radar de apertura sintética

La FFT ( Transformada Rápida de Fourier , es decir, periodograma o filtro adaptado ) es uno de estos métodos, que se utiliza en la mayoría de los algoritmos de estimación espectral, y existen muchos algoritmos rápidos para calcular la transformada discreta de Fourier multidimensional . El álgebra computacional de matriz de núcleo de Kronecker ^{[ 22 ]} es un algoritmo popular que se utiliza como una nueva variante de los algoritmos FFT para el procesamiento en sistemas de radar de apertura sintética (SAR) multidimensionales. Este algoritmo utiliza un estudio de las propiedades teóricas de los conjuntos de indexación de datos de entrada/salida y grupos de permutaciones.

Se utiliza una rama del álgebra lineal multidimensional finita para identificar similitudes y diferencias entre diversas variantes del algoritmo FFT y para crear nuevas variantes. Cada cálculo de DFT multidimensional se expresa en forma matricial. La matriz DFT multidimensional, a su vez, se descompone en un conjunto de factores, denominados primitivas funcionales, que se identifican individualmente con un diseño computacional de software/hardware subyacente. ^{[ 7 ]}

La implementación de la FFT es esencialmente una realización del mapeo del marco matemático mediante la generación de variantes y la ejecución de operaciones matriciales. El rendimiento de esta implementación puede variar de una máquina a otra, y el objetivo es identificar en qué máquina funciona mejor. ^{[ 23 ]}

El método espectral de Capon , también llamado método de mínima varianza, es una técnica de procesamiento de matrices multidimensionales. ^{[ 26 ]} Es un método no paramétrico basado en la covarianza, que utiliza un enfoque de banco de filtros adaptado y sigue dos pasos principales:

1. Pasar los datos a través de un filtro de paso de banda 2D con frecuencias centrales variables (${\displaystyle \omega _ {1}, \ omega _ {2}}$).
2. Estimando la potencia en (${\displaystyle \omega _ {1}, \ omega _ {2}}$) para todos${\displaystyle \omega _{1}\in [0,2\pi ),\omega _{2}\in [0,2\pi )}$de interés a partir de los datos filtrados.

El filtro de paso de banda adaptativo Capon está diseñado para minimizar la potencia de la salida del filtro, así como para dejar pasar las frecuencias (${\displaystyle \omega _ {1}, \ omega _ {2}}$) sin ninguna atenuación, es decir, para satisfacer, para cada (${\displaystyle \omega _ {1}, \ omega _ {2}}$),

${\displaystyle \min _{h}h_{\omega _{1},\omega _{2}}^{*}Rh_{\omega _{1},\omega _{2}}}$sujeto a${\displaystyle h_{\omega _{1},\omega _{2}}^{*}a_{\omega _{1},\omega _{2}}=1,}$

donde R es la matriz de covarianza ,${\ Displaystyle h _ {\ omega _ {1}, \ omega _ {2}} ^ {*}}$es la transpuesta conjugada compleja de la respuesta impulsional del filtro FIR,${\ Displaystyle a _ {\ omega _ {1}, \ omega _ {2}}}$es el vector de Fourier 2D, definido como${\displaystyle a_{\omega _{1},\omega _{2}}\triangleq a_{\omega _{1}}\otimes a_{\omega _{2}}}$,${\displaystyle \otimes }$denota el producto de Kronecker. ^{[ 26 ]}

Por lo tanto, transmite una sinusoide 2D a una frecuencia determinada sin distorsión, minimizando la varianza del ruido de la imagen resultante. El objetivo es calcular la estimación espectral de manera eficiente. ^{[ 26 ]}

