机载合成孔径雷达高度计高程参数贝叶斯估计杨磊①周弘昊①黄博*②廖仙华①夏亚波①①(中国民航大学天津市智能信号与图像处理重点实验室天津300300)②(中国工程物理研究院电子工程研究所绵阳621999)摘要：机载合成孔径雷达高度计(SARA)由于具有高航向分辨率，因此受到广泛关注。然而，现有的SARA地面高程重跟踪方法多基于最小二乘算子，高程参数估计精度和算法抑噪性能均存在上限，容易造成高程参数估计结果过拟合，对复杂高程变化适应能力有限。为此，该文提出一种基于参数化贝叶斯统计学习方法的机载SARA重跟踪算法(PR-Bayes)。通过引入目标场景地形先验概率模型，并结合模型驱动机器学习方法，可实现对目标高程信息重跟踪可信估计，从而有效避免估计参数过拟合问题。该算法基于布朗模型(BM)对SARA回波进行复杂模型参数反演，并设计哈密顿蒙特卡洛(HMC)统计采样器，实现对目标场景地形高度的参数估计。基于该文所提算法，分别通过点目标模拟和DEM半实物模拟对该算法进行有效性验证及高程参数估计精度验证，并通过实测数据验证该算法的实用性。关键词：合成孔径雷达高度计；贝叶斯学习；重跟踪；布朗模型；哈密顿蒙特卡洛采样中图分类号：TN953文献标识码：A文章编号：1009-5896(2023)04-1254-11DOI:10.11999/JEIT220322ElevationEstimationforAirborneSyntheticApertureRadarAltimetryBasedonParameterizedBayesianLearningYANGLei①ZHOUHonghao①HUANGBo②LIAOXianhua①XIAYabo①①(TianjinKeyLaboratoryforAdvancedSignalProcessing,CivilAviationUniversityofChina,Tianjin300300,China)②(InstituteofElectronicEngineering,ChineseAcademyofEngineeringPhysics,Mianyang621999,China)Abstract:AirborneSyntheticApertureRadarAltimeter(SARA)iscapableofexploitingthehigh-resolutioninalong-track,whichhasbeenattractedwideconcerns.However,theexistingre-trackingmethodsaremostlybasedontheleastsquareoperator.Theperformanceofestimationaccuracyandnoisesuppressionoftheoperatorarelimitedduetoneglectofnoisefactorsandaccordanceover-fittingproblem.Inthispaper,ParameterizedRetrackingBayes(PR-Bayes)algorithmisproposedundertheframeworkofBayesianmachinelearning.Byintroducingapriorprobabilitymodeloftheterrainscene,andcombiningwithmodel-drivenmachinelearningmethod,theelevationinformationofre-trackingwithrelia...
