CN114595192B - 一种适用于区域地质调查用智能数据实时汇聚方法及系统 - Google Patents

Abstract

本发明公开了一种适用于区域地质调查用智能数据实时汇聚方法及系统，步骤S1、在目标区域设置数据采集点，并利用所述数据采集点采集目标区域每个时序上的地质数据，再以时序排列对地质数据采用时序变形监测算法转化降噪，获取多层单元数据；步骤S2、在所述多层单元数据中采用非局部窗口相干点提取高质量地质数据的相位信息及残差点；步骤S3、对所述相位信息及残差点采用相位解缠算法恢复干涉相位的整周模糊度，构建评估地质数据时效性的评估模型；步骤S4、依据所述评估模型建立分布式数据库管理模式，动态更新相应的配置文件及地质数据信息，实时监测形变数据可为应急监测提供有力的技术保障，并且能够全方面掌控突变区域数据信息的完整性。

Description

一种适用于区域地质调查用智能数据实时汇聚方法及系统

技术领域

本发明涉及地质勘测领域，具体涉及一种适用于区域地质调查用智能数据实时汇聚方法及系统。

背景技术

地质勘测领域一直非常重视各种信息技术的应用，逐步形成了地质信息化应用这一重要分支。目前在野外、室内均使用了大量的硬件、软件资源，如何将这些资源有机结合，实现野外调查、勘探等数据实时地与指挥和管理中心进行交互，对安全、有序、科学地开展地质调查工作将具有十分重要的意义。

现有技术CN201910976866.9公开了一种野外地质调查数据实时汇聚方法及系统，方法包括：获取待汇聚的项目文件，所述项目文件包括多个子项目文件；布设一个Hadoop集群；将各所述子项目文件中的野外地质调查数据分别对应上传至不同数据组织形式的目录，形成项目成果资料，所述目录包括多个子项目数据目录；记录各子项目文件中野外地质调查数据的资源描述信息，并存储至数据库中；将所述项目成果资料数据复制至二级项目；更新所述资源描述信息，所述资源描述信息包括资源类型、资源名称和资源大小；将各所述子项目文件中的野外地质调查数据内容抽取出来存储到所述Hadoop集群。本发明能够快速地汇聚数据，并且方便上级项目高效地管理汇聚数据。

虽然上述现有技术能够实现快速地汇聚数据，并且方便上级项目高效地管理汇聚数据，但仍然存在一定的不足，包括未对地质数据的时序信息进行实时的相位解缠和评估，对数据要求低，并不能实现地质数据在时序上的地形突变区域的全面掌控，导致实时勘测数据的可信度低。

发明内容

本发明的目的在于提供一种适用于区域地质调查用智能数据实时汇聚方法及系统，以解决现有技术中不能实现对地质数据在时序上的地形突变区域的全面掌控，导致实时勘测数据的可信度低的技术问题。

为解决上述技术问题，本发明具体提供下述技术方案：

一种适用于区域地质调查用智能数据实时汇聚方法，包括以下步骤：

步骤S1、在目标区域采用物理分布和逻辑分布相结合的数据采集模式设置数据采集点，并利用所述数据采集点采集目标区域每个时序上的地质数据，再以时序排列对每个时序上的地质数据采用时序变形监测算法转化降噪，获取多层单元数据；

步骤S2、在所述多层单元数据中采用非局部窗口相干点提取高质量地质数据的相位信息及残差点；

步骤S3、对所述相位信息及残差点采用相位解缠算法恢复干涉相位的整周模糊度，生成一幅连续的解缠相位图，将相邻采集时间的平均速率作为相位时序处理的优先选择，构建评估地质数据时效性的评估模型；

步骤S4、依据所述评估模型建立分布式数据库管理模式，采用Ibatis持久层框架在半结构文件XML中配置相应的类单元，动态更新相应的配置文件及地质数据信息。

作为本发明的一种优选方案，所述步骤S1中，相邻所述数据采集点设置时间基线阈值Δt，以所述时间基线阈值Δt组成的单元窗口大小W设置地质数据的时间基线T，根据地质数据的时序信息实时获取每个窗口数据影像的获取时间T_w以及时间序列的处理时间T_S，第一个窗口数据影像的获取时间为T_w1＝WΔt，依据所述窗口数据影像的获取时间T_w以及处理时间T_S获取单独窗口数据影像的获取时间T_w＝(W-2T_S)Δt。

