摘要
时序干涉合成孔径雷达(Time-SeriesInterferometricSyntheticApertureRadar，TSInSAR)技术利用同一区域、不同时间获取的大量SAR图像进行信号的相干处理，以估计对应地表的形变信息，相比于常规的差分干涉(DifferentialInter-ferometricSyntheticApertureRadar，DInSAR)技术，它具有抑制时空失相干能力强、精度高等优点，相比于传统的基于单点形变监测技术，它具有范围大、成本低等优势。随着星载SAR成像技术的发展和应用的普及，TSInSAR受到越来越广泛的关注，从城市建筑的形变监测、到地质变化的规律研究、再到自然灾害的预测预警等等，都能发挥出它的作用。然而，TSInSAR仍然在技术原理和实际应用上面临一些难题:形变参数估计精度的提高、形变参数估计效率的提高、针对大区域求解的可靠性和稳定性、形变预测等。本文对TSInSAR中的若干关键技术进行了研究，研究内容如下: 1)引入粒子群优化算法求解TSInSAR形变参数，以提升参数估计精度。分析了由于相位缠绕问题导致的形变参数估计问题的复杂性，它是一个非凸优化问题，当前TSInSAR形变参数估计方法会遇到局部极值的困扰，导致参数估计精度下降，尤其在信噪比低的时候。本文引入粒子群优化算法求解TSInSAR形变参数，介绍了如何将TSInSAR参数估计问题转化为在粒子群优化算法框架下的描述，通过在解空间中设置粒子并使其按照一定的策略移动，粒子能够找到全局最优解，从而改进参数精度。粒子的移动受到自身惯性、自身历史信息和其它粒子的影响，分别对应了惯性权重、自我学习因子和群体群体学习因子参数的作用，本文分析了各个参数对粒子群算法收敛性的影响以及最优参数的选取，通过仿真实验和真实数据实验验证了该方法的效果。 2)提出时间差分集算法求解TSInSAR形变参数，以提高参数估计的计算效率。星载SAR的卫星重访时间是一个固定常数，受到这个特殊量值的启发，本文提出了基于时间差分集算法的快速TSInSAR形变参数估计算法。假设所有使用的SAR影像获取时间间隔相等的特殊情况下，采用相邻影像生成干涉图，并在线性形变模型下推导目标函数发现，关于形变的一项可以消去而不对高程校正项产生影响，于是将原本需要进行的高程和形变速率二维优化转化为了一个只有高程的一维优化问题，然后补偿掉高程校正分量以后，再使用一次一维优化即可求解形变参数。此特殊情况可以推广为一般形式:将生成的干涉图按照时间基线大小分组，再依次建立目标函数，于是仍然可以将高程和形变速率二维优化问题转化为两个一维优化问题，基于时间差分集算法的快速TSInSAR形变参数估计在不损失参数精度的情况下提升了计算效率。 3)采用考虑地形的多层网络模型构建参考网络，以针对大场景数据求解稳定、可靠的形变。提出了测量点对检验的方法将所有初步选取的PS点和DS点按照质量分为三个等级，然后只利用质量最高的第一等级网络组建一级主干网络，引入多参考点方式进行网络平差的解算，最后将第二和第三等级的点连接至主干网络上，完成整个场景的参数求解。在整个求解过程中，涉及三次测量点的网络模型构建，第一次是进行测量点对检验时，第二次是利用第一等级测量点组建主干网络，第三次是将第二、三等级点连接至主干网络上，其中第一次和第二次建立考虑地形信息建立三维Delaunay三角网，比常规二维Delaunay三角网络更加符合真实信息，能够提升精度，第三次组网采用最近邻域法，将更多点连接至主干网络的同时剔除噪声点。 4)结合JSInSAR技术与无迹卡尔曼滤波(UnscentedKalmanfilter，UKF)进行滑坡形变预测，为滑坡预测预警提供依据。介绍了将建立的多项式形变模型代入无迹卡尔曼滤波的状态转换方程，将TSInSAR相位模型代入观测方程，无迹卡尔曼滤波的噪声统计模型采用TSInSAR的时空失相干和大气噪声统计模型进行描述，然后提出了将JSInSAR滤波与无迹卡尔曼滤波的预测、更新步骤结合起来，以迭代地进行形变估计与形变预测。通过对茂县滑坡区域数据的案例分析和研究，验证了该预测算法在滑坡形变估计与预测中的可行性，并分析了其精度的影响因素。
NETL