SAR数据采集服务已成为地理信息产业的重要组成部分，而数据预处理是连接原始雷达回波与应用分析的关键环节。本文系统梳理了SAR数据预处理的完整流程，从基础的信号域处理到高级的辐射、相位、几何校正，详细阐述了各类方法的原理、适用场景及技术特点，对比了不同SAR成像模式下的预处理差异，并探讨了自动化预处理架构。
一、SAR数据预处理概述
1. 预处理的定义与基本流程
SAR数据预处理是指将雷达系统接收的原始回波信号转换为可用于应用分析的标准产品的一系列处理步骤。广义的预处理包括信号域处理、成像处理、几何校正、辐射定标、噪声抑制等环节，而狭义的预处理通常指成像处理之后的几何和辐射校正步骤。在实际的
SAR数据采集服务中，通常采用广义的预处理概念，将从原始回波到标准地理编码产品的所有处理都纳入预处理范畴。
一个完整的SAR数据预处理流程通常包括以下几个主要阶段：
（1）信号域预处理：对原始回波信号进行滤波、脉冲压缩、距离徙动校正等处理，消除信号传输过程中的畸变；
（2）成像处理：利用合成孔径原理，将一维回波信号转换为二维雷达图像；
（3）几何校正：消除SAR成像几何畸变，将雷达坐标转换为地理坐标；
（4） 辐射定标：将雷达图像的灰度值转换为与地表后向散射系数相关的物理量；
（5）噪声抑制：去除相干斑噪声等干扰，提高图像质量；
（6）产品生成：根据用户需求，生成不同级别的标准数据产品。
2. 预处理的必要性
原始SAR回波数据存在多种固有缺陷，必须通过预处理才能得到可用的图像产品，主要原因包括：
（1）成像原理导致的几何畸变：SAR采用斜距投影方式，地形起伏会引起严重的透视收缩、叠掩和阴影现象；
（2）系统误差的影响：雷达系统的天线方向图、发射功率、接收机增益等参数的不稳定性会导致辐射误差；
（3）相干斑噪声：由于SAR发射相干电磁波，地表散射体的回波干涉会产生颗粒状的相干斑噪声，严重影响图像解译精度；
（4）轨道和大气误差：卫星轨道的微小偏差和大气传播延迟会导致相位误差，影响干涉测量和形变监测的精度。
3. 预处理质量对后续应用的影响
预处理质量直接决定了SAR数据的应用价值。例如，在地形测绘中，几何校正的精度直接影响数字高程模型(DEM)的精度；在森林资源调查中，辐射定标的准确性直接影响生物量估算的精度；在地震形变监测中，相位预处理的质量直接决定了形变测量的精度。因此，
SAR数据采集服务提供商必须建立严格的预处理质量控制体系，确保输出产品的精度和一致性。
二、基础预处理步骤详解
1. 信号域预处理
信号域预处理是SAR数据处理的第一步，直接影响成像质量。其主要任务是对原始回波信号进行处理，消除信号传输过程中的畸变，为成像处理做准备。
（1）脉冲压缩技术是SAR信号处理的核心技术之一。为了同时提高距离分辨率和信噪比，SAR系统通常发射线性调频(LFM)脉冲。脉冲压缩通过匹配滤波将宽脉冲压缩为窄脉冲，从而在不降低信噪比的情况下提高距离分辨率。常用的脉冲压缩方法有时域卷积法和频域快速傅里叶变换(FFT)法。频域方法由于计算效率高，在实际应用中更为广泛。
（2）距离徙动校正(RCMC) 是SAR成像处理中的关键步骤。由于SAR平台在方位向的运动，同一个目标在不同方位时刻的斜距不同，导致其在距离-多普勒域的轨迹发生弯曲，这种现象称为距离徙动。如果不进行校正，成像结果会出现模糊和散焦。距离徙动校正的方法有多种，其中最常用的是Chirp Scaling算法中的插值校正法和距离-多普勒算法中的时域校正法。
（3）多普勒参数估计 是SAR成像处理的另一个关键步骤。多普勒中心频率和多普勒调频率是SAR成像的两个重要参数，它们决定了合成孔径的长度和方位分辨率。多普勒中心频率通常由卫星轨道参数和雷达波束指向角计算得到，但由于轨道误差和波束指向误差的影响，实际值与理论值存在偏差，需要通过数据本身进行估计。常用的多普勒中心频率估计方法有能量平衡法、相关法和最大对比度法。
2. 成像处理