作为本发明的一种优选方案，所述单独窗口影像的获取时间T_w依据所述时序变形监测算法计算时序重叠窗口

所述时序变形监测算法的计算方法包括：

对所述时间基线阈值Δt在单元窗口内设定n个监测值L_i，每个监测值L_i在监测形变之前采用最小二乘平差计算其方差σ² _n,i；

将所述n个监测值中任意剔除第i个监测值L_i，利用剩余监测值数据再进行最小二乘平差并计算每次平差后的验后方差σ² _(n-1),i，得到n个验后方差的均值σ² _(n-1),1、σ² _(n-1),2...σ² _(n-1),n，取方差中最小值参与计算监测值数据形变位置E_j表示监测值L_i位置：

其中E_j表示n×1维矢量且第j个元素设置为1，第j个元素为1表示n个监测值中异常数据的位置；

将所述形变位置E_j依据所述时间序列的处理时间T_S设定重叠窗口T_si。

作为本发明的一种优选方案，所述步骤S2中，所述多层单元数据中包含形变位置E_j以及相邻单元窗口内采集时间相位变化增量的时间序列T_i，根据所述时间序列T_i、T_i+1分别获取发射天线到监测目标点的监测距离R_i、R_i+1，得到所述数据采集点的干涉相位

根据地质数据中的角度范围及多视后影像大小计算每个监测目标点的经纬度。

作为本发明的一种优选方案，所述步骤S3中，所述干涉相位Δφ_min采用相位解缠算法矫正干涉相位，具体方法包括：

步骤S301、依据所述形变位置E_j确定结果形变位置，对形变区域干涉相位Δφ_min进行分解，得到在t时刻大气延迟相位φ_atm(t)，所述大气延迟相位φ_atm(t)的表达式为：

其中N(t)表示t时刻大气折射率与监测距离R_i相关；

步骤S302、所述干涉相位Δφ_min在不同时间的大气折射系数不同，则t₁和t₂时刻相位差为：

作为本发明的一种优选方案，所述步骤S3中，所述干涉相位Δφ_min以相邻采集时间相位变化增量的时间序列生成相位干涉图像，所述相位干涉图像在t₁和t₂时刻的每个像素均可表示为：

B_L*NQ_N*1＝δΔφ_L*N+ε_L*1

其中B_L*N表示系数矩阵，Q_N*1表示t₁和t₂时刻的包含大气和形变的相位，δ表示相位系数，受形变影响，ε_L*1表示噪声相位，L表示矩阵行数，N表示矩阵列数，Δφ_L*N表示具有L行N列的干涉相位。

