CN105487065B - 一种时序星载雷达数据处理方法和装置 - Google Patents

Abstract

本发明涉及干涉测量技术领域，提供了一种时序星载雷达数据处理方法和装置，以解决现有技术中因相位误差干扰而导致的基线估计的精确度不高，以及在利用InSAR技术分析海量雷达干涉数据时需对每一个干涉图进行基线精化导致的效率低下的问题。所述方法包括：根据获取的时序星载雷达数据，构建时序干涉测量模型；根据时序干涉测量模型计算轨道误差和高程误差；基于轨道误差和高程误差重构基线误差相位，用于确定基线及基线的变化率。本发明的技术方案通过构建能够同时计算轨道误差和高程误差的时序干涉测量模型，实现从缠绕的雷达干涉相位中直接精确分离轨道误差相位和高程误差，并重构基线误差相位，从而提高基线估计的精确度和效率。

Description

一种时序星载雷达数据处理方法和装置

技术领域

本发明涉及干涉测量技术领域，尤其涉及一种时序星载雷达数据处理方法和装置。

背景技术

自上世纪八十年代以来，基于星载雷达数据的干涉测量技术已被广泛用于全天候、全天时、大范围和高精度地监测地表及地面设施的形变，包括桥梁、大坝、机场及建筑综合体等。目前，InSAR(Synthetic Aperture Radar Interferometry，合成孔径雷达干涉)测量技术已经成为监测及评估地震、火山及滑坡等自然灾害的重要手段之一，在环境恶劣区域，甚至是唯一手段。其干涉技术原理可简单概括为通过比较在同一地区相同成像几何条件下，不同时刻获取的复数雷达数据的相位信息来推算地表的形变。雷达卫星一般位于高度为800千米左右的轨道上，由于当前定轨技术精度的限制，对同一地区卫星的重访位置难以一致，从而造成在对地物目标两次成像时存在入射角度的差异，该差异可以用两次成像时卫星之间的距离来描述，这个距离通常被称之为基线。基线长度的精确测定对利用干涉测量技术获取地面高程及形变具有至关重要的作用。直观上，如果知道两次卫星的坐标即可算出基线长度，但由于定轨技术精度所限，所确定的卫星坐标通常会存在数厘米或数十厘米的误差。这种轨道误差会传播到基线上，形成基线误差，最终体现到干涉相位中，从而成为InSAR技术的误差源之一。

目前已有多种方法来估计基线误差。由于基线误差会通过平地效应和高程传播到干涉相位中，现有方法均通过对相位的分析来计算轨道误差。首先假设干涉相位成功解缠，即不存在相位模糊度，并且观测区的形变、地形残差和大气延迟误差可以忽略不计，这时解缠相位的贡献主要与基线的平行雷达视线和垂直雷达视线这两个方向的分量有关，通过在成像区域均匀选取高程已知的控制点，建立观测方程，利用最小二乘来解算影像中心点的基线和基线变化率。但是这种方法需要干涉相位的成功解缠，但事实上解缠的成功率在实际中无法保证，特别是在低相干区域，例如植被区、地形复杂区及高楼林立的城区，从而影响到基线估计的精确度，另外，该方法需要对每个干涉基线进行改正，在利用InSAR技术分析海量雷达干涉数据时效率低下。

发明内容

本发明的目的在于提供一种时序星载雷达数据处理方法和装置，旨在解决现有技术中因相位误差，如解缠误差、长波形变信号、大气延迟误差以及地形残差等干扰而导致的基线估计的精确度不高，以及在利用InSAR技术分析海量雷达干涉数据时需对每一个干涉图进行基线精化导致的效率低下的问题。

本发明第一方面，提供一种时序星载雷达数据处理方法，包括：

根据获取的时序星载雷达数据，构建时序干涉测量模型，所述时序星载雷达数据包括雷达影像，所述时序干涉测量模型用于计算目标卫星的轨道误差和高程误差；

根据所述时序干涉测量模型，计算所述轨道误差和所述高程误差；

基于所述轨道误差和所述高程误差重构基线误差相位，所述基线误差相位用于确定基线及基线的变化率。

本发明第二方面，提供一种时序星载雷达数据处理装置，包括：。

模型构建模块，用于根据获取的时序星载雷达数据，构建时序干涉测量模型，所述时序星载雷达数据包括雷达影像，所述时序干涉测量模型用于计算目标卫星的轨道误差和高程误差；

误差计算模块，用于根据所述时序干涉测量模型，计算所述轨道误差和所述高程误差；

重构模块，用于基于所述轨道误差和所述高程误差重构基线误差相位，所述基线误差相位用于确定基线及基线的变化率。

本发明与现有技术相比存在的有益效果是：本发明提供的技术方案根据时序星载雷达数据，构建能够同时计算轨道误差和高程误差的时序干涉测量模型，从而实现从缠绕的雷达干涉相位中直接精确分离出轨道误差和高程误差，并基于轨道误差和高程误差重构基线误差相位，从而提高基线估计的精确度和效率。

