Wie Systeme ihre Umwelt erfassen und Umgebungen wahrnehmen ist in den letzten Jahren in nahezu allen Lebensbereichen in den Fokus technischer Entwicklungen gerückt. Es sind Anwendungen der Assistenz oder Automatisierung im privaten Raum (Smart Home), in der Produktion (Industrie 4.0) oder in Mobilitätssystemen der Logistik bzw. des Verkehrs (autonomes Fahren), welche möglichst qualitativ hochwertige und von Umgebungseinflüssen unabhängige Sensorinformationen für ihre korrekte Funktionsweise benötigen. Radar-Sensoren bieten die Möglichkeit von der Umgebung zurückgestreute Signale zu erfassen und durch räumlich verteilte Messungen eine Abbildung der Umwelt vorzunehmen. Unter Nutzung einer synthetischen Apertur und Radar-Signalen großer Bandbreite entstehen dabei Kartierungen, welche räumliche Informationen von Rückstreuobjekten bereitstellen. Die Auswertung des Polarisationszustands gesendeter und empfangener Signale, bietet außerdem eine detailliertere Aussage über deren Interaktion mit der Umgebung und ursächliche Streumechanismen. In der klassischen Radar-Fernerkundung sind die Aufgaben der Bildgebung und der Polarimetrie voneinander getrennte Verarbeitungsschritte, da erst nach der Bildgebung die notwendige Auflösung zur Trennung einzelner Mechanismen zur Verfügung steht. Informationen der Objekte wie Form oder Ausrichtung im Raum werden entsprechend durch Auswertung des polarimetrischen Streumechanismus im Bildbereich gewonnen. Ziel dieser Arbeit ist die Erweiterung wissenschaftlicher Ausgangspunkte der bildgebenden UWB-Radar-Sensorik durch Methoden der Radar-Polarimetrie der Fernerkundung. Durch die Erschließung polarimetrischer Signalanalyse breitbandiger Radar-Signale als Vorverarbeitung bildgebender Verfahren, können polarimetrische Mechanismen bereits im Zeitbereich identifiziert und ausgewertet werden. Die daraus gewonnenen Informationen dienen der Zerlegung der Radar-Daten in einzelne Rückstreukomponenten, wodurch bildgebende Verfahren die Umgebung des Sensors mit höherer Genauigkeit und Interpretierbarkeit erfassen. Dazu werden zwei neuartige Methoden detailliert diskutiert und mit bestehenden polarimetrischen Verfahren in Bezug gesetzt. Es handelt sich dabei, um einen modellbasierten Ansatz für die Zerlegung im Zeitbereich und ein Verfahren der statistischen Analyse in Zeit- und Bildbereich. Die Funktionsweise der Methoden wird in dieser Arbeit mit Simulationsdaten veranschaulicht und mithilfe von Messungen in realitätsnaher Umgebung verifiziert.
How systems capture their environment and perceive information of the surrounding area has become the focus of technological developments in almost all areas of life in recent years. These are applications of assistance or automation in the private sector (Smart Home), in production (Industry 4.0) or in mobility and logistics systems (Autonomous Driving), which require the highest possible level of sensor information independent of environmental influences for their correct functioning. Radar sensors provide the ability to detect signals scattered back from objects within the environment and to map an area through spatially distributed measurements. Using a synthetic aperture and radar signals of large bandwidth leads to maps that provide spatial location information of backscatter objects. The evaluation of the polarization state of transmitted and received signals also provides more detailed information about their interaction with the environment and causative scattering mechanisms. In classical radar remote sensing, the tasks of imaging and polarimetry are separate processing steps, since the necessary resolution for the separation of individual mechanisms is available only after imaging. Information of objects such as shape or orientation in space are obtained accordingly by evaluation of the polarimetric scattering mechanism in the image domain. The aim of this work is the extension of scientific methods of UWB radar signal processing by radar polarimetry remote sensing techniques. By utilizing polarimetric signal analysis of broadband radar signals as pre-processing of imaging techniques, polarimetric mechanisms can be identified and evaluated in the time domain. The information obtained is used to decompose the radar data into individual backscatter components, allowing imaging techniques to capture the sensor’s environment with increased accuracy and interpretability. For that purpose two novel methods and their relation to existing polarimetric techniques are discussed in detail. A model-based approach to decompose time domain radar data and a statistical analysis method in time and image domain are described in this work using simulation data and verifications by measurements in close-to-reality surroundings.