作为本发明的一种优选方案，所述步骤S3中，所述评估模型的精度确定方法包括：

步骤S303、对所述不同时刻的像素B_L*NQ_N*1利用正态最小二乘的方法计算每个像素相位改变增量

步骤S304、利用相位增量

计算相位残差：

V_L*1＝B_L*NQ_N*1-δΔφ_L*N

得到相位的均方根残差表达式为：

其中，r表示冗余次数，m表示相干性高于阈值的干涉对数量；

步骤S305、对所述均方根残差σ₀计算协方差矩阵：

其中B表示系数矩阵；

根据所述协方差矩阵引入预估量

预估每个像素的精度指标：

其中

表示t_i至t_i+1时刻的协方差矩阵，

表示t_i至t_i+1时刻的干涉相位。

作为本发明的一种优选方案，所述步骤S4中，将所述精度指标作为影响因子输入评估模型实时监测数据融合，所述数据融合方法包括：

根据所述n个监测值L_i的方差σ₁、σ₂...σ_n构建分布函数F(x,σ_i)，所述分布函数F(x,σ_i)表达式为：

p(σ)为σ的先验分布；

对所述分布函数F(x,σ_i)依据预估量

获取影响因子内任一决策函数d(X)，所述决策函数d(X)的表达式为：

对所述决策函数d(X)内估算的监测值L_i进行筛选获取融合后的地质数据，并依据先验分布p(σ)及预估量

评估数据融合汇聚概率。

作为本发明的一种优选方案，本发明提供了一种适用于区域地质调查用智能数据实时汇聚系统，包括：

数据采集装置，等间隔的设置在目标区域处，并用于采集目标区域处在每个时序上的地质数据；

监测存储单元，确定地质数据时序样本，对实时监测数据进行数据统计和数据分析，并利用所述时序样本提取相位及残差信息，生成连续的解缠相位图；

多源数据融合单元，确定数据融合汇聚概率，将地质数据时序信息采用相位解缠算法对监测值进行处理，构建评估模型；

实时数据监测单元，根据所述评估模型勘测地质数据，预测目标区域数据完整性。

作为本发明的一种优选方案，所述数据融合汇聚概率采用相邻数据时序的相位信息计算标准偏差后，再计算数据的融合评偏差得到。

本发明与现有技术相比较具有如下有益效果：

本发明利用地基雷达监测目标区域地质数据时序信息，在相邻时序间隔内采用非局部窗口相干点提取高质量地质数据相位信息及残差点，并依据时序信息采用相位解缠算法恢复干涉相位的整周模糊度，生成连续的解缠相位图，将相邻采集时间的平均速率作为相位时序处理的优先选择，并构建评估地质数据时效性的评估模型评价实时数据处理的精确性，实时监测形变数据避免了大气及其他因素导致的相位延迟效应，可为应急监测提供有力的技术保障，并且能够全方面掌控突变区域数据信息的完整性。

附图说明

为了更清楚地说明本发明的实施方式或现有技术中的技术方案，下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图引伸获得其它的实施附图。

图1为本发明实施例提供的数据实时汇聚方法流程图；

图2为本发明实施例提供的数据实时汇聚系统结构框图。

图中的标号分别表示如下：

1-数据采集装置；2-监测存储单元；3-多源数据融合单元；4-实时数据监测单元。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

如图1-2所示，在目标区域采用等间隔的采集模式采集数据，并将地质数据按照采集时序进行存储，本发明采用地基雷达设备对目标区域地质数据进行实时监测，数据采集流程为：由数据采集系统向地基雷达系统发送指令，控制地基雷达扫描的范围和角度，监测最长最短距离和方位角等参数，地基雷达系统将采集的数据发送到数据采集系统，由于采集数据类型为RAW数据，经聚焦成像转化为SLC数据，最后数据采集系统将SLC数据同步到数据处理系统。

本发明中需要对地基雷达采集到的数据时序进行处理，通过对两景SLC雷达影像进行干涉处理，将两景SLC影像共轭复数相乘，采用非局部窗口相干点提取高精度形变监测结果，为了获得高质量影像和减少干涉相位图中的残差点，需要对干涉相位进行滤波优化，提高干涉相位图的信噪比，保证相位解缠的质量，从而提高形变监测的精度与可行性，对滤波后的形变监测结果进行时序分析，在紧急的应急情况下，对监测区域实时监测并发布预警信息，并对形变位置进行标记，方便专业人士详细了解形变区域。

一种适用于区域地质调查用智能数据实时汇聚方法，包括以下步骤：

步骤S1、在目标区域采用物理分布和逻辑分布相结合的数据采集模式设置数据采集点，并利用所述数据采集点采集目标区域每个时序上的地质数据，再以时序排列对每个时序上的地质数据采用时序变形监测算法转化降噪，获取多层单元数据；

本实施例步骤S1中，时序排列间隔保持一致，当需获取连续时序间隔的地质数据时，通过计算所有连续时序间隔的全局最优解作为获取结果，其步骤如下：

本实施例可通过公共相干像素连接相邻时序数据组成合并单元数据，最终得到合并单元的最优解，本实施例以相邻两个单元为例，假设两个单元窗口基线大小为30，时间基线为2T，重叠窗口为4T，第1单元从第1幅影像到第30幅影像，第2单元从第27幅影像到第56幅影像，重叠窗口的影像从第27幅影像到30幅影像，由于每个独立单元中的相干像素可能不同，基于两个单元相干像素的交集寻找单元数据的最佳解。

