陈立福¹, 王思雨¹, 袁志辉¹, 王静², 邢学敏³, 武鸿¹
1. 长沙理工大学电气与信息工程学院, 长沙 410004;
2. 西安科技大学通信与信息工程学院, 西安 710054;
3. 长沙理工大学交通运输工程学院, 长沙 410004
2016年08月19日 收稿; 2016年11月28日 收修改稿
基金项目: 国家自然科学基金（41201468，61302133，61302165）、湖南省重点实验室基金、湖南省教育厅项目（16B003，16C0043）和长沙理工大学公路养护技术国家工程实验室开放基金重点项目（kfj150105）资助
通信作者: 陈立福, E-mail:18229975986@139.com

摘要: 为进一步提高InSAR系统的DEM精度，分析非线性ECS自配准成像算法中4个影响相位保持精度的因素。研究结果如下：雷达和散射体之间的相对速度等效误差非常小，可以忽略；当系统分辨率优于0.1 m时，非线性自配准中的二次近似误差会引起超过0.1个像素的误差，要考虑其影响；非线性变标中的二阶泰勒近似误差非常小，可以忽略；成像时采用的平地假设误差，主要会引起干涉运动补偿的轨迹误差和相位补偿误差，对于高精度InSAR系统（高程精度优于0.5 m时），会造成一定的影响，要予以考虑。这些误差因素的分析，将为进一步优化提高InSAR成像处理中的相位保持精度及DEM精度提供一定的指导作用。
关键词: 非线性ECS(extended chirp scaling)自配准干涉合成孔径雷达(InSAR)干涉相位DEM(digital elevation model)
Analysis of phase precision for non-linear ECS auto-registration imaging algorithm
CHEN Lifu¹, WANG Siyu¹, YUAN Zhihui¹, WANG Jing², XING Xuemin³, WU Hong¹
1. School of Electronic and Information Engineering, Changsha University of Science & Technology, Changsha 410004, China;
2. College of Communication and Information Engineering, Xi'An University of Science and Technology, Xi'an 710054, China;
3. School of Traffic and Transportation Enginneering, Changsha University of Science & Technology, Changsha 410004, China


Abstract: To further improve DEM precision for InSAR system, 4 factors affecting phase precision are analyzed for the non-linear ECS auto-registration imaging algorithm.The results are given as follows.The equivalent error of relevant velocity between radar and scatter is very small and can be ignored.When the system resolution is better than 0.1 m, quadratic approximation error in the non-linear ECS auto-registration generates 0.1 pixel registration error, and it cannot be ignored.The second-order Taylor approximation error in the non-linear scaling is very small and can be neglected.During interferometric motion compensation, the flat assumption error in the imaging causes locus error and phase error, which cause some impact and should be considered for high-precision InSAR system (DEM precision is higher than 0.5 m).The above error analyes will provide some guidance for further improving phase maintenance precision and DEM precision.
Key words: non-linearextended chirp scaling(ECS)auto registrationinterferometric synthetic aperture radar(InSAR)interferometric phasedigital elevation model(DEM)
干涉合成孔径雷达(InSAR，interferometry synthetic aperture radar)技术是利用两个通道的回波数据经过成像处理产生干涉相位，进而利用干涉信号处理根据干涉几何关系反演出场景DEM(digital elevation model)^[1]。该技术经过几十年的发展，已经较为成熟，可以获取较高的DEM精度。目前，机载干涉SAR可以获取优于0.5 m精度的DEM，有的甚至达到0.1 m，国内已经拥有DEM精度优于0.3 m的系统^[2]；星载干涉SAR系统(TandEM-X系统)目前可以获取绝对高程精度优于10 m和相对高程精度优于2 m的DEM产品^[3][4]。由于InSAR系统可实现全天时、全天候对地面大范围、高精度测绘，获得波长量级精度的DEM，使其在地形测绘、形变监测等方面得到了广泛应用^[5]。
目前对获取的两通道SAR数据进行成像处理采用较多的是ECS成像算法^[6]、改进的ECS自配准^[7]及ECS非线性自配准成像算法^[8]。但在利用该算法成像中，进行了一些近似和假设，这对干涉相位会造成一定的影响，从而造成DEM精度的降低。
本文通过对非线性ECS自配准成像算法中的相位保持精度进行分析，明确哪些近似或假设可以忽略，哪些需要考虑并对算法改进，从而在本质上解决SAR成像算法引起的DEM精度恶化问题。
1 InSAR技术生成DEM基本原理图 1给出双天线InSAR系统几何关系图。由该图可得DEM反演公式^[8]

