植被参数反演是极化干涉合成孔径雷达(Pol In SAR)的重要应用。传统反演方法未考虑观测样本数据幅度和相位的非平稳特性,以及观测信号非均匀分布对其散布区域线性变化主导方向估计的影响。针对这些问题,该文首先采用经过幅度和相位一致...植被参数反演是极化干涉合成孔径雷达(Pol In SAR)的重要应用。传统反演方法未考虑观测样本数据幅度和相位的非平稳特性,以及观测信号非均匀分布对其散布区域线性变化主导方向估计的影响。针对这些问题,该文首先采用经过幅度和相位一致性校正的数据样本估计极化相干矩阵,提高了极化干涉复相干系数的估计性能,并提出了映射空间均衡化(MSR)处理技术以消除观测信号非均匀分布对主导方向提取的影响,通过引入主成分分析(PCA)方法进一步提高了参数反演算法的性能。利用欧空局(ESA)发布的软件PolSARPro仿真验证了该文方法在植被参数反演方面具有更好的稳健性和估计精度。展开更多
文摘植被参数反演是极化干涉合成孔径雷达(Pol In SAR)的重要应用。传统反演方法未考虑观测样本数据幅度和相位的非平稳特性,以及观测信号非均匀分布对其散布区域线性变化主导方向估计的影响。针对这些问题,该文首先采用经过幅度和相位一致性校正的数据样本估计极化相干矩阵,提高了极化干涉复相干系数的估计性能,并提出了映射空间均衡化(MSR)处理技术以消除观测信号非均匀分布对主导方向提取的影响,通过引入主成分分析(PCA)方法进一步提高了参数反演算法的性能。利用欧空局(ESA)发布的软件PolSARPro仿真验证了该文方法在植被参数反演方面具有更好的稳健性和估计精度。