步骤S2、在所述多层单元数据中采用非局部窗口相干点提取高质量地质数据的相位信息及残差点；

步骤S3、对所述相位信息及残差点采用相位解缠算法恢复干涉相位的整周模糊度，生成一幅连续的解缠相位图，将相邻采集时间的平均速率作为相位时序处理的优先选择，构建评估地质数据时效性的评估模型；

步骤S4、依据所述评估模型建立分布式数据库管理模式，采用Ibatis持久层框架在半结构文件XML中配置相应的类单元，动态更新相应的配置文件及地质数据信息。

本实施例采用Ibatis持久层框架构建基于数据库连接池的类单元，以重复使用相关连接对象，而不需要每次都经历一次重新的创建过程，在没有使用的情况下又可以自动释放，同时通过设定数据库连接池能够允许同时连接的最大数量来实现动态管理系统用户的与数据库连接操作，也可以实现对数据的性能和连接数量的精确掌握从而保证系统更加稳定的运行。

本实施例中，基于数据库连接池的类单元需要根据一定规则综合设置最大和最小连接数：

第一：需保证数据库连接池的最小连接数一直处于在使用的状态中，以避免资源的浪费；第二：确保数据库连接池的最大连接数足以满足高并发时候的使用场景，避免因为连接数量不足造成的排队等待，进而影响到数据的实时处理效率。

所述步骤S1中，相邻所述数据采集点设置时间基线阈值Δt，以所述时间基线阈值Δt组成的单元窗口大小W设置地质数据的时间基线T，根据地质数据的时序信息实时获取每个窗口数据影像获取时间T_w以及时间序列的处理时间T_S，第一个窗口数据影像的获取时间为T_w1＝WΔt，依据所述窗口数据影像获取时间T_w以及处理时间T_S获取单独窗口数据影像的获取时间T_w＝(W-2T_S)Δt。

本实施例中，所述单元窗口大小W和时间基线T是每个窗口数据影像获取时间T_w的两个重要参数，在获取每个窗口数据影像时间时需将重叠窗口设置为时间基线T的两倍，获取等待时间取决于每个单元窗口大小W和重叠大小之差为W-2T。

所述单独窗口影像的获取时间T_w依据所述时序变形监测算法计算时序重叠窗口T_si，所述时序变形监测算法的计算方法包括：

对所述时间基线阈值Δt在单元窗口内设定n个监测值L_i，每个监测值L_i在监测形变之前采用最小二乘平差计算其方差σ² _n,i；

将所述n个监测值中任意剔除第i个监测值L_i，利用剩余监测值数据再进行最小二乘平差并计算每次平差后的验后方差σ² _(n-1),i，得到n个验后方差的均值σ² _(n-1),1、σ² _(n-1),2...σ² _(n-1),n，取方差中最小值参与计算监测值数据形变位置E_j表示监测值L_i位置：

其中E_j表示n×1维矢量且第j个元素设置为1，第j个元素为1表示n个监测值中异常数据的位置；

本实施例中，在对监测值经过N轮完整搜索后，假设σ² _(n1(m-1)),i是n-m+1维完整搜索获得的最小验后方差,当执行完n-m维完整搜索后，假设正好将全部的异常值搜索完成，此时σ² _(n-m),k与σ² _(n-(m-1)),i相比会有显著的差异时，认为搜索结束，因此，用两个相邻完整搜索的最小方差比来判断下一个完整搜索是否继续进行。

最小方差比定义为：

本实施例中，对监测点的数据分组监测，按照监测点构成监测线分两组进行监测，每次监测设置固定的测回数，当完成一个周期的监测后需要立即进行测站平差，然后才能够提供测站点到各监测点精密的距离和方向值，各个监测点的坐标是由测站平差后得到距离、方位角和天顶距解算得到，原观测数据是倾斜距离、方向值和垂直角，如果在观测过程中，某个测回的监测值带有异常值，将导致坐标或高差值异常，为了从源头上探测异常监测值，在一个周期观测完成后，将采用时序变形监测算法针对原监测数据进行异常值的定位和修正，使其监测数据的可靠性得以保障。

