测研究具有重大的经济和社会价值。
此外,以往的GNSS-BSAR城区成像实验中,目标场景与地面接收机之间距离通常在数百米至1公里,而在边坡场景下开展实验,设备部署地点受到边坡场景环境的制约,可能导致地面接收机与地面场景之间的距离较近。由于GNSS-BSAR的分辨率不理想,导致目标场景的成像结果与其位于近场等距离环上的镜像混叠在一起,影响图像解译和后续的差分干涉、形变反演处理。为了确保边坡场景在近场构型下实验设计的有效性,亟需研究近场构型下GNSS-BSAR边坡场景实验几何构型优选方法。
2002年,英国伯明翰大学的学者首次提出利用导航卫星星-地双基地SAR进行地表观测的构想[1],并于2012年首次进行了导航卫星星-地双基地SAR城区成像验证实验[9]。2013～2015年,北京理工大学技术团队进行了GNSS-BSAR多角度成像实验,提出了GNSS-BSAR多角度图像融合方法,并利用GNSS-BSAR成像结果验证了利用GEO SAR进行地表观测的可行性[8,10-14];2015～2019年,多次开展城区多角度大场景GNSS-BSAR成像实验,验证了GNSS-BSAR城区观测的有效性[16,19-20,22];同时在GNSS-BSAR差分干涉形变反演方面取得突出进展[15,18,21],使用北斗二代IGSO卫星对人工转发器进行成像和三维形变反演处理,获得了精度优于5 mm的三维形变反演结果[17]。以上实验虽然证实了导航卫星城区成像以及进行差分干涉、形变反演应用的可行性,但目前尚缺少边坡地区的实验验证。
基于以上问题,本文提出了一种基于分辨率设计和等距离多普勒特性分析的导航卫星双基地SAR几何优选方法。通过双基地SAR分辨率理论分析和等距离多普勒线几何关系分析相结合,进行GNSS-BSAR分辨特性和等距离-多普勒特性联合优化,确定同时满足分辨率约束和等距离多普勒几何关系约束的接收机部署位置和导航卫星辐射源,为边坡场景有效回波数据的采集和成像处理奠定基础。第2部分GNSS-BSAR几何优选方法进行了详细阐述。第3部分介绍了边坡场景实验设备的部署情况,并对实测边坡成像结果进行了分析。第4部分对本文的工作进行总结。
2 GNSS-BSAR几何优选方法
GNSS-BSAR实验构型示意图如图1所示。
图1 GNSS-BSAR场景构型示意图
Fig.1 GNSS-BSAR scene configuration
直达波天线和回波天线均放置在地面,两者距离大约数十厘米,可认为在同一位置。直达波天线接收直接来自导航卫星发射的信号,回波天线接收从目标场景(边坡)处反射回来的导航信号。直达波天线和回波天线将信号传输至接收机进行下变频处理。直达波信号用于解算地面设备和卫星的位置、时频同步处理、消除信号传播路径的部分相位误差;回波信号用于后续的成像处理。
根据边坡场景实际情况,直达波天线和回波天线拟放置在目标边坡的东偏南60°方向附近,距离约80 m。选用北斗二代IGSO卫星作为辐射源。根据双基地SAR分辨率理论[24],GNSS-BSAR距离和方位向分辨率可由以下公式计算:
(1)
(2)
上式中,c为光速,B为信号带宽,β为双基地角,λ为载波波长,ωE=|ωT+ωR|/2为双基地等效角速度,Ts是方位向积累时间,ωT和ωR分别是发射机和接收机的角速度矢量,Θ是双基地角平分线方向的单位矢量,
是ωE方向上的单位矢量,Ωr和Ωa分别是ρr和ρa方向上的单位矢量。
由此可计算分辨单元面积
S=ρrρasin ϑ
(3)
其中ϑ=ang{Ωr,Ωa},ang为取角处理。
根据GNSS-BSAR系统参数,计算不同卫星在不同时刻的分辨性能,在积累时间设置为900 s时,分辨单元面积设计结果如图2所示。
图2 GNSS-BSAR分辨率设计结果
Fig.2 GNSS-BSAR Resolution design result
图2中,横轴是1天内的所有时段(0 h～24 h),横轴每个小格之间的间隔为0.5 h。纵轴是所有的北斗二代IGSO卫星,包括IGSO1～IGSO7。单元格中的颜色表示卫星在对应时刻的理论分辨单元面积,能够表示的理论分辨单元面积范围是40 m2～180 m2,图中空白区域表示卫星在对应时刻的理论分辨单元面积非常差,大于180 m2。分辨单元面积越小,表示卫星在对应时刻的分辨性能越好。图中用红框圈出的区域表示分辨性能较优的卫星和采集时段。
