合成孔径雷达图像中基于分层贝叶斯模型的运动目标推断
信息论
2013-02-20 v1 math.IT
摘要
在合成孔径雷达（SAR）中，图像是通过将静止物体的响应聚焦到单一空间位置而形成的。另一方面，运动目标会在 SAR 图像的标准形成过程中引起相位误差，从而导致位移和散焦效应。SAR 图像还包含显著的非平稳空间变化噪声源，包括天线增益差异、角闪烁（glints）以及复杂的散斑噪声。为了应对这种复杂的物理现象，本研究将 SAR 成像的物理、运动学和统计特性知识整合到一个统一的贝叶斯结构中，该结构同时（a）估计干扰参数（如杂波分布和天线校准误差），以及（b）估计用于检测/推断目标状态所需的目标特征。此外，我们提供了目标状态和干扰参数后验分布的蒙特卡洛估计，直接从数据中推断模型参数，在很大程度上消除了对算法参数的调整。我们证明，我们的算法在合成数据集上的表现至少与估计稀疏信号的最先进算法相当。最后，对实测数据集的性能分析表明，所提出的算法在大范围内检测/估计目标时具有鲁棒性，其性能至少与流行的 SAR 运动目标检测算法相当。
引用
@article{arxiv.1302.4680,
title = {Moving target inference with hierarchical Bayesian models in synthetic aperture radar imagery},
author = {Gregory E. Newstadt and Edmund G. Zelnio and Alfred O. Hero},
journal= {arXiv preprint arXiv:1302.4680},
year = {2013}
}
备注
35 pages, 8 figures, 1 algorithm, 11 tables