附图说明

图1是本发明实施例一提供的时序星载雷达数据处理方法的流程图；

图2是本发明实施例一提供的时序星载雷达数据处理方法中轨道误差对基线估计的影响的示意图；

图3是本发明实施例一提供的时序星载雷达数据处理方法中雷达成像的几何示意图；

图4是本发明实施例一提供的时序星载雷达数据处理方法中典型的干涉图中的基线误差示意图；

图5是本发明实施例二提供的时序星载雷达数据处理方法的流程图；

图6是本发明实施例三提供的时序星载雷达数据处理装置的组成示意图；

图7是本发明实施例四提供的时序星载雷达数据处理装置的组成示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

以下结合具体附图对本发明的实现进行详细的描述。

实施例一：

图1是本发明实施例一提供的时序星载雷达数据处理方法的流程图，具体包括步骤S101至S103，详述如下：

S101、根据获取的时序星载雷达数据，构建时序干涉测量模型，该时序星载雷达数据包括雷达影像，该时序干涉测量模型用于计算目标卫星的轨道误差和高程误差。

载有合成孔径雷达的卫星可在800千米的轨道上对地球进行重复观测，地面站通过星载GPS(Global Positioning System，全球定位系统)等设备对卫星进行追踪及定位，但由于定位精度的限制，星载GPS所确定的卫星位置不可避免存地在误差，两次卫星观测位置间的距离即为基线。显然地，卫星的轨道误差会传播至基线上产生基线误差。图2示出了轨道误差对基线估计的影响，其中S1和S2表示卫星对地观测时的位置，B₀为S1和S2之间的矢量距离即基线，α为观测基线与水平方向夹角，β为误差基线与水平方向夹角，θ为雷达波入射角。真实的基线矢量B等于B₀和由轨道误差引起的基线误差矢量n之和。

具体地，根据研究区域内所获取的所有时序星载雷达数据，构建一个时序干涉测量模型，该时序干涉测量模型能够将轨道误差和高程误差同时解算出来。

考虑到海量的雷达数据，对于同一研究区域，每一期影像通常有数百万个有效监测点，若数十期影像的数据同时处理，数据量将极为庞大。为了解决相位模糊度问题以及抑制大气延迟误差，需要对有效监测点进行采样，并对采样点进行空间差分处理，将采样点的差分相位作为基本观测参照值，可以采用顾及监测密度和相位梯度的四叉树采样来确定基本观测参照值。基本观测参照值确定之后，需要建立待估参数与基本观测参照值之间的关系，即时序干涉测量模型，其中待估参数包括采样点的形变序列、地形残差和轨道误差，其中地形残差包括了高程误差。为了提高计算效率，可以根据干涉图及雷达影像的线性组合关系，将干涉图轨道误差转为雷达影像的虚拟轨道误差，即将干涉图中的轨道误差分量分解到每一个雷达影像上，通过获取雷达影像的虚拟轨道误差参数来重构干涉图的轨道误差，建立待估参数与基本观测参照值之间的关系，作为时序干涉测量模型。

S102、根据时序干涉测量模型，计算轨道误差和高程误差。

具体地，步骤S101得到的时序干涉测量模型可以是一个超大型线性稀疏系统，采用共轭梯度法，通过迭代方式完成对模型中待估参数的解算，从而分离出轨道误差和高程误差。

S103、基于轨道误差和高程误差重构基线误差相位，该基线误差相位用于确定基线及基线的变化率。

由于InSAR测量技术是一种利用相位测距的技术，是通过测量两次卫星到地面目标的距离，即斜距的变化来推算目标高程或形变。图3示出了卫星雷达成像的几何示意图，其中S1和S2表示卫星对地观测时的位置，B为S1和S2之间的距离即基线，P为地表目标即相干点，P'为地表目标在椭球面的投影，Z为目标点的高程，H为卫星高，O代表椭球原点，α为基线方向角，θ为目标点对应的雷达波入射角，θ₀为忽略目标点高程的雷达波入射角，ρ为卫星至地面目标的距离，阴影区域表示地形。可以看到地面目标P的高程及形变都会产生斜距差，同样地，基线B的基线误差也会产生斜距差，这些斜距差反映到卫星雷达的干涉相位上则显示为干涉条纹，如图4所示。在图4显示的干涉图中可以明显看到因基线误差引起的干涉条纹，条纹越密说明基线误差越大，该示例数据来自于C波段的Envisat/ASAR星载雷达，成像区为罗布泊。因此，基线误差相位可以有两部分组成，包括平行基线相位和高程作用下的垂直基线相位。

