一种基于概率积分模型的矿区大梯度相位优化方法技术

本发明专利技术公开了一种基于概率积分模型的矿区大梯度相位优化方法，包括：结合SAR影像日期及先验概率积分模型参数，估计不同时段下的矿区先验形变量；结合卫星影像参数，将先验时序形变量转换为雷达视线向形变量，并由形变量转为先验形变相位值；基于SAR影像数据构建全干涉对网络，将先验形变相位从差分干涉相位中去除，获取残余干涉相位；依据时序振幅值选取同质像素集，计算残余相位的相干性值，并构建复相干性矩阵；构建基于相干性次幂加权策略的相位优化模型，估计残余相位对应的相位优化估计量；构建短时空基线干涉对网络，将相位优化估计量计算的干涉相位与同时段的先验形变相位相结合，获取最终的优化后干涉相位。获取最终的优化后干涉相位。获取最终的优化后干涉相位。

【技术实现步骤摘要】
一种基于概率积分模型的矿区大梯度相位优化方法


[0001]本专利技术属于面向矿区大梯度时序形变监测的时序SAR数据处理
，尤其涉及一种基于概率积分模型的矿区大梯度相位优化方法。

技术介绍

[0002]时序合成孔径雷达干涉测量技术通过对多景SAR影像开展长时间序列分析，有效弥补了差分InSAR技术受时空失相干因素影响的不足，将形变监测精度由厘米级进一步提升为毫米级，使其在地震、滑坡、矿山开采沉陷、城市健康监测等领域展现出更广阔的应用前景。然而，由于永久性散射体较多分布在建筑、桥梁等地面反射较强的人工地表区域，致使面向覆盖农田、森林等非人工地表区域的监测存在监测点密度不足、监测精度受限的问题。针对于此，基于分布式散射体的TSInSAR技术得到广泛发展，其在农村、山区等非人工地表区域的广泛分布有效弥补了永久性散射体的不足，提高了非人工地表形变监测的有效性及可靠性。不同于拥有主导散射体的永久性散射体点，DS点分辨单元内由多个具有相似特征的子散射体组成，并无主导散射体，进而导致DS点易受时间及几何失相干因素的影响，致使其相位质量较差，严重制约了相位信息的解译精度。因此，旨在提高相位信噪比的相位优化处理是基于DS的TSInSAR技术开展时序监测应用中不可或缺的关键处理步骤。基于相位优化通用函数模型分析，现阶段相位优化方法的研究主要集中在相干性无偏估计、权重因子设置及模型高效解算等方面，而针对大梯度形变对应密集条纹处的相位模糊问题尚缺乏相关研究。在估计协方差矩阵时，通常采用基于同质像素集的同质滤波处理获取干涉相位信息，然而同质像素识别通常仅考虑影像振幅信息，而并未考虑相位条纹变化信息，因此，基于此识别同质像素集的同质滤波处理极易导致密集条纹处的相位信息损失。尤其是面向矿区开采引起的大梯度形变场，现有相位优化方法仍无法有效兼顾密集条纹处相位信息的保护及相位信噪比的提升，严重制约了矿区地表形变信息的解译精度。