$\begin{array}{l}{\theta _1} \approx \alpha - \arcsin \left( {\lambda \varphi /2{\rm{\pi }}BQ} \right),\\h = H - r\cos {\theta _1},\\y = r\sin {\theta _1}.\end{array}$

(1)

Fig. 1

	Download: JPG larger image
图 1 干涉几何关系图 Fig. 1 Interferometry geometry relations 图 1 干涉几何关系图 Fig. 1 Interferometry geometry relations -->

由(1) 式可知，若知道基线长度B和基线倾角α、平台飞行高度H、斜距r和系统参数(波长λ和工作模式Q)，就可从绝对相位φ中解算地表高程h。
2 相位保持精度分析本节主要分析在非线性ECS自配准成像算法中引入的干涉相位误差^[8]。在该成像算法中，主要采用4个近似和假设：雷达和散射体之间相对速度采用等效雷达速度近似；非线性自配准时对两天线距离差采用二次近似；非线性变标时采用二阶泰勒级数展开近似；成像处理中采用平地假设近似。这些近似和假设会引起干涉相位误差，从而造成DEM精度下降，因而有必要分析其影响。
2.1 雷达和散射体之间相对速度等效误差分析雷达位置和波束在地面覆盖区的简单几何模型如图 2所示。
Fig. 2

	Download: JPG larger image
图 2 雷达位置和波束在地面覆盖区简单几何模型 Fig. 2 Simple geometry model of radar and beam on the covered ground 图 2 雷达位置和波束在地面覆盖区简单几何模型 Fig. 2 Simple geometry model of radar and beam on the covered ground -->

雷达轨迹指机下点在地球表面移动轨迹^[9]。平台速度指平台沿飞行路径速度，用V_s表示；波束速度指零多普勒线扫过地面速度，用V_g表示。
在星载情况下，V_s就是轨道速度，可以定义在地心惯性坐标系或地心转动坐标系中，一般都假定地心转动坐标系。波束速度是在零多普勒线沿地球表面的速度。对于高度为800 km的卫星，由于轨道圆周大于轨迹圆周，因而V_g约比V_s小12%。而对于机载情况，V_s是飞机相对于地球的设计时速。因为，在机载SAR几何中，地球弯曲很小，完全可以假设V_s=V_g。在机载系统中，飞行路径局部为直线，飞机距地面一般为6 000 m，而地球半径平均为6 371.393 km，因而在飞机飞行的局部时间内，地球为局部平坦是满足的。假设下图中雷达的速度为V_r，则在局部时间内，波束指向相对于飞行方向不变，速度随着距离变化非常微小，可以忽略不计。
2.2 非线性自配准中二次近似误差分析在非线性自配准中，两天线距离差Δr′采用二次近似^[8]，即

$\Delta r' = \Delta {r_{{\rm{ref}}}} + {k_{{\rm{sl}}}}\left( {r - {r_{{\rm{ref}}}}} \right) + {k_{{\rm{s2}}}}{\left( {r - {r_{{\rm{ref}}}}} \right)^2}.$

(2)

在实际数据处理中，其中系数k_s1和k_s2为利用最小二乘近似求取。其中Δr_ref为参考斜距处的两天线路径差，r_ref为参考斜距。
不考虑平地假设误差，根据图 1两天线几何关系可得两天线距离差的精确表达式为

