1) PS-networking algorithm
永久散射体网络算法
2) Permanent scatterers network
永久散射体网络
3) permanent scatterer
永久散射体
1.
In order to effectively detect permanent scatterers(PSs) in time serial differential radar interferometry,a method,named amplitude information dual-threshold approach(AIDTA),was proposed based on the characteristics of strong reflection and stable backscattering of PS to radar waves.
为了有效探测时序差分雷达干涉中的永久散射体,考虑永久散射体对雷达波的强反射特性和散射的稳定性,提出了探测永久散射体的振幅信息双阈值法。
2.
This paper proposes an approach of modeling with a permanent-scatterer(PS) network(MPSN) based on the neighborhood differential idea,aiming at effectively and reliably detecting both linear and nonlinear ground deformations and estimating atmospheric effects by differential synthetic aperture radar interferometry with permanent scatterers(PS-DInSAR).
为了更有效、更可靠地探测地表线性和非线性形变,估计SAR成像时的大气影响,本文提出了基于优化永久散射体网络的邻域差分建模方法,详细讨论了PS组网、网络优化以及估计地表形变与大气影响等参数的数学模型与计算过程,并基于Matlab环境编程实现了这一方法。
3.
Satellite synthetic aperture radar interferometry with permanent scatterers(PS) can overcome the limitation of spatio-temporal decorrelation and atmospheric delay,and thus enhance the reliability of radar interferometry when applied in regional deformation mapping.
基于永久散射体的干涉测量技术可以克服卫星合成孔径雷达应用于区域地表形变探测所面临的时空失相关和大气影响。
4) Permanent scatterers
永久散射体
1.
Automated Detection of Permanent Scatterers in Radar Interferometry:Algorithm and Testing Results;
干涉雷达永久散射体自动探测——算法与实验结果
2.
In recent years,the Permanent Scatterers technique has been developed,which can reduce the spatial and temporal decorrelation by using a time series of SAR images.
近几年发展的永久散射体(PS)技术在传统差分干涉测量(D InSAR)中引入时间维,分析长时间内保持稳定的像元集相位变化,获得毫米级的地表形变测量精度,同时有效地解决了时间空间去相关和大气非均质性影响的问题,目前在滑坡、地面沉降和地质灾害监测等领域得到了广泛的应用。
3.
The results gotten from permanent scatterers method are in concordance with leveling.
为了有效地对较大范围内青藏高原冻土形变进行研究,改进了永久散射体方法,并将其应用于青藏铁路北麓河段的冻土形变研究。
5) Persistent scatter technology
永久散射体技术
6) Persistent scatterers (PS)
永久散射体(PS)
补充资料：神经网络BP算法
分子式：
CAS号：
性质：它是D.Rumellart等人提出的一个监督训练多声能神经网络的算法，每一个训练范例在网络中经过两遍传递计算：一遍向前传播计算，从输入层开始，传递各层并经过处理后，产生一个输出，并得到一个该实际输出和所所需输出之差的差错矢量；一遍向反向传播计算，从输出层至输入层，利用差错矢量对权值进行逐层修改。BP算法有很强的数学基础，戏剧性地扩展了神经网络的使用范围，产生了许多应用成功的实例，对神经网络研究的再次兴起过很大作用。
CAS号：
性质：它是D.Rumellart等人提出的一个监督训练多声能神经网络的算法，每一个训练范例在网络中经过两遍传递计算：一遍向前传播计算，从输入层开始，传递各层并经过处理后，产生一个输出，并得到一个该实际输出和所所需输出之差的差错矢量；一遍向反向传播计算，从输出层至输入层，利用差错矢量对权值进行逐层修改。BP算法有很强的数学基础，戏剧性地扩展了神经网络的使用范围，产生了许多应用成功的实例，对神经网络研究的再次兴起过很大作用。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条