技术实现思路

[0003]为解决上述技术问题，本专利技术提出了一种基于概率积分模型的矿区大梯度相位优化方法，采用矿区概率积分模型估计矿区先验形变信息，结合估计量与雷达视线向形变的关联模型，获取矿区先验相位信息及残余相位，通过对残余相位开展相干性估计及协方差矩阵构建处理，结合相干性次幂加权策略，完成对残余相位的相位优化处理，通过补偿先验相位，获取最终的优化后干涉相位。
[0004]为实现上述目的，本专利技术提供了一种基于概率积分模型的矿区大梯度相位优化方法，包括以下步骤：
[0005]基于矿区的SAR影像数据，获取影像日期；计算不同日期的时间间隔，结合概率积分模型，估计不同时段下的矿区先验形变量；
[0006]结合SAR影像数据，将所述矿区先验形变量转换为雷达视线向形变量，将所述雷达视线向形变量转换为先验形变相位；
[0007]基于所述SAR影像数据构建全干涉对网络，获取全干涉对的差分干涉相位，将所述先验形变相位从所述差分干涉相位中去除，获取全干涉对的残余相位；
[0008]根据置信区间假设检验法，结合所述SAR影像数据的时序振幅值选取同质像素集；基于所述同质像素集获取所述残余相位的相干性值，结合所述残余相位及对应的相干性值构建复相干性矩阵；
[0009]构建基于相干性次幂加权策略的相位优化模型，结合所述复相干性矩阵，获取所述残余相位对应的相位优化估计量；
[0010]基于所述SAR影像数据构建短时空基线干涉对网络，通过所述相位优化估计量获取对应干涉对的差分干涉相位，结合同时段的所述先验形变相位，获取优化后的干涉相位。
[0011]可选的，估计不同时段下的矿区先验形变量的方法包括：
[0012]基于概率积分模型，结合矿区煤层开采引起地表点的沉降量及Knothe时间函数，获取不同时间间隔下的形变量；
[0013]基于所述SAR影像数据获取的所述影像日期，计算不同日期的时间间隔，结合所述概率积分模型，估计不同时段下的矿区先验形变量。
[0014]可选的，矿区煤层开采引起地表点的沉降量的方法为：
[0015][0016]W0＝mqcosα
[0017]l＝D3‑
S4[0018]L＝(D1‑
S2)cosα
[0019]其中，W(x,y)为沉降量，x、y分别为地表点的x方向及y方向坐标，W0为地表点的最大下沉量，m为煤层的法向采厚，q为下沉系数，α为煤层倾角，l为工作面等效积分走向长度，D3和D1分别为工作面的走向长度和倾向斜长，S1、S2、S3和S4分别为下山方向、上山方向、走向左方向及走向右方向的拐点偏移距，L为工作面等效积分倾向宽度。
[0020]可选的，结合SAR影像数据，将所述矿区先验形变量转换为雷达视线向形变量的方法为：
[0021][0022]其中，x、y分别为SAR影像像素的x方向及y方向坐标，Def
LOS
为雷达视线向形变量，Def
PIM
‑
W
、Def
PIM
‑
UN
、Def
PIM
‑
UE
分别为概率积分模型估计的垂直向、南北向及东西向形变量，θ为雷达入射角，α为卫星航向角，N为南北方向，E为东西方向。
[0023]可选的，将所述雷达视线向形变量转换为先验形变相位的方法为：
[0024][0025]其中，Def
LOS
为雷达视线向形变量，ψ
prior
为先验形变相位，λ为雷达波长。
[0026]可选的，基于所述SAR影像数据构建全干涉对网络，获取全干涉对的差分干涉相位的方法包括：
[0027][0028][0029][0030]φ'＝φ
defo
+φ
ε
[0031]其中，φ
flat
为平地相位，B为标准基线，θ为雷达入射角，η为基线与水平方向的夹角，B
||
为平行基线，φ
topo
为地形相位，R为斜距，h为地面点高程，B
⊥
为垂直基线，φ
ε
为相位成分占比相对形变较为较小的误差相位，分别为残余的平地及地形相位误差，φ
atmo
为大气相位，φ
scat
为散射相位，φ
noise
为噪声相位，φ
defo
为形变相位，φ'为全干涉对的差分干涉相位。
[0032]可选的，将所述先验形变相位从所述差分干涉相位中去除，获取全干涉对的残余相位的方法为：
[0033]φ'
res
＝angle(exp(j
·
φ')
·
conj(exp(j
·
ψ
prior
)))
[0034]其中，φ'
res
为全干涉对的残余相位，ψ
prior
为先验形变相位，j为复数的虚数单位，φ'为全干涉对的差分干本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于概率积分模型的矿区大梯度相位优化方法，其特征在于，包括以下步骤：基于矿区的SAR影像数据，获取影像日期；计算不同日期的时间间隔，结合概率积分模型，估计不同时段下的矿区先验形变量；结合SAR影像数据，将所述矿区先验形变量转换为雷达视线向形变量，将所述雷达视线向形变量转换为先验形变相位；基于所述SAR影像数据构建全干涉对网络，获取全干涉对的差分干涉相位，将所述先验形变相位从所述差分干涉相位中去除，获取全干涉对的残余相位；根据置信区间假设检验法，结合所述SAR影像数据的时序振幅值选取同质像素集；基于所述同质像素集获取所述残余相位的相干性值，结合所述残余相位及对应的相干性值构建复相干性矩阵；构建基于相干性次幂加权策略的相位优化模型，结合所述复相干性矩阵，获取所述残余相位对应的相位优化估计量；基于所述SAR影像数据构建短时空基线干涉对网络，通过所述相位优化估计量获取对应干涉对的差分干涉相位，结合同时段的所述先验形变相位，获取优化后的干涉相位。2.如权利要求1所述的基于概率积分模型的矿区大梯度相位优化方法，其特征在于，估计不同时段下的矿区先验形变量的方法包括：基于概率积分模型，结合矿区煤层开采引起地表点的沉降量及Knothe时间函数，获取不同时间间隔下的形变量；基于所述SAR影像数据获取的所述影像日期，计算不同日期的时间间隔，结合所述概率积分模型，估计不同时段下的矿区先验形变量。3.如权利要求2所述的基于概率积分模型的矿区大梯度相位优化方法，其特征在于，矿区煤层开采引起地表点的沉降量的方法为：W0＝mqcosαl＝D3‑
S4L＝(D1‑
S2)cosα其中，W(x,y)为沉降量，x、y分别为地表点的x方向及y方向坐标，W0为地表点的最大下沉量，m为煤层的法向采厚，q为下沉系数，α为煤层倾角，l为工作面等效积分走向长度，D3和D1分别为工作面的走向长度和倾向斜长，S1、S2、S3和S4分别为下山方向、上山方向、走向左方向及走向右方向的拐点偏移距，L为工作面等效积分倾向宽度。4.如权利要求1所述的基于概率积分模型的矿区大梯度相位优化方法，其特征在于，结合SAR影像数据，将所述矿区先验形变量转换为雷达视线向形变量的方法为：其中，x、y分别为SAR影像像素的x方向及y方向坐标，Def
LOS
为雷达视线向形变量，Def
PIM
‑
W
、Def
PIM
‑
UN
、Def
PIM
‑
UE
分别为概率积分模型估计的垂直向、南北向及东西向形变量，θ为
雷达入射角，α为卫星航向角，N为南北方向，E为东西方向。5.如权利要求1所述的基于概率积分模型的矿区大梯度相位优化方法，其特征在于，将所述雷达视线向形变量转换为先验形变相位的方法为：其中，Def
LOS
为雷达视线向形变量，ψ
prior
为先验形变相位，λ为雷达波长。6.如权利要求1所述的基于概率积分模型的矿区大梯度相位优化方法，其特征在于，基于所述SAR影像数据构建全干涉对网络，获取全干涉对的差分干涉相...

【专利技术属性】
技术研发人员：李世金，高延东，张书毕，郑南山，
申请(专利权)人：中国矿业大学，
类型：发明
国别省市：