$\begin{array}{l}\Delta r = {A_2}P - {A_1}P\\\;\;\;\;\; = \sqrt {{{\left( {H - h + B\sin \alpha } \right)}^2} + {{\left( {\left( {H - h} \right)\tan {\theta _1} - B\cos \alpha } \right)}^2}} - \\\;\;\;\;\;\;\;\;\;\;\;\;\left( {H - h} \right)/\cos {\theta _1}.\end{array}$

(3)

因此，二次近似造成的距离向两天线路径差为

$\begin{array}{l}\delta \Delta r = \Delta r - \Delta r'\\\;\;\;\;\;\; = \sqrt {{{\left( {H - h + B\sin \alpha } \right)}^2} + {{\left( {\left( {H - h} \right)\tan {\theta _1} - B\cos \alpha } \right)}^2}} - \\\;\;\;\;\;\;\;\;\;\;\;\left( {H - h} \right)/\cos {\theta _1} - \left[ {\Delta {r_{{\rm{ref}}}} + {k_{{\rm{sl}}}}\left( {r - {r_{{\rm{ref}}}}} \right) + } \right.\\\;\;\;\;\;\;\;\;\;\;\;\left. {{k_{{\rm{s}}2}}{{\left( {r - {r_{{\rm{ref}}}}} \right)}^2}} \right],\end{array}$

(4)

其中: Δr_ref为参考斜距处两天线路径差，在计算精确值时采用式(3) 计算；θ₁为参考斜距处的视角。
实际数据成像时采用Δr_ref≈-Bsin(θ_ref-α)，也会引入误差。因该斜距只需计算一次，可以采用式(3) 直接计算，只需要修改该式中的θ为参考斜距处的视角即可，从而消除该部分误差。
为了定量研究二次近似造成的距离向误差对配准精度及干涉相位的影响，采用表 1的典型机载参数进行仿真分析。
Table 1

表 1 仿真参数Table 1 Simulation parameters 参数 数值 中心频率/GHz 9.6 带宽/MHz 500 采样率/MHz 600 PRF/Hz 2 100 平台高度/m 6 000 飞行速度/(m/s) 150 基线倾角/(°) 0 基线长度/m 2.2 视角θ/(°) 45 脉宽/μs 16 方位波束宽度/(°) 1.8 距离波束宽度/(°) 25

表 1 仿真参数Table 1 Simulation parameters

由图 3和图 4的结果可知，当采用式(2) 进行两天线斜距差近似时，会引入最大0.03 m的斜距差误差，当距离向分辨率为0.5 m时，将造成0.06个像素的失配量；绝大部分斜距差误差控制在0.013 m以内，即引起0.026个像素的失配量。这对距离向配准已经可以保持非常高的配准精度，因而这种二次近似是可以接受的。当距离向分辨率较高时，如0.1 m分辨率时，这时绝大部分的斜距差误差引起0.13个像素的失配量，超过0.1个像素的失配量，会引起相干性降低，此时不能忽略二次近似误差。因此，当系统距离向分辨率较高，一般优于0.1个像素时，要考虑距离向二次近似造成的误差。
Fig. 3

	Download: JPG larger image
图 3 精确和二次近似斜距差沿距离向变化曲线 Fig. 3 Variation curves of accurate range difference and second approximate range difference with the range 图 3 精确和二次近似斜距差沿距离向变化曲线 Fig. 3 Variation curves of accurate range difference and second approximate range difference with the range -->

Fig. 4

	Download: JPG larger image
图 4 二次近似引起两天线路径差误差随距离变化图 Fig. 4 Variation curve of path difference error caused by quadratic approximation with the range 图 4 二次近似引起两天线路径差误差随距离变化图 Fig. 4 Variation curve of path difference error caused by quadratic approximation with the range -->

2.3 非线性变标中二阶泰勒近似误差分析在非线性ECS自配准成像算法中，距离向变标时，与变标因子有关的相位因子包含三次方因子^[8]，如式(5) 所示。将该因式展开时，只进行二阶泰勒展开，没有考虑高阶余项的影响，这会引入一定误差，因而有必要进行分析。

