Sentinel-1 Level 1数据处理的详细算法定义(三)

news2024/9/9 1:12:11

《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(三)

  • 4. 预处理算法
        • 4.2.1.5 接收增益偏移
        • 4.2.1.6 仪器漂移推导
          • 4.2.1.6.1 基于PG产品的漂移补偿
          • 4.2.1.6.2 基于PG产品模型的漂移补偿
        • 4.2.1.7 图像复制品系数生成
          • 4.2.1.7.1 振幅系数
          • 4.2.1.7.2 相位系数
        • 4.2.1.8 PG产品验证
        • 4.2.1.9 噪声测量处理
      • 4.2.2 算法实现
      • 4.3 下行链路头验证

4. 预处理算法

4.2.1.5 接收增益偏移

PG校准脉冲是使用模式中第一个子条带的啁啾参数和增益设置生成的。在将仪器漂移校正应用于数据时,必须考虑第一个子条带与随后每个子条带之间的增益偏移。为此,每个子条带n的平均接收增益功率是按照以下方式根据图像校准数据计算的:

4.2.1.6 仪器漂移推导

IPF应执行仪器相位和增益漂移校正。实现此校正有两种选项:

  • 基于PG产品的漂移校正
  • 基于PG产品模型的漂移校正
4.2.1.6.1 基于PG产品的漂移补偿

内部校准的目标之一是测量发射功率和接收增益的乘积,这也被称为PG产品。PG产品计算的详细描述可以在[R-13]中找到。

PG产品可以从复制品中导出,而复制品又可以从校准数据包中导出,如第4.2.1.3节所述,因此,在单次数据采集中将有特定数量的PG产品可用。

然后,将对可用的PG产品进行插值,以获得每个接收到的信号回波的复杂校正因子。PG增益的补偿在原始数据校正之后、任何其他处理步骤之前,逐个回波执行,如第9.4节所述。

算法的第一步是使用第4.2.1.3节中描述的重建复制品,并利用提取的第一个有效复制品进行压缩。

对应于校准数据包m的子条带n的PG校正因子,然后可以通过将参考PG与压缩复制品峰值相除,并应用当前子条带的接收增益功率比来计算:

其中:
PGref是一个参考的绝对PG值,它将通过获取数据的离线分析来定义。注意:共极化情况下的PGref将与交叉极化情况下的PGref不同。这两个PGref都将存储在辅助文件中。

是压缩复制品的最大值(峰值)。

请注意,为了准确确定压缩复制品的最大值,结果首先通过FFT在更细的采样间隔进行重采样。这个操作与第4.2.1.4节步骤2中描述的复制品提取操作相同。其他极化的漂移系数以类似的方式计算。

每个漂移系数的时间戳被定义为位于相应的校准序列m的中心。这组漂移系数代表了一组有时间戳的PG值,这些值将按照第9.4节中的描述,稍后通过线性插值并应用于每个回波源数据包。

4.2.1.6.2 基于PG产品模型的漂移补偿

仪器的相位/增益漂移应不断监控,并且在Sentinel-1的整个生命周期中应提供长期稳定性分析。如果漂移呈现出预期的缓慢且可预测的时间变化,那么可以定义一个适当的漂移模型,并作为一个PG产品模型提供,这是一个可配置的输入查找表(LUT)。PG产品模型的使用由一个可配置的输入参数getDriftFromPGmodel控制。

4.2.1.7 图像复制品系数生成

提取的图像复制品通常含有噪声,在使用提取的图像复制品进行距离压缩之前,应该进行去噪处理。去噪可以通过拟合提取复制品的幅度和相位的多项式系数来完成。在本节中,我们提出了一种算法来计算提取复制品的多项式系数。

提出的算法所涉及的主要步骤在图4-2中表示。

请注意,该算法是独立于每个极化通道执行的,因此在后续章节中,脉冲表示中将省略极化符号。

4.2.1.7.1 振幅系数

复制品振幅的向量定义为:

如图4-2左侧流程图所示,执行以下操作,并涉及以下步骤:

  1. 计算复制品的振幅。

  2. 振幅向量通过多项式函数

进行拟合,该函数在相同的网格上采样。多项式的阶数是一个可配置的输入参数。
在生成范围参考函数(RRF)时,振幅会被反转,以便经过距离压缩后的输出将具有平坦的频谱。反转后的振幅函数可以表示为:

