基于LSTM联合卷积网络的低信噪比干涉相位解缠方法

摘要：

针对合成孔径雷达(Synthetic Aperture Radar,SAR)干涉测量处理技术中的缠绕相位解缠的问题,提出了一种基于LSTM联合卷积网络的低信噪比干涉相位解缠方法.该方法采用复合损失函数对网络进行训练,并利用空间四向长短时记忆(Spatial Quadrature-Difference Long Short-Term Memory,SQD-LSTM)网络模块将相位解缠分解为一个回归问题,以避免典型卷积神经网络(Convo-lutional Neural Networks,CNN)难以学习局部空间特征参数的困难.实验结果表明,所提方法在低信噪比的情况下性能指标优于现有相位解缠方法,同时计算速度快,不需大规模训练数据集,相位解缠精度高,在SNR=O dB时,归一化均方根误差达到了1.3％,提升了干涉测量的精准性.

关键词：干涉相位图、相位解缠、低信噪比、长短时记忆网络、卷积神经网络

所属期刊栏目：19

分类号：TN957

资助基金：南京信息工程大学引进人才资助基金项目21r036

在线出版日期：2024-09-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：403-409