$\begin{array}{l}\Phi = {\rm{\pi }}{K_{\rm{s}}}\left( {{f_{\rm{t}}},{r_{{\rm{ref}}}}} \right)\left[ {{{\left( {\tau - \frac{{2{R_2}\left( {{f_{\rm{t}}},{r_0}} \right)}}{c}} \right)}^2} + } \right.\\\;\;\;\;\;\;\;\left. {{\alpha _{{\rm{scll}}}}\left( {{f_{\rm{t}}}} \right){{\left( {\tau - \frac{{2\left( {m\Delta {r_{{\rm{ref}}}} + {R_1}\left( {{f_{\rm{t}}},{r_{{\rm{ref}}}}} \right)} \right)}}{c}} \right)}^2}} \right] + \\\;\;\;\;\;\;\;{\rm{\pi }}{K_{\rm{s}}}\left( {{f_{\rm{t}}},{r_{{\rm{ref}}}}} \right){\alpha _{{\rm{scl2}}}}\left( {{f_{\rm{t}}}} \right) \cdot \\\;\;\;\;\;\;\;{\left( {\tau - \frac{{2\left( {m\Delta {r_{{\rm{ref}}}} + {R_1}\left( {{f_{\rm{t}}},{r_{{\rm{ref}}}}} \right)} \right)}}{c}} \right)^3},\end{array}$

(5)

式中：${K_{\rm{s}}}\left( {{f_{\rm{t}}}, {r_{{\rm{ref}}}}} \right) = 1/\left( {\frac{1}{{{K_{\rm{r}}}}}- \frac{{2\lambda {r_{{\rm{ref}}}}\left[{{\beta ^2}\left( {{f_{\rm{t}}}} \right)-1} \right]}}{{{c^2}{\beta ^3}\left( {{f_{\rm{t}}}} \right)}}} \right)$为参考距离处的有效调频率；$\beta \left( {{f_{\rm{t}}}} \right) = \sqrt {1-{{\left( {\lambda {f_{\rm{t}}}/2v} \right)}^2}} $为弯曲因子；R₂(f_t, r₀)=r₀(1+α(f_t))+mΔr₀为距离弯曲因子；R₁(f_t, r_ref)=r_ref(1+α(f_t))；K_r为线性调频信号调频率；f_t为方位频率；α_scl1(f_t)和α_scl2(f_t)分别为线性和非线性变标因子，其中α(f_t)=1/β(f_t)-1。
距离向非线性变标时，先通过变标将天线A₂相位中心移到τ′₀=2(r₀+r_refα(f_t)+mΔr_ref)/c，再在距离向频域将相位中心平移2 mΔr_ref/c后使两天线相位中心一致τ₀=2(r₀+r_refα(f_t))/c，完成距离向自配准。
首先对式(5) 中的因子进行化简计算：

$\begin{array}{l}{R_2}\left( {{f_{\rm{t}}},{r_0}} \right) = {r_0}\left( {1 + \alpha \left( {{f_{\rm{t}}}} \right)} \right) + m\Delta {r_0} \approx \\\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;{r_0}\left( {1 + \alpha \left( {{f_{\rm{t}}}} \right)} \right) + m\left[ {\Delta {r_{{\rm{ref}}}} + {k_{{\rm{s1}}}}\left( {{r_0} - } \right.} \right.\\\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\;\left. {\left. {{r_{{\rm{ref}}}}} \right) + {k_{{\rm{s2}}}}{{\left( {{r_0} - {r_{{\rm{ref}}}}} \right)}^2}} \right],\end{array}$

(6)

$\begin{array}{l}{{\tau '}_0} - \frac{{2{R_2}\left( {{f_{\rm{t}}},{r_0}} \right)}}{c} = - \frac{2}{c}\left[ {\left( {{r_0} - {r_{{\rm{ref}}}}} \right) \cdot } \right.\\\;\;\;\;\;\;\;\left. {\left( {\alpha \left( {{f_{\rm{t}}}} \right) + m{k_{{\rm{s1}}}}} \right) + m{k_{{\rm{s2}}}}{{\left( {{r_0} - {r_{{\rm{ref}}}}} \right)}^2}} \right],\end{array}$

(7)