具体地，在重构基线误差相位时，根据时序干涉测量模型计算得到的轨道误差和高程误差，分别重构水平基线相位和垂直基线相位，从而完成基线误差相位的重构。对重构后的基线误差相位，可以利用最小二乘原理来确定基线以及基线的变化率。

本实施例中，根据时序星载雷达数据，构建能够同时计算轨道误差和高程误差的时序干涉测量模型，从而实现从缠绕的雷达干涉相位中直接精确分离轨道误差和高程误差，并基于轨道误差和高程误差重构基线误差相位，从而提高基线估计的精确度和效率。

实施例二：

图5是本发明实施例二提供的时序星载雷达数据处理方法的流程图，具体包括步骤S201至S204，详述如下：

S201、根据获取的时序星载雷达数据，确定时序干涉测量模型的基本观测参照值，该时序星载雷达数据包括雷达影像，该时序干涉测量模型用于计算目标卫星的轨道误差和高程误差。

具体地，确定时序干涉测量模型的基本观测参照值可以通过步骤S2011至S2016实现，详细说明如下：

S2011、获取研究区域的所有时序星载雷达数据并进行干涉组合得到干涉对。

具体地，将研究区域内所获取的所有时序星载雷达数据进行干涉组合，得到干涉对，并计算干涉对的时间基线和空间基线，根据基线信息对干涉对进行初选。

干涉对表示两幅雷达影像的相位差，假设有N+1幅雷达影像，最多可形成的干涉组合数量为0.5×N×(N+1)。时间基线为构成干涉对的两幅雷达影像的时间差。空间基线为卫星在获取构成干涉对的两幅影像时的位置差异。时间基线和空间基线可通过雷达影像的参数文件计算得到。

在进行干涉对初选时，将所有干涉对按基线信息在二维空间进行排列，用具备等步长增长的搜索窗从零开始搜索，当搜索窗内所包含的干涉对包含所有影像并且干涉图数量最小时停止搜索。

S2012、对干涉对进行采样和相干性计算，并统计相干性高于预设阈值的采样点和采样点的数量。

具体地，针对步骤S2011中初选得到的干涉对，将包含于这些干涉对中的雷达影像进行基于灰度的四叉树采样，并对采样数据进行相干性计算，然后统计各干涉对的相干性高于预设阈值的采样点和采样点的数量。

初选的干涉对数量可能很大，为了提高计算效率，需要进一步筛选高质量的干涉对。在雷达干涉测量技术中一般采用相干性来衡量干涉对的质量，但逐个像素计算相干性比较费时，因此可以先通过四叉树方法对雷达强度影像图根据灰度信息进行四叉树采样，然后计算采样点的相干性，用有限采样点的相干性来代表整幅干涉图的质量。

基于灰度的四叉树采样方法首先把雷达强度影像图等分成四个分区，如果检查到某个分区所有格网的灰度值之间的差值小于或等于预置数值，则该某个分区就不再往下分割；否则，把该某个分区再分割成四个子区域，这样递归地分割，直至每个分区所有格网的灰度值之间的差值小于或等于预置数值为止。

相干性是一个介于0和1之间的值，可由如下公式计算：

其中，C₁和C₂为同一地面目标在两次卫星获取影像时所反射的雷达波信号，该信号为复数值，包含了地面目标对应的强度和相位信息，为C₂的复数共轭，φ_det为地形和形变贡献的相位，|·|为取模算子。

S2013、根据采样点和采样点的数量，构建最小生成树。

具体地，根据步骤S2012得到的采样点的相干性信息和采样点的数量，构建最小生成树(Minimum Spanning Tree，MST)。该生成树可以在N景雷达影像中筛选出质量最优的N-1个干涉对，其中N表示雷达影像数量，时序干涉测量模型的基本观测参照值将从这些干涉对中选取。

生成树是连通图的极小连通子图。极小是指若在树中任意增加一条边，则将出现一个回路，若去掉一条边，将会使之变成非连通图。生成树各边的权值总和称为生成树的权。权最小的生成树称为最小生成树。

进一步地，将步骤S2012得到的采样点的相干性均值的倒数作为权进行MST搜索，按照预定的构建最小生成树的方法构建最小生成树。

S2014、对包含于最小生成树中的干涉对进行相干性评估，选取时域相干点。

具体地，为了减少相干性估计的偏差，在对包含于最小生成树中的干涉对进行相干性评估时，首先要对采样窗的像素点进行同质点选取，即选取与中心像素点散射特征的偏差在预定范围内的周边像素点，再计算所选取的像素点的相干性，并根据所计算的相干性选取相干性小于经验性阈值的像素点，作为时域相干点。