4.2.1.7.2 相位系数

计算复制品相位系数的步骤在图4-2的右侧流程图中展示。
1.通过将复制品与标称啁啾的共轭相乘,计算标称啁啾和提取复制品之间的相位差:

注意:提取的复制品已经与标称啁啾在时间上对齐,如第4.2.1.4节所述。

2.按照第5.3节中描述的FFT方法,对相位差进行展开。

3.对展开后的相位拟合多项式。多项式的阶数是一个可配置的输入参数。

4.将展开后的相位多项式系数与标称系数结合,以获得提取的复制品相位系数。

4.2.1.8 PG产品验证

对PG产品执行两种类型的验证(每种通道独立执行验证;因此将省略极化索引):

  • 相对验证。这种验证包括确定PG产品值是否在所有PG产品值的平均值的给定阈值内。

为此,计算PG产品幅度和相位的平均值

以及标准偏差

如果PG产品值Pm 满足以下条件,则被视为无效:

其中pgAmpStdFraction和pStdFraseStdFraction是可配置的输入参数。

  • 绝对验证。这种验证包括确定PG产品值是否在PG产品模型对应值的给定阈值内。然后,如果PG产品值 Pm 满足以下条件,则被视为无效:

其中Pmodm 是PG产品模型的值,而maxPgAmpError和maxPgPhaseError 是可配置的输入参数。

如果无效PG产品的比例不超过由可配置输入参数invalidPgMaxFraction给定的某个阈值,那么无效的PG值将被丢弃(只有有效值将被用于对数据的线性插值和应用)。否则,所有计算出的PG产品值将被丢弃,并替换为相应的PG产品模型值。

请注意,在PG验证期间不考虑当前子条带的接收增益功率比。

请注意,相对验证要求所有IPF实例对所有数据包执行PG产品计算。

4.2.1.9 噪声测量处理

在每次数据采集期间,作为初始和最终内部校准数据包的一部分,会获取噪声测量数据。这些测量是通过在噪声测量前关闭TX信号足够数量的TX脉冲来记录的。每个子条带的噪声测量是分开记录的。

噪声水平是通过计算每个子条带可用噪声数据包的平均功率来计算的。噪声水平将用于确定输出图像的噪声轮廓,如第9.17节所述。

通常的噪声数据包将被指示为一个复数样本数组:

噪声数据的处理如下:

  1. 按照第9.2.1节的描述应用I/Q偏置校正。
  2. 如第9.24.1节所述执行来自噪声测量的射频干扰(RFI)检测。
  3. 按照第9.2.2节的描述应用杂散信号校正。
  4. 按照第9.2.3节的描述应用接收机增益补偿。
  5. 计算平均功率如下:

对于噪声数据,可能有不同的编码选项(见第9.1.2节)。

在IPF 2.9.0之前,噪声功率信息完全依赖于在前导码和后导码中进行的噪声测量。为了解释数据采集期间的噪声水平变化,这可能会持续几分钟,执行了初始值和最终值之间的线性插值。

对噪声功率估计的长期分析显示了双峰分布。实际上,地球表面向太空辐射的能量被仪器记录下来,它增加了噪声测量的功率。双峰分布是由于陆地上辐射的能量高于海洋上。由于测量的噪声功率取决于仪器下面的景象,因此基于每个TopSAR突发的首次回波,制定了一种新的去噪策略。这些回波,称为“等级回波”,是在每个突发的第一个传输脉冲的传播时间内记录的,因此可以视为等同于噪声脉冲。自IPF 2.9.0以来,使用“等级回波”估计噪声功率可以以现实的方式跟踪噪声波动。

不幸的是,并非所有的等级回波都可以用来估计噪声,因为其中一些受到前导码中的稳定脉冲和TxCal/TxHCalIso脉冲的影响。根据当前的Sentinel-1时间线,处理器中实施了以下规则来选择有效的等级回波:

等级回波在以下条件下必须被丢弃:

  1. 如果采集模式既不是IW也不是EW,则始终丢弃;
  2. 如果采集模式是EW:
    • 如果等级回波属于数据采集的第一个突发;
    • 如果等级回波是EW1序列中的最后一个回波(可能存在法线回波);
    • 如果等级回波是EW2的一部分;
  3. 如果采集模式是IW:
    • 如果等级回波属于数据采集的第一个突发;
    • 如果等级回波属于奇数编号的突发(从数据采集开始计数)。

在使用噪声功率估计来生成噪声向量(如第9.17节所述)之前,会执行一个验证步骤:比较连续噪声估计之间的差异与一个阈值,如果超出阈值,则丢弃噪声测量。数据采集的第一个和最后一个测量值(依赖于前导码和后导码)始终被接受。

