文献类型：期刊文献

中文题名：频谱分析技术在层析SAR森林垂直结构信息提取中的应用性能分析

英文题名：Application Performance Analysis of Spectral Analysis Techniques in Forest Vertical Structure Information Extraction Using Tomographic SAR

作者：李文梅[1,2] 陈尔学[2] 李增元[2] 冯琦[2] 杨浩[3] 黎晓[4]

第一作者：李文梅

通信作者：Chen, Er-Xue

机构：[1]南京邮电大学地理与生物信息学院;[2]中国林业科学研究院资源信息研究所;[3]北京农业信息技术研究中心;[4]西安科技大学

年份：2015

卷号：43

期号：4

起止页码：694-699

中文期刊名：电子学报

外文期刊名：Acta Electronica Sinica

收录：CSTPCD;;EI(收录号：20152701003313);Scopus(收录号：2-s2.0-84934282766);北大核心:【北大核心2014】；CSCD:【CSCD2015_2016】；

基金：国家863高技术研究发展计划(No.2011AA120402);国家973重点基础研究发展计划复杂地表遥感信息动态分析与建模(No.2013CB733404);国家自然青年科学基金(No.41401480);南京邮电大学引进人才启动基金(No.NY213105)

语种：中文

中文关键词：合成孔径雷达;层析合成孔径雷达;波束成形;Capon;多重信号分类;加权信号子空间匹配;加权噪声子空间匹配;森林垂直结构

外文关键词：SAR;tomographic SAR （TSAR） ;beamforming;Capon;multiple signal classification （MUSIC） ;weighted sig- nal subspace fitting estimator （SSF） ;weighted noise subspace fitting estimator （NSF）;forest vertical structure

分类号：TP79

摘要：为了分析频谱分析在不同应用场景的信号提取能力,分别应用数值模拟与真实林区的多基线In SAR数据分析五种频谱分析方法的提取效果.数值模拟实验表明,Capon方法受信噪比影响较小;在TSAR林区实验中,Capon方法提取森林垂直结构信息效果最优,NSF方法提取冠层高度及地表信息效果最优.
In order to analyze the application effect of spectral analysis techniques in different scenes and provide an optimal One for forest applications,numberical simulations and multi-baseline interferometric synthetic aperture radar（InSAR） data in forest scenario were used to analyze the extraction result using five spectral analysis techniques. It is discovered that, signal to noise ratio （SNR） has little effect on Capon method, and has greater impact on weighted noise subspace fitting estimator （NSF）, multiple signal classification （MUSIC） and weighted signal subspace fitting estimator （SSF） method. In tomographic SAR （TSAR） experiment, Capon method has best result in forest canopy/vertical slructure information extraction. NSF method has best result in canopy height and topographic information extraction followed by MUSIC. This experiment provided a reference for spectral analysis technique choice in forest information extraction using multi-baseline TSAR.