假设采样窗内有M个同质像素点，则相干性可以由以下公式计算：

其中，C₁和C₂为同一地面目标在两次卫星获取影像时所反射的雷达波信号，该信号为复数值，包含了地面目标对应的强度和相位信息，为C₂的复数共轭，φ_det为地形和形变贡献的相位，|·|为取模算子。

利用上述公式所计算的相干性，通过设定一个经验性阈值可将时域相干点筛选出来，经验性阈值可以设置为0.1。

S2015、对时域相干点根据空间分布和密度进行采样，得到采样相干点。

具体地，对步骤S2014选出的时域相干点根据空间分布和密度进行四叉树采样，得到采样相干点。通常选取一万个采样相干点已经足够恢复出轨道相位，即当四叉树划分的窗口数量达到一万时可以停止操作。

S2016、对采样相干点进行空间高密度构网，并将网的每条弧段的缠绕相位差作为时序干涉测量模型的基本观测参照值。

具体地，对步骤S2015得到的采样相干点进行空间高密度构网，网的每条边，即每条弧段的缠绕相位差作为时序干涉测量模型的基本观测参照值。

高密度构网是把采样点密集地连接起来。考虑到大气延迟的空间相关性，将研究区域划成1km×1km的格网，以1km×1km格网的顶点为中心、1km为半径的范围内搜索采样点，将搜索到的采样点构建为Delaunay三角网，实现采样点的连接。

缠绕相位差即采样点的相位差。采样点反射的雷达波的原始干涉相位φ永远介于(-π,π]之间，总是与实际的相位差2π的整数倍，所以称为缠绕相位。假设两个采样点上的缠绕相位分别为φ₁和φ₂，则缠绕相位差其中mod(·)为余数算子。

S202、建立待估参数与基本观测参照值之间的联系，作为时序干涉测量模型。

具体地，待估参数主要包括采样相干点的形变序列、地形残差以及轨道误差，其中地形残差包括了高程误差，通过建立待估参数与基本观测参照值即缠绕相位差之间的观测方程，体现待估参数与基本观测参照值之间的联系，作为时序干涉测量模型。

观测方程的具体建立过程如下：

一方面，轨道误差贡献的差分相位与轨道参数之间的关系为：

其中，Δ为差分算子，N为N+1景影像形成的N个干涉对，G为采样相干点构建的弧段的个数，D_orb为系数阵，P_orb为参数阵；

系数阵D_orb的计算公式为：

其中，A表示获取的干涉图与雷达影像的构件关系，D表示弧段上轨道多项式参数对应的系数矩阵；

其中，dX、dY、dXY分别为弧段上轨道多项式参数对应的系数；j表示弧段序号；

参数阵P_orb的计算公式为：

其中，a_j、b_j、c_j为雷达影像的虚拟轨道误差参数。

另一方面，在差分相位中除了轨道误差的贡献，还有高程和地表形变的贡献。具体地，在第i个干涉图中，第p个采样点的地形残差相位与该点的高程误差Δh_p存在确定性关系，可表示如下：

其中，为一个与基线、入射角及斜距有关的系数。

类似地，可以建立地表形变序列贡献的相位与形变ν_p的关系，可表示如下：

其中，是一个与时间有关的系数。

则根据公式(8)和公式(9)，可以得到地形残差及形变序列共同贡献的相位为：

其中B为系数阵，N为干涉图数量。

根据公式(10)可进一步得到采样点间的相位差矢量与地形残差及形变序列的关系为：

其中C为反映弧段和采样相干点之间关系的邻接矩阵，P_par为包含了采样点上的地形残差及形变序列参数的参数阵。

综合公式(3)和公式(11)，缠绕相位差与轨道误差，地形残差及形变序列之间的观测方程可以表示为：

其中，D_op＝[D_orb D_par]^T，P＝[P_orb P_par]^T，W为缠绕相位差中除了轨道误差、地形残差及形变序列外的噪声相位矢量。

该观测方程(12)作为时序干涉测量模型，体现了待估参数与基本观测参照值之间的联系。在进行轨道误差参数化时，为了减少参数个数，考虑到干涉图和雷达影像的线性组合关系，将干涉图中的轨道误差分量分解到每个雷达影像上，一旦获得雷达影像的虚拟轨道误差参数，即可重构任何一个干涉图的轨道误差。干涉图轨道误差可以是相邻弧段的雷达影像虚拟轨道误差的代数差。

