Wyniki wyszukiwania - Biblioteka Nauki

1

Sparsity-based methods for processing of radar signals

100%

Misiurewicz J.

Prace Naukowe Politechniki Warszawskiej. Elektronika

|

2013

|

tom z. 186

5--136

EN

This work summarizes the author's research on radar applications of methods resulting from the assumption of signal sparsity. The term sparsity means that a signal under investigation may be modeled with a small number of components taken from a large dictionary. This property makes it possible to employ a new class of mathematical methods, recently made known as Compressive Sensing framework, for recovering the signal from the measured samples. The main feature of sparsity-based methods is that they can recover a signal uniquely from much fewer samples than methods derived from the classical sampling theory. However, this is possible only if me sparse model is adequate and if the model dictionary and measurement process conform to the specific requirements of the mathematical framework. In the present work, the author demonstrates how the mathematical theory of sparse representation and recovery may be applied to practical problems arising in radar signal processing. An overall purpose of radar signal processing is to acquire the knowledge of the radar scene from the received echo of a radio frequency signal which illuminates the investigated area. This is a problem generally belonging to the class of inverse problems, which may be ill-conditioned and ambiguous. The assumption of the sparse model of the received signal is an innovative idea that opens new possibilities of resolving ambiguities. The aim of this work was to demonstrate by means of practical examples that sparse reconstruction methods are capable of solving a series of important problems in different areas of radar signal processing. Also, more detailed research was done on these cases, including the study on sampling requirements as well as simulations of the algorithms used. The ideas and methods were verified with the use of live recorded signals wherever possible. In the examples presented in this work, sparsity of the signal model is the key assumption to enable the solution of relevant inverse problems. The application areas described here are closely related to the author's experience with existing radar systems, including those currently under research or development at the Warsaw University of Technology. They cover a wide range of radar types and processing modes, including active and passive radars as well as surveillance and imaging ones. The author proposed applications of sparsity-based methods for active radars with a noise waveform, for classical MTI radars, and for imaging radars, using either die synthetic aperture (SAR) technique with noise illumination, or the inverse synthetic aperture (ISAR) technique with passive illumination from a GSM transmitter. The ideas and methods were verified with the use of live recorded signals wherever possible. In the examples presented in this work, sparsity of the signal model is the key assumption to enable the solution of relevant inverse problems. The application areas described here are closely related to the author's experience with existing radar systems, including those currently under research or development at the Warsaw University of Technology. They cover a wide range of radar types and processing modes, including active and passive radars as well as surveillance and imaging ones. The author proposed applications of sparsity-based methods for active radars with a noise waveform, for classical MTI radars, and for imaging radars, using either die synthetic aperture (SAR) technique with noise illumination, or the inverse synthetic aperture (ISAR) technique with passive illumination from a GSM transmitter. The ideas and methods were verified with the use of live recorded signals wherever possible. In the examples presented in this work, sparsity of the signal model is the key assumption to enable the solution of relevant inverse problems. The application areas described here are closely related to the author's experience with existing radar systems, including those currently under research or development at the Warsaw University of Technology. They cover a wide range of radar types and processing modes, including active and passive radars as well as surveillance and imaging ones. The author proposed applications of sparsity-based methods for active radars with a noise waveform, for classical MTI radars, and for imaging radars, using either die synthetic aperture (SAR) technique with noise illumination, or the inverse synthetic aperture (ISAR) technique with passive illumination from a GSM transmitter. The ideas and methods were verified with the use of live recorded signals wherever possible. In the examples presented in this work, sparsity of the signal model is the key assumption to enable the solution of relevant inverse problems. The application areas described here are closely related to the author's experience with existing radar systems, including those currently under research or development at the Warsaw University of Technology. They cover a wide range of radar types and processing modes, including active and passive radars as well as surveillance and imaging ones. The author proposed applications of sparsity-based methods for active radars with a noise waveform, for classical MTI radars, and for imaging radars, using either die synthetic aperture (SAR) technique with noise illumination, or the inverse synthetic aperture (ISAR) technique with passive illumination from a GSM transmitter. The ideas and methods were verified with the use of live recorded signals wherever possible. In the examples presented in this work, sparsity of the signal model is the key assumption to enable the solution of relevant inverse problems. The application areas described here are closely related to the author's experience with existing radar systems, including those currently under research or development at the Warsaw University of Technology. They cover a wide range of radar types and processing modes, including active and passive radars as well as surveillance and imaging ones. The author proposed applications of sparsity-based methods for active radars with a noise waveform, for classical MTI radars, and for imaging radars, using either die synthetic aperture (SAR) technique with noise illumination, or the inverse synthetic