微型合成孔径雷达（MiniSAR）凭借无人机载的灵活部署优势，在农林监测、灾害评估等领域需求激增，但受限于重量（通常＜5kg）、功耗（＜20W）与体积约束，其多极化实现面临"性能-微型化"的核心矛盾。中国科学院空天院研制的MV3DSAR设备实现了小型化全极化阵列干涉技术突破，重量仅3.2kg却能获取高精度极化三维数据，验证了技术可行性。本文系统构建微型SAR多极化数据的"采集-校正-分析-应用"技术体系，结合最新工程实践揭示关键突破路径。
一、多极化数据采集的核心原理与微型化适配
1. 极化散射的物理基础
电磁波的极化状态由电场矢量的振动方向决定，SAR多极化技术通过发射和接收水平（H）、垂直（V）两种极化状态的信号，获取目标的完整散射特性。全极化SAR需采集四个基本极化通道数据，构成复散射矩阵S：
S=[S_HH,S_HV;S_VH,S_VV]
其中，SHH>（水平发射-水平接收）与S>VV垂直发射-垂直接收）为同极化通道，反映目标的镜面散射特性；SHV与S>VH交叉极化通道，对植被、粗糙表面等体散射敏感。通过散射矩阵的特征分解，可提取熵（H）、各向异性（A）、平均散射角（α）等极化特征量，实现地物精细分类。
针对微型平台的载荷限制，主流采集方案分为三类，其性能对比见表1：
采集方案
|
硬件复杂度
|
重量增量
|
数据率
|
极化隔离度
|
适用场景
|
分时切换极化
|
低
|
＜0.3kg
|
单通道
|
＞35dB
|
静态场景（地形测绘）
|
双极化同时接收
|
中
|
0.5-1kg
|
双通道
|
＞28dB
|
动态场景（灾害监测）
|
全极化阵列接收
|
高
|
1-2kg
|
四通道
|
＞40dB
|
高精度场景（目标识别）
|
（1）分时切换极化方案：通过射频开关交替切换发射/接收极化状态，硬件仅需一套收发链路，最适合微型化。某X波段微型SAR采用该方案，在1km斜距下实现2m分辨率全极化成像，重量仅1.8kg。但切换过程会引入时间偏差，需通过运动补偿算法修正，在无人机速度＞25m/s时精度下降明显。
（2）双极化同时接收方案：采用双路接收链路同时获取同极化与交叉极化数据，发射端通过极化分集天线同时辐射H/V极化波。中科院空天院MV3DSAR设备采用该方案，结合阵列干涉技术，在冰川测绘中实现0.1m高程精度与植被分类一体化，数据率较分时方案提升2倍。
（3）全极化阵列接收方案：基于多通道天线阵列实现四通道同时采集，极化隔离度最高但硬件最复杂。某军用微型SAR采用4单元微带阵列天线，通过相位加权实现极化纯度控制，在战场侦察中成功区分伪装车辆与植被，识别率达91%。
3. 微型化的关键硬件优化
（1）天线小型化设计：采用多层贴片集成技术，将双极化天线尺寸压缩至15cm×15cm，增益仍保持8dB以上，满足1-3km作用距离需求。
（2）低功耗射频链路：采用GaN（氮化镓）器件构建收发前端，发射功率5W时功耗仅3.2W，较传统Si器件降低40%。
（3）轻量化阵列集成：通过LTCC（低温共烧陶瓷）工艺实现多通道天线与射频链路的一体化封装，重量较分立方案减少60%。
二、多极化数据的校正与预处理技术
原始极化数据受硬件误差与平台扰动影响，需经过"误差校正-相干斑抑制-几何校正"三级预处理，其流程如下：
原始极化数据→通道幅相校正→极化纯度校正→相干斑抑制→几何配准→预处理后数据
1. 极化误差的高精度校正
微型SAR的硬件非理想性会引入两类关键误差，直接破坏极化散射矩阵的准确性：
（1）通道幅相误差校正：由于收发链路的器件不一致性，四个极化通道存在幅度偏差（通常1-3dB）与相位偏差（5-15°）。采用"定标体校正法"，通过测量已知散射特性的定标体（如金属球、角反射器）回波，建立误差模型：
S=Er·S·Et+N
其中Er、E>t为接收、发射端误差矩阵，N为噪声
某实验表明，校正后通道幅度一致性提升至0.5dB以内，相位一致性提升至2°以内，极化分解精度提高35%。
（2）极化纯度校正：交叉极化泄漏（如发射H极化时混入V极化分量）会导致极化隔离度下降，采用"自适应极化滤波算法"实时估计泄漏分量，在X波段微型SAR中可将隔离度从25dB提升至40dB，有效抑制虚假极化特征。
2. 相干斑抑制与数据降维
（1）多尺度相干斑抑制：微型SAR分辨率较低（通常1-5m），相干斑噪声更为明显。采用改进的Lee-Sigma滤波器，结合极化特征差异设置自适应窗口，在抑制噪声的同时保留极化信息，较传统方法的等效视数提升2.3倍。