具体地，通过雷达影像的虚拟轨道误差参数重构干涉图的轨道误差的过程如下：

将雷达影像1和雷达影像2表示为相邻弧段的雷达影像；

雷达影像1的虚拟轨道误差多项式为：

其中，a₁、b₁、c₁为雷达影像1的虚拟轨道误差参数,x和y分别是以雷达影像左上角点为坐标原点的像素横坐标和像素纵坐标；

雷达影像2的虚拟轨道误差多项式为：

其中，_a2、b₂、c₂为雷达影像2的虚拟轨道误差参数,x和y分别是以雷达影像左上角点为坐标原点的像素横坐标和像素纵坐标。

则根据多项式(13)和多项式(14)，可以得到干涉图的轨道误差多项式为：

其中，a、b、c为干涉图轨道误差参数，x和y分别是以雷达影像左上角点为坐标原点的像素横坐标和像素纵坐标。

通过观测方程解算出多项式(13)的参数a₁、b₁、c₁和多项式(14)的参数a₂、b₂、c₂，可以得到多项式(15)的参数a、b、c，进而得到干涉图的轨道误差分量。

S203、根据时序干涉测量模型，计算轨道误差和高程误差。

具体地，步骤S202中构建的观测方程是一个超大型线性稀疏系统，可以采用共轭梯度法，通过迭代方式实现对参数的解算，进而从干涉相位中分离出轨道误差分量及高程误差分量。

S204、基于轨道误差和高程误差重构基线误差相位，该基线误差相位用于确定基线及基线的变化率。

由于InSAR测量技术是一种利用相位测距的技术，是通过测量两次卫星到地面目标的距离，即斜距的变化来推算目标高程或形变。图3示出了卫星雷达成像的几何示意图，其中S1和S2表示卫星对地观测时的位置，B为S1和S2之间的距离即基线，P为地表目标即相干点，P'为地表目标在椭球面的投影，Z为目标点的高程，H为卫星高，O代表椭球原点，α为基线方向角，θ为目标点对应的雷达波入射角，θ₀为忽略目标点高程的雷达波入射角，ρ为卫星至地面目标的距离，阴影区域表示地形。可以看到地面目标P的高程及形变都会产生斜距差，同样地，基线B的基线误差也会产生斜距差，这些斜距差反映到卫星雷达的干涉相位上则显示为干涉条纹，如图4所示。在图4显示的干涉图中可以明显看到因基线误差引起的干涉条纹，条纹越密说明基线误差越大，该示例数据来自于C波段的Envisat/ASAR星载雷达，成像区为罗布泊。因此，基线误差相位可以有两部分组成，包括平行基线相位和高程作用下的垂直基线相位。

具体地，在重构基线误差相位时，首先将时序干涉测量模型计算的高程误差改正到外部高程数据上，以改善外部高程数据的精度，然后根据采样点的垂直基线信息重构垂直基线相位。

定义垂直基线相位重构公式为：

其中，λ为雷达波长，ρ为卫星到给定地面点的距离，θ为该给定地面点所对应的雷达波束入射角，B_⊥为该给定地面点对应的垂直基线，h为将高程误差改正到外部高程数据上后得到的该给定地面点精化后的高程。

另一方面，平行基线贡献的相位仅与基线有关，且在空线上任意一点可用一个多项式代替，即平行基线相位重构公式可定义为：

其中，λ为雷达波长，B_＝为所述地面点对应的平行基线，x和y分别是以雷达影像左上角点为坐标原点的像素横坐标和像素纵坐标，a、b、c为干涉图轨道误差参数，可由虚拟轨道误差多项式线性组合得到。

通过垂直基线相位重构公式(16)和平行基线相位重构公式(17)即可完成基线误差相位的重构。对重构后的基线误差相位，可以利用最小二乘原理来确定基线以及基线的变化率。

本实施例中，首先对获取的时序星载雷达数据进行干涉组合，将得到的干涉对进行采样和相干性计算后，对所构建的最小生成树进行相干性评估，选取时域相干点，并对时域相干点进行空间分布和密度的四叉树采样得到采样相干点，对采样相干点进行空间高密度构网得到时序干涉测量模型的基本观测参照值，并建立待估参数和基本观测参照值之间的联系，作为时序干涉测量模型，通过解算该模型实现从缠绕的雷达干涉相位中直接精确分离出轨道误差和高程误差，并基于轨道误差和高程误差重构基线误差相位，从而提高基线估计的精确度和效率。

实施例三：

图6是本发明实施例三提供的时序星载雷达数据处理装置的组成示意图，为了便于说明，仅示出了与本发明实施例相关的部分。图6示例的用于时序星载雷达数据处理的装置可以是前述实施例一提供的用于时序星载雷达数据处理的方法的执行主体，其可以是应用设备或者应用设备中的一个功能模块。图6示例的用于时序星载雷达数据处理的装置主要包括：模型构建模块81、误差计算模块82、重构模块83。各功能模块详细说明如下：

