企业官网建设流程全解析

这是《雷达成像技术》学习记录的第 12 篇，对应第八章"干涉合成孔径雷达（InSAR）"，也是全书最后一章。

前面 SAR 和 ISAR 都是二维成像：只能得到距离和方位信息，没有高度信息。

第八章的核心目标：

在二维图像的基础上，再测出高度。

这一章我重点记住了三个应用：测高程（InSAR）、检测地面动目标（GMTI）、单脉冲 ISAR（测真实横向尺寸）。

本系列导航

• 00 开篇：我怎么用「提问 + 类比」啃下《雷达成像技术》
• 01 第一章：为什么要成像？为什么要合成孔径？
• 02 第二章（上）：宽带信号、脉冲压缩与一维距离像
• 03 第二章（下）：相干积累、Keystone 变换与「宽带成像/窄带检测」
• 04 答疑：我把「带宽」彻底理解错了
• 05 第三章（上）：从实际阵列到合成阵列，为什么必须聚焦
• 06 第三章（下）：波束、波束宽度与「相位差翻倍」
• 07 第四章：SAR 在三维空间里做二维成像，会出什么问题
• 08 阶段总结：前四章的 7 句话 + 我的学习方法
• 09 第五章：距离单元、距离走动、距离弯曲
• 10 第六章：飞机颠簸一下，SAR 图像为什么会糊
• 11 第七章：ISAR——雷达不动、目标动，怎么成像
• 12 第八章：InSAR——二维图像怎么再测出高度（本篇）
• 13 全书总结：八章串成一条线 + 学习方法复盘

8.1 InSAR 测高的基本原理

为什么需要两个天线？

单天线 SAR：只知道目标到雷达的斜距r rr，但目标可能在以r rr为半径的圆弧上任何位置，分不清高度。

双天线：两个天线位置不同，测到两个斜距r 1 r_1r1​、r 2 r_2r2​——两个圆弧的交点就是目标位置。

类比：你只知道目标离你 100 米，但不知道它在哪个方向；如果你和朋友各测一次距离，两个圆的交点就确定了目标位置。

基线

两个天线之间的距离叫基线。

• 基线越长，测高精度越高；
• 但基线太长，两幅图像相关性下降。

类比：你和朋友离得越远，测角越准；但离得太远，你们看到的可能不是同一个东西了。

这里出现了这一章的核心矛盾：精度要求基线长，相关性要求基线短——所以存在"最优基线"（8.7 节）。

干涉法（比相法）

核心链条：两个天线接收同一回波 → 存在波程差Δ r \Delta rΔr→ 波程差对应相位差ϕ \phiϕ→ 测出相位差就能反算波程差 → 进而算出高度。

类比：你两只耳朵听到同一个声音的时间差可以判断声音来自哪个方向；雷达用两个天线接收同一回波的相位差判断目标高度。

相位缠绕

问题：相位差可能大于2 π 2\pi2π，但测量只能得到− π -\pi−π到π \piπ之间的主值；真实相位与主值差2 π 2\pi2π的整数倍。

类比：你只看时钟的时针，不知道它转了几圈——你看到 3 点，但可能是 3 点、15 点、27 点……

解决：相位解缠绕，恢复真实相位。

【此处有图：缠绕相位（锯齿状）与解缠绕后相位（连续上升）对比】

8.2 InSAR 测高的五个步骤

1. 两天线分别成像→ 各自做 SAR 成像，得到两幅复图像；
2. 图像配准→ 把两幅图像里同一个像素对齐，对应地面同一块区域；
3. 干涉相位产生 + 去平地相位→ 两幅图像共轭相乘得到干涉相位，再减去平地相位；
4. 二维相位解缠绕→ 从主值恢复真实相位，加回平地相位，得绝对相位；
5. 相位 → 高度换算→ 用几何关系算出高度，生成DEM（数字高程模型）。

