面向端到端仿真的统计学习
信号处理
2020-12-10 v1 天体物理仪器与方法
摘要
端到端任务性能仿真器(E2ES)是加速卫星任务从概念到部署开发的适用工具。这些 E2ES 的一个核心要素是生成被地球观测任务各类仪器观测的合成场景。这些场景的生成依赖于辐射传输模型(RTM)以模拟光与地球表面及大气的相互作用。然而，由于计算负担大，执行先进 RTM 是不切实际的。因此，对预计算查找表(LUT)进行经典插值与统计仿真已成为在合理时间内生成合成场景的通用做法。本文评估了插值与仿真方法在采样输入 LUT 变量空间上的精度与计算代价。基于 MONDTRAN 的顶层大气辐射亮度数据结果表明，高斯过程仿真器以远少于线性插值所需时间产生了更精确的输出光谱。结论是，在 LUT 参数空间采样中，仿真可作为插值的一种快速且更精确的替代方案。
引用
@article{arxiv.2012.05133,
title = {Statistical Learning for End-to-End Simulations},
author = {J. Vicent and J. Verrelst and J. P. Rivera-Caicedo and N. Sabater and J. Muñoz-Marí and G. Camps-Valls and J. Moreno},
journal= {arXiv preprint arXiv:2012.05133},
year = {2020}
}
备注
Preprint, paper published in IGARSS 2018 - 2018 IEEE International Geoscience and Remote Sensing Symposium, Valencia, 2018, pp. 1699-1702