根据分辨率设计结果,IGSO3、IGSO5和IGSO6在12:00～14:00的分辨性能较好,理论分辨单元面积分别约为60 m2、80 m2和40 m2。IGSO1、IGSO3和IGSO4在19:00～21:00的分辨性能较好,理论分辨单元面积分别约为65m2、90 m2和50 m2。对以上卫星在分辨性能较优时段进行预采集,IGSO1、IGSO4、IGSO5、IGSO6均能正常跟踪,而IGSO3在19:00～21:00时段跟踪成功,在12:00～14:00未能跟踪。故对IGSO5和IGSO6在12:00～14:00时段,IGSO1、IGSO3和IGSO4在19:00～21:00时段的多普勒特性进行分析。
假设卫星在某一时刻t的位置矢量为Ps(t),目标场景中心的位置矢量为PQ,回波天线位置矢量为PE,则双基地瞬时斜距为
R(t)=|Ps(t)-PQ|+|PQ-PE|
(4)
瞬时多普勒频率为
(5)
令双基地瞬时斜距和多普勒频率为常数,即
(6)
依次绘制待选卫星在满足分辨率约束的某时刻的等距离-多普勒线,如图3所示。
图3 待选卫星等距离-多普勒线
Fig.3 Equidistance-Doppler line of selected satellites
绘制的等距离-多普勒线均以回波天线坐标为原点,两坐标轴范围均为-150 m到150 m,横轴为东西方向,纵轴为南北方向,能够覆盖场景中所有感兴趣的目标区域。位于东南方向,目标边坡附近的等距离线与等多普勒线的交点用绿色方框表示,与之对应的同一等距离线与等多普勒线的交点用黑色方框表示。
由此可见,IGSO1、IGSO3、IGSO4、IGSO5在满足分辨率约束的时段,东南方向目标场景区域附近,等距离线与等多普勒线在坐标轴范围内有2个交点,即目标场景在同一等距离环上会出现镜像。由于目标场景与回波天线处于近场构型,目标场景处等距离环切割等多普勒线的长度较短。导航信号带宽较窄,例如北斗二代卫星发射的CA码带宽仅有20.46 MHz,实际的距离向分辨率十几米甚至数十米,距离分辨率方向与等多普勒线方向平行,目标场景与其镜像之间等多普勒线较短,导致目标场景与其镜像的成像结果在距离向上混叠在一起。而IGSO6在东南方向目标场景附近,等距离线与等多普勒线只有1个交点,即在成像区域内,目标场景没有镜像出现,成像结果可以用于图像解译、差分干涉、形变反演处理。
综上所述,在近场构型下,需要通过地面接收机和导航卫星几何位置的优选,保证分辨特性较优的同时,避免小等距离环上的镜像对目标场景的成像结果造成干扰。即求解分辨单元面积最小和目标区域内同一组等距离-多普勒线的交点最少的多目标联合优化问题:
minPE(m),PS(n)(t),t F[PE(m),PS(n)(t),t]=
s.t.[R(PE(m),PS(n)(t),t)=r]∈I
[fd(PE(m),PS(n)(t),t)=f]∈I
(7)
其中,待优化项是回波天线位置PE(m),卫星位置PS(n)(t),采集时刻t约束下的分辨单元面积函数和目标场景内同一组等距离-多普勒线交点函数,PE(m)是所有待选回波天线放置位置集合PE=[PE(1),PE(2),...,PE(M)]中的一个元素,PS(n)(t)是所有待选导航卫星的位置集合PS(t)=[PS(1)(t),PS(2)(t),...,PS(N)(t)]中的一个元素,R(PE(m),PS(n)(t),t)=r和fd(PE(m),PS(n)(t),t)=f分别是成像范围内等距离线和等多普勒线的集合,r=[r1,r2,...,rp]和f=[f1, f2,..., fq]分别为成像范围内的斜距集合和多普勒频率集合,I为目标场景位于成像范围内的区域。
基于分辨特性分析和等距离-多普勒分析结合的GNSS-BSAR近场构型几何优选方法的流程图如图4所示。首先根据目标场景的地理情况,选定天线等地面设备的部署位置。随后进行分辨特性和等距离-多普勒特性联合优化过程,包括初选分辨特性较优的卫星、预采集确认卫星信号可接收、分析卫星成像等距离-多普勒特性、判断卫星成像是否存在镜像混叠问题,如果目标区域内同一组等距离-多普勒线只有一个交点,则不存在镜像混叠问题,选定该卫星作为GNSS-BSAR的辐射源,完成近场几何构型优选过程,开始数据采集和成像处理;否则,目标区域内同一组等距离-多普勒线有两个及以上交点,则存在镜像混叠问题,导致成像质量恶化,需要重新选择观测地点,再次进行优选流程。
图4 GNSS-BSAR近场构型几何优选流程
Fig.4 GNSS-BSAR near-field configuration geometry optimization process
3 GNSS-BSAR边坡成像结果
