[发明专利]一种利用时序InSAR技术监测软土地基形变的监测方法

权利要求书

1.一种利用时序InSAR技术监测软土地基形变的监测方法，其特征在于，包括以下步骤：

步骤一、基于高相干点的时序InSAR差分干涉图生成，具体是：利用时间序列InSAR技术获取软土地基解缠后的差分干涉相位图，并利用三重阈值法选取高相干点；

步骤二、构建InSAR干涉相位与泊松曲线的时间序列函数模型；

步骤三、软土InSAR形变模型参数估计；

步骤四、基于泊松曲线的软土InSAR形变模型参数的时序形变估计，具体是：估计InSAR影像干涉时段内的软土地基时序形变；

其中，步骤三包括以下步骤：

步骤3.1、利用遗传算法估计软土InSAR形变模型参数的初始值，包括以下步骤：

步骤3.1.1、根据残差最小原则，建立适应度函数残差表示为表达式4)：

步骤3.1.2、产生初始种群，具体是：根据种群规模随机产生初始种群，每个个体表示染色体的基因型；

步骤3.1.3、计算适应度，具体是：计算每个个体的适应度函数，并判断是否满足优化准则，若满足则输出最佳个体及其代表的最优解，并结束算法；若不满足，则进入下一步；

步骤3.1.4、选择，具体是：依据适应度选择再生个体，适应度低的个体被选中的概率高，反之被选中的概率低，甚至被淘汰；

步骤3.1.5、交叉，具体是：根据一定的交叉概率和交叉方法生成子代个体；

步骤3.1.6、变异，具体是：根据一定的变异概率和变异方法，生成子代个体；

步骤3.1.7、循环计算适应度，具体是：由交叉和变异产生的新一代种群，返回步骤3.1.3，直到满足优化准则，输出最佳个体及其代表的最优解，作为高斯牛顿迭代法的初始值；

步骤3.2、利用正则化牛顿迭代算法对遗传算法得到的软土InSAR形变模型参数进行优化，具体是：将步骤3.1.7中遗传算法获取的估计值作为初值，利用正则化牛顿迭代法表达式6)进行模型未知参数的求解：

x^(k+1)＝x^(k)+dx^(k)＝x^(k)-(G_k+α^kI)^-1(g^(k))^T 6)；

其中，x^(k+1)为第k+1次迭代值，x^(k)为第k次迭代值，dx^(k)为迭代步长；g^(k)为雅可比矩阵，即模型对未知参数的一阶偏导；G_k为海森矩阵，即模型对未知参数的二阶偏导；α^k为正则因子，I为单位矩阵，T表示为将g^(k)转置；设x⁽⁰⁾为第一个迭代值，则x⁽¹⁾＝x⁽⁰⁾+dx⁽⁰⁾，给定的允许误差率K，当dx^(k)K时输出结果，否则重复表达式5)进行重复迭代，直到满足条件，结束算法，输出每一个最优参数值。

2.根据权利要求1所述的监测方法，其特征在于，步骤一包括如下步骤：

步骤1.1、对M+1幅SAR数据进行干涉组合、超级主影像选取、时空基线估计与阈值设定、影像配准及重采样，生成干涉图和相干图；M≥1；

步骤1.2、对步骤1.1中干涉图进行去轨道、平地相位和地形相位处理，生成差分干涉图，去除了轨道误差、平地和地形相位的差分干涉图生成；

步骤1.3、对步骤1.2中的差分干涉图进行相位解缠，得到解缠后的差分干涉图；

步骤1.4、利用步骤1.1中生成的相干图和步骤1.3获得的解缠后的差分干涉图进行高相干点提取，生成基于高相干点目标的时序差分干涉相位矩阵。