成像处理是SAR数据预处理的核心环节，其任务是利用合成孔径原理，将一维回波信号转换为二维雷达图像。目前主流的SAR成像算法主要有以下三种：
（1）距离-多普勒(RD)算法 是最早提出且应用最广泛的SAR成像算法。该算法基于距离-多普勒域的信号特性，通过距离压缩、距离徙动校正和方位压缩三个步骤实现成像。RD算法原理简单、易于实现，适用于大多数条带模式SAR数据处理。但其缺点是在大斜视角情况下，距离徙动校正精度会下降。
（2）Chirp Scaling(CS)算法 是为了解决RD算法在大斜视角情况下的不足而提出的。该算法通过引入一个Chirp Scaling函数，在距离-多普勒域实现了精确的距离徙动校正，不需要进行插值操作，从而提高了计算效率和成像精度。CS算法适用于大斜视角、宽测绘带的SAR数据处理，是目前星载SAR成像处理的主流算法。
（3）Omega-K算法 也称为波数域算法，是一种基于二维傅里叶变换的成像算法。该算法通过将回波信号变换到二维波数域，利用Stolt插值实现距离徙动校正，然后进行二维逆傅里叶变换得到图像。Omega-K算法理论上是精确的，适用于任何斜视角的SAR数据处理。但其缺点是计算量较大，对内存要求较高。
3. 几何校正
SAR图像的几何校正包括轨道参数校正、地形起伏校正和地理编码三个主要步骤，其目的是消除SAR成像的几何畸变，将雷达坐标转换为地理坐标。
（1）轨道参数校正 是几何校正的基础。卫星轨道参数的精度直接影响几何校正的精度。原始轨道参数通常由卫星导航系统提供，但存在一定的误差。通过地面控制点(GCP)可以对轨道参数进行精校正，提高几何定位精度。常用的轨道参数校正方法有多项式拟合法和轨道参数优化法。
（2）地形起伏校正 是SAR几何校正中最复杂的步骤。由于SAR采用斜距投影方式，地形起伏会引起透视收缩、叠掩和阴影现象，导致图像几何畸变。地形起伏校正需要利用DEM数据，通过正射校正的方法消除地形引起的几何畸变。常用的地形起伏校正方法有距离-多普勒正射校正法和多项式正射校正法。其中，距离-多普勒正射校正法基于SAR成像的几何模型，校正精度更高，是目前主流的校正方法。
（3）地理编码与投影转换 是将雷达图像的像素坐标转换为地理坐标(经纬度)，并根据用户需求转换为不同的地图投影。常用的地图投影有UTM投影、高斯-克吕格投影和Web Mercator投影等。地理编码过程中需要进行重采样，常用的重采样方法有最近邻法、双线性内插法和三次卷积内插法。最近邻法计算速度最快，但会产生锯齿效应；三次卷积内插法效果最好，但计算量最大；双线性内插法在精度和计算效率之间取得了较好的平衡。
三、高级预处理技术
1. 辐射定标
辐射定标是将SAR图像的灰度值转换为与地表后向散射系数(σ⁰)相关的物理量的过程。辐射定标分为绝对辐射定标和相对辐射定标两种。
（1）绝对辐射定标 是通过定标常数将图像灰度值转换为绝对后向散射系数。定标常数通常由雷达系统参数和定标场测量数据计算得到。绝对辐射定标需要精确的雷达系统参数和地面定标数据，定标精度通常在1-3dB之间。
（2）相对辐射定标 是消除图像内部辐射不均匀性的过程。SAR图像的辐射不均匀性主要由天线方向图、距离向增益变化和方位向增益变化引起。相对辐射定标通过对图像进行增益校正，使同一地物在图像不同位置的灰度值一致。常用的相对辐射定标方法有天线方向图校正法、直方图匹配法和统计平均法。
（3）辐射归一化处理 是消除入射角和地形起伏对后向散射系数影响的过程。入射角的变化会导致后向散射系数的变化，地形起伏会引起局部入射角的变化。辐射归一化处理通过入射角校正和地形校正，将后向散射系数归一化到标准入射角下的值。常用的辐射归一化方法有余弦校正法和半经验模型法。
2. 相干斑噪声抑制
相干斑噪声是SAR图像固有的特征，它是由地表散射体的回波干涉产生的。相干斑噪声会降低图像的信噪比，影响图像解译和参数反演的精度。因此，相干斑噪声抑制是SAR数据预处理中的重要环节。