La estimación espectral se da como

${\displaystyle S_{\omega _{1},\omega _{2}}={\frac {1}{a_{\omega _{1},\omega _{2}}^{*}R^{-1}a_{\omega _{1},\omega _{2}}}},}$

donde R es la matriz de covarianza y${\displaystyle a_{\omega _{1},\omega _{2}}^{*}}$es la transpuesta conjugada compleja bidimensional del vector de Fourier. El cálculo de esta ecuación sobre todas las frecuencias consume mucho tiempo. Se observa que el estimador de Capon hacia adelante y hacia atrás proporciona una mejor estimación que el enfoque clásico de Capon solo hacia adelante. La razón principal es que, mientras que el Capon hacia adelante y hacia atrás utiliza los vectores de datos hacia adelante y hacia atrás para obtener la estimación de la matriz de covarianza, el Capon solo hacia adelante utiliza únicamente los vectores de datos hacia adelante para estimar la matriz de covarianza. ^{[ 26 ]}

El método APES (estimación de amplitud y fase) es también un método de banco de filtros adaptados, que supone que los datos del historial de fase son una suma de sinusoides 2D con ruido.

El estimador espectral APES tiene una interpretación de filtrado de 2 pasos:

1. Procesamiento de datos a través de un banco de filtros pasabanda FIR con frecuencia central variable.${\displaystyle \omega }$.
2. Obtención de la estimación del espectro para${\displaystyle \omega \in [0,2\pi )}$a partir de los datos filtrados. ^{[ 28 ]}

Empíricamente, el método APES produce picos espectrales más amplios que el método Capon, pero estimaciones espectrales más precisas para la amplitud en SAR. ^{[ 29 ]} En el método Capon, aunque los picos espectrales son más estrechos que en el APES, los lóbulos laterales son más altos. Como resultado, se espera que la estimación de la amplitud sea menos precisa con el método Capon que con el método APES. El método APES requiere aproximadamente 1,5 veces más cálculos que el método Capon. ^{[ 30 ]}

El método SAMV es capaz de lograr una resolución superior a la de algunos métodos paramétricos establecidos, como MUSIC , especialmente con señales altamente correlacionadas.

La complejidad computacional del método SAMV es mayor debido a su procedimiento iterativo.

Este método de descomposición de subespacio separa los autovectores de la matriz de autocovarianza en aquellos que corresponden a señales y a ruido. ^{[ 7 ]} La amplitud de la imagen en un punto (${\displaystyle \omega _{x},\omega _{y}}$) viene dado por:

${\displaystyle {\hat {\phi }}_{EV}\left(\omega _{x},\omega _{y}\right)={\frac {1}{W^{\mathsf {H}}\left(\omega _{x},\omega _{y}\right)\left(\sum _{\text{clutter}}{\frac {1}{\lambda _{i}}}{\underline {v_{i}}}\,{\underline {v_{i}}}^{\mathsf {H}}\right)W\left(\omega _{x},\omega _{y}\right)}}}$

dónde${\displaystyle {\hat {\phi }}_{EV}}$es la amplitud de la imagen en un punto${\displaystyle \left(\omega _{x},\omega _{y}\right)}$,${\displaystyle {\underline {v_{i}}}}$es la matriz de coherencia y${\displaystyle {\underline {v_{i}}}^{\mathsf {H}}}$es el hermitiano de la matriz de coherencia,${\displaystyle {\frac {1}{\lambda _{i}}}}$es el inverso de los valores propios del subespacio de desorden,${\displaystyle W\left(\omega _{x},\omega _{y}\right)}$son vectores definidos como ^{[ 7 ]}

${\displaystyle W\left(\omega _{x},\omega _{y}\right)=\left[1\exp \left(-j\omega _{x}\right)\ldots \exp \left(-j(M-1)\omega _{x}\right)\right]\otimes \left[1\exp \left(-j\omega _{y}\right)\ldots \exp \left(-j(M-1)\omega _{y}\right)\right]}$

donde ⊗ denota el producto de Kronecker de los dos vectores.