aperture (ISAR) technique with passive illumination from a GSM transmitter.The ideas and methods were verified with the use of live recorded signals wherever possible. In the examples presented in this work, sparsity of the signal model is the key assumption to enable the solution of relevant inverse problems. The application areas described here are closely related to the author's experience with existing radar systems, including those currently under research or development at the Warsaw University of Technology. They cover a wide range of radar types and processing modes, including active and passive radars as well as surveillance and imaging ones. The author proposed applications of sparsity-based methods for active radars with a noise waveform, for classical MTI radars, and for imaging radars, using either die synthetic aperture (SAR) technique with noise illumination, or the inverse synthetic aperture (ISAR) technique with passive illumination from a GSM transmitter. The ideas and methods were verified with the use of live recorded signals wherever possible. In the examples presented in this work, sparsity of the signal model is the key assumption to enable the solution of relevant inverse problems. The application areas described here are closely related to the author's experience with existing radar systems, including those currently under research or development at the Warsaw University of Technology. They cover a wide range of radar types and processing modes, including active and passive radars as well as surveillance and imaging ones. The author proposed applications of sparsity-based methods for active radars with a noise waveform, for classical MTI radars, and for imaging radars, using either die synthetic aperture (SAR) technique with noise illumination, or the inverse synthetic aperture (ISAR) technique with passive illumination from a GSM transmitter. vThe ideas and methods were verified with the use of live recorded signals wherever possible. In the examples presented in this work, sparsity of the signal model is the key assumption to enable the solution of relevant inverse problems. The application areas described here are closely related to the author's experience with existing radar systems, including those currently under research or development at the Warsaw University of Technology. They cover a wide range of radar types and processing modes, including active and passive radars as well as surveillance and imaging ones. The author proposed applications of sparsity-based methods for active radars with a noise waveform, for classical MTI radars, and for imaging radars, using either die synthetic aperture (SAR) technique with noise illumination, or the inverse synthetic aperture (ISAR) technique with passive illumination from a GSM transmitter. The ideas and methods were verified with the use of live recorded signals wherever possible. In the examples presented in this work, sparsity of the signal model is the key assumption to enable the solution of relevant inverse problems. The application areas described here are closely related to the author's experience with existing radar systems, including those currently under research or development at the Warsaw University of Technology. They cover a wide range of radar types and processing modes, including active and passive radars as well as surveillance and imaging ones. The author proposed applications of sparsity-based methods for active radars with a noise waveform, for classical MTI radars, and for imaging radars, using either die synthetic aperture (SAR) technique with noise illumination, or the inverse synthetic aperture (ISAR) technique with passive illumination from a GSM transmitter. The ideas and methods were verified with the use of live recorded signals wherever possible. In the examples presented in this work, sparsity of the signal model is the key assumption to enable the solution of relevant inverse problems. The application areas described here are closely related to the author's experience with existing radar systems, including those currently under research or development at the Warsaw University of Technology. They cover a wide range of radar types and processing modes, including active and passive radars as well as surveillance and imaging ones. The author proposed applications of sparsity-based methods for active radars with a noise waveform, for classical MTI radars, and for imaging radars, using either die synthetic aperture (SAR) technique with noise illumination, or the inverse synthetic aperture (ISAR) technique with passive illumination from a GSM transmitter.The ideas and methods were verified with the use of live recorded signals wherever possible. In the examples presented in this work, sparsity of the signal model is the key assumption to enable the solution of relevant inverse problems. The application areas described here are closely related to the author's experience with existing radar systems, including those currently under research or development at the Warsaw University of Technology. They cover a wide range of radar types and processing modes, including active and passive radars as well as surveillance and imaging ones. The author proposed applications of sparsity-based methods for active radars with a noise waveform, for classical MTI radars, and for imaging radars, using either die synthetic aperture (SAR) technique with noise illumination, or the inverse synthetic aperture (ISAR) technique with passive illumination from a GSM transmitter. The ideas and methods were verified with the use of live recorded signals wherever possible. In the examples presented in this work, sparsity of the signal model is the key assumption to enable the solution of relevant inverse problems. The application areas described here are closely related to the author's experience with existing radar systems, including those currently under research or development at the Warsaw University of Technology. They cover a wide range of radar types and processing modes, including active and passive radars as well as surveillance and imaging ones. The author proposed applications of sparsity-based methods for active radars with a noise waveform, for classical MTI radars, and for imaging radars, using either die synthetic aperture (SAR) technique with noise illumination, or the inverse synthetic aperture (ISAR) technique with passive illumination from a GSM transmitter.

