基于注意力网络的地基SAR永久散射体选取方法

来源：信号处理杂志 2021年第7期北京时间：

作者：曹琨, 崔紫维, 李洋, 林赟, 王 卓, 王泊静, 王彦平

摘要：永久散射体法（Permanent Scatterer，PS）是地基合成孔径雷达（Ground-Based Synthetic Aperture Radar，GBSAR）形变监测的技术支撑，但使用传统多阈值法选取PS点时，会存在各个区域对阈值敏感性不同的问题。为解决选取PS点时漏选或错选的问题，本文提出一种注意力网络模型对GBSAR时序数据进行PS点筛选，并将该模型与循环神经网络（Recurrent Neural Network，RNN）和长短期记忆网络（Long Short-Term Memory，LSTM）进行对比实验，应用于三个不同场景的监测来比较选取PS点的结果。实验结果表明：基于注意力网络的模型的实时性比RNN模型更好，准确度比LSTM模型更高。因此基于注意力网络的模型在PS点选取上更具优势。

关键词：永久散射体, 地基合成孔径雷达, 注意力, 序列数据