MUSIC detecta frecuencias en una señal mediante la descomposición en valores propios de la matriz de covarianza de un vector de datos de las muestras obtenidas de la señal recibida. Cuando todos los vectores propios se incluyen en el subespacio de ruido (orden del modelo = 0), el método EV se vuelve idéntico al método Capon. Por lo tanto, la determinación del orden del modelo es fundamental para el funcionamiento del método EV. El valor propio de la matriz R determina si su vector propio correspondiente pertenece al subespacio de ruido o al de la señal. ^{[ 7 ]}

El método MUSIC se considera de bajo rendimiento en aplicaciones SAR. Este método utiliza una constante en lugar del subespacio de ruido. ^{[ 7 ]}

En este método, el denominador se iguala a cero cuando una señal sinusoidal correspondiente a un punto en la imagen SAR se alinea con uno de los vectores propios del subespacio de la señal, que es el pico en la estimación de la imagen. Por lo tanto, este método no representa con precisión la intensidad de dispersión en cada punto, sino que muestra los puntos particulares de la imagen. ^{[ 7 ] [ 32 ]}

• Es invariante al modo de imagen : lo que significa que utiliza el mismo algoritmo independientemente del modo de imagen presente, mientras que los métodos del dominio de la frecuencia requieren cambios dependiendo del modo y la geometría. ^{[ 33 ]}
• El aliasing azimutal ambiguo suele producirse cuando las frecuencias superan los requisitos de muestreo espacial de Nyquist. El aliasing inequívoco se produce en geometrías oblicuas donde el ancho de banda de la señal no excede los límites de muestreo, pero ha sufrido un "envolvimiento espectral". El algoritmo de retroproyección no se ve afectado por este tipo de efectos de aliasing. ^{[ 33 ]}
• Coincide con el filtro espacio-temporal: utiliza la información sobre la geometría de la imagen para producir un filtro adaptado que varía píxel a píxel y aproxima la señal de retorno esperada. Esto suele proporcionar una compensación de la ganancia de la antena. ^{[ 33 ]}
• En relación con la ventaja anterior, el algoritmo de retroproyección compensa el movimiento. Esto se convierte en una ventaja en áreas con altitudes bajas. ^{[ 33 ]}

• El algoritmo de retroproyección requiere mayor esfuerzo computacional en comparación con otros métodos en el dominio de la frecuencia.
• Requiere un conocimiento muy preciso de la geometría de la imagen. ^{[ 33 ]}

En GEO-SAR, para centrarse especialmente en la trayectoria relativa en movimiento, el algoritmo de retroproyección funciona muy bien. Utiliza el concepto de procesamiento de acimut en el dominio del tiempo. Para la geometría satélite-tierra, GEO-SAR desempeña un papel importante. ^{[ 34 ]}

El procedimiento de este concepto se desarrolla de la siguiente manera. ^{[ 34 ]}

1. Los datos brutos adquiridos se segmentan o se dividen en subaperturas para simplificar la realización rápida del procedimiento.
2. El rango de los datos se comprime a continuación, utilizando el concepto de "filtrado adaptado" para cada segmento/subepersión creado. Se define mediante:${\textstyle s(t,\tau )=\exp \left(-j\cdot {\frac {4\pi }{\lambda }}\cdot R(t)\right)\cdot \operatorname {sinc} \left(\tau -{\frac {2}{c}}\cdot R(t)\right)}$donde τ es el tiempo de alcance, t es el tiempo azimutal, λ es la longitud de onda, c es la velocidad de la luz .
3. La precisión en la "Curva de Migración de Rango" se logra mediante la interpolación de rango.
4. La ubicación de los píxeles del terreno en la imagen depende del modelo geométrico satélite-tierra. La división de la cuadrícula se realiza ahora según el tiempo de acimut.
5. Los cálculos para el " alcance oblicuo " (distancia entre el centro de fase de la antena y el punto en el suelo) se realizan para cada instante de tiempo azimutal utilizando transformaciones de coordenadas.
6. La compresión de acimut se realiza después del paso anterior.
7. Los pasos 5 y 6 se repiten para cada píxel, para cubrir cada píxel, y se lleva a cabo el procedimiento en cada subapertura.
8. Por último, todas las subaperturas de la imagen creadas a lo largo del proceso se superponen entre sí y se genera la imagen HD final.