PL

Praca podsumowuje badania autora na temat radiolokacyjnego zastosowania nowatorskich metod wynikających z założenia o rzadkim modelu sygnału. Pojęcie to oznacza, że dany sygnał może być modelowany jako liniowa kombinacja niewielkiej liczby składowych należących do pewnego, z założenia pojemnego, słownika. Przyjęcie lego założenia otwiera możliwość zastosowania nowej klasy metod matematycznych, znanych od niedawna pod wspólna nazwą "Compressive Sensing" (po polsku ostatnio używa się określenia "oszczędne próbkowanie"), do odtworzenia sygnału ze zmierzonych próbek. Najważniejsza cechą tych metod jest możliwość odtworzenia sygnału ze znacznie mniejszej liczby próbek niż wynikałoby to z założeń metod klasycznych (opartych na twierdzeniu o próbkowaniu). Należy jednak podkreślić, że jest to możliwe tylko pod warunkiem adekwatności modelu rzadkiego oraz spełnienia pewnych wymagań przez słownik oraz przez proces pomiaru, zgodnie z teorią matematyczną oszczędnego próbkowania. W przedstawionej pracy autor pokazuje, w jaki sposób rzadki model sygnału i matematyczna teoria oszczędnego próbkowania mogą być użyte w zagadnieniach praktycznie występujących w radiolokacji. Ogólnym celem przetwarzania sygnałów radiolokacyjnych jest uzyskanie wiedzy o oświetlanej scenie poprzez badanie sygnału radiowego od tej sceny odbitego. Jest to problem z dziedziny zagadnień odwrotnych (inverse problems), i jako taki może być źle uwarunkowany i nie mieć jednoznacznego rozwiązania. Ograniczenie swobody szukanego rozwiązania poprzez przyjęcie rzadkiego modelu otwiera nowe możliwości usunięcia niejednoznaczności wyniku. Autor zaproponował w pracy wykorzystanie metod opartych na rzadkiej reprezentacji sygnału do modelowania silnych ech w celu usunięcia ich wpływu na proces detekcji cech słabych, zwanego efektem maskowania. Ma to zastosowanie w aktywnych radarach z oświetleniem szumowym i w radarach pasywnych. Autor badał kilka algorytmów w aspekcie modelowania ech złożonych, wskazał przyczyny niepowodzenia algorytmu kolejnego usuwania składowych i zaproponował w zamian algorytm modelowania łącznego ograniczonej liczby składowych. Kolejne zaproponowane przez autora rozwiązanie przeznaczone jest dla szumowego radaru z syntetyczną aperturą (SAR). Pozwala ono zmniejszyć znacznie liczbę pobieranych próbek w wymiarze przestrzennym a zatem i łączny czas akwizycji sygnału. Zastosowanie rzadkiego modelu sygnału pozwoliło rozwikłać niejednoznaczność odtworzenia obrazu sceny radarowej powstałą wskutek zmniejszenia częstości próbkowania poniżej granicy Nyquista. Rozwiązanie zostało przebadane w symulacjach i w eksperymentach z wykorzystaniem zarejestrowanych rzeczywistych sygnałów. W zastosowaniu do klasycznych radarów MTI, autor zaproponował zastosowanie rzadkiego modelu sygnału w dziedzinie częstotliwości w celu zwiększenia zdolności pomiaru prędkości kilku obiektów znajdujących się w tej samej odległości od radaru. Następne zaproponowane przez autora rozwiązanie dotyczy estymacji wysokości w radarze pasywnym. Na przykładzie radaru pasywnego pracującego z wykorzystaniem nadajnika telewizji cyfrowej DVB-T autor pokazał, że metody oszczędnego próbkowania pozwalają na rozdzielenie ech obiektu propagujących z i bez odbicia od ziemi. Dysponując pomiarami opóźnienia ech wzdłuż różnych dróg propagacji można określić wysokość obiektu. Jest to istotna innowacja wobec faktu, że określenie wysokości poprzez pomiar kąta przyjścia sygnału jest bardzo trudne przy typowych rozmiarach anten dla pasma telewizji cyfrowej. Przy pracy radaru pasywnego z wykorzystaniem niewielkiej liczby nadajników uzyskanie niezależnego pomiaru wysokości obiektu znacząco poprawia jakość lokalizacji obiektu w przestrzeni trójwymiarowej. Rozpatrując zagadnienie obrazowania obiektów ruchomych w radarze pasywnym wykorzystującym nadajnik GSM, autor zaproponował metodę uzyskiwania wyraźnego obrazu w technice ISAR (odwrotnej syntetycznej apertury), korzystając z faktu, że ruchomy obiekt przy obrazowaniu ISAR może być uważany za zbiór niewielu punktów odbijających, poruszających się w jednolity sposób. Zastosowanie tej metody pozwoliło z rzeczywistych, zarejestrowanych sygnałów uzyskać obraz ISAR jadącego pojazdu. Klasyczne metody oparte na filtracji dopasowanej w tej samej sytuacji zawiodły, gdyż cały obserwowany obiekt był mniejszy niż rozmiar komórki rozdzielczości odległościowej, który wynika z szerokości pasma sygnału. W opisanych przez autora przykładach zastosowań rzadkość modelu jest kluczowym założeniem przy rozwiązywaniu postawionych zagadnień odwrotnych. Przykłady dotyczą obszarów zastosowań ściśle związanych z długoletnim doświadczeniem autora w projektowaniu i konstruowaniu urządzeń radarowych, w tym eksperymentalnych urządzeń aktualnie opracowywanych w Politechnice Warszawskiej. Zastosowania przedstawione w pracy obejmują szerokie spektrum różnych typów radarów i sposobów ich wykorzystania, włączając w to radary pasywne i aktywne czy też radary przeznaczone do wykrywania obiektów lub tworzenia ich obrazów.

