针对现有合成孔径雷达（SAR）掩码图像建模（MIM）自监督预训练方法中重建目标设计缺乏统一依据、像素级重建易受相干斑噪声干扰，以及特征表征难以兼顾不同下游任务语义尺度需求等问题，提出一种兼顾物理稳定性与语义尺度适配性的SAR自监督预训练方法（SARATR-X-v2）。该方法从SAR相干成像机理与多尺度语义表征需求出发，提出预训练重建目标应同时满足对乘性相干斑噪声的近似不变性和对不同空间尺度语义信息的有效覆盖。为此，设计覆盖六种感受野尺度的固定结构特征提取算子，融合盲点局部聚合与方向性对数比值区域对比等结构信息，并通过可学习权重对多尺度特征进行自适应融合，构建统一的掩码重建监督信号，引导模型学习具有物理稳定性和多尺度语义表达能力的SAR特征表示。该方法将SAR成像物理先验与数据驱动的特征融合机制相结合，降低相干斑扰动对预训练目标的影响，增强预训练特征在分类、目标检测及语义分割等下游任务中的迁移能力与泛化性能，为SAR基础模型的自监督预训练目标设计及高质量特征表征学习提供了新的研究思路。
针对传统卫星雷达高度计利用差商法反演垂线偏差（Deflection of the Vertical，DOV）时，随着空间分辨率提高易产生显著噪声放大效应，导致海洋重力场高频信号提取精度受限等问题，提出一种基于垂直多普勒（Vertical Doppler，V-Doppler）频率提取的高精度海洋垂线偏差反演方法。该方法首先利用快速傅里叶变换（FFT）将雷达高度计回波信号由时域转换至频域，构建延迟—多普勒图（Delay/Doppler Map，DDM），从中提取与海面坡度相关的垂直多普勒信息；其次，引入Segment Anything Model 2（SAM 2）基础模型，构建混合深度学习边缘提取网络（HDLEE），增强复杂噪声背景下DDM特征边缘的识别能力，提高垂直多普勒频率提取的准确性与鲁棒性；进一步设计加权多窗口校准算法，利用传统差商法在低频信息估计方面的稳定性，对垂直多普勒频率中的低频系统性偏差进行校正，实现高频信号提取与低频误差抑制的协同优化。在此基础上，利用CryoSat-2、Sentinel-3及Sentinel-6等多源卫星雷达高度计观测数据，开展逐突发脉冲组的垂直多普勒频率估计与沿轨垂线偏差反演。该研究将雷达高度计多普勒信号处理、视觉基础模型与多尺度误差校准相结合，为高空间分辨率海洋垂线偏差反演、海洋重力场精细结构探测及卫星测高数据深度应用提供了新的技术途径。
第 1 / 1 页 · 每页 20 篇
