elib
DLR-Header
DLR-Logo -> http://www.dlr.de
DLR Portal Home | Impressum | Datenschutz | Kontakt | English
Schriftgröße: [-] Text [+]

Statistical Regularization as an Alternative to Model Order Selection

Martin del Campo Becerra, Gustavo Daniel und Serafín García, Sergio Alejandro und Reigber, Andreas und Ortega Cisneros, Susana (2021) Statistical Regularization as an Alternative to Model Order Selection. In: International Geoscience and Remote Sensing Symposium (IGARSS). IEEE International Geoscience and Remote Sensing Symposium (IGARSS), 2021-07-11 - 2021-07-16, Brussels, Belgium. doi: 10.1109/IGARSS47720.2021.9553314.

Dieses Archiv kann nicht den Volltext zur Verfügung stellen.

Kurzfassung

The correct functioning of parametric focusing techniques [e.g., MUltiple SIgnal Classification (MUSIC)] require a proper selection of the model order. For such aim, a methodology based on the Kullback-Leibler information criterion is commonly employed. These methods perform well due to its propensity to choose relatively large model orders, which tend to retrieve good-fitted responses when the data generating mechanism is more complex than the models used to fit. However, some solutions can be misleading, since only the most proper model order (i.e., the actual number of targets) guaranties best performance. As an alternative, this work suggests employing statistical regularization instead of model order selection (MOS) approaches. First, a model with large order is chosen to perform focusing via parametric methods; subsequently, statistical regularization is applied, seeking to attain good-fitted solutions. To demonstrate the capabilities of the addressed novel strategy, Synthetic Aperture Radar (SAR) Tomography (TomoSAR) is considered as application.

elib-URL des Eintrags:https://elib.dlr.de/141467/
Dokumentart:Konferenzbeitrag (Vortrag)
Titel:Statistical Regularization as an Alternative to Model Order Selection
Autoren:
AutorenInstitution oder E-Mail-AdresseAutoren-ORCID-iDORCID Put Code
Martin del Campo Becerra, Gustavo DanielGustavo.MartindelCampoBecerra (at) dlr.dehttps://orcid.org/0000-0003-1642-6068NICHT SPEZIFIZIERT
Serafín García, Sergio Alejandrosergio.serafin (at) cinvestav.mxhttps://orcid.org/0000-0003-2986-3793NICHT SPEZIFIZIERT
Reigber, AndreasAndreas.Reigber (at) dlr.dehttps://orcid.org/0000-0002-2118-5046NICHT SPEZIFIZIERT
Ortega Cisneros, Susanasusana.ortega (at) cinvestav.mxNICHT SPEZIFIZIERTNICHT SPEZIFIZIERT
Datum:Juli 2021
Erschienen in:International Geoscience and Remote Sensing Symposium (IGARSS)
Referierte Publikation:Ja
Open Access:Nein
Gold Open Access:Nein
In SCOPUS:Ja
In ISI Web of Science:Nein
DOI:10.1109/IGARSS47720.2021.9553314
Status:veröffentlicht
Stichwörter:Maximum-likelihood, Model Order Selection (MOS), MUltiple SIgnal Classification (MUSIC), Synthetic Aperture Radar (SAR), Tomography.
Veranstaltungstitel:IEEE International Geoscience and Remote Sensing Symposium (IGARSS)
Veranstaltungsort:Brussels, Belgium
Veranstaltungsart:internationale Konferenz
Veranstaltungsbeginn:11 Juli 2021
Veranstaltungsende:16 Juli 2021
HGF - Forschungsbereich:Luftfahrt, Raumfahrt und Verkehr
HGF - Programm:Raumfahrt
HGF - Programmthema:Erdbeobachtung
DLR - Schwerpunkt:Raumfahrt
DLR - Forschungsgebiet:R EO - Erdbeobachtung
DLR - Teilgebiet (Projekt, Vorhaben):R - Flugzeug-SAR
Standort: Oberpfaffenhofen
Institute & Einrichtungen:Institut für Hochfrequenztechnik und Radarsysteme
Hinterlegt von: Martin del Campo Becerra, Gustavo
Hinterlegt am:23 Mär 2021 12:31
Letzte Änderung:09 Jul 2024 13:43

Nur für Mitarbeiter des Archivs: Kontrollseite des Eintrags

Blättern
Suchen
Hilfe & Kontakt
Informationen
electronic library verwendet EPrints 3.3.12
Gestaltung Webseite und Datenbank: Copyright © Deutsches Zentrum für Luft- und Raumfahrt (DLR). Alle Rechte vorbehalten.