成电讲堂

        3月27日，IEEE高级会员、IEEE Fellow、那不勒斯帕特诺普大学（Università di Napoli "Parthenope"）Vito Pascazio教授和意大利国家研究委员会环境电磁遥感研究所（IREA-CNR）研究主任、IEEE Fellow、IREA-CNR Gianfranco Fornaro教授应邀做客“学者论坛”，分别作了主题为“SAR Activities at Parthenope University”和“Advances in Interferometric SAR at CNR-IREA”的讲座。讲座由教师发展中心主办，资源与环境学院、IEEE GRSS电子科技大学学生分会联合承办，IEEE Fellow、资源与环境学院于瀚雯教授主持。

        Pascazio教授围绕自身研究领域，对所在大学、研究团队的情况进行了简要介绍。他提到，团队长期致力于雷达成像、合成孔径雷达相关研究，在断层扫描合成孔径雷达（TomoSAR）重建、城市与森林应用等方面成果颇丰，近十年还积极探索深度学习在多领域的应用。随后，Pascazio教授深入讲解深度学习在SAR地球观测中的应用。他对比了计算机视觉和基于物理模型（雷达后向散射模型）两种深度学习方法，指出计算机视觉方法常将数据视为黑箱进行训练，忽略模型和指标；而基于物理模型的方法则充分利用雷达特性、统计规范等信息，能取得更好效果。在图像去噪、干涉相位拟合、森林重建等实际应用案例中，教授详细阐述了如何将物理信息融入深度学习模型，显著提升了处理效果。以图像去噪为例，通过改进参考数据选取、优化成本函数、考虑噪声统计特性等方式，使处理后的图像更接近真实情况；在森林重建中，结合激光测量数据训练神经网络，引入协方差矩阵统计信息，让重建结果与参考数据的契合度更高。

        Fornaro教授结合自身在相关领域的多年研究经验，以合成孔径雷达（SAR）系统为切入点，深入阐述了其成像原理及高分辨率实现机制。在SAR系统原理方面，Fornaro教授指出，SAR系统利用卫星移动合成大尺寸天线，生成近似光学图像的微波图像，从而实现高分辨率成像。但从二维图像获取目标三维信息存在挑战，通过双卫星图像测量可获取目标高度信息，不过该过程面临系统灵敏度、相位测量等诸多问题。例如，系统灵敏度与某一特定分量相关，而基线长度与卫星轨道高度的比例较低影响测量精度；相位测量存在相位缠绕问题，还需处理与相位变化相关的模糊高度等问题。此外，实际测量中还存在因角度和时间变化导致的去相关问题，影响测量准确性。针对上述问题，Fornaro教授介绍了多种应对技术。在干涉测量技术方面，通过引入外部数字高程模型可分离地形和位移分量，实现对地面变形的精确测量。多干涉测量技术包括小基线集成相干干涉合成孔径雷达（SBAS-InSAR）和永久散射体干涉合成孔径雷达（PS-InSAR），分别适用于不同场景，如监测大面积区域和建筑物区域等。层析合成孔径雷达（TomoSAR）可实现三维成像，通过对不同高度散射信息的处理，能够更精确地定位散射体，还可引入形变参数估计散射体速度，在检测多散射体方面优势明显。

        在讲座的互动问答环节，现场听众积极提问，Fornaro教授和Pascazio教授对现场听众的问题进行了详细解答。

        本次活动搭建了国际顶尖学者与国内师生的对话平台，通过前沿技术分享，推动分会成员深入理解 SAR 技术的国际研究趋势。两位 IEEE Fellow 的讲座内容涵盖理论创新与工程实践，为青年教师及学生提供了 从基础研究到应用落地的完整技术视野。