2

Nonuniform Spatial Sampling in a Ground-Based Noise SAR

63%

Maślikowski Ł. , Misiurewicz J.

International Journal of Electronics and Telecommunications

|

2011

|

tom Vol. 57, No. 1

71-75

EN

The paper presents an idea of nonuniform spatial sampling applied to a noise synthetic aperture radar. In certain cases it is desirable to limit the number of spatial (alongtrack) domain samples acquired in a SAR radar because of external constraints on sampling frequency or on the overall number of samples – e.g. in order to economy on time or power consumed. Lowering number of samples taken may, however, lead to spatial aliasing and incorrect reconstruction of the image. Nonuniform sampling allows to reduce the aliasing effect and reconstruct the image better. This technique can be applied with standard reconstruction methods, but it works best together with Compressive Sensing reconstruction algorithms. The idea will be verified with an experimental noise SAR built at ISE PW.

3

Pseudo-Noise Waveform Design Minimizing Range and Doppler Masking Effect

63%

Kulpa J. S. , Misiurewicz J.

International Journal of Electronics and Telecommunications

|

2011

|

tom Vol. 57, No. 3

359-362

EN

Noise radar is a very promising technology offering advantages which cannot be achieved in classical radar systems. Unfortunately, it has also several disadvantages. One of the most significant is the masking effect, where strong objects raise the noise floor preventing detection of weak ones and significantly affecting dynamic range. In this article method of designing waveform with reduced noise floor is presented.

4

Compressed Sensing applied to image reconstruction in a noise SAR

63%

Misiurewicz J. , Maślikowski Ł.

Elektronika : konstrukcje, technologie, zastosowania

|

2012

|

tom Vol. 53, nr 7

37-40

EN

The paper presents a practical application of Compressed Sensing for reconstruction of radar image from synthetic aperture measurements in a noise radar. When the spatial sampling frequency is limited by external constraints, the image constructed with classical approach would suffer from spatial aliasing. Nonuniform sampling in spatial (along-track) domain followed by Compressed Sensing reconstruction of SAR image leads to correct image reconstruction under the assumption of image sparsity. The described technique is applied to the real data from an experimental ground-based noise SAR built in Warsaw University of Technology. The imaged scene was not a specifically sparse one, however the Compressed Sensing approach proved to be effective even in this case - images of a sparse target recovered with Compressed Sensing do not exhibit aliasing even with significant thinning of the input data.