4.2.2 算法实现

本节介绍了内部校准的算法步骤。请注意,为了简洁起见,这里只指定了HH通道的情况,如果其他通道以相同的方式处理:

  1. 处理PG校准数据:
    • 根据第4.2.1.1.2节中描述的方法,从下行链路啁啾参数生成标称PG啁啾。这个标称啁啾将用于复制品提取、时间延迟估计和PG产品计算。
    • 对于每个PG校准序列m,执行以下操作:
    • 根据第4.2.1.2节的描述,提取重建复制品所需的校准脉冲。
    • 按照第4.2.1.3节的描述,重建PG复制品。
    • 按照第4.2.1.4节的描述,提取复制品并估计内部时间延迟,并报告结果。
    • 按照第4.2.1.6.1节的描述,计算PG产品。
    • 计算估计的内部时间延迟的平均值,并将其传递给SLC处理器,以便在RRF生成期间对啁啾进行时间偏移。
    • 按照第4.2.1.8节的描述,计算PG产品值的平均值和标准偏差。
  • 对于每个PG校准序列m,验证PG产品并报告结果,如第4.2.1.8节所述。这意味着,如果以下任一条件失败,则将isPgProductValid(m)设置为FALSE:
    相对验证失败
    绝对验证失败
  • 计算无效PG产品值的百分比(占总校准序列数的比例)。
  • 确定用于漂移补偿的PG产品来源:
    如果无效PG产品值的百分比超过invalidPgMaxFraction或者getDriftFromPGmodel=TRUE ,使用PG产品模型进行漂移补偿。 模型如下:

其中m=0,1,…M-1
否则
从复制品(第5步)动态派生的PG产品设置漂移补偿

其中m=0,1,…M-1
注意:只有当isPgProductValid(m)=TRUE时,其值才会线性插值并用于漂移补偿。
结束
2. 处理图像校准数据:

  • 根据第4.2.1.1.1节中描述的方法,从提供的系数生成标称图像啁啾。这个标称啁啾将用于复制品提取和复制品系数生成。
  • 对于每个校准数据包m,执行以下操作:
  • 根据第4.2.1.1节的描述,提取重建复制品所需的校准脉冲。
  • 按照第4.2.1.3节的描述,重建图像复制品。
  • 按照第4.2.1.4节的描述,提取复制品并移动复制品。
  • 按照第4.2.1.5节的描述,计算接收增益功率偏移。
  • 设置复制品系数:
    • 如果RRF将使用提取的复制品生成,则按照第4.2.1.7节的描述,从第一个提取的复制品估计复制品系数,并将复制品系数传递给SLC处理器;否则,
    • 如果RRF将使用标称啁啾生成,则将标称啁啾系数传递给SLC处理器。
  • 提取复数增益:
    • 如果RRF将使用标称啁啾生成,则从配置文件中提取标称啁啾的通道间复数增益;否则,
    • 如果RRF将使用提取的啁啾生成,则从配置文件中提取提取的复制品的通道间复数增益,并将其实传递给SLC处理器。
  1. 执行第4.2.1.9节中描述的噪声水平估计。该结果稍后将用于推导噪声向量,如第9.17节所述。

请注意,在切片情况下,每个IPF实例将执行相同的计算,以确定整个段的唯一参考复制品和PG产品值。

4.3 下行链路头验证

IPF的Sentinel-1预处理组件将验证下行链路内的字段。此验证的目的是:

  • 确定后期处理阶段所需的下行链路字段值;
  • 验证单个字段值是否正确,是否受到比特错误的影响;
  • 检测缺失的行和间隙;
  • 检查下行链路的传输模式是否遵循Sentinel-1 IPF预期的模式,例如子条带的顺序、突发的长度以及回波与校准与噪声数据包的序列。

通常,将采用两种验证策略:

  1. 大多数投票,预期在整个数据采集、子条带或脉冲类型中具有恒定值的字段会在一组数据包中进行监控,大多数时间使用的值被视为正确值。然后使用这个多数值来检查整个数据采集过程中该字段的错误。

    在某些情况下(例如SWST字段),这个值在一段时间内是恒定的,但在某个点会切换到一个新值。在这种情况下,使用大多数投票来区分比特错误和值的真实变化。

  2. 时间线一致性检查,利用对预期数据包序列和时间线内不同字段相对变化方式的基本理解。例如,可以相互交叉检查计数字段和数据包类型字段,以确定它们是否符合预期的时间线。