在重庆的某边坡地区开展GNSS-BSAR监测实验。地面试验设备部署情况如图5和图6所示。根据上文提出的几何优选方法,直达波天线和回波天线均放置在建筑物外侧平台上,位于目标边坡的东偏南60°方向,选用IGSO6作为辐射源,回波和直达波数据的采集时段为14:00～16:00。直达波天线和回波天线通过射频同轴线缆与放置在室内的多通道接收机连接。多通道接收机对直达波信号和回波信号进行下变频处理后,将信号传输至实时处理板卡。实时处理板卡负责对直达波信号进行捕获、跟踪、解算处理,并利用结算后的直达波作为参考信号对回波信号进行脉冲压缩处理[25-28]。实时处理板卡通过网线连接将脉冲压缩后的回波数据和帧头信息发送至上位机。帧头包括帧号、电文序列、卫星仰角、俯仰角、多普勒频率、解算标志等有用信息。上位机将脉冲压缩后的回波数据和帧头信息保存在本地硬盘。后续由上位机对回波数据进行方位向压缩处理,得到边坡场景区域成像结果。
图5 GNSS-BSAR天线部署情况
Fig.5 GNSS-BSAR antenna deployment
图6 GNSS-BSAR室内设备部署情况
Fig.6 GNSS-BSAR Indoor equipment deployment
图7是积累时间400 s,具有镜像模糊问题的成像结果图,坐标轴设置与图3相同,幅度单位是dB。
图中红色方框标出的是直达波成像结果,绿色方框标出的是目标场景成像结果,黑色方框标出的是目标场景镜像。以上4幅图目标场景均与其位于同一等距离线上的镜像混叠在一起,与上文等距离-多普勒分析结果一致,无法进行散射点有效提取和二维分辨性能评估。成像结果表明,在当前地面接收设备部署构型和采集时段的约束下,IGSO1、IGSO3、IGSO4和IGSO5无法避免镜像模糊问题,不具有连续采集和图像后处理的价值。
图8是积累时间400 s,无镜像模糊问题的成像结果图,坐标轴设置与图3及图7相同,幅度单位是dB。
图7 GNSS-BSAR成像结果(有镜像模糊)
Fig.7 GNSS-BSAR imaging results(with mirror image blur)
图8 GNSS-BSAR成像结果(无镜像模糊)
Fig.8 GNSS-BSAR imaging results(without mirror image blur)
图中红色方框标出的是直达波成像结果,绿色方框标出的是目标场景成像结果。以上2幅图表明,IGSO6在13:00左右的成像结果,目标场景区域散射点边界较为清晰,无距离向模糊现象。成像结果与IGSO6的等距离-多普勒分析结论相吻合,具备在12:00～14:00时段对IGSO6进行连续采集,对成像结果进行后续处理的价值。
经评估,8月7日12:48 IGSO6的成像结果图,绿色方框内最强散射点的距离向、方位向分辨率分别约为18 m、10.5 m,分辨单元面积约为160 m2;8月9日13:07 IGSO6的成像结果图,绿色方框内最强散射点的距离向、方位向分辨率分别约为14 m、11 m,分辨单元面积约为145 m2。实际成像结果中强散射点分辨单元面积与分辨特性理论设计结果相比明显偏大,其原因如下:(1)进行分辨特性设计时,为了充分体现不同卫星同一时刻分辨特性的差异,设置积累时间较长,为900 s,而实际成像积累时间只有400 s,方位向分辨率降低;(2)分辨特性理论分析采用理想点目标模型,而边坡区域的散射特性较为复杂,可能导致不同高度平面上的散射点投影至一个分辨单元,造成二维分辨性能恶化;(3)采集信号使用的接收机、实时处理板卡会引入非理想的相位误差,也会导致二维分辨性能下降。
将8月7日12:48和8月9日13:07 IGSO6的GNSS-BSAR成像结果与google earth同一区域的光学图像进行融合。图9中[0 m 0 m]坐标点仍为回波天线坐标,图像坐标中心为[70 m -60 m]。图像融合结果表明,GNSS-BSAR成像结果中,东南方向的强散射点与真实边坡位置能够对应上,验证了GNSS-BSAR边坡场景观测的可行性和有效性。
图9 成像场景光学图像及与GNSS-BSAR图像融合结果
Fig.9 Fusion of optical image and GNSS-BSAR image
4 结论
在导航卫星双基地SAR边坡监测应用中,针对导航卫星双基地SAR近场成像出现的目标区域镜像模糊问题,提出了一种基于分辨率分析和等距离-多普勒分析的导航卫星双基地SAR近场几何优选方法,先根据目标场景实际情况选定天线等地面设备的位置,之后进行双基地分辨特性与等距离-多普勒特性的多目标联合优化过程,选定成像结果无镜像模糊的导航卫星辐射源。使用北斗二代IGSO卫星在重庆边坡地区开展实验,基于本文提出的优选方法,在选定接收天线的位置后,采集中午时段IGSO6卫星作为辐射源的直达波和回波数据,成功获取了无镜像模糊的边坡区域成像结果,为后续开展GNSS-BSAR边坡地区长时间监测、GNSS-BSAR边坡图像干涉和形变反演处理研究奠定了基础。
