在过去十年中，合成孔径雷达 （SAR） 成为对地观测中不可或缺的信息来源。这主要是由于当前对更高空间分辨率和新型成像模式的趋势。这一发展的主要驱动力一直是机载 SAR 技术，该技术通常比星载传感器的能力领先数年。当今的机载传感器能够提供具有分米分辨率的高质量 SAR 数据，并允许开发数据分析和从 SAR 中提取信息的新方法。本文基于并总结了德国航空航天中心 （DLR） 在机载 SAR 技术及其应用方面的长期经验，综述了当今超高分辨率机载 SAR 传感器的能力和需求。描述了高分辨率机载数据处理的具体要求，然后对高分辨率 SAR 的新兴应用进行了广泛的概述。在许多情况下，从高分辨率航空 SAR 影像中提取信息已经达到了成熟的水平，使 SAR 技术越来越多地成为一种作战工具。这种能力目前主要局限于机载 SAR，可能会成为下一代星载 SAR 任务的典型特征。

合成孔径雷达 （SAR） 系统新时代的边缘。近年来，先进的 SAR 技术得到了快速发展;新传感器体现了多项新功能，例如更高分辨率、部分和全极化、先进的干涉测量设置和新的创新成像模式。实验和操作机载传感器一直是这一发展的主要驱动力，因为它们通常比星载传感器的能力领先数年。

特别是，高分辨率 SAR 数据的可用性目前正在开辟广泛的新应用领域。由于具有固有的散点效应，SAR 数据与相同细节级别的光学遥感数据相比，显得模糊和嘈杂。只有在具有强反射的无斑、点状或线性目标（通常是人造结构或车辆）上，SAR 的真正分辨率能力才能得到充分发展。因此，为了实现与光学数据相似的可解释性，通常需要分辨率明显更高的 SAR 数据。最近的 SAR 传感器系统能够实现低至几分米的分辨率，从而产生与现代亚米级光学系统相媲美的出色图像质量。这与全天候昼夜成像功能一起，使 SAR 成为理想的工具，特别是对于常规监测和测绘应用，在这些应用中，遥感数据的高度可靠性是必不可少的。

雷达图像包含的信息与从光学或红外传感器获得的图像完全不同。在光学范围内，物体表面的分子共振主要负责特征物体的反射率，而在微波区域，介电和几何特性与反向散射相关。因此，雷达图像强调了观察到的地形的地势和形态结构，以及地面电导率的变化，例如，由土壤水分差异引起的变化。由于对介电特性敏感，SAR 图像原则上还可以提供有关植被状况的信息，这是农业和林业应用的一个重要事实。SAR 数据的另一个重要特征来自微波的传播特性。微波能够穿透植被，甚至渗透到一定深度的地面 [1]。穿透能力取决于波长以及观察到的目标的复杂介电常数、电导率和密度。

除了传统的单通道 SAR 之外，两种多通道扩展在过去几年中也受到广泛关注：干涉 SAR （InSAR） 和极化 SAR （PolSAR）。在 InSAR 中，将两个或多个 SAR 图像组合在一起，这些图像是从略微位移的轨迹获取的，因此入射角略有不同。通过对相位差异的分析，这些采集可以生成精确的大规模数字表面模型。第一次 InSAR 实验已经在 1970 年代和 1980 年代使用喷气推进实验室 （JPL） 的机载和星载传感器进行 [2]、[3]。然而，直到 2000 年的航天飞机雷达地形测绘任务 [4] 为地球上的大部分陆地提供了中等分辨率的数字高程模型，InSAR 才成为一种高度认可和可操作的遥感工具。今天，由两颗高分辨率 SAR 卫星组成的 TanDEM-X 任务正在以前所未有的精度生成地球表面的新全球数字高程模型 [5]。

如今，InSAR 是一项强大且成熟的技术，可在大多数机载和星载传感器上运行。除了地形测绘外，SAR 干涉测量的扩展版本，称为差分干涉测量法 （DInSAR），可用于精确绘制高程变化 [6]。该技术允许在亚波长尺度上检测表面变形，通常在毫米范围内。由于其极高的精度，DInSAR 已被广泛应用于监测生态应力变化过程，如火山喷发前的突然同震位移或火山膨胀，过度监测采矿活动引起的人为沉降 [7]–[9] 到冰川动力学的测量 [9]–[11]。

