龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：中国地质大学(武汉)
摘要：本发明涉及遥感影像处理领域，提供一种低旁瓣森林TomoSAR非参数谱估计方法及系统，包括：S1：获取N景SLC影像数据，对所述SLC影像数据进行预处理，获得相关初始变量；S2：通过所述相关初始变量迭代计算获得最优估计协方差矩阵；S3：通过所述最优估计协方差矩阵进行非参数谱估计，获得低旁瓣层析谱。本发明将协方差矩阵的特征值与其对应的特征向量的对数值进行线性组合，充分挖掘协方差矩阵中所包含的有效信息来反映目标的主要特征；弥补了传统的直接利用样本协方差矩阵而无法保证其与真实协方差矩阵的统一性的问题，考虑了成像噪声给谱估计带来的影响，降低了层析谱的解译难度，提高了参数反演的精度。
主权项：1.一种低旁瓣森林TomoSAR非参数谱估计方法，其特征在于，包括步骤：S1：获取N景SLC影像数据，对所述SLC影像数据进行预处理，获得相关初始变量；S2：通过所述相关初始变量迭代计算获得最优估计协方差矩阵；S3：通过所述最优估计协方差矩阵进行非参数谱估计，获得低旁瓣层析谱；步骤S2具体为：S21：通过所述相关初始变量循环迭代计算特征系数In，计算公式为： 其中，λn表示第n景SLC影像数据对应的样本协方差矩阵的特征值，μn表示第n景SLC影像数据对应的特征值约束因子，λk表示第k景SLC影像数据对应的样本协方差矩阵的特征值，μk表示第k景SLC影像数据对应的特征值约束因子；N表示所述SLC影像数据的总数，N为大于1的正整数；S22：通过所述特征系数In循环迭代计算所述最优估计协方差矩阵计算公式为： 其中，en表示第n景SLC影像数据对应的样本协方差矩阵的特征向量；步骤S3中所述低旁瓣层析谱的计算公式为： 其中，表示最优估计协方差矩阵，A＝[az1，az2，…，azD]T为映射矩阵，zd表示第d个高度向高度，T为转置符；azd＝[expjkz1zd，expjkz2zd，…，expjkzNzd]T为映射矩阵A的第d个映射矢量，j为复数虚部符号；表示垂直波数，b⊥n为第n景SLC影像数据与主影像之间的垂直基线，WL表示波长，r表示斜距，θ为入射角。
全文数据：
权利要求：
百度查询： 中国地质大学(武汉) 低旁瓣森林TomoSAR非参数谱估计方法及系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号