基于稀疏贝叶斯学习的 SAR 层析反演探析
信号处理
2020-11-25 v1
摘要
现有的 SAR 层析（TomoSAR）算法大多基于 SAR 成像模型的反演，通常计算代价高昂。先前的研究显示了使用 KPCA 等数据驱动方法分解信号并降低计算复杂度的前景。本文初步演示了一种基于稀疏贝叶斯学习的新型数据驱动方法。在模拟数据上的实验表明，所提方法在估计散射体导向矢量方面显著优于 KPCA 方法。这给出了数据驱动方法或将其与模型驱动方法结合用于大面积高精度层析反演的前景。
引用
@article{arxiv.2011.12069,
title = {Towards SAR Tomographic Inversion via Sparse Bayesian Learning},
author = {Kun Qian and Yuanyuan Wang and Xiaoxiang Zhu},
journal= {arXiv preprint arXiv:2011.12069},
year = {2020}
}
备注
accepted in preliminary version for EUSAR2020 conference