[1] CHERNIAKOV M, ZENG T, PLAKIDIS E.Galileo signal-based bistatic system for avalanche prediction[C]∥IGARSS 2003.2003 IEEE International Geoscience and Remote Sensing Symposium.Proceedings(IEEE Cat.No.03CH37477).Toulouse, France.IEEE, 2003: 784-786.
[2] CHERNIAKOV M.Space-surface bistatic synthetic aperture radar-prospective and problems[C]∥RADAR 2002.Edinburgh, UK.IET, 2002: 22-25.
[3] 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.
[4] LI Yonghong, RIZOS C, DONSKOI E, et al.3D multi-static SAR system for terrain imaging based on indirect GPS signals[J].Journal of Global Positioning Systems, 2002, 1(1): 34-39.
[5] SAINI R, ZUO R, CHERNIAKOV M.Signal synchronisation in SS-BSAR based on GLONASS satellite emission[C]∥IET International Conference on Radar Systems 2007.Edinburgh, UK.IET, 2007: 61-65.
[6] ANTONIOU M, CHERNIAKOV M.Experimental demonstration of passive GNSS-based SAR imaging modes[C]∥IET International Radar Conference 2013.Xi’an.IET, 2013: 1-5.
[7] MA Hui, ANTONIOU M, CHERNIAKOV M.Passive GNSS-based SAR resolution improvement using joint Galileo E5 signals[J].IEEE Geoscience and Remote Sensing Letters, 2015, 12(8): 1640-1644.
[8] 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.
[9] ANTONIOU M, CHERNIAKOV M.GNSS-based bistatic SAR: A signal processing view[J].EURASIP Journal on Advances in Signal Processing, 2013, 2013(1): 1-16.
[10] ZENG Tao, AO Dongyang, HU Cheng, et al.Multi-angle BiSAR images enhancement and scatting characteristics analysis[C]∥2014 International Radar Conference.Lille, France.IEEE, 2014: 1-5.
[11] ZHANG Tian, TIAN Weiming, ZENG Tao, et al.Multi-angle fusion of SS-BiSAR images using Compass-2/Beidou-2 Satellites as opportunity illuminators[C]∥2014 International Radar Conference.Lille, France.IEEE, 2014: 1-4.
[12] DONG Xichao, HU Cheng, TIAN Weiming, et al.Feasibility study of inclined geosynchronous SAR focusing using Beidou IGSO signals[J].Science China Information Sciences, 2016, 59(12): 1-3.