La polarimetría SAR es una técnica utilizada para obtener información física cualitativa y cuantitativa para aplicaciones terrestres, de nieve y hielo, oceánicas y urbanas, basada en la medición y exploración de las propiedades polarimétricas de dispersores artificiales y naturales. La clasificación del terreno y el uso del suelo es una de las aplicaciones más importantes del radar de apertura sintética polarimétrico (PolSAR). ^{[ 41 ]}

La polarimetría SAR utiliza una matriz de dispersión (S) para identificar el comportamiento de dispersión de los objetos tras interactuar con una onda electromagnética. La matriz se representa mediante una combinación de los estados de polarización horizontal y vertical de las señales transmitidas y recibidas.

${\displaystyle S={\begin{bmatrix}S_{HH}&S_{HV}\\S_{VH}&S_{VV}\end{bmatrix}}}$

donde HH es para transmisión horizontal y recepción horizontal, VV es para transmisión vertical y recepción vertical, HV es para transmisión horizontal y recepción vertical, y VH para transmisión vertical y recepción horizontal.

Las dos primeras combinaciones de polarización se denominan polarización paralela (o copolarización), ya que las polarizaciones de transmisión y recepción son iguales. Las dos últimas combinaciones se denominan polarización cruzada, ya que las polarizaciones de transmisión y recepción son ortogonales entre sí. ^{[ 42 ]}

El modelo de potencia de dispersión de tres componentes de Freeman y Durden ^{[ 43 ]} se utiliza con éxito para la descomposición de una imagen PolSAR, aplicando la condición de simetría de reflexión mediante la matriz de covarianza. El método se basa en mecanismos de dispersión física simples (dispersión superficial, dispersión de doble rebote y dispersión volumétrica). La ventaja de este modelo de dispersión es que es simple y fácil de implementar para el procesamiento de imágenes. Hay 2 enfoques principales para un 3${\displaystyle \times }$3 descomposición de matriz polarimétrica. Una es el enfoque de matriz de covarianza lexicográfica basado en parámetros físicamente medibles, ^{[ 43 ]} y la otra es la descomposición de Pauli que es una matriz de descomposición coherente. Representa toda la información polarimétrica en una sola imagen SAR. La información polarimétrica de [S] podría representarse mediante la combinación de las intensidades${\displaystyle |S_{HH}|^{2},|S_{VV}|^{2},2|S_{HV}|^{2}}$en una sola imagen RGB donde todas las intensidades anteriores se codificarán como un canal de color. ^{[ 44 ]}

Para el análisis de imágenes PolSAR, puede haber casos en los que no se cumpla la condición de simetría de reflexión. En esos casos, se puede utilizar un modelo de dispersión de cuatro componentes ^{[ 41 ] [ 45 ]} para descomponer imágenes de radar de apertura sintética (SAR) polarimétricas. Este enfoque aborda el caso de dispersión no simétrica de reflexión. Incluye y extiende el método de descomposición de tres componentes introducido por Freeman y Durden ^{[ 43 ]} a un cuarto componente mediante la adición de la potencia de dispersión helicoidal. Este término de potencia helicoidal generalmente aparece en áreas urbanas complejas, pero desaparece para un dispersor distribuido natural. ^{[ 41 ]}

También existe un método mejorado que utiliza el algoritmo de descomposición de cuatro componentes, que se introdujo para los análisis generales de imágenes de datos polSAR. Los datos SAR se filtran primero, lo que se conoce como reducción de moteado, luego cada píxel se descompone mediante un modelo de cuatro componentes para determinar la potencia de dispersión de la superficie (${\displaystyle P_{s}}$), poder de dispersión de doble rebote (${\displaystyle P_{d}}$), poder de dispersión volumétrica (${\displaystyle P_{v}}$), y poder de dispersión helicoidal (${\displaystyle P_{c}}$). ^{[ 41 ]} Los píxeles se dividen en 5 clases (superficie, doble rebote, volumen, hélice y píxeles mixtos) clasificadas según sus potencias máximas. Tras el cálculo, se añade una categoría mixta para los píxeles que presentan dos o tres potencias de dispersión dominantes iguales. El proceso continúa dividiendo los píxeles de todas estas categorías en 20 pequeños grupos de aproximadamente el mismo número de píxeles y fusionándolos según se desee; esto se denomina fusión de clústeres. Se clasifican iterativamente y, a continuación, se asigna automáticamente un color a cada clase. En resumen, este algoritmo permite comprender que los colores marrones representan las clases de dispersión superficial, los rojos las de dispersión de doble rebote, los verdes las de dispersión volumétrica y los azules las de dispersión helicoidal. ^{[ 46 ]}