${{\tau '}_0} - \frac{{2\left( {m\Delta {r_{{\rm{ref}}}} + {R_1}\left( {{f_{\rm{t}}};{r_{{\rm{ref}}}}} \right)} \right)}}{c} = \frac{2}{c}\left[ {\left( {{r_0} - {r_{{\rm{ref}}}}} \right)} \right].$

(8)

将式(5) 在τ=τ′₀处进行泰勒级数展开可得

$\begin{array}{l}\Phi = \Phi \left( {{{\tau '}_0}} \right) + \frac{{\Phi '\left( {{{\tau '}_0}} \right)}}{{1!}}\left( {\tau - {{\tau '}_0}} \right) + \\\;\;\;\;\;\;\frac{{\Phi ''\left( {{{\tau '}_0}} \right)}}{{2!}}{\left( {\tau - {{\tau '}_0}} \right)^2} + \\\;\;\;\;\;\; \cdots + \frac{{{\Phi ^{\left( n \right)}}\left( {{{\tau '}_0}} \right)}}{{n!}}{\left( {\tau - {{\tau '}_0}} \right)^n} + {R_n}\left( \tau \right),\end{array}$

(9)

其中${R_n}\left( \tau \right) = {\Phi ^{\left( {n + 1} \right)}}\left( \delta \right)\frac{{{{\left( {\tau-{{\tau '}_0}} \right)}^{n + 1}}}}{{\left( {n + 1} \right)!}}$, δ∈(τ′₀, τ)为n阶拉格朗日余项，Φ⁽ⁿ⁾(τ′₀)为n阶导数在τ′₀处的取值。
推导式(9) 中各阶导数，将式(6)、式(7) 和式(8) 代入可得

$\begin{array}{l}\Phi \left( {{{\tau '}_0}} \right) = \frac{{4{\rm{\pi }}{K_{\rm{s}}}\left( {{f_{\rm{t}}},{r_{{\rm{ref}}}}} \right)}}{{{c^2}}}\left[ {{\alpha _{{\rm{scl1}}}}\left( {{f_{\rm{t}}}} \right){{\left( {{r_0} - {r_{{\rm{ref}}}}} \right)}^2} + } \right.\\\;\;\;\;\;\;\;\;\;\;\;\;\;{\left( {{r_0} - {r_{{\rm{ref}}}}} \right)^2}\left( {\alpha \left( {{f_{\rm{t}}}} \right) + m{k_{{\rm{s1}}}} + } \right.\\\;\;\;\;\;\;\;\;\;\;\;\;\;\left. {{{\left. {m{k_{{\rm{s2}}}}\left( {{r_0} - {r_{{\rm{ref}}}}} \right)} \right)}^2}} \right] + \\\;\;\;\;\;\;\;\;\;\;\;\;\;\frac{{8{\rm{\pi }}{K_{\rm{s}}}\left( {{f_{\rm{t}}},{r_{{\rm{ref}}}}} \right)}}{{{c^3}}}{\alpha _{{\rm{scl2}}}}\left( {{f_{\rm{t}}}} \right){\left( {{r_0} - {r_{{\rm{ref}}}}} \right)^3},\end{array}$

(10)

$\begin{array}{l}\Phi '\left( {{{\tau '}_0}} \right) = 4{\rm{\pi }}{K_{\rm{s}}}\left( {{f_{\rm{t}}},{r_{{\rm{ref}}}}} \right)\left( {{r_0} - {r_{{\rm{ref}}}}} \right) \cdot \\\;\;\;\;\;\;\;\;\;\;\;\;\;\left[ {\frac{{\left( {{r_0} - {r_{{\rm{ref}}}}} \right)\left( {3{\alpha _{{\rm{scl2}}}}\left( {{f_{\rm{t}}}} \right) - cm{k_{{\rm{s}}2}}} \right)}}{{{c^2}}} + } \right.\\\;\;\;\;\;\;\;\;\;\;\;\;\;\left. {\left[ {{\alpha _{{\rm{scl1}}}}\left( {{f_{\rm{t}}}} \right) - \left( {\alpha \left( {{f_{\rm{t}}}} \right) + m{k_{{\rm{s1}}}}} \right)} \right]} \right],\end{array}$

