《表1 典型协方差矩阵参数》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于粒子群优化的极化SAR定标算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

首先基于仿真的分布式目标进行分析，目标的协方差矩阵参数如表1所示。对表1所示理论的协方差矩阵额外附加误差矩阵形成失真的协方差矩阵，并对失真矩阵进行校准，其中串扰幅值随距离向从0均匀增加至0.5，而不平衡度幅值随距离向从0.9均匀增加至1.1。基于PSO优化的方法以Q算法的估计值为初始值，由于K算法不收敛次数较多，仅对Q算法、A算法、Az算法进行分析比较，图1是不同算法对误差参数的估计结果。从图1可以看出，Q算法和A算法定标效果较差，Az算法仅在串扰值较小时有着较准确的估计，而本文方法在整个距离向均有着准确的估计。另外，即使串扰值低于-20dB时，本文方法仍可以得到较Az算法更高的准确度，由于图1无法直观进行对比，以（w^-w）/w，（α^-α）/α即估计参数的相对误差幅值对不同方法进行评估，串扰幅值为0～0.1的随机数，不平衡度幅值为0.9～1.1的随机数。基于PSO优化的方法以Az算法的估计值为初始值，图2是不同算法的校准结果。从图2可以看出，即使对于串扰值较小的失真极化数据，本文方法相比于Az仍有着更高的精确度。