模型构建模块81，用于根据获取的时序星载雷达数据，构建时序干涉测量模型，所述时序星载雷达数据包括雷达影像，所述时序干涉测量模型用于计算目标卫星的轨道误差和高程误差；

误差计算模块82，用于根据所述时序干涉测量模型，计算所述轨道误差和所述高程误差；

重构模块83，用于基于所述轨道误差和所述高程误差重构基线误差相位，所述基线误差相位用于确定基线及基线的变化率。

本实施例中的时序星载雷达数据处理的装置中，各模块实现各自功能的过程，参见前述图1所示实施例的描述，此处不再赘述。

从上述图6示例的用于时序星载雷达数据处理的装置可知，本实施例中，根据时序星载雷达数据，构建能够同时计算轨道误差和高程误差的时序干涉测量模型，从而实现从缠绕的雷达干涉相位中直接精确分离轨道误差和高程误差，并基于轨道误差和高程误差重构基线误差相位，从而提高基线估计的精确度和效率。

实施例四：

图7是本发明实施例四提供的时序星载雷达数据处理装置的组成示意图，为了便于说明，仅示出了与本发明实施例相关的部分。图7示例的用于时序星载雷达数据处理的装置可以是前述实施例二提供的用于时序星载雷达数据处理的方法的执行主体，其可以是应用设备或者应用设备中的一个功能模块。图7示例的用于时序星载雷达数据处理的装置主要包括：模型构建模块91、误差计算模块92、重构模块93。各功能模块详细说明如下：

模型构建模块91，用于根据获取的时序星载雷达数据，构建时序干涉测量模型，所述时序星载雷达数据包括雷达影像，所述时序干涉测量模型用于计算目标卫星的轨道误差和高程误差；

误差计算模块92，用于根据所述时序干涉测量模型，计算所述轨道误差和所述高程误差；

重构模块93，用于基于所述轨道误差和所述高程误差重构基线误差相位，所述基线误差相位用于确定基线及基线的变化率。

具体地，模型构建模块91，还包括：

观测确定子模块911，用于根据获取的时序星载雷达数据，确定时序干涉测量模型的基本观测参照值，所述时序星载雷达数据包括雷达影像，所述时序干涉测量模型用于计算目标卫星的轨道误差和高程误差；

联系建立子模块912，用于建立待估参数与所述基本观测参照值之间的联系，作为时序干涉测量模型。

具体地，观测确定子模块911还用于：

获取研究区域的所有时序星载雷达数据并进行干涉组合得到干涉对；

对所述干涉对进行采样和相干性计算，并统计相干性高于预设阈值的采样点和所述采样点的数量；

根据所述采样点和所述采样点的数量，构建最小生成树；

对包含于所述最小生成树中的干涉对进行相干性评估，选取时域相干点；

对所述时域相干点根据空间分布和密度进行采样，得到采样相干点；

对所述采样相干点进行空间高密度构网，并将网的每条弧段的缠绕相位差作为时序干涉测量模型的基本观测参照值。

具体地，联系建立子模块912还用于：

所述待估参数包括形变序列、地形残差以及轨道误差，所述地形残差包括高程误差；

定义所述缠绕相位差与所述待估参数之间的观测方程为：

D_op＝[D_orb D_par]^T

P＝[P_orb P_par]^T

其中，Δ为差分算子，N为N+1景所述雷达影像形成的N个干涉对，G为所述采样相干点构建的所述弧段的个数，W为所述缠绕相位差中除了所述形变序列、所述地形残差以及所述轨道误差外的噪声相位矢量；

C为反映所述弧段和所述采样相干点之间关系的邻接矩阵，B为系数阵；

P_par为包含了采样点上的所述形变序列和所述地形残差参数的参数阵；

A表示获取的干涉图与所述雷达影像的构件关系，D表示所述弧段上轨道多项式参数对应的系数矩阵；

a_j、b_j、c_j为所述雷达影像的虚拟轨道误差参数，j表示弧段序号，相邻弧段的所述雷达影像的虚拟轨道误差参数的代数差为所述干涉图的轨道误差参数。具体地，重构模块93还用于：

定义垂直基线相位重构公式为：

其中，λ为雷达波长，ρ为卫星到给定地面点的距离，θ为所述地面点所对应的雷达波束入射角，B_⊥为所述地面点对应的垂直基线，h为将所述高程误差改正到外部高程数据上后得到的所述地面点精化后的高程；