(11)

$\begin{array}{l}\Phi ''\left( {{{\tau '}_0}} \right) = 2{\rm{\pi }}{K_{\rm{s}}}\left( {{f_{\rm{t}}},{r_{{\rm{ref}}}}} \right) \cdot \\\;\;\;\;\;\;\;\;\;\;\;\;\;\left[ {{\alpha _{{\rm{scl1}}}}\left( {{f_{\rm{t}}}} \right) + 1 + \frac{{6{\alpha _{{\rm{scl2}}}}\left( {{f_{\rm{t}}}} \right)\left( {{r_0} - {r_{{\rm{ref}}}}} \right)}}{c}} \right],\end{array}$

(12)

$\Phi '''\left( {{{\tau '}_0}} \right) = 6{\rm{\pi }}{K_{\rm{s}}}\left( {{f_{\rm{t}}},{r_{{\rm{ref}}}}} \right){\alpha _{{\rm{scl2}}}}\left( {{f_t}} \right).$

(13)

由式(5) 可知，4阶以上导数Φ""(τ′₀)=0，即最高为3阶导数，则式(9) 为

$\begin{array}{l}\Phi = \Phi \left( {{{\tau '}_0}} \right) + \Phi '\left( {{{\tau '}_0}} \right)\left( {\tau - {{\tau '}_0}} \right) + \\\;\;\;\;\;\;\;\frac{{\Phi ''\left( {{{\tau '}_0}} \right)}}{2}{\left( {\tau - {{\tau '}_0}} \right)^2} + \frac{{\Phi '''\left( {{{\tau '}_0}} \right)}}{6}{\left( {\tau - {{\tau '}_0}} \right)^3}.\end{array}$

(14)

非线性ECS自配准成像算法中只用了2阶泰勒展开，将式(13) 代入可得泰勒级数展开近似误差为

$\begin{array}{l}\Delta \Phi = \frac{{\Phi '''\left( {{{\tau '}_0}} \right)}}{6}{\left( {\tau - {{\tau '}_0}} \right)^3} = {\rm{\pi }}{K_{\rm{s}}}\left( {{f_{\rm{t}}},{r_{{\rm{ref}}}}} \right) \cdot \\\;\;\;\;\;\;\;\;\;{\alpha _{{\rm{scl2}}}}\left( {{f_t}} \right){\left( {\tau - {{\tau '}_0}} \right)^3}.\end{array}$

(15)

在分析式(15) 的误差时会用到K_s(f_t, r_ref)、α_scl2(f_t)、τ-τ′₀等参数，因而要确定各个量的范围，如式(16) 所示。其中f_t为方位向频率，k_s2为最小二乘拟合获取的系数。

$\begin{array}{l}{r_0} \in \left[ {{r_{\min }},{r_{\max }}} \right],{f_{\rm{t}}} \in \left[ {{f_{\min }},{f_{\max }}} \right],\\{\alpha _{{\rm{scl2}}}}\left( {{f_t}} \right) = \frac{{cm}}{3}{k_{{\rm{s}}2}},\\\tau - {{\tau '}_0} = \frac{2}{c}\left[ {\alpha \left( {{f_t}} \right)\left( {{r_0} - {r_{{\rm{ref}}}}} \right) - m\Delta {r_{{\rm{ref}}}}} \right].\end{array}$

(16)

利用表 1参数对式(15) 误差分析如图 5~图 8。
Fig. 5

	Download: JPG larger image
图 5 Ks(ft, rref)随方位向变化曲线 Fig. 5 Variation curve of Ks(ft, rref) with the azimuth 图 5 Ks(ft, rref)随方位向变化曲线 Fig. 5 Variation curve of Ks(ft, rref) with the azimuth -->

Fig. 6

	Download: JPG larger image
图 6 α(ft)随方位向频率变化曲线 Fig. 6 Variation curve of α(ft) with the azimuth 图 6 α(ft)随方位向频率变化曲线 Fig. 6 Variation curve of α(ft) with the azimuth -->

