トモグラフィック合成開口レーダー（Tomographic Synthetic Aperture Radar、TomoSAR）は、複数基線の観測データを位置合わせし、高さ方向で開口合成を行うことで、方位方向のみで開口合成を行う伝統的な合成開口レーダー（Synthetic Aperture Radar、SAR）における高さ情報の欠落や重なりの問題を克服し、対象の三次元高分解能イメージングを実現する。そのため、森林のバイオマス、氷河内部構造、建物の高さなどの逆解析応用に利用可能である。本論文はTomoSARのイメージングモデルから出発し、トモグラフィック高度反演アルゴリズムの発展経緯を体系的に整理した。これにはフーリエ変換、ノンパラメトリックスペクトル推定、パラメトリックスペクトル推定、圧縮センシングおよび深層学習アルゴリズムが含まれ、各代表的アルゴリズムの原理と実装過程を詳細に比較分析した。実測データに基づく典型的な反演結果に基づき、異なるアルゴリズムの頑健性、普遍性および適用条件における利点と限界をさらに比較分析した。最後に、本論文は基線分布とデータの希少性、多重散乱体の分離、複雑な散乱メカニズムなど、現在TomoSARが直面している主要な課題を総括し、今後の研究方向を提案し、その応用展望を論じた。

TomoSAR;トモグラフィック高度反演アルゴリズム;スペクトル推定アルゴリズム;圧縮センシング;3D再構成;基線分布