Contexto

Los científicos utilizan la Interferometría de Radar de Apertura Sintética de paso repetido (InSAR) para observar el movimiento relativo de la superficie de la Tierra midiendo el tiempo que tarda la señal electromagnética en viajar desde un satélite hasta el suelo y volver. A medida que la señal atraviesa las distintas capas de la atmósfera, cambia ligeramente. Uno de estos cambios tiene lugar en la troposfera, ya que la señal se ralentiza al interactuar con el vapor de agua. A medida que la cantidad de vapor de agua precipitable total cambia con el tiempo, la velocidad a la que la señal se ralentiza también cambia. Estos cambios pueden enmascarar la señal real de deformación de la superficie.

A lo largo de los años se han desarrollado muchas soluciones a este problema, entre las que se incluyen el promedio simple, el filtrado adaptativo espacio-temporal y los enfoques de aprendizaje automático. También existen otros métodos que utilizan datos adicionales para resolver la señal troposférica.

Objetivo

Tu reto es crear un "notebook" que contenga tanto el código informático como otros elementos (por ejemplo, texto, imágenes, enlaces, figuras, etc.) que visualice los datos InSAR originales "ruidosos", aplique y explique el algoritmo que utilizas para eliminar la señal troposférica y presente los datos "limpios" resultantes de forma clara. ¿Están sus conocimientos de procesamiento de señales a la altura del reto de separar el grano de la paja?

Consideraciones potenciales

A la hora de desarrollar tu solución, puedes (pero no estás obligado a) tener en cuenta lo siguiente:

• La correlación temporal y espacial de las señales que le interesa separar, es decir, la deformación del suelo y el ruido troposférico.
• El impacto de la resolución en las correlaciones temporales y espaciales.
• La amplitud de las señales que le interesa separar.
• Los cambios en la línea de visión del radar cuando la geometría de la imagen cambia de pases ascendentes a descendentes.
• El impacto de la topografía cuando se trabaja con datos reales.
• Puedes incorporar métodos existentes (por ejemplo, soluciones que impliquen promedios, filtrado adaptativo espacio-temporal, aprendizaje automático y datos adicionales) para resolver la señal troposférica en tu proyecto.
• Utilizaremos datos simulados con una "respuesta" conocida, así como imágenes reales para evaluar lo bien que su algoritmo recupera la señal de deformación.