[发明专利]一种基于秩信息滤波的相位解缠方法

说明书

本发明公开了一种基于秩信息滤波的相位解缠方法，本方法把基于AMPM的局部相位梯度估计技术与秩信息滤波器结合起来，建立基于秩信息滤波的相位解缠程序，把干涉图相位解缠问题转化为秩信息滤波框架下的状态估计问题；引入H‑∞算子对状态变量信息矩阵进行优化，提高状态变量估计精度；利用基于堆排序的快速路径跟踪策略来指导相位解缠路径，保证基于秩信息滤波的相位解缠程序沿高质量像元到低质量像元路径解缠干涉图。模拟数据以及实测数据实验结果表明本文算法的有效性，能从噪声缠绕干涉图获得较为稳健的结果。

技术领域

本发明涉及相位解缠领域，涉及基于秩信息滤波的相位解缠，尤其是一种基于秩信息滤波的相位解缠方法。

背景技术

相位解缠是干涉合成孔径雷达测量(InSAR)、光学干涉测量、合成孔径声呐(InSAS)以及核磁共振成像等数据处理过程中的重要步骤之一。由于三角函数的周期性，从干涉测量中获取的表征目标参数的干涉相位被限制在其相位主值(-π,π]区间，俗称称为缠绕相位；从缠绕相位中恢复反应目标参数的真实干涉相位，即为所谓的相位解缠。在理想情况下，通过对缠绕相位加上2π的整数倍即可实现相位解缠。然而，干涉测量过程中的相位跳变、相位噪声、雷达阴影等干扰因素均会显著增加相位解缠的难度。

传统相位解缠方法，例如枝切法、最小二乘法、质量引导法等，这些方法在噪声较小且残差点较少的情况下解缠效果较好，一旦噪声较大且残差点分布密集，这些方法解缠结果误差较大。随后，一类基于非线性滤波与状态估计的解缠算法被相继提出，包括扩展卡尔曼滤波相位解缠算法(EKFPU)、无味卡尔曼滤波相位解缠算法(UKFPU)、容积卡尔曼滤波相位解缠算法(CKFPU)、无味信息滤波相位解缠算法(UIFPU)等。这些算法在一定程度上弥补了传统相位解缠算法的不足，但高效与精确地解缠噪声干涉图仍然是一个非常具有挑战性的问题。

发明内容

本发明针对上述现有技术的缺陷，提供一种基于秩信息滤波(RIF)的相位解缠方法，这种方法能从噪声缠绕干涉图获得较为稳健的结果。

实现本发明目的的技术方案是：

一种基于秩信息滤波的相位解缠方法，包括如下步骤：

1)根据已有的非线性滤波相位解缠模型，把基于修正矩阵束模型(AMPM)的局部相位梯度估计技术与秩信息滤波器结合起来，建立基于秩信息滤波的相位解缠模型，把干涉图相位解缠问题转化为秩信息滤波框架下的状态估计问题；

2)根据步骤1)中得到的秩信息滤波相位解缠模型，建立一维秩信息滤波相位解缠算法；

3)根据步骤2)中得到的一维秩信息滤波相位解缠算法，用二维坐标代替一维坐标，建立二维秩信息滤波相位解缠算法。

进一步地，步骤1)中，利用干涉图相邻像元解缠相位之间的关系，干涉图相位展开系统方程可表示为如下：

式中，x_k表示干涉图k像元解缠相位，作为待评估的状态变量；μ_k-1表示干涉图k-1像元真实相位梯度，可利用基于AMPM的局部梯度估计技术来获取其估计值w_k-1表示相位梯度估计误差；ξ_k为干涉图k像元状态变量的观测噪声矢量，ξ_1,k和ξ_2,k分别为附加在复干涉信号虚部和实部的量测噪声，h[x_k]为干涉图k像元状态变量的无噪声观测矢量；z_k为干涉图k像元状态变量的观测矢量。

进一步地，步骤2)中，设干涉图k-1像元状态估计值及其估计误差方差分别为和则基于秩信息滤波的相位解缠包括如下步骤：

2-1)根据秩采样原理生成秩信息采样点；