（1）空间域滤波算法 是最早提出且应用最广泛的相干斑噪声抑制方法。这类算法基于局部统计特性，通过对图像进行滑动窗口滤波来抑制噪声。常用的空间域滤波算法有Lee滤波、Frost滤波和Kuan滤波。Lee滤波基于最小均方误差准则，能够在抑制噪声的同时较好地保留图像边缘信息；Frost滤波基于指数加权平均，对噪声的抑制效果更好，但边缘保留能力稍差；Kuan滤波是Lee滤波的改进，在均匀区域和边缘区域都有较好的表现。
（2）变换域滤波算法 是将图像变换到其他域进行滤波处理，然后再变换回空间域。常用的变换域滤波算法有小波变换和Curvelet变换。小波变换具有良好的时频局部化特性，能够有效地分离信号和噪声；Curvelet变换是小波变换的改进，具有更好的方向选择性，能够更好地保留图像的边缘和纹理信息。
（3）基于深度学习的去噪方法 是近年来发展起来的新型相干斑噪声抑制方法。这类方法利用深度神经网络学习噪声和信号的特征，实现端到端的去噪处理。常用的深度学习模型有卷积神经网络(CNN)、生成对抗网络(GAN)和Transformer等。与传统方法相比，基于深度学习的方法在噪声抑制和细节保留方面都有显著提升，但需要大量的训练数据。
3. 相位预处理
相位信息是SAR数据的重要组成部分，在干涉测量、形变监测、数字高程模型生成等应用中具有不可替代的作用。相位预处理主要包括相位解缠、大气相位校正和轨道相位误差校正。
（1）相位解缠技术 是干涉SAR(InSAR)处理中的关键步骤。由于SAR系统只能测量相位的主值(0-2π)，因此得到的干涉相位是缠绕的。相位解缠就是通过对缠绕相位进行处理，恢复出真实的绝对相位。常用的相位解缠方法有枝切法、最小费用流法和统计方法。枝切法原理简单、计算速度快，但在相位不连续区域容易产生误差；最小费用流法能够得到全局最优解，但计算量较大；统计方法基于贝叶斯估计，对噪声具有较强的鲁棒性。
（2）大气相位校正 是提高InSAR形变测量精度的关键。大气延迟是InSAR形变测量中的主要误差源之一，它会导致相位误差，严重影响形变测量的精度。大气相位校正的方法主要有基于气象数据的方法、基于永久散射体(PS)的方法和基于多时相InSAR的方法。基于永久散射体的方法利用稳定的点目标来估计大气相位，是目前最常用的大气相位校正方法。
（3）轨道相位误差校正 是消除卫星轨道误差引起的相位误差的过程。卫星轨道的微小偏差会导致干涉相位中出现一个低频的相位误差，这个误差会被误认为是地表形变。轨道相位误差校正通常通过多项式拟合的方法来实现，利用干涉相位的低频分量来估计轨道误差参数。
四、不同SAR模式下的预处理差异
不同的SAR成像模式具有不同的特点，因此其预处理流程和方法也存在差异。
1. 条带模式SAR 是最基本的SAR成像模式，其天线波束指向固定，卫星沿轨道运动形成条带状的成像区域。条带模式SAR的预处理流程相对标准，通常采用RD算法或CS算法进行成像处理，几何校正和辐射定标方法也比较成熟。
2. 扫描模式SAR 通过快速切换天线波束指向，实现宽测绘带成像。扫描模式SAR的预处理难点在于不同扫描带之间的辐射和几何一致性校正。由于不同扫描带的入射角不同，后向散射系数存在差异，需要进行辐射归一化处理；同时，不同扫描带之间存在重叠区域，需要进行几何拼接和一致性校正。
3. 聚束模式SAR 通过控制天线波束指向，使波束始终照射同一区域，从而提高方位分辨率。聚束模式SAR的预处理难点在于大斜视角和大孔径角引起的距离徙动和多普勒参数变化。聚束模式SAR通常采用Omega-K算法或扩展的CS算法进行成像处理，几何校正也需要考虑聚束模式的特殊几何模型。
4. 干涉SAR(InSAR) 利用两幅或多幅同一区域的SAR图像的相位差来提取地形信息和地表形变信息。InSAR的预处理除了包括常规的SAR预处理步骤外，还包括图像配准、干涉图生成、相位解缠和相位误差校正等特殊步骤。其中，图像配准的精度直接影响干涉图的质量，通常要求配准精度达到1/8像素以上。