PL

W pracy przedstawiono praktyczne zastosowanie metody Compressed Sensing do rekonstrukcji obrazu radarowego z sygnału zarejestrowanego radarem szumowym z syntetyczną aperturą. W sytuacji, w której z powodów obiektywnych występują ograniczenia częstotliwości próbkowania w wymiarze przestrzennym poniżej częstotliwości Nyquista, obraz zrekonstruowany metodami klasycznymi wykazuje silne efekty aliasingu przestrzennego. Wykorzystanie nierównomiernego próbkowania i rekonstrukcji metodami Compressed Sensing pozwala na uzyskanie poprawnego obrazu przy założeniu, że obrazowana scena jest rzadka. Opisana technika została zastosowana do rzeczywistego sygnału zarejestrowanego przy pomocy eksperymentalnego radaru szumowego SAR skonstruowanego w Politechnice Warszawskiej. Obrazowana scena nie spełniała ściśle założenia o rzadkości, jednakże technika Compressed Sensing pozwoliła zrekonstruować obraz rzadkich obiektów bez aliasingu nawet przy znacznym podpróbkowaniu danych wejściowych.

5

The simple analysis method of nonlinear frequency distortions in FMCW radar

51%

Kulpa K. S. , Wojtkiewicz A. , Nałęcz M. , Misiurewicz J.

Journal of Telecommunications and Information Technology

|

2001

|

tom nr 4

26-29

EN

The paper presents a simple method for estimating nonlinear frequency distortions of linear frequency modulated (LFM) signals used in FMCW radars. This method, derived from the polynomial model of the nonlinear FM signal phase, is based on finding the maximum of two-dimensional chirp-like transform of the IF video signal. The IF signal is obtained by mixing transmitted FM signal with its delayed copy. Using suggested transform we show that the presented method is able to detect and classify signal distortions.

6

Radar and Optical Images Fusion Using Stripmap SAR Data with Multilook Processing

51%

Kulpa K. , Malanowski M. , Misiurewicz J. , Samczynski P.

International Journal of Electronics and Telecommunications

|

2011

|

tom Vol. 57, No. 1

37-42

EN

The paper presents the real-life data results of SAR and optical images data fusion. The fusion has been carried out for SAR images obtained in stripmap SAR mode using multilook processing with different methods of final image creation. The aim of the fusion was to enhance the target recognition capabilities on the Earth surface for a simple single-channel SAR receiver.

7

Koncepcja radaru PCL bazującego na sygnałach radia FM

51%

Malanowski M. , Kulpa K. , Misiurewicz J.

Biuletyn Wojskowej Akademii Technicznej

|

2007

|

tom Vol. 56, nr sp.2

283-289

PL

Artykuł przedstawia koncepcję pasywnego radaru bistatycznego (ang. Passive Coherent Location radar) wykorzystującego niekooperatywne nadajniki radia FM. Pokazano podstawowe założenia systemu oraz przedstawiono kolejne etapy przetwarzania.

EN

The concept of a PCL (Passive Coherent Location) radar based on FM radio transmitters is presented. This type of radar uses non-cooperative radiation sources - in this case the broadcast radio transmitters - to illuminate the target. Special processing is needed to locate the target and determine its velocity. The processing steps: adaptive removal of clutter, correlation, target detection and position ambiguity resolving are described briefly. Advantages of such a system - low supply power, covert operation, and long range are pointed out.

8

Radar pasywny z długim czasem integracji

51%

Misiurewicz J. , Kulpa K. , Dawidowicz B.