将所述形变位置E_j依据所述时间序列的处理时间T_S设定重叠窗口

所述步骤S2中，所述多层单元数据中包含形变位置E_j以及相邻单元窗口内采集时间相位变化增量的时间序列T_i、T_i+1分别，根据所述时间序列T_i获取发射天线到监测目标点的监测距离R_i、R_i+1，得到所述数据采集点的干涉相位

根据地质数据中的角度范围及多视后影像大小计算每个监测目标点的经纬度。

所述步骤S3中，所述干涉相位Δφ_min采用相位解缠算法矫正干涉相位，具体方法包括：

步骤S301、依据所述形变位置E_j确定结果形变位置，对形变区域干涉相位Δφ_min进行分解，得到在t时刻大气延迟相位φ_atm(t)，所述大气延迟相位φ_atm(t)的表达式为：

其中N(t)表示t时刻大气折射率与监测距离R_i相关；

步骤S302、所述干涉相位Δφ_min在不同时间的大气折射系数不同，则t₁和t₂时刻相位差为：

所述步骤S3中，所述干涉相位Δφ_min以相邻采集时间相位变化增量的时间序列生成相位干涉图像，所述相位干涉图像在t₁和t₂时刻的每个像素均可表示为：

B_L*NQ_N*1＝δΔφ_L*N+ε_L*1

其中B_L*N表示系数矩阵，Q_N*1表示t₁和t₂时刻的包含大气和形变的相位，δ表示相位系数，受形变影响，ε_L*1表示噪声相位，L表示矩阵行数，N表示矩阵列数，Δφ_L*N表示具有L行N列的干涉相位。

所述步骤S3中，所述评估模型的精度确定方法包括：

步骤S303、对所述不同时刻的像素B_L*NQ_N*1利用正态最小二乘的方法计算每个像素相位改变增量

步骤S304、利用相位增量

计算相位残差：

V_L*1＝B_L*NQ_N*1-δΔφ_L*N

得到相位的均方根残差表达式为：

其中，r表示冗余次数，m表示相干性高于阈值的干涉对数量；

步骤S305、对所述均方根残差σ₀计算协方差矩阵：

其中B表示系数矩阵。

根据所述协方差矩阵引入预估量

预估每个像素的精度指标：

其中

表示t_i至t_i+1时刻的协方差矩阵，

表示t_i至t_i+1时刻的干涉相位。

所述步骤S4中，将所述精度指标作为影响因子输入评估模型实时监测数据融合，所述数据融合方法包括：

根据所述n个监测值L_i的方差σ₁、σ₂...σ_n构建分布函数F(x,σ_i)，所述分布函数F(x,σ_i)表达式为：

p(σ)为σ的先验分布；

对所述分布函数F(x,σ_i)依据预估量

获取影响因子内任一决策函数d(X)，所述决策函数d(X)的表达式为：

对所述决策函数d(X)内估算的监测值L_i进行筛选获取融合后的地质数据，并依据先验分布p(σ)及预估量

评估数据融合汇聚概率。

本实施例中，所述分布函数F(x,σ_i)将每一个目标数据各自的关联概率分布综合成一个联合后验分布函数，然后随监测值的到来，不断更新假设的该联合分布的似然函数，并通过该似然函数的极大或极小值进行信息的最后融合，可以有效地对多源不确定性、不一致性数据进行融合，从实质上识别相关监测数据的不一致，从而反映所测数据的真实状态。

