机载合成孔径雷达高度计高程参数贝叶斯估计

作     者：杨磊 周弘昊 黄博 廖仙华 夏亚波 YANG Lei;ZHOU Honghao;HUANG Bo;LIAO Xianhua;XIA Yabo

作者机构：中国民航大学天津市智能信号与图像处理重点实验室天津300300 中国工程物理研究院电子工程研究所绵阳621999 

基　　金：国家自然科学基金(61601470) 天津市自然科学基金(16JCYBJC41200) 

出 版 物：《电子与信息学报》 (Journal of Electronics & Information Technology)

年 卷 期：2023年第45卷第4期

页      码：1254-1264页

摘      要：机载合成孔径雷达高度计(SARA)由于具有高航向分辨率,因此受到广泛关注。然而,现有的SARA地面高程重跟踪方法多基于最小二乘算子,高程参数估计精度和算法抑噪性能均存在上限,容易造成高程参数估计结果过拟合,对复杂高程变化适应能力有限。为此,该文提出一种基于参数化贝叶斯统计学习方法的机载SARA重跟踪算法(PR-Bayes)。通过引入目标场景地形先验概率模型,并结合模型驱动机器学习方法,可实现对目标高程信息重跟踪可信估计,从而有效避免估计参数过拟合问题。该算法基于布朗模型(BM)对SARA回波进行复杂模型参数反演,并设计哈密顿蒙特卡洛(HMC)统计采样器,实现对目标场景地形高度的参数估计。基于该文所提算法,分别通过点目标模拟和DEM半实物模拟对该算法进行有效性验证及高程参数估计精度验证,并通过实测数据验证该算法的实用性。

主 题 词：合成孔径雷达高度计 贝叶斯学习 重跟踪 布朗模型 哈密顿蒙特卡洛采样 

学科分类：080904[080904] 0809[工学-计算机类] 08[工学] 0810[工学-土木类] 081105[081105] 0706[理学-大气科学类] 0816[工学-纺织类] 0714[0714] 081001[081001] 081002[081002] 0825[工学-环境科学与工程类] 0701[理学-数学类] 0811[工学-水利类] 0812[工学-测绘类] 

核心收录：

D　O　I：10.11999/JEIT220322

馆 藏 号：203121216...