Si bien este método está diseñado para el caso sin reflexión, incluye automáticamente la condición de simetría de reflexión, por lo que puede utilizarse como caso general. Además, conserva las características de dispersión al tener en cuenta la categoría de dispersión mixta, lo que lo convierte en un algoritmo superior.

La interferometría diferencial (D-InSAR) requiere la toma de al menos dos imágenes, junto con un modelo digital de elevación (MDE). El MDE puede obtenerse mediante mediciones GPS o generarse por interferometría, siempre que el intervalo entre la adquisición de los pares de imágenes sea corto, lo que garantiza una distorsión mínima de la imagen de la superficie objetivo. En principio, tres imágenes del terreno con una geometría de adquisición similar suelen ser suficientes para D-InSAR. El principio para detectar el movimiento del terreno es bastante simple. Se crea un interferograma a partir de las dos primeras imágenes; este también se denomina interferograma de referencia o interferograma topográfico. Se crea un segundo interferograma que captura la topografía más la distorsión. Al restar este último del interferograma de referencia, se pueden observar franjas diferenciales que indican movimiento. La técnica de generación de D-InSAR de tres imágenes descrita se denomina método de tres pasadas o de doble diferencia.

Las franjas diferenciales que permanecen como franjas en el interferograma diferencial son el resultado de los cambios de alcance SAR de cualquier punto desplazado en el suelo de un interferograma al siguiente. En el interferograma diferencial, cada franja es directamente proporcional a la longitud de onda SAR, que es de aproximadamente 5,6  cm para el ciclo de fase única de ERS y RADARSAT. El desplazamiento de la superficie lejos de la dirección de observación del satélite provoca un aumento en la diferencia de trayectoria (que se traduce en diferencia de fase). Dado que la señal viaja desde la antena SAR hasta el objetivo y de vuelta, el desplazamiento medido es el doble de la unidad de longitud de onda. Esto significa que en la interferometría diferencial un ciclo de franja de −π a + π o una longitud de onda corresponde a un desplazamiento relativo a la antena SAR de solo media longitud de onda (2,8  cm). Existen varias publicaciones sobre la medición del movimiento de subsidencia, el análisis de estabilidad de taludes, deslizamientos de tierra, movimiento de glaciares, etc., utilizando herramientas D-InSAR. Un avance adicional de esta técnica permite utilizar la interferometría diferencial de paso ascendente y descendente del SAR satelital para estimar el movimiento del suelo en 3D. Las investigaciones en este campo han demostrado que se pueden lograr mediciones precisas del movimiento del terreno en 3D con una exactitud comparable a la de las mediciones basadas en GPS.

La tomografía SAR es un subcampo del concepto de interferometría multilínea base. Se ha desarrollado para proporcionar una exposición tridimensional a la imagen, utilizando el concepto de formación de haces. Se puede utilizar cuando se requiere una atención de fase específica entre los componentes de magnitud y fase de los datos SAR durante la recuperación de información. Una de las principales ventajas de Tomo-SAR es que puede separar los parámetros que se dispersan, independientemente de cuán diferentes sean sus movimientos. ^{[ 50 ]} Al utilizar Tomo-SAR con interferometría diferencial, se desarrolla una nueva combinación denominada "tomografía diferencial" (Diff-Tomo). ^{[ 50 ]}

Tomo-SAR tiene una aplicación basada en imágenes de radar, que es la representación del volumen de hielo y la coherencia temporal del bosque ( la coherencia temporal describe la correlación entre ondas observadas en diferentes momentos en el tiempo). ^{[ 50 ]}

La resolución en la dimensión de rango de la imagen se logra mediante la creación de pulsos que definen intervalos de tiempo muy cortos, ya sea emitiendo pulsos cortos que consisten en una frecuencia portadora y las bandas laterales necesarias, todo dentro de un ancho de banda determinado, o utilizando pulsos de modulación de frecuencia más largos en los que la frecuencia varía (a menudo linealmente) con el tiempo dentro de ese ancho de banda. Los diferentes tiempos en los que regresan los ecos permiten distinguir puntos a diferentes distancias.