Fig. 7

	Download: JPG larger image
图 7 τ-τ′0在方位向和距离向的变化 Fig. 7 Changes in (τ-τ′0) with azimuth and range 图 7 τ-τ′0在方位向和距离向的变化 Fig. 7 Changes in (τ-τ′0) with azimuth and range -->

Fig. 8

	Download: JPG larger image
图 8 相位误差随方位向和距离向的变化 Fig. 8 Changes in phase error with azimuth and range 图 8 相位误差随方位向和距离向的变化 Fig. 8 Changes in phase error with azimuth and range -->

最小二乘拟合后k_s2=4.043 7e-8，可得α_scl2(f_t)=4.043 7。最大相位误差4.407 0e~8 rad，最小相位误差为-1.575 0e~8 rad，化为角度最大相位误差约为2.525 1e-6°。这个误差非常小，对干涉相位影响可以忽略。因此，非线性ECS自配准成像算法中，非线性变标时可采用二阶泰勒级数展开近似。
2.4 成像中的平地假设误差分析在非线性ECS自配准成像处理中，对地球的弯曲平面进行了平地假设，没有考虑地形变化带来的影响，这将造成斜距表达式和变标因子等产生误差，下面将分析这种误差影响。
对于机载双天线InSAR系统而言，图 9给出平地近似和地球弯曲表面的几何关系示意图，该图表示的是天线A₁发射信号，而天线A₁和A₂同时接收信号情况下的几何关系。其中A₁和A₂为两个天线，O₁为天线A₁正下方与地平面L的交点，O为地球中心，R_e为地球半径，θ₀为天线A₁最近斜距下视角，θ_BW为天线A₁的距离向波束宽度，P₁和P₂分别为最近斜距和最远斜距与地平面L的交点。而P₁^*和P₂^*分别以天线A₁为圆心，以最近斜距与最远斜距为半径画圆与地球表面的交点。h为天线A₁到地平面的高度，基线长度为B，基线倾角为α。
Fig. 9

	Download: JPG larger image
图 9 地球平地与地球弯曲平面几何示意图 Fig. 9 Geometry of flat and curved grounds 图 9 地球平地与地球弯曲平面几何示意图 Fig. 9 Geometry of flat and curved grounds -->

在此模型中，天线A₁发出信号，两个天线都接收信号，因此，天线A₁的斜距没有误差。而当以A₁为圆心画圆与地球表面相交时，由于天线下视角发生变化，因而天线A₂的斜距发生变化，两天线的路径差就变为天线A₂平地近似的路径差。
设天线A₁的斜距为R，下视角为θ，则

$R = h/\cos \theta ,$

(17)

天线A₂的平地近似斜距为

${{\bar R}_2} = \sqrt {{B^2} + {B^2} - 2BR\sin \left( {\theta - \alpha } \right)} ,$

(18)

设天线A₁与地球表面交点对应下视角为θ^*，则

$\begin{array}{l}{\theta ^ * } = {\mathop{\rm arc}\nolimits} \;cos\left( {\frac{{{R^2} + {{\left( {{R_{\rm{e}}} + h} \right)}^2} - R_{\rm{e}}^2}}{{2R\left( {{R_{\rm{e}}} + h} \right)}}} \right)\\\;\;\;\; = {\mathop{\rm arc}\nolimits} \;cos\left( {\frac{{{R^2} + {h^2} + 2{R_{\rm{e}}}h}}{{2R\left( {{R_{\rm{e}}} + h} \right)}}} \right),\end{array}$

(19)

可得天线A₂与地球表面交点对应的斜距为

${R_2} = \sqrt {{B^2} + {R^2} - 2BR\sin \left( {{\theta ^ * } - \alpha } \right)} ,$

(20)

则由于平地近似造成的天线两天线斜距误差为

$\begin{array}{l}\Delta {R_{12}} = {R_2} - {{\bar R}_2}\\\;\;\;\;\;\;\;\; = \sqrt {{B^2} + {R^2} - 2BR\sin \left( {{\theta ^ * } - \alpha } \right)} - \\\;\;\;\;\;\;\;\;\;\;\;\;\sqrt {{B^2} + {R^2} - 2BR\sin \left( {{\theta ^ * } - \alpha } \right)} ,\end{array}$