如图2所示，基于上述用于区域地质调查用智能数据实时汇聚方法，本发明提供了一种适用于区域地质调查用智能数据实时汇聚系统，包括：

数据采集装置1，等间隔的设置在目标区域处，并用于采集目标区域处在每个时序上的地质数据；

监测存储单元2，确定地质数据时序样本，对实时监测数据进行数据统计和数据分析，并利用所述时序样本提取相位及残差信息，生成连续的解缠相位图；

多源数据融合单元3，确定数据融合汇聚概率，将地质数据时序信息采用相位解缠算法对监测值进行处理，构建评估模型；

实时数据监测单元4，根据所述评估模型勘测地质数据，预测目标区域数据完整性。

本实施例中，采用分布化的存储方式存储每个时序上的地质数据，对数据进行解析，并对数据进行定向转换和数据融合处理，针对数据发生异常的情况下的诊断和预警功能，同时完成对监测数据的管理和分类，并将数据适时地推送给管理中心。

所述数据融合汇聚概率采用相邻数据时序的相位信息计算标准偏差后，再计算数据的融合评偏差得到。

本发明利用地基雷达监测目标区域地质数据时序信息，在相邻时序间隔内采用非局部窗口相干点提取高质量地质数据相位信息及残差点，并依据时序信息采用相位解缠算法恢复干涉相位的整周模糊度，生成连续的解缠相位图，将相邻采集时间的平均速率作为相位时序处理的优先选择，并构建评估地质数据时效性的评估模型评价实时数据处理的精确性，实时监测形变数据避免了大气及其他因素导致的相位延迟效应，可为应急监测提供有力的技术保障，并且能够全方面掌控突变区域数据信息的完整性。

以上实施例仅为本申请的示例性实施例，不用于限制本申请，本申请的保护范围由权利要求书限定。本领域技术人员可以在本申请的实质和保护范围内，对本申请做出各种修改或等同替换，这种修改或等同替换也应视为落在本申请的保护范围内。

Claims (10)

1.一种适用于区域地质调查用智能数据实时汇聚方法，其特征在于，包括以下步骤：

步骤S1、在目标区域采用物理分布和逻辑分布相结合的数据采集模式设置数据采集点，并利用所述数据采集点采集目标区域每个时序上的地质数据，再以时序排列对每个时序上的地质数据采用时序变形监测算法转化降噪，获取多层单元数据；

步骤S2、在所述多层单元数据中采用非局部窗口相干点提取高质量地质数据的相位信息及残差点；

步骤S3、对所述相位信息及残差点采用相位解缠算法恢复干涉相位的整周模糊度，生成一幅连续的解缠相位图，将相邻采集时间的平均速率作为相位时序处理的选择，构建评估地质数据时效性的评估模型；

步骤S4、依据所述评估模型建立分布式数据库管理模式，采用Ibatis持久层框架在半结构文件XML中配置相应的类单元，动态更新相应的配置文件及地质数据信息。

2.根据权利要求1所述的一种适用于区域地质调查用智能数据实时汇聚方法，其特征在于：所述步骤S1中，相邻所述数据采集点设置时间基线阈值Δt，以所述时间基线阈值Δt组成的单元窗口大小W设置地质数据的时间基线T，根据地质数据的时序信息实时获取每个窗口数据影像的获取时间T_w以及时间序列的处理时间T_S，第一个窗口数据影像的获取时间为T_w1＝WΔt，依据所述窗口数据影像的获取时间T_w以及处理时间T_S获取单独窗口数据影像的获取时间T_w＝(W-2T_S)Δt。

3.根据权利要求2所述的一种适用于区域地质调查用智能数据实时汇聚方法，其特征在于：所述单独窗口数据影像的获取时间T_w依据所述时序变形监测算法计算时序重叠窗口

所述时序变形监测算法的计算方法包括：

对所述时间基线阈值Δt在单元窗口内设定n个监测值L_i，每个监测值L_i在监测形变之前采用最小二乘平差计算其方差σ² _n,i；

将所述n个监测值中任意剔除第i个监测值L_i，利用剩余监测值再进行最小二乘平差并计算每次平差后的验后方差σ² _(n-1),i，得到n个验后方差的均值σ² _(n-1),1、σ² _(n-1),2...σ² _(n-1),n，取方差中最小值参与计算监测值形变位置E_j以表示监测值L_i位置：