[13] ZENG Tao, ZHANG Tian, TIAN Weiming, et al.Space-surface bistatic SAR image enhancement based on repeat-pass coherent fusion with Beidou-2/compass-2 as illuminators[J].IEEE Geoscience and Remote Sensing Letters, 2016, 13(12): 1832-1836.
[14] ZENG Tao, ZHANG Tian, TIAN Weiming, et al.Permanent scatterers in space-surface bistatic SAR using Beidou-2/Compass-2 as illuminators: Preliminary experiment results and analysis[C]∥2016 European Radar Conference(EuRAD).London, UK.IEEE, 2016: 169-172.
[15] ZENG Tao, ZHANG Tian, TIAN Weiming, et al.A novel subsidence monitoring technique based on space-surface bistatic differential interferometry using GNSS as transmitters[J].Science China Information Sciences, 2015, 58(6): 1-16.
[16] LIU Feifeng, FAN Xuezhen, ZHANG Lingzhi, 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.
[17] 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.
[18] 张天.基于导航卫星的双基地差分干涉SAR形变反演技术研究[D].北京: 北京理工大学, 2018.
ZHANG Tian.Change Detection Using Global Navigation Satellite System based Bistatic Differential Interferometric Synthetic Aperture Radar[D].Beijing: Beijing Institute of Technology, 2018.(in Chinese)
[19] FAN Xuezhen, LIU Feifeng, ZHANG Tian, et al.Passive SAR with GNSS transmitters: Latest results and research progress[C]∥2017 IEEE International Geoscience and Remote Sensing Symposium(IGARSS).Fort Worth, TX.IEEE, 2017: 1043-1046.
[20] 范学祯, 刘飞峰, 张天, 等.基于北斗导航卫星的BiSAR大场景成像[J].信号处理, 2017, 33(4): 546-550.
FAN Xuezhen, LIU Feifeng, ZHANG Tian, et al.Large scene imaging of BiSAR using Bei Dou navigation satellite system[J].Journal of Signal Processing, 2017, 33(4): 546-550.(in Chinese)
[21] 范学祯.基于导航卫星InSAR人工地物成像与形变监测技术研究[D].北京: 北京理工大学, 2018.
FAN Xuezhen.Research on GNSS-based InSAR artificial features imaging and deformation monitoring technology[D].Beijing: Beijing Institute of Technology, 2018.(in Chinese)
[22] 曾涛, 刘飞峰, 田卫明, 等.基于导航卫星的InBSAR信号处理与实验验证[J].信号处理, 2020, 36(3): 317-327.
ZENG Tao, LIU Feifeng, TIAN Weiming, et al.GNSS-based InBSAR signal processing and experimental confirmation[J].Journal of Signal Processing, 2020, 36(3): 317-327.(in Chinese)
[23] 方志伟.全国地质灾害通报(2019年)[R].北京: 地调局环境检测院, 2019.
FANG Zhiwei.National Geological Hazard Bulletin(2019)[R].Beijing: Geological Survey Bureau Environmental Testing Institute, 2019.(in Chinese)
[24] ZENG Tao, CHERNIAKOV M, LONG Teng.Generalized approach to resolution analysis in BSAR[J].IEEE Transactions on Aerospace and Electronic Systems, 2005, 41(2): 461-474.
[25] 张凌志.GNSS-InSAR形变监测的非理想误差与快速处理研究[D].北京: 北京理工大学, 2020.
ZHANG Lingzhi.Research on Non-ideal Errors and Fast Processing of GNSS-InBSAR Deformation Retrieval[D].Beijing: Beijing Institute of Technology, 2020.(in Chinese)
[26] ZHANG Lingzhi, LIU Feifeng, WANG Zhanze, et al.Passive GNSS-based SAR data acquisition and real-time preprocessing system[C]∥2019 IEEE International Conference on Signal, Information and Data Processing(ICSIDP).Chongqing, China.IEEE, 2019: 1-4.
[27] 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, 2019, 8(5): 624-630.
ZHANG Lingzhi, LIU Feifeng, HU Cheng.Optimization method and analysis of data acquisition strategy based on interference SAR with GNSS transmitters[J].Journal of Radars, 2019, 8(5): 624-630.(in Chinese)
[28] ZHANG Lingzhi, LI Ke, LIU Feifeng, et al.Wide aperture image processing and analysis for BSAR with GNSS transmitters[J].The Journal of Engineering, 2019, 2019(19): 5548-5552.