SAR 极化法 （PolSAR） 是传统单通道 SAR 成像的另一大扩展。与所有电磁波一样，微波也具有矢量性质，雷达科学中散射问题的完整描述需要矢量矩阵公式。这就是雷达极化法的任务，该技术是由 G. W. Sinclair 于 1948 年引入“散射矩阵”的理论概念开始的 [12]。然而，直到 1980 年代和 1990 年代，随着德国航空航天中心 （DLR） 的 E-SAR [13]、加拿大的 CV580 系统 [14] 或 NASA/JPL 的 AIRSAR [15] 等极化机载传感器的数量不断增加，高质量的极化 SAR 数据才得到广泛使用。SAR 极化法的一个特殊特性是它允许区分不同类型的散射机制。这成为可能，因为观察到的极化特征在很大程度上取决于实际的散射过程。与传统的单通道 SAR 相比，SAR 极化法的加入因此导致分类和分割结果的质量得到显著提高 [16]–[18]。某些极化散射模型[19]甚至提供了散射过程的直接物理解释，允许估计土壤水分和表面粗糙度[20]等物理地面参数，以及自动识别不同散射体特征和目标类型的无监督分类方法[21]、[22]。

当今的新一代超高分辨率机载 SAR 传感器正在进一步突破从 SAR 图像中提取信息水平的极限。现代传感器在空间和辐射测量方面的分辨率提高，可以生成迄今为止 SAR 无法实现的新型信息产品。在许多情况下，从高分辨率航空 SAR 图像中提取信息已经达到了成熟的水平，而在星载情况下，高分辨率应用仍然相对较少。然而，可以预期，未来十年推出的下一代星载 SAR 传感器将使新颖的 SAR 概念投入正常运行。本文的其余部分将回顾基于现代高分辨率机载 SAR 的成熟信息产品的现状，并描述机载 SAR 高分辨率信号处理的现状，为此类应用奠定基础。

在机载 SAR 传感器向更高分辨率发展的同时，高效的 SAR 图像形成算法和运动补偿程序也得到了同步发展。这些发展是由于需要以适度的计算能力处理相对大量的数据，以及对空间分辨率、辐射和地理定位精度的精度要求不断提高而引发的。在本节中，简要回顾了最常用的图像形成算法，然后讨论了运动补偿和辐射校准方面的最新进展，所有这些都作为整体机载 SAR 处理概念的一部分进行介绍，首先介绍。

空间分辨率以及辐射和干涉校准精度对从 SAR 数据测量或推断物理参数的能力有直接影响。因此，必须将可用的最佳运动补偿和机载 SAR 聚焦算法集成到一个定义明确且整合的处理概念中，以确保最佳聚焦性能（见图 2）。用于运动补偿、天线方向图校正和辐射 SAR 数据校准的新算法是其中的一部分。由于多通道超高分辨率 （VHR） 系统的数据速率提高（例如，与以前的 E-SAR 系统相比，新的 F-SAR 系统记录高达 20 GB/min，相当于 120 倍），需要付出相当大的努力才能有效实施耗时的处理步骤。

高级极化和干涉 SAR 模式（极化、单通和重复通道干涉测量、断层扫描处理）的高分辨率数据处理被认为是每个现代 VHR SAR 处理器的核心部分，必须包括高精度的地形自适应运动补偿。通常需要进行预处理，以粗略补偿飞机的运动并校正传输脉冲的非理想特性。在某些情况下，还需要支持处理以步频模式采集的数据（例如，F-SAR 传感器的 VHR X 波段数据）。对于核心 2-D 聚焦操作，标准的扩展线性调频缩放 （ECS） 算法用于 F-SAR，但也可以使用其他精确的内核。在定期聚焦后，可以通过额外的加工步骤来确保高精度的辐射和几何校准。这种额外的校准基于完整、复杂的 3-D 天线方向图（仰角/方位角/频率），并在考虑飞行轨迹和传感器姿态以及合成孔径内的任何变化的情况下计算校正。因此，它可以改进通常在方位角压缩之前进行的辐射校准，并且通过校正通道间相位偏移，还可以改进极化校准。需要对大地坐标格网执行地理配准和重采样，以使数据适合集成到任何地理信息系统 （GIS） 中。特定的后处理算法（例如 Pol-InSAR、层析 SAR 处理、土壤水分检索）可以方便地对倾斜范围数据执行，并且仅对生成的最终信息产品进行地理配准。

SAR 图像形成基本上包括对记录的原始数据样本进行连贯的相位校正积分。不同的算法在实现空间自适应求和的准确性和效率方面彼此不同。原则上，可以区分时域算法和频域算法，前者最准确，但计算成本最高，后者更有效，通常更适合操作数据处理。

时域算法，通常称为直接反向投影 （DBP），通过考虑单个双向传播延迟，分别实现每个成像点的原始数据回波的相位校正积分。因此，它们最准确，可以轻松适应非线性飞行几何或具有较大运动误差的机载采集场景。由于它们的阶次计算复杂性N3哪里N是假设方位角和距离样本的数量相等，它们的用途仅限于处理小区域，并且它们主要用作开发更高效算法的参考处理器。直接反向投影的一种有效实现是 [37] 中提出的快速分解反向投影 （FFBP） 算法。它在不同分辨率尺度上通过几个步骤实现相干积分，其中大部分是在极地参考系统中，从而能够将计算复杂度降低到N2日志N.最初，它被提议作为高分辨率、长波长 （VHF） SAR 聚焦的高效处理器，避免了频域算法的缺陷。在 VHR 机载 SAR 聚焦的背景下，它也可以作为其他频段的宝贵参考。对 FFBP 进行了调整，以有效地聚焦在机载和星载组合几何结构中获取的双基地 SAR 数据 [38]。

