基于可微分SAR渲染器的强化学习SAR视角反演
机器学习
2024-01-03 v1 信号处理
摘要
电磁逆问题长期以来一直是研究热点。本研究旨在给定目标模型的情况下，从合成孔径雷达(SAR)图像中反演雷达视角。然而，SAR数据的稀缺性，加上复杂的背景干扰和成像机制，限制了现有基于学习方法的应用。为了应对这些挑战，我们提出了一个交互式深度强化学习(DRL)框架，其中嵌入了一个名为可微分SAR渲染器(DSR)的电磁模拟器，以促进智能体与环境之间的交互，模拟类似人类的视角预测过程。具体来说，DSR实时生成任意视角的SAR图像。并且，利用视角对应图像在序列和语义方面的差异来构建DRL中的状态空间，这有效抑制了复杂的背景干扰，增强了对时间变化的敏感性，并提高了捕获细粒度信息的能力。此外，为了保持我们方法的稳定性和收敛性，利用一系列奖励机制，如记忆差异、平滑和边界惩罚，形成最终的奖励函数。在模拟和真实数据集上进行的大量实验证明了我们方法的有效性和鲁棒性。当用于跨域领域时，所提方法极大地缓解了模拟域与真实域之间的不一致性，显著优于参考方法。
引用
@article{arxiv.2401.01165,
title = {Reinforcement Learning for SAR View Angle Inversion with Differentiable SAR Renderer},
author = {Yanni Wang and Hecheng Jia and Shilei Fu and Huiping Lin and Feng Xu},
journal= {arXiv preprint arXiv:2401.01165},
year = {2024}
}