La resolución de imagen del SAR en su coordenada de alcance (expresada en píxeles de imagen por unidad de distancia) es principalmente proporcional al ancho de banda de radio del tipo de pulso utilizado. En la coordenada transversal, la resolución es proporcional al ancho de banda del desplazamiento Doppler de las señales reflejadas dentro del ancho del haz. Dado que la frecuencia Doppler depende del ángulo de la dirección del punto de dispersión con respecto a la dirección perpendicular, el ancho de banda Doppler disponible dentro del ancho del haz es el mismo en todos los alcances. Por lo tanto, los límites teóricos de resolución espacial en ambas dimensiones de la imagen permanecen constantes con la variación del alcance. Sin embargo, en la práctica, tanto los errores que se acumulan con el tiempo de adquisición de datos como las técnicas específicas utilizadas en el posprocesamiento limitan aún más la resolución transversal a grandes distancias.

La señal total es la de una porción del suelo del tamaño del ancho del haz. Para producir un haz estrecho en la dirección transversal , los efectos de difracción requieren que la antena sea ancha en esa dimensión. Por lo tanto, la distinción entre puntos co-alcance simplemente por la intensidad de las señales de retorno que persisten mientras se encuentran dentro del ancho del haz es difícil con antenas transportables por aeronaves, porque sus haces pueden tener anchos lineales solo unas dos órdenes de magnitud (cientos de veces) menores que el alcance. (Las transportables por naves espaciales pueden hacerlo 10 o más veces mejor). Sin embargo, si se registran tanto la amplitud como la fase de las señales de retorno, entonces la porción de esa señal de retorno de múltiples objetivos que fue dispersada radialmente por cualquier elemento más pequeño de la escena puede extraerse mediante la correlación del vector de fase de la señal de retorno total con la forma de la señal de retorno esperada de cada uno de dichos elementos.

El proceso puede concebirse como la combinación de una serie de observaciones distribuidas espacialmente, como si todas se hubieran realizado simultáneamente con una antena del tamaño del ancho del haz y enfocada en ese punto específico. La "apertura sintética" simulada al alcance máximo del sistema mediante este proceso no solo es más larga que la antena real, sino que, en aplicaciones prácticas, es mucho más larga que la aeronave de radar y muchísimo más larga que la nave espacial de radar.

Aunque algunas referencias a los radares de apertura sintética (SAR) los han caracterizado como "telescopios de radar", su analogía óptica real es el microscopio, ya que el detalle en sus imágenes es menor que la longitud de la apertura sintética. En términos de ingeniería de radar, mientras que el área objetivo se encuentra en el " campo lejano " de la antena iluminadora, se encuentra en el "campo cercano" de la simulada. Un diseño y operación cuidadosos pueden lograr una resolución de objetos menores a una millonésima parte del alcance, por ejemplo, 30 centímetros (12 pulgadas) a 300 kilómetros (190 millas) .  

La conversión del tiempo de retardo de retorno a distancia geométrica puede ser muy precisa debido a la constancia natural de la velocidad y la dirección de propagación de las ondas electromagnéticas. Sin embargo, para una aeronave que vuela a través de la atmósfera, que nunca es uniforme ni está en calma, la relación entre los tiempos de transmisión y recepción de pulsos y las posiciones geométricas sucesivas de la antena debe ir acompañada de un ajuste constante de las fases de retorno para compensar las irregularidades detectadas en la trayectoria de vuelo. Los radares de apertura sintética (SAR) en naves espaciales evitan este problema atmosférico, pero aun así deben realizar correcciones por los movimientos conocidos de la antena debidos a las rotaciones de la nave, incluso aquellos que son reacciones a los movimientos de la maquinaria a bordo. Localizar un SAR en una nave espacial tripulada puede requerir que los humanos permanezcan inmóviles con respecto a la nave durante los períodos de recopilación de datos.