Biuletyn Wojskowej Akademii Technicznej

|

2007

|

tom Vol. 56, nr sp.2

307-313

PL

W artykule analizowany jest radar pasywny wykorzystujący korelacyjny odbiór sygnału pochodzącego z dowolnego (niewspółpracującego) nadajnika. Jako sygnał referencyjny stosuje się w tym typie radaru sygnał odebrany wprost z nadajnika i koreluje go się z odebranym drugą anteną sygnałem odbitym od obserwowanego obiektu. Aby uzyskać skuteczną detekcję bardzo słabego sygnału użytecznego, konieczny jest odbiór z odpowiednio długim czasem integracji. W przypadku obiektu ruchomego i bardzo długiego czasu integracji należy jednak uwzględnić efekt Dopplera, który powoduje zmianę częstotliwości odbitego sygnału oraz efekt rozciągnięcia lub skompresowania sygnału. Kompensacja tego drugiego efektu wymaga odpowiedniego przetworzenia sygnału referencyjnego. W artykule prezentowane są symulacje opracowanych algorytmów pozwalających na kompensację obu efektów. Mimo znacznego kosztu obliczeniowego takiego przetwarzania, postępujący wzrost możliwości techniki cyfrowej powoduje, że zastosowanie tej koncepcji w czasie rzeczywistym jest kwestią nieodległej przyszłości.

EN

The passive radar concept is known since 1935, when Wilkins detected a bomber airplane at a distance of 12 km using a short wave commercial radio transmitter. In the second half of the 20th century, the researchers searched for low probability of interception technology that led directly to continuous wave radars, but most of the work was focused on active FMCW radars with carefully chosen transmitted waveforms. The development of digital technology enabled the rediscovery of passive radars. In such a radar, the transmitter of opportunity is used to illuminate the target. On the receiver side, coherent integration reception is the main technique used. Usually, the received echo signal is correlated with a reference signal obtained from a second antenna, pointing drectly at the transmitter. The paper presents a study of the problems arising when the passive radar sensitivity is increased by extending the coherent integration time. The long integration time induces several effects for the echo signal of moving targets. When the integration time is increased, the first effect noticed is the Doppler shift of the received signal frequency. This is compensated by simple modulation of the reference signal. Next problem, showing up with very long integration time, is the time stretching the signal form, sometimes called range migration. To overcome this problem, application of special processing of the reference signal is necessary. With extra long integration time, the effects of target acceleration may be visible. In this case, nonlinear stretching of reference signal time scale is proposed. The paper deals mainly with the linear stretch compensation. The simulations show that even a implified stretch compensation algorithm can improve the radar sensitivity significantly.

9

Experimental results obtained with FM-based passive radar demonstrator developed at Warsaw University of Technology

32%

Malanowski M. , Kulpa K. , Samczyński P. , Misiurewicz J. , Kulpa J. , Roszkowski P. , Dzwonkowski P. , Gromek D. , Maślikowski Ł. , Misiurewicz M.

Elektronika : konstrukcje, technologie, zastosowania

|

2012

|

tom Vol. 53, nr 7

41-43

EN

In this paper experimental results obtained using the PaRaDe (Passive Radar Demonstrator) demonstrator are presented. The PaRaDe is an FM-based radar demonstrator developed at Warsaw University of Technology. The paper presents selected results of detection and tracking of highly maneuvering military targets and commercial airliners. The results obtained with passive radar compared with data acquired with a Mode-S/ADS-B receiver and an active radar.

PL

W artykule przedstawiono wyniki uzyskane w wykorzystaniem demonstratora PaRaDe (Passive Radar Demonstrator). PaRaDe jest demonstratorem radaru wykorzystującego nadajniki radia FM skonstruowanym w Politechnice Warszawskiej. W artykule przedstawiono wybrane wyniki detekcji i śledzenia szybko manewrujących obiektów wojskowych i samolotów liniowych. Wyniki otrzymane przez radar pasywny są porównane z wynikami uzyskanymi z odbiornika Modu-S/ADS-B i radaru aktywnego.

10

Implementation and Results of New High Resolution SAR Modes for an Airborne Maritime Patrol Radar

32%

Gromek D. , Jarzębska A. , Samczyński P. , Misiurewicz J. , Malanowski M. , Kulpa K. , Gromek A. , Gadoś A. , Smolarczyk M.

International Journal of Electronics and Telecommunications

|

2013

|

tom Vol. 59, No. 3

213-218

EN

The paper presents new high resolution SAR results of real-life measurements using an updated ARS-400/ARS-800 SAR sensor installed on the maritime patrol aircraft M-28. The main role for such radars is surveying the sea surface, and the imaging of selected targets (e.g. ships, roads, vehicles, buildings, etc.) to help the operator in classifying them. In the present day increasing computing power, improved algorithms and general technological progress has allowed the obtaining of better results in SAR imagery.