由于其效率，首选的图像形成算法在频域中工作。不同算法的有用比较可以在 [39] 中找到。所有算法的共同点是假设直线飞行路径，而不考虑飞机的运动误差。用于机载 SAR 处理的首批算法之一是距离多普勒算法 （RD），它基本上以牺牲聚焦精度为代价，将距离和方位角处理解耦。空间变化范围迁移校正通过插值执行。最精确的算法是波数域算法，众所周知，通过在二维频域中实现 Stolt 映射 [40]，该算法可提供最精确的聚焦性能。人们在算法开发方面付出了相当大的努力，这些算法避免了使用大量的插值，最突出的例子是线性调频缩放算法 [41]。它已被调整为ECS，包括两步运动误差校正[42]、[43]以及天线方向图的辐射校正和双向衰减，适当地考虑了滚转角的变化。同样对于波数算法，已经提出了对机载情况的改编，包括改进的 Stolt 映射并包括运动补偿 [44]。但是，出于效率原因，在大多数情况下，RD 或 ECS 算法用于操作处理，但需要说明的是，该算法的聚焦精度在这些 VHR 上达到了极限。

机载 SAR 传感器已经并且仍然广泛用于新成像技术的开发和演示，通常涉及对同一感兴趣区域的多次重复通过，每次通过都由特定的空间基线分隔。对于 Pol-InSAR 和 SAR 层析成像，通常会飞行预定义的空间基线，通常相隔数十米，而对于变化检测和差分 SAR 应用，首选相同的标称飞行轨迹。在每个轨道中，都会出现与直线飞行路径的偏差，需要在处理过程中进行补偿。RD 和 ECS 算法通常实现两步运动补偿：在任何预估计或方位重采样操作之前，在原始数据级别执行一阶距离不变校正，而第二步是距离自适应运动补偿，在距离单元徙动校正之后方便地应用。每个补偿步骤都需要根据实轨和标称轨之间的视距差异来校正信号的相位和包络。

在高分辨率应用程序中，仍然存在两个问题。首先，现代导航系统的精度通常限制在几厘米以内，在数据中留下了一定量的未补偿运动。其次，由于窄方位波束假设，频域算法中运动补偿的精度本身是有限的，并且残余误差可能会保留在数据中，特别是在与飞行轨迹有较大偏差以及场景中地形发生显著变化的情况下。因此，飞机的运动带来了一定的挑战，每次飞越都必须将其视为独立性，这会导致空间变化的干涉基线（见图 3 和图 4）和残余运动误差。平台运动的测量和补偿的任何不准确都会导致不良的成像效果（相位误差、散焦、错位），尤其是干涉相位和相干性恶化。

图 3.机载干涉 SAR 数据的获取。使用安装在同一平台上的两根天线可以进行单通道采集，并用于生成数字高程模型 （DEM）。在这里，Oberpfaffenhofen 地区的 DEM 显示在 3 公里× 10 公里的区域内，数据由 DLR 的 E-SAR 系统获取。重复通过基线，在运动补偿过程中补偿变化，用于灵活采集数据，用于差分干涉、Pol-InSAR 或 SAR 断层扫描应用。

图 4.在 INDREX 活动期间实现的实际干涉基线 [45]。三个通道中的每一个通道的偏差都小于 1 m [均方根 （rms）]，标称水平基线为 5 m。

在过去十年中，已经开发了几种用于改进高分辨率运动补偿的高级算法。这些活动主要是由 Pol-InSAR 应用（见第 IV-D 节）、断层成像模式（见第 IV-E 节）以及差分机载 SAR 干涉测量（见第 IV-C 节）的需求驱动的。

在机载重复-通道干涉处理策略的开发和改进过程中，人们认识到通常的运动补偿近似值是不够的，需要非常精确地考虑地形和残余运动误差[46]。在地形适应方面，这导致了两种算法的并行发展，即所谓的精确地形和孔径依赖性运动补偿（PTA）方法[47]，以及子孔径地形和孔径依赖性（SATA）算法[48]。这些算法的比较可以在 [49] 中找到。它们基于短时快速傅里叶变换 （FFT） 码，因此有效地利用了 SAR 方位角信号的准线性时频对应。它的应用是必不可少的，不仅用于在差分 SAR 干涉模式下处理机载数据，而且通常用于丘陵和山区的重复通过 SAR 应用。