Sentinel-1 IPF将对每个字段执行的验证的初步描述列在表4-1中。这些Sentinel-1下行链路字段在[A-6]中描述。此表包含以下信息:

  • 每个字段的名称和层次结构;
  • 字段值是否在轨道周围(在特定模式/子条带内)恒定;
  • 字段值是否在一次数据采集内恒定;
  • 字段值是否在子条带内(对于特定的数据采集/模式)恒定;
  • 字段值是否对于特定数据包类型(无论是回波、噪声还是校准)恒定;
  • 是否需要来自雷达数据库的额外信息以解释该字段(例如,为了使用仰角波束地址,还必须向IPF提供雷达数据库中的仰角波束模式);
  • 是否需要查找表或转换法则来解释字段值(例如,下行链路中的BAQ模式代码需要使用查找表进行翻译);
  • 要应用于每个字段的验证策略。

Table 4-1 Sentinel-1 IPF Downlink Header Validation可自行查看原始文档。

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.coloradmin.cn/o/1917260.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

室内精准定位哪个产品抗干扰能力强?可以用于哪些方面?

室内精准定位产品其实有很多,其实它是安装在室内接收型号的一个基站,并且范围有一定的限制,而被定位的人员需要携带定位产品,那么通过室内基站收集到的信息,将会通过专业的系统处理后呈现在相应的设备上,比…

Linux下常见压缩文件tar.xz、tar.bz2、tar.gz的区别和详解

文章目录 tar.xz tar.bz2 tar.gz 的区别三种文件的解压方式tar.xz的解压三种压缩文件的创建方式 tar.xz tar.bz2 tar.gz 的区别 这三个文件扩展名都表示压缩后的档案文件,但它们使用不同的压缩算法。 tar.xz: tar 代表 Tape Archive,它是一种将多个文件…

f_mkfs格式化最小分区数是191

使用fatfs的f_mkfs最小分区数是191原因: 在挂载ram_disk时参考的文章有提到: “然后是GET_SECTOR_COUNT 用于f_mkfs格式化时获取可用的sector的数量,32bit-LBA的情况下至少为191” 自己也实际试过确实要不少于191,网上也没找到相…

WMS系统的模块构成

WMS系统的模块构成通常包括以下几个主要部分: ———————————————————————————————— 1、库存管理: 主要负责管理仓库内的库存信息,包括库存记录、库存调整、库存盘点等功能。 2、入库管理: 负责处…

samba共享windows和ubuntu的文件

通过Samba服务器实现Windows与Ubuntu之间的文件共享是一个常见的需求,下面是实现这一目标的详细步骤: 一、Ubuntu开启Samba服务器 安装Samba: 打开终端,使用以下命令安装Samba服务: sudo apt update sudo apt install…

html js 3d z轴移动 实现星空

用chatgpt还有kimi 让实现动画效果的星空,都太垃圾了 不是y轴移动,就是x轴移动, 我要z轴移动,他们就是搞不出来, ai写代码还有很长的路。 <!DOCTYPE html> <meta charset="utf-8" /> <head> <title>ai相关博客</title> </h…

同享人力资源管理系统-TXEHR V15 DownloadTemplate 文件读取漏洞复现

0x01 产品简介 同享人力资源管理系统(TXEHR V15)是一款专为现代企业设计的人力资源管理软件解决方案,旨在通过先进的信息化手段提升企业人力资源管理的效率与水平。该系统集成了组织人事、考勤管理、薪资核算、招聘配置、培训发展、绩效管理等核心模块,并提供了灵活的配置…

UNIAPP_ReferenceError: TextEncoder is not defined 解决

错误信息 1、安装text-decoding npm install text-decoding2、main.js import { TextEncoder, TextDecoder } from text-decoding global.TextEncoder TextEncoder global.TextDecoder TextDecoder

专注于国产FPGA芯片研发的异格技术Pre-A+轮融资,博将控股再次投资

近日&#xff0c;苏州异格技术有限公司&#xff08;以下简称“异格技术”&#xff09;宣布成功完成数亿元的Pre-A轮融资&#xff0c;由博将控股在参与Pre-A轮投资后&#xff0c;持续投资。这标志着继2022年获得经纬中国、红点中国、红杉中国等机构数亿元天使轮融资后&#xff0…

C 语言中如何进行函数指针的回调?