定义平行基线相位重构公式为：

其中，λ为雷达波长，B_＝为所述地面点对应的平行基线，x和y分别是以所述雷达影像左上角点为坐标原点的像素横坐标和像素纵坐标，a、b、c为所述干涉图轨道误差参数；

通过所述垂直基线相位重构公式和所述平行基线相位重构公式完成基线误差相位的重构。

本实施例中的时序星载雷达数据处理的装置中，各模块实现各自功能的过程，参见前述图5所示实施例的描述，此处不再赘述。

从上述图7示例的用于时序星载雷达数据处理的装置可知，本实施例中，首先对获取的时序星载雷达数据进行干涉组合，将得到的干涉对进行采样和相干性计算后，对所构建的最小生成树进行相干性评估，选取时域相干点，并对时域相干点进行空间分布和密度的四叉树采样得到采样相干点，对采样相干点进行空间高密度构网得到时序干涉测量模型的基本观测参照值，并建立待估参数和基本观测参照值之间的联系，作为时序干涉测量模型，通过解算该模型实现从缠绕的雷达干涉相位中直接精确分离出轨道误差和高程误差，并基于轨道误差和高程误差重构基线误差相位，从而提高基线估计的精确度和效率。

需要说明的是，本说明书中的各个实施例均采用递进的方式描述，每一个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同或者相似的部分互相参见即可。对于装置类实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

值得注意的是，上述装置实施例中，所包括的各个模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

本领域普通技术人员可以理解，实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，相应的程序可以存储于一计算机可读取存储介质中，所述的存储介质，如ROM/RAM、磁盘或光盘等。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (8)

1.一种时序星载雷达数据处理方法，其特征在于，包括：

根据获取的时序星载雷达数据，构建时序干涉测量模型，所述时序星载雷达数据包括雷达影像，所述时序干涉测量模型用于计算目标卫星的轨道误差和高程误差；

根据所述时序干涉测量模型，计算所述轨道误差和所述高程误差；

基于所述轨道误差和所述高程误差重构基线误差相位，所述基线误差相位用于确定基线及基线的变化率；

所述根据获取的时序星载雷达数据，构建时序干涉测量模型包括：

根据获取的时序星载雷达数据，确定时序干涉测量模型的基本观测参照值；

建立待估参数与所述基本观测参照值之间的联系，作为时序干涉测量模型。

2.根据权利要求1所述的时序星载雷达数据处理方法，其特征在于，所述根据获取的时序星载雷达数据，确定时序干涉测量模型的基本观测参照值包括：

获取研究区域的所有时序星载雷达数据并进行干涉组合得到干涉对；

对所述干涉对进行采样和相干性计算，并统计相干性高于预设阈值的采样点和所述采样点的数量；

根据所述采样点和所述采样点的数量，构建最小生成树；

对包含于所述最小生成树中的干涉对进行相干性评估，选取时域相干点；

对所述时域相干点根据空间分布和密度进行采样，得到采样相干点；

对所述采样相干点进行空间高密度构网，并将网的每条弧段的缠绕相位差作为时序干涉测量模型的基本观测参照值。

3.根据权利要求2所述的时序星载雷达数据处理方法，其特征在于，所述建立待估参数与所述基本观测参照值之间的联系包括：

所述待估参数包括形变序列、地形残差以及轨道误差，所述地形残差包括高程误差；

定义所述缠绕相位差与所述待估参数之间的观测方程为：

$\underset{(N\×G)\×1}{\mathrm{\Δ}\mathrm{\Φ}}=D_{op}P+\underset{(N\×G)\×1}{W}$

D_op＝[D_orb D_par]^T

P＝[P_orb P_par]^T

其中，Δ为差分算子，N为N+1景所述雷达影像形成的N个干涉对，G为所述采样相干点构建的所述弧段的个数，W为所述缠绕相位差中除了所述形变序列、所述地形残差以及所述轨道误差外的噪声相位矢量；

C为反映所述弧段和所述采样相干点之间关系的邻接矩阵，B为系数阵；

P_par为包含了采样点上的所述形变序列和所述地形残差参数的参数阵；

A表示获取的干涉图与所述雷达影像的构件关系，D表示所述弧段上轨道多项式参数对应的系数矩阵；

a_j、b_j、c_j为所述雷达影像的虚拟轨道误差参数，j表示弧段序号，相邻弧段的所述雷达影像的虚拟轨道误差参数的代数差为所述干涉图的轨道误差参数。

4.根据权利要求3所述的时序星载雷达数据处理方法，其特征在于，所述基于所述轨道误差和所述高程误差重构基线误差相位包括：

定义垂直基线相位重构公式为：

${\mathrm{\Φ}}_{B_{\⊥}}=-\frac{4\mathrm{\π}}{\mathrm{\λ}}\frac{B_{\⊥}}{\mathrm{\ρ}\sin \mathrm{\θ}}h$

其中，λ为雷达波长，ρ为卫星到给定地面点的距离，θ为所述地面点所对应的雷达波束入射角，B_⊥为所述地面点对应的垂直基线，h为将所述高程误差改正到外部高程数据上后得到的所述地面点精化后的高程；