5. 极化SAR(POLSAR) 能够测量不同极化方式下的后向散射信息，从而获取更丰富的地表特征。极化SAR的预处理除了包括常规的SAR预处理步骤外，还包括极化定标和极化分解等特殊步骤。极化定标用于消除系统极化误差，恢复真实的散射矩阵；极化分解用于将散射矩阵分解为不同的散射机制，从而提取地表特征信息。
五、预处理流程的自动化与标准化
1. 主流SAR预处理软件工具对比
目前，市场上有多种SAR预处理软件工具，它们各有特点，适用于不同的应用场景。
（1）SNAP是由欧洲空间局(ESA)开发的开源遥感数据处理平台，专门用于处理Sentinel系列卫星数据。SNAP提供了完整的SAR预处理流程，包括成像处理、几何校正、辐射定标、干涉处理和极化处理等功能，支持多种SAR数据格式。SNAP的优点是开源免费、功能全面、易于扩展，是目前最流行的SAR预处理软件之一。
（2）ENVI SARscape 是由Harris Geospatial Solutions开发的商业SAR数据处理软件，集成在ENVI遥感图像处理平台中。SARscape提供了强大的SAR预处理功能，支持多种星载和机载SAR数据格式，特别是在干涉处理和极化处理方面具有优势。SARscape的优点是界面友好、操作简单、处理精度高，适合商业应用。
（3）GAMMA Remote Sensing Software 是由瑞士GAMMA Remote Sensing公司开发的专业SAR数据处理软件，广泛应用于科研和商业领域。GAMMA软件提供了最全面的SAR处理功能，包括高级的干涉处理、极化处理和时序分析功能，支持几乎所有的SAR数据格式。GAMMA软件的优点是处理精度高、功能强大、算法先进，但价格昂贵，操作复杂。
2. 云平台下的分布式预处理架构
随着SAR数据量的爆炸式增长，传统的单机处理模式已经无法满足海量数据处理的需求。云平台下的分布式预处理架构成为SAR数据处理的发展趋势。
分布式预处理架构基于云计算技术，将大规模的SAR数据处理任务分解为多个子任务，分配到多个计算节点并行处理，从而大大提高处理效率。云平台提供了弹性的计算资源和存储资源，能够根据数据量和处理需求动态调整资源配置，降低处理成本。
目前，国内外多家公司和机构已经推出了基于云平台的SAR数据处理服务，如谷歌地球引擎(GEE)、阿里云遥感云平台、航天宏图PIE-Engine等。这些平台提供了在线的SAR预处理工具和API接口，用户可以通过浏览器或编程方式访问，实现SAR数据的快速处理和分析。
3. 行业标准与数据格式规范
为了促进SAR数据的共享和应用，国际上已经制定了一系列SAR数据格式标准和预处理规范。
（1）CEOS SAR数据格式标准 是由地球观测卫星委员会(CEOS)制定的SAR数据格式标准，被大多数星载SAR系统采用。该标准定义了SAR数据的基本结构、元数据格式和产品级别，确保了不同卫星系统数据的兼容性。
（2）Sentinel-1数据产品规范 是由欧洲空间局制定的Sentinel-1卫星数据产品规范，定义了Sentinel-1数据的不同级别产品及其预处理流程。Sentinel-1数据产品分为L0级(原始数据)、L1级(单视复数数据)和L2级(地理编码数据)，用户可以根据自己的需求选择不同级别的产品。
SAR数据预处理是SAR数据采集服务中的核心环节，直接决定了数据的应用价值。本文系统梳理了SAR数据预处理的完整流程，详细阐述了基础预处理和高级预处理的关键技术，对比了不同SAR模式下的预处理差异，并探讨了自动化预处理架构和未来发展趋势。
MiniSAR聚焦于微型合成孔径雷达（SAR）制造研发，为用户提供定制化机载SAR、轻型MiniSAR、无人机载MiniSAR、SAR数据采集服务、SAR飞行服务等。如您有相关业务需求，欢迎联系！
150-110-63408