类比：

两个人分别拍同一座山 → 把两张照片对齐 → 比较每个像素的相位差 → 解缠绕 → 算出高度。

这就是 InSAR 的全部框架。剩下的 8.3–8.7 节，其实都在解决"这五步里哪些地方容易出错"。

8.3 去相关与预滤波

什么是去相关？

两个天线视角不同，看到的回波不完全一样；视角差越大，相关性越差。

类比：你和朋友从不同角度看同一辆车——角度差小，看到的差不多；角度差大，差别就大。

空间去相关

原因：两个天线视角不同 → 地面散射点频谱移动 → 相关性下降。

极限基线：基线太长会完全去相关，无法测高。

类比：你和朋友离得太远，看到的完全是两个东西，没法比较。

时间去相关

原因：双航过方式两次飞行间隔几天，地表、植被、大气都变了 → 相关性下降。

类比：你今天拍一张照片，一周后再拍一张——树叶落了、地面湿了，两张对不上。

预滤波

思想：两个天线的频谱只有部分重合，只保留重合部分，提高相关性。

类比：你拍到了车头和侧面，朋友拍到了车尾和侧面，只保留两人都拍到的侧面。

8.4 图像配准

为什么需要？

两个天线位置不同，同一个地面像素在两幅图里位置不同，必须对齐才能比较相位。

类比：你和朋友拍同一张桌子，你的照片里桌子在左边、朋友的在右边，得先对齐才能比较。

精度要求

必须远小于一个分辨单元，一般要求1/10 个像素。

类比：拼图差一点就模糊，必须严丝合缝。

粗配准 vs 精配准

• 粗配准：整体平移；
• 精配准：分块，逐块精细对齐。

类比：先把两张照片大致对齐，再逐块微调。

8.5 降噪滤波

相位噪声来源

接收机噪声、配准误差、去相关、时间去相关。

类比：拍照时的相机噪声、手抖、光线变化、物体移动。

多视处理

思想：把多个子图像对平均，降低相位噪声；代价是分辨率下降。

类比：多张照片取平均——噪声降低，但分辨率下降。

又是那个熟悉的折中：用分辨率换噪声（第二章的多视抑制相干斑也是同一个逻辑）。

相位滤波

问题：相位以2 π 2\pi2π为周期，不能直接平均。

解决：回转均值滤波、回转中值滤波——利用相位对应的向量做平均。

类比：两个人报方向，一个说 350°、一个说 10°，直接平均得 180°（完全错了），正确答案是 0°——所以必须平均向量而不是平均数字。

这个例子我觉得是全书最"醒脑"的一个：相位这类周期性量的平均值没有意义，必须先映射成向量再平均。

8.6 二维相位解缠绕

什么是解缠绕？

相位只能测到− π -\pi−π到π \piπ，真实相位可能差2 π 2\pi2π的整数倍；沿路径积分即可恢复真实相位。

类比：你走楼梯，只看到每一级台阶的高度差；要恢复总高度，必须累加。

残点

噪声或地形剧烈起伏时，路径积分结果与路径有关，出现残点。

类比：走迷宫——不同路径得到不同结果，说明中间有矛盾。

两种方法

8.7 高程测量误差分析

误差来源

斜距误差、基线误差、高度误差、相位误差。

相位误差是主要来源，它又取决于：信噪比、多视视数、配准精度、去相关、解缠绕方法。

最优基线

• 基线太短：测高不敏感；
• 基线太长：去相关严重；

→ 存在最优基线。

类比：你和朋友测角——离得太近测不准，离得太远看到的不一样，存在最佳距离。

8.8 地面动目标检测（GMTI）

为什么需要 GMTI？

SAR 图像里：

• 固定目标位置正确；
• 动目标位置偏移（多普勒耦合）；
• 单通道无法分离动目标和固定杂波。

类比：你拍一条公路——停着的车在正确位置，行驶的车在照片里偏移了，而你分不清哪辆车在动。

两种方法

DPCA（偏置相位中心天线）：两个天线沿航线前后放置，调整发射时间使等效相位中心静止→ 固定杂波相消，动目标保留。

ATI（干涉法）：两个天线沿航线前后放置，各自成像，配准后相减→ 固定杂波相消，动目标保留。

类比（两者都一样）：你和朋友间隔几秒各拍一张——固定背景两张一样，相减为 0；动目标位置变了，相减后保留下来。

三孔径：三个天线，两两相消检测动目标，干涉测向定位，还能测速。

8.9 单脉冲 ISAR：拿到真实横向尺寸

为什么需要？

普通 ISAR 的横坐标是多普勒，不是真实横向位置，尺度未知。单脉冲 ISAR 加一个辅助天线，通过比相测角，得到真实横向位置。

类比：你拍一张照片只知道物体在照片里的位置，不知道实际距离；加一个辅助相机比相测距，就得到真实位置。

原理与散射点分离

• 主天线和辅助天线接收同一回波 →共轭相乘→ 相位差与横向位置成正比 → 算出真实横距。
• 分离逻辑：距离分辨分开不同距离的散射点 →多普勒分辨分开不同横向的散射点 →单脉冲测角给出真实横向位置。

类比：把一堆人分开——先按身高分（距离），再按体重分（多普勒），最后测每个人的实际位置（单脉冲）。

多点问题

同一距离-多普勒单元可能有多个散射点，单脉冲测角会出错；用两通道幅度差判别并剔除。

类比：测一个方向，那里只有一个声音时测得准；有两个声音就测错——用两个麦克风的幅度差判断。

第八章最需要记住的几句话

1. InSAR = 两个天线，测高程。
2. 干涉法 = 比相测波程差。
3. 相位缠绕 = 只能测主值，需要解缠绕。
4. 去相关 = 两幅图像相关性下降，需要预滤波。
5. 配准 = 把两幅图像对齐（精度 1/10 像素）。
6. 多视和相位滤波 = 降噪（相位要按向量平均）。
7. 相位解缠绕 = 从主值恢复真实相位（分支截断 / 最小二乘）。
8. GMTI = 检测地面动目标，用 DPCA 或 ATI（核心都是"相减消固定杂波"）。
9. 单脉冲 ISAR = 测真实横向尺寸。

对我（深度学习方向）来说，这一章要记住什么

1. InSAR 图像可能因为去相关、配准误差、解缠绕错误而出现噪声或错误。
2. GMTI 图像里动目标位置偏移。
3. 单脉冲 ISAR 图像才有真实横向尺度。
4. 相位解缠绕是难点，容易出错。

以后处理 InSAR 图像时，你会碰到：

• 有些图像有相位噪声；
• 有些图像有解缠绕错误；
• 有些图像有配准误差。

你不需要自己补偿，但必须知道这些问题的存在，才能判断图像质量、设计网络、解释结果。

我的复盘

第八章是我读得最有"工程味"的一章，因为它几乎每一节都在讲误差从哪来：

• 去相关 → 相关性不够；
• 配准误差 → 相位对不齐；
• 相位噪声 → 主值抖动；
• 解缠绕错误 → 整片区域高程跳变；
• 最优基线 → 精度和相关性之间的折中。

如果把这一章压成一句话：

InSAR 的难点不在"怎么算高度"，而在"怎么保证相位是可信的"。

这句话我打算一直记着。因为以后无论做干涉相位降噪、DEM 重建还是变化检测，判断"这块相位可不可信"往往比选网络结构更决定成败。

（下一篇：全书读完后的总结——八章串成一条线，以及我的学习方法复盘。）