.png){kind=icon}
返回
An Adaptive Sequential Phase Optimization Method Based on Coherence Stability Detection and Adjustment Correction
.png){kind=icon}
OA
AI
DOI：10.3390/rs17233818.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
相位优化旨在增强相位信噪比，是分布式散射体干涉合成孔径雷达技术的关键组成部分，并直接决定了形变监测的精细度和可靠性。作为一种在超维数据环境中平衡计算效率与优化性能的先进方法，序列相位优化已被广泛研究。然而，当前序列方法中不合理的矩阵分割和序列补偿不连续严重限制了其优化性能。为解决这些局限性，提出了一种基于相干稳定性检测和调整校正的自适应序列相位优化方法（AdSeq）。首先基于持续超限检测分析，建立由相干稳定性检测驱动的子矩阵维度自适应估计模型。随后，通过引入子矩阵重叠准则，开发了协方差矩阵自适应序列分割策略。最后，提出了一种基于加权最小二乘调整的相位参考校正模型，以提高相位连续性和整体优化性能。使用模拟和真实数据集进行实验，以全面评估优化性能。实验结果表明，与传统的相位优化方法相比，AdSeq获得的监测点密度提高了21.07%以上，形变监测精度达到16.49 mm，较传统方法提升了10.09%以上。这些结果证实，所提出的AdSeq方法实现了更优的噪声鲁棒性和相位优化性能，并提供了更高的形变监测精度。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
4.1
论文数:
7.4K
被引数:
15.1W
机构
引用论文
A refined DS-InSAR technique for long-term deformation monitoring of low-coherence bridge groups一种改进的ds-insar技术，用于低相干桥群的长期变形监测
PREAI
分享收藏Non-linear phase linking using joined distributed and persistent scatterers使用连接的分布式和持久性散射体的非线性相位链接OAAI
OAAI分享收藏Incremental multi temporal InSAR analysis via recursive sequential estimator for long-term landslide deformation monitoring基于递推序贯估计器的增量多时相InSAR分析，用于长期滑坡变形监测
PREAI
分享收藏Enhanced Phase Optimization Using Spectral Radius Constraints and Weighted Eigenvalue Decomposition for Distributed Scatterer InSAR基于谱半径约束和加权特征值分解的分布式散射体InSAR增强相位优化.png)
REMOTE SENSING
OAAI
REMOTE SENSINGIF4.1
OAAI分享收藏
查看更多内容