&#x1f345;关注博主&#x1f397;️ 带你畅游技术世界&#xff0c;不错过每一次成长机会&#xff01; &#x1f4d9;C 语言百万年薪修炼课程 【https://dwz.mosong.cc/cyyjc】通俗易懂&#xff0c;深入浅出&#xff0c;匠心打磨&#xff0c;死磕细节&#xff0c;6年迭代&…

系统架构设计师 - 数学与经济管理

数学与经济管理 数学与经济管理&#xff08;1 - 2分&#xff09;图论应用最小生成树最短路径网络与最大流量 ★ 运筹方法关键路径法 ★ ★ ★线性规划 ★动态规划 ★ ★ ★排队论预测与决策 ★预测 - 博弈论决策 数学建模 ★ ★ 大家好呀&#xff01;我是小笙&#xff0c;本章我…

Java版Flink使用指南——将消息写入到RabbitMQ的队列中

大纲 新建工程新增依赖 编码自动产生数据写入RabbitMQ 测试工程代码 在 《Java版Flink使用指南——从RabbitMQ中队列中接入消息流》一文中&#xff0c;我们介绍了如何使用Java在Flink中读取RabbitMQ中的数据&#xff0c;并将其写入日志中。本文将通过代码产生一些数据&#xf…

OTA与OTA升级

目录 一、OTA简介 二、OTA升级 三、操作方式 一、OTA简介 在嵌入式领域当中&#xff0c;OTA&#xff08;Over-The-Air&#xff09;指的是通过无线通信技术对嵌入式设备的软件进行远程更新和管理。这种技术广泛应用于物联网设备、智能家电、汽车电子、智能手机等领域。通过OTA…

基于 PyTorch 的迁移学习介绍 (图像分类实战演示)

1. 介绍 迁移学习&#xff08;Transfer Learning&#xff09;允许我们采用另一个模型从另一个问题中学到的模式&#xff08;也称为权重&#xff09;并将它们用于我们自己的问题。 例如&#xff0c;我们可以采用计算机视觉模型从 ImageNet&#xff08;包含数百万张不同对象的图…

51单片机嵌入式开发:8、 STC89C52RC 操作LCD1602原理

STC89C52RC 操作LCD1602原理 1 LCD1602概述1.1 LCD1602介绍1.2 LCD1602引脚说明1.3 LCD1602指令介绍 2 LCD1602外围电路2.1 LCD1602接线方法2.2 LCD1602电路原理 3 LCD1602软件操作3.1 LCD1602显示3.2 LCD1602 protues仿真 4 总结 1 LCD1602概述 1.1 LCD1602介绍 LCD1602是一种…

java如何判断某个数在区间是否存在?

&#x1f3c6;本文收录于《CSDN问答解惑-专业版》专栏&#xff0c;主要记录项目实战过程中的Bug之前因后果及提供真实有效的解决方案&#xff0c;希望能够助你一臂之力&#xff0c;帮你早日登顶实现财富自由&#x1f680;&#xff1b;同时&#xff0c;欢迎大家关注&&收…

数字园区新视界:智慧管理的全景体验

通过图扑可视化技术&#xff0c;智慧园区管理实现实时监控与数据分析&#xff0c;优化各类资源的配置与使用&#xff0c;提高整体运营效率与智能决策能力。

Java中关于File类的详解

File类 File类是文件和目录路径名称的抽象表示&#xff0c;主要用于文件和目录的创建、查找和删除等操作。在创建File对象的时候&#xff0c;需要传递一个路径&#xff0c;这个路径定位到哪个文件或者文件夹上&#xff0c;File就代表哪个对象。 File file new File("D:…

记一次Ueditor上传Bypss

前言 前一段时间和小伙伴在某内网进行渗透测试&#xff0c;目标不给加白&#xff0c;只能进行硬刚了&#xff0c;队友fscan一把梭发现某资产疑似存在Ueditor组件&#xff0c;但初步测试是存在waf和杀软的&#xff0c;无法进行getshell&#xff0c;经过一番折腾最终getshell&am…

揭秘”大模型加速器”如何助力大模型应用

文章目录 一、大模型发展面临的问题二、“大模型加速器”助力突破困难2.1 现场效果展示2.1.1 大模型加速器——文档解析引擎2.2.2 图表数据提取 三、TextIn智能文档处理平台3.1 在线免费体验3.1.1 数学公式提取3.1.2 表格数据提取 四、acge文本向量化模型4.1 介绍4.2 技术创新4…