定义平行基线相位重构公式为：

${\mathrm{\Φ}}_{B_{=}}=-\frac{4\mathrm{\π}}{\mathrm{\λ}}{B}_{=}=(ax+by+cxy)$

其中，λ为雷达波长，B_＝为所述地面点对应的平行基线，x和y分别是以所述雷达影像左上角点为坐标原点的像素横坐标和像素纵坐标，a、b、c为所述干涉图轨道误差参数；

通过所述垂直基线相位重构公式和所述平行基线相位重构公式完成基线误差相位的重构。

5.一种时序星载雷达数据处理装置，其特征在于，包括：

模型构建模块，用于根据获取的时序星载雷达数据，构建时序干涉测量模型，所述时序星载雷达数据包括雷达影像，所述时序干涉测量模型用于计算目标卫星的轨道误差和高程误差；

误差计算模块，用于根据所述时序干涉测量模型计算所述轨道误差和所述高程误差；

重构模块，用于基于所述轨道误差和所述高程误差重构基线误差相位，所述基线误差相位用于确定基线及基线的变化率；

所述模型构建模块包括：

观测确定子模块，用于根据获取的时序星载雷达数据，确定时序干涉测量模型的基本观测参照值，所述时序星载雷达数据包括雷达影像，所述时序干涉测量模型用于计算目标卫星的轨道误差和高程误差；

联系建立子模块，用于建立待估参数与所述基本观测参照值之间的联系，作为时序干涉测量模型。

6.根据权利要求5所述的时序星载雷达数据处理装置，其特征在于，所述观测确定子模块还用于：

获取研究区域的所有时序星载雷达数据并进行干涉组合得到干涉对；

对所述干涉对进行采样和相干性计算，并统计相干性高于预设阈值的采样点和所述采样点的数量；

根据所述采样点和所述采样点的数量，构建最小生成树；

对包含于所述最小生成树中的干涉对进行相干性评估，选取时域相干点；

对所述时域相干点根据空间分布和密度进行采样，得到采样相干点；

对所述采样相干点进行空间高密度构网，并将网的每条弧段的缠绕相位差作为时序干涉测量模型的基本观测参照值。

7.根据权利要求6所述的时序星载雷达数据处理装置，其特征在于，所述联系建立子模块还用于：

所述待估参数包括形变序列、地形残差以及轨道误差，所述地形残差包括高程误差；

定义所述缠绕相位差与所述待估参数之间的观测方程为：

$\underset{(N\×G)\×1}{\mathrm{\Δ}\mathrm{\Φ}}=D_{op}P+\underset{(N\×G)\×1}{W}$

D_op＝[D_orb D_par]^T

P＝[P_orb P_par]^T

其中，Δ为差分算子，N为N+1景所述雷达影像形成的N个干涉对，G为所述采样相干点构建的所述弧段的个数，W为所述缠绕相位差中除了所述形变序列、所述地形残差以及所述轨道误差外的噪声相位矢量；

C为反映所述弧段和所述采样相干点之间关系的邻接矩阵，B为系数阵；

P_par为包含了采样点上的所述形变序列和所述地形残差参数的参数阵；

A表示获取的干涉图与所述雷达影像的构件关系，D表示所述弧段上轨道多项式参数对应的系数矩阵；

a_j、b_j、c_j为所述雷达影像的虚拟轨道误差参数，j表示弧段序号，相邻弧段的所述雷达影像的虚拟轨道误差参数的代数差为所述干涉图的轨道误差参数。

8.根据权利要求7所述的时序星载雷达数据处理装置，其特征在于，所述重构模块还用于：

定义垂直基线相位重构公式为：

${\mathrm{\Φ}}_{B_{\⊥}}=-\frac{4\mathrm{\π}}{\mathrm{\λ}}\frac{B_{\⊥}}{\mathrm{\ρ}sin\mathrm{\θ}}h$

其中，λ为雷达波长，ρ为卫星到给定地面点的距离，θ为所述地面点所对应的雷达波束入射角，B_⊥为所述地面点对应的垂直基线，h为将所述高程误差改正到外部高程数据上后得到的所述地面点精化后的高程；

定义平行基线相位重构公式为：

${\mathrm{\Φ}}_{B_{=}}=-\frac{4\mathrm{\π}}{\mathrm{\λ}}{B}_{=}=(ax+by+cxy)$

其中，λ为雷达波长，B_＝为所述地面点对应的平行基线，x和y分别是以所述雷达影像左上角点为坐标原点的像素横坐标和像素纵坐标，a、b、c为所述干涉图轨道误差参数；

通过所述垂直基线相位重构公式和所述平行基线相位重构公式完成基线误差相位的重构。