Las señales de retorno de los dispersores dentro del alcance de cualquier imagen se distribuyen en un intervalo de tiempo equivalente. El intervalo entre pulsos debe ser lo suficientemente largo para permitir que las señales de retorno de mayor alcance de cualquier pulso lleguen antes de que comiencen a aparecer las de menor alcance del siguiente pulso, de modo que no se superpongan en el tiempo. Por otro lado, la frecuencia entre pulsos debe ser lo suficientemente rápida para proporcionar suficientes muestras para la resolución transversal deseada (o transversal al haz). Cuando el radar se transporta en un vehículo de alta velocidad y debe obtener imágenes de una gran área con alta resolución, estas condiciones pueden entrar en conflicto, lo que da lugar a lo que se conoce como el problema de ambigüedad del SAR. Las mismas consideraciones se aplican también a los radares "convencionales", pero este problema se presenta de forma significativa solo cuando la resolución es tan fina que solo se puede obtener mediante procesos SAR. Dado que la base del problema es la capacidad de transmisión de información del único canal de entrada de señal proporcionado por una antena, la única solución es utilizar canales adicionales alimentados por antenas adicionales. El sistema se convierte entonces en un híbrido entre un radar de apertura sintética (SAR) y una antena de fase, a veces denominado antena Vernier.

La información de amplitud, al visualizarse en un mapa, proporciona datos sobre la cobertura del suelo de forma muy similar a como lo hace una fotografía en blanco y negro. También se pueden realizar variaciones en el procesamiento, tanto en estaciones instaladas en vehículos como en estaciones terrestres, con diversos fines, para resaltar ciertas características de la imagen y realizar un análisis detallado del área objetivo.

Aunque la información de fase de una imagen generalmente no está disponible para un observador humano en un dispositivo de visualización de imágenes, se puede conservar numéricamente y, en ocasiones, permite reconocer ciertas características adicionales de los objetos.

Desafortunadamente, las diferencias de fase entre los elementos de imagen adyacentes ("píxeles") también producen efectos de interferencia aleatorios denominados " moteado de coherencia ", que consisten en una especie de granularidad con dimensiones del orden de la resolución, lo que hace que el concepto de resolución adquiera un significado sutilmente diferente. Este efecto es el mismo que se observa tanto visual como fotográficamente en escenas ópticas iluminadas con láser. La escala de esta estructura de moteado aleatorio está determinada por el tamaño de la apertura sintética en longitudes de onda y no puede ser menor que la resolución del sistema. La estructura de moteado puede atenuarse a costa de la resolución.

Antes de que existieran las computadoras digitales rápidas, el procesamiento de datos se realizaba mediante una técnica de holografía óptica . Los datos analógicos del radar se registraban como un patrón de interferencia holográfica en una película fotográfica a una escala que permitía que la película conservara el ancho de banda de la señal (por ejemplo, 1:1.000.000 para un radar que utilizaba una longitud de onda de 0,6 metros). Luego, la luz, utilizando, por ejemplo, ondas de 0,6 micrómetros (como las de un láser de helio-neón ) que atravesaba el holograma, podía proyectar una imagen del terreno a una escala registrable en otra película a distancias focales razonables del procesador, de alrededor de un metro. Esto funcionaba porque tanto el SAR como los arreglos de fase son fundamentalmente similares a la holografía óptica, pero utilizan microondas en lugar de ondas de luz. Los "procesadores de datos ópticos" desarrollados para este propósito de radar ^{[ 51 ] [ 52 ] [ 53 ]} fueron los primeros sistemas informáticos ópticos analógicos eficaces y, de hecho, se idearon antes de que la técnica holográfica se adaptara completamente a la formación de imágenes ópticas. Debido a las diferentes fuentes de alcance y a las estructuras de señal transversales presentes en las señales de radar, los procesadores de datos ópticos para SAR incluían no solo lentes esféricas y cilíndricas, sino también, en ocasiones, lentes cónicas.