(21)

引起的干涉相位误差为

$\Delta \varphi = 2{\rm{\pi }}\Delta {R_{12}}/\lambda .$

(22)

为定性并更加直观地研究由于平地近似造成的误差，现利用表 1中较为典型的机载双天线InSAR系统参数进行误差仿真分析，地球平均半径R_e=6 371.393 km。
图 10和图 11为仿真结果，由该图可知，在表 1参数中，由于对地球面采用平地近似引起的两天线最大斜距误差约为9.134 071e-04 m，从而导致的最大干涉相位误差为0.183 651 rad，约为10.522 4°。采用平地近似，主要在干涉运动补偿的轨迹误差校正和相位补偿时造成误差，这个误差大小对于高精度InSAR系统(高程精度优于0.5 m时)会造成一定的影响，要在干涉运动补偿部分予以考虑。
Fig. 10

	Download: JPG larger image
图 10 ΔR12随距离向的变化情况 Fig. 10 Changes in ΔR12 with the range 图 10 ΔR12随距离向的变化情况 Fig. 10 Changes in ΔR12 with the range -->

Fig. 11

	Download: JPG larger image
图 11 Δφ随距离向的变化情况 Fig. 11 Changes in Δφ with the range 图 11 Δφ随距离向的变化情况 Fig. 11 Changes in Δφ with the range -->

3 结论为进一步提高机载双天线干涉SAR系统的相位保持精度，进而提高最终的DEM产品精度，本文针对目前广泛应用的ECS自配准成像算法，分析其中4个近似误差对相位的影响，即雷达和散射体之间相对速度等效误差、非线性自配准时两天线距离差的二次近似误差、非线性变标时二阶泰勒近似误差及成像处理中平地假设误差，并得出每个因素的定性和定量相位误差。这些近似误差的分析将为高精度InSAR系统的相位精度的提升提供进一步思考和解决问题的方向。
参考文献

[1]	Chen L F, Xie W B, Huang Y F. Estimation of initial phase offset in real-time for airborne dual-antenna InSAR system [C]//Radar Conference 2013, IET International. Xi'an, 14-16 April, 2013: 1-4.
[2]	陈立福, 林月冠, 彭曙蓉, 等. 一种用于机载双天线InSAR系统的实时DEM生成方法及实现[J].中国科学院大学学报, 2014, 31(5):678–684.
[3]	杜亚男, 冯光财, 李志伟, 等. TerraSAR-X/ TanDEM-X获取高精度数字高程模型技术研究[J].地球物理学报, 2015, 58(9):3089–3102.DOI:10.6038/cjg20150907
[4]	孙亚飞, 江利明, 柳林, 等. TanDEM-X双站InSAR地形提取及精度评估[J].武汉大学学报(信息科学版), 2016, 41(1):101–105.
[5]	李芳芳, 胡东辉, 丁赤飚, 等. 机载双天线InSAR对飞数据处理与分析[J].雷达学报, 2015, 4(1):38–48.
[6]	Moreira A, Mittermayer J, Scheiber R. Extended chirp scaling algorithm for air-and spaceborne SAR data processing in stripmap and scanSAR imaging modes[J].IEEE Transactions on Geoscience and Remote Sensing, 1996, 34(5):1123–1135.DOI:10.1109/36.536528
[7]	李绍恩, 向茂生, 吴一戎. 一种新的双天线干涉SAR自配准成像算法[J].电子与信息学报, 2004, 26(Suppl.):237–243.
[8]	陈立福, 韦立登, 向茂生, 等. 机载双天线干涉SAR非线性近似自配准成像算法[J].电子与信息学报, 2010, 32(9):2208–2214.
[9]	Cumming I G, Wong F H. Digital processing of synthetic aperture radar data: algorithms and implementation[M].Beijing: Electronic Industry Press, 2007.