【技术实现步骤摘要】
本专利技术属于微波，更进一步涉及综合孔径微波辐射测量中的基于稀疏贝叶斯学习算法的综合孔径辐射计sair(synthetic aperture interferometricradiometer)射频干扰源稀疏估计方法。本专利技术可用于对射频干扰源实现超分辨估计。
技术介绍
1、随着人类信息活动的日益频繁以及无线通信手段的日新月异，海量的信息交流难以避免地产生了大量的射频干扰源rfi(radio frequency interference)。在地球遥感应用中，由于微波辐射计所测量的大气和地表的信号本身就比较微弱，使得其所观测信息受到严重的rfi污染，通常是人为因素，会淹没原始微波信号,从而导致难以反演出精确的遥感信息。综合孔径辐射计的宽视场以及有限空间频率采样导致成像结果的吉布斯gibbs效应，射频干扰源对其性能影响更为显著。针对当前综合孔径微波辐射测量应用中面临的严重射频干扰源问题，其中一种途径是实现高分辨射频干扰源定位，由各国无线电频谱管理部门强制关闭这些非法rfi源。在射频干扰源无法关闭的情况下，则需要从原始数据域对射频干扰源进行...
【技术保护点】
1.一种基于稀疏贝叶斯学习算法的SAIR射频干扰源稀疏估计方法，其特征在于，将综合孔径干涉测量矢量复数模型转换为实数模型，利用可见度数据更新稀疏贝叶斯学习算法中的协方差、均值、超参数和噪声方差；该估计方法的步骤包括如下：
2.根据权利要求1所述基于稀疏贝叶斯学习算法的SAMR射频干扰源稀疏估计方法，其特征在于，步骤1中所述的综合孔径辐射计干涉测量模型如下：
3.根据权利要求2所述基于稀疏贝叶斯学习算法的SAMR射频干扰源稀疏估计方法，其特征在于，所述的测量矩阵如下：
4.根据权利要求2所述基于稀疏贝叶斯学习算法的SAIR射频干扰源稀...
【技术特征摘要】
1.一种基于稀疏贝叶斯学习算法的sair射频干扰源稀疏估计方法，其特征在于，将综合孔径干涉测量矢量复数模型转换为实数模型，利用可见度数据更新稀疏贝叶斯学习算法中的协方差、均值、超参数和噪声方差；该估计方法的步骤包括如下：
2.根据权利要求1所述基于稀疏贝叶斯学习算法的samr射频干扰源稀疏估计方法，其特征在于，步骤1中所述的综合孔径辐射计干涉测量模型如下：
3.根据权利要求2所述基于稀疏贝叶斯学习算法的samr射频干扰源稀疏估计方法，其特征在于，所述的测量矩阵如下：
4.根据权利要求2所述基于稀疏贝叶斯学习算法的sair射频干扰源稀疏估计方法，其特征在于，步骤1中所述的综合孔径干涉测量复数模型转变为实数模型如下：
5.根据权利要求4所述基于稀疏贝叶斯学习算法的sair射频干扰源稀疏估计方法，其特征在于，步骤2.1中所述估计亮温的协方差和均值...
【专利技术属性】
技术研发人员：张娟，庄乐慧，李一楠，李浩，窦昊锋，杨小娇，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。