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。

摘要：在准噶尔盆地CE油田的上方存在明显的极化异常,其极化率大于10%,电磁相位大干2.0MRI),但电阻率值普遍小于8.0Ω·m,故在该油田的周边地带实施了用于油气田勘探和预测的复视电阻率(CR)法。野外观测采用偶极-偶极装置,资料处理采用一种新的激电异常和电磁感应耦合效应的分离技术——基于柯尔-柯尔(Cole-Cole)模型和布朗(Brown)模型乘法组合的重整化谱参数相位交错拟合法。试验结果表明,CR法可以精细刻画勘探设计中预定深度范围内的激电异常纵、横向变化特征,为井位设计提供了可靠的地球物理依据。预测的激电异常也为随后的钻探所证实。