（2）轻量化数据压缩：全极化数据量是单极化的4倍，针对微型平台存储限制，采用"极化域稀疏采样+压缩感知重构"方案：在采集端对交叉极化通道进行50%随机欠采样，通过基于复值神经网络的重构算法恢复完整数据，数据量减少40%仍保持95%的极化特征保真度。
3. 运动误差的极化一致性校正
无人机姿态扰动会导致不同极化通道的成像几何不一致，采用"子孔径配准+相位补偿"方法：
（1）以强散射点为基准，对各极化通道图像进行亚像素级配准，配准误差控制在0.1像素以内；
（2）基于INS/GPS数据，对每个极化通道单独进行运动误差补偿，保证散射矩阵的相位一致性。某实测数据显示，该方法可将姿态误差导致的极化熵估计偏差从0.2降至0.05。
三、多极化数据的核心分析方法
1. 极化特征提取与目标分解
（1）基础极化特征计算：从散射矩阵中提取极化比、散射熵、反熵等20余种特征量，构建特征空间。例如，极化比（S>HHVV>）可有效区分水体（比值≈0.3）与陆地（比值≈1.2），在洪水监测中准确率达98%。
（2）模型驱动的目标分解：
1）Cloude-Pottier分解：通过特征值分解将散射矩阵分解为熵（H）、各向异性（A）、平均散射角（α），实现地物的散射机制分类。在农业监测中，可区分植被（H≈0.7，α≈45°）、土壤（H≈0.3，α≈20°）与建筑（H≈0.2，α≈80°）。
2）Yamaguchi分解：将散射分为表面散射、二面角散射、体散射与螺旋散射四类，在城市区域测绘中，对建筑物二面角散射的识别率达89%，较单极化提升40%。
（3）数据驱动的特征学习：针对微型SAR数据信噪比低的问题，采用"物理特征+深度学习"的混合模型：
1）输入层融合Cloude-Pottier分解特征与原始极化数据；
2）通过卷积神经网络（CNN）自动提取深层特征，在MSTAR数据集上的目标识别准确率达94.2%，较传统方法提升8.5%；
3）结合Grad-CAM可解释性分析，定位模型决策的关键极化特征区域，增强结果可信度。
2. 极化干涉与三维信息提取
结合多极化与干涉技术，可同时获取目标的极化特性与三维结构。中科院MV3DSAR设备采用"全极化阵列干涉"技术，通过双基线配置实现：
（1）利用不同极化通道的干涉相位差反演高程，植被区域的高程精度达0.2m，较单极化干涉提升30%；
（2）结合体散射分量的极化特征，实现植被高度反演，在祁连山冰川区的冰厚测量中误差＜5%。
3. 动态目标检测与变化监测
（1）极化差异检测：利用不同时相的极化特征差异（如散射熵变化量ΔH＞0.3），检测地物变化。在地震灾害监测中，可识别倒塌建筑（ΔH≈0.5）与未受损建筑（ΔH≈0.1），检测准确率达92%。
（2）动目标极化滤波：针对运动目标的极化特性变化，采用"极化白化滤波"抑制静态杂波，在边境监控中成功检测时速5m/s的移动车辆，虚警率较单极化降低60%。
四、实践验证与典型应用场景
1. 设备与实验参数
某无人机载X波段微型全极化SAR（重量2.5kg，功率12W，分辨率2m，作用距离3km）开展多场景实测，实验参数见表2：
场景类型
|
飞行高度
|
斜距
|
极化模式
|
数据率
|
处理时间
|
农业监测
|
500m
|
800m
|
全极化
|
200MB/s
|
180s
|
城市测绘
|
800m
|
1.2km
|
双极化
|
100MB/s
|
240s
|
灾害救援
|
400m
|
600m
|
全极化
|
200MB/s
|
120s
|
2. 典型应用性能表现
（1）精准农业监测：
1）采用Yamaguchi分解提取植被体散射分量，反演小麦生物量，误差＜10%；
2）通过极化熵变化监测病虫害，在发病初期（叶片受害率＜15%）即可识别，较光学遥感提前7-10天。
（2）城市精细化测绘：
1）结合二面角散射特征与干涉高程数据，实现建筑物提取与高度反演，提取准确率达91%，高度误差＜0.5m；
2）利用交叉极化通道的穿透性，识别建筑物阴影区的隐蔽目标（如堆积物），在城市搜救中定位准确率达87%。
（3）自然灾害评估：
1）洪水监测中，通过极化比（S/S>VV0.4）识别淹没区域，与实地勘察的吻合度达96%；
2）滑坡监测中，利用极化特征变化量（Δα＞15°）检测形变区域，提前14天预警某小型滑坡灾害。
微型合成孔径雷达多极化技术通过"硬件轻量化设计-高精度误差校正-特征深度挖掘"的技术体系，突破了"性能-体积"的固有矛盾，在农业、城市、灾害等领域展现出高精度应用价值。实验表明，重量＜3kg的微型全极化SAR可实现2m分辨率成像与90%以上的地物分类精度，较单极化系统的信息提取能力提升1-2个量级。
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