[发明专利]基于反向传播神经网络的大气延迟估计方法

说明书

本发明涉及信号处理技术领域，尤其涉及基于反向传播神经网络的大气延迟估计方法、装置、系统和存储介质，该方法包括：采用待观测区域的已知大气延迟值像素点的相关信息作为训练数据，应用误差后向传播原理建立神经网络，并用训练数据训练，将待观测区域的未知大气延迟值像素点相关信息输入训练好的网络，在更新已知信息的基础上不断求取新的未知大气延迟值像素点，直到求取了所有像素点的大气延迟值，该方法可以应用于计算机端软件，配以相应的硬件设备。本发明能够有效克服现有技术中提取大气延迟值模型的不具有代表性进而导致估计精度不高，克服了现有技术中数据自身其余误差对估计结果的影响，提高了大气延迟值估计精度。

技术领域

本发明涉及信号处理技术领域，尤其涉及雷达信号处理技术领域中的基于反向传播神经网络的大气延迟矫正方法、装置、系统和存储介质。

背景技术

合成孔径雷达差分干涉测量技术(DInSAR)是一种极具潜力的微波遥感技术，其在形变检测方面可以获得厘米级甚至毫米级的地表形变，并取得了成功应用，但其测量精度仍受到许多因素的制约：如影像配准误差、地形复杂或有较多植被覆盖区域的去相干噪声、轨道误差、复杂地区的相位解缠误差、大气延迟误差、外部数字高程模型不准引入的地形相位残差等。在这些误差中，由于大气误差具有不确定性，成为限制DInSAR测量精度进一步提高的瓶颈之一。

现有的大气延迟矫正方法主要分为基于图像自身特性的矫正方法和基于外部数据的矫正方法。基于图像自身特性的矫正方法，主要有相位积累法、小基线集法和永久散射体法等。该方法对图像自身的数量和质量要求较高。若数据质量太差，则无法形成干涉，从而造成图像失相干。若数据数量太少，则无法对大气延迟的特性进行统计，则不能对图像中的大气延迟进行有效矫正，若数据数量太多，则会造成影像的浪费。基于外部数据的矫正方法，主要是利用外部独立数据进行大气误差矫正，目前可用的外部数据主要有地基气象站台，GNSS数据，无线探空数据，MERIS/MODIS数据等。该方法由于外部辅助数据的分辨率还无法与合成孔径雷达复数影像匹配，需要对外部数据进行空间插值。目前常用的插值算法有克里金插值，反向距离加权插值，曲面拟合插值等。不同的插值算法会影响大气延迟矫正的效果。

中国科学院遥感与数字地球研究所在其申请的专利文献“一种InSAR测量中的大气校正方法”(专利申请号：2016101554435.0，申请公布号：CN105842692A)中提出了一种InSAR测量中大气延迟的矫正方法。该方法首先对GFS气象数据应用WRF模型计算出大气延迟所需要的参数；然后计算干、湿大气延迟；将大气延迟转换为相位延迟，通过空间插值方法对相位延迟进行插值，再将处理好的相位延从原始干涉图中去除。该方法存在的不足之处是，在进行大气延迟插值过程中，仅考虑了大气延迟与高程信息的对应关系，而忽略了大气延迟与空间地理位置的对应关系，影响了大气延迟矫正的精度。

武汉大学在其申请的专利文献“一种集成对流层大气延迟改正的时间序列InSAR分析方法”(专利申请号：2019101051162.0，申请公布号：CN109782282A)中提出了一种InSAR测量中大气延迟的矫正方法。该方法利用同一地区不同时间段内获得的多幅SAR图像，在常规时序InSAR处理去除线性形变和高程误差引起的相位误差后，采用数值气象模型和迭代线性相位—高程回归模型联合估计垂直分层大气延迟。该方法存在的不足之处有两点，其一，该方法需要在同一地区不同时间段内获得多幅SAR图像，一般在20幅以上，对于数据量较小的数据无法进行大气延迟矫正。其二，该方法仅依靠图像自身信息进行大气延迟矫正，依靠大气延迟统计特性进行大气延迟估计，忽略了不同时段内大气误差的个别差异性，在统计过程中，其精度受到数据质量和其它误差的影响。

发明内容

针对上述存在的问题，本发明的目的是提出一种基于反向传播神经网络的大气延迟估计方法，以估计差分干涉合成孔径雷达信号处理中的大气延迟，以便将大气延迟从雷达影像中去除。为了解决上述已有技术的不足，本发明提供一种基于反向传播神经网络的大气延迟估计方法，包括以下步骤：