其中E_j表示n×1维矢量且第j个元素为1，第j个元素为1表示n个监测值中异常数据的位置；

将所述形变位置E_j依据所述时间序列的处理时间T_S设定重叠窗口

4.根据权利要求3所述的一种适用于区域地质调查用智能数据实时汇聚方法，其特征在于：所述步骤S2中，所述多层单元数据中包含形变位置E_j以及相邻单元窗口内采集时间相位变化增量的时间序列T_i，根据所述时间序列T_i、T_i+1分别获取发射天线到监测目标点的监测距离R_i、R_i+1，得到所述数据采集点的干涉相位

根据地质数据中的角度范围及多视后影像大小计算每个监测目标点的经纬度。

5.根据权利要求4所述的一种适用于区域地质调查用智能数据实时汇聚方法，其特征在于：所述步骤S3中，所述干涉相位Δφ_min采用相位解缠算法矫正干涉相位，具体方法包括：

步骤S301、依据所述形变位置E_j确定结果形变位置，对形变区域干涉相位Δφ_min进行分解，得到在t时刻大气延迟相位φ_atm(t)，所述大气延迟相位φ_atm(t)的表达式为：

其中N(t)表示t时刻大气折射率与监测距离R_i相关；

步骤S302、所述干涉相位Δφ_min在不同时间的大气折射系数不同，则t₁和t₂时刻相位差为：

6.根据权利要求5所述的一种适用于区域地质调查用智能数据实时汇聚方法，其特征在于：所述步骤S3中，所述干涉相位Δφ_min以相邻采集时间相位变化增量的时间序列生成相位干涉图像，所述相位干涉图像在t₁和t₂时刻的每个像素均可表示为：

B_L*NQ_N*1＝δΔφ_L*N+ε_L*1

其中B_L*N表示系数矩阵，Q_N*1表示t₁和t₂时刻的包含大气和形变的相位，δ表示相位系数，受形变影响，ε_L*1表示噪声相位，L表示矩阵行数，N表示矩阵列数，Δφ_L*N表示具有L行N列的干涉相位。

7.根据权利要求6所述的一种适用于区域地质调查用智能数据实时汇聚方法，其特征在于，所述步骤S3中，所述评估模型的精度确定方法包括：

步骤S303、对不同时刻的像素B_L*NQ_N*1利用正态最小二乘的方法计算每个像素相位改变增量

步骤S304、利用相位增量

计算相位残差：

V_L*1＝B_L*NQ_N*1-δΔφ_L*N

得到相位的均方根残差表达式为：

其中，r表示冗余次数，m表示相干性高于阈值的干涉对数量；

步骤S305、对所述均方根残差σ₀计算协方差矩阵：

其中B表示系数矩阵；

根据所述协方差矩阵引入预估量

预估每个像素的精度指标：

其中

表示t_i至t_i+1时刻的协方差矩阵，

表示t_i至t_i+1时刻的干涉相位。

8.根据权利要求7所述的一种适用于区域地质调查用智能数据实时汇聚方法，其特征在于，所述步骤S4中，将所述精度指标作为影响因子输入评估模型实时监测数据融合，所述数据融合方法包括：

根据所述n个监测值L_i的方差σ₁、σ₂...σ_n构建分布函数F(x,σ_i)，所述分布函数F(x,σ_i)表达式为：

p(σ)为σ的先验分布；

对所述分布函数F(x,σ_i)依据预估量

获取影响因子内任一决策函数d(X)，所述决策函数d(X)的表达式为：

对所述决策函数d(X)内估算的监测值L_i进行筛选获取融合后的地质数据，并依据先验分布p(σ)及预估量

评估数据融合汇聚概率。

9.一种使用权利要求1-8任一项所述方法的适用于区域地质调查用智能数据实时汇聚系统，其特征在于，包括：

数据采集装置(1)，等间隔的设置在目标区域处，并用于采集目标区域处在每个时序上的地质数据；

监测存储单元(2)，确定地质数据时序样本，对实时监测数据进行数据统计和数据分析，并利用所述时序样本提取相位及残差信息，生成连续的解缠相位图；

多源数据融合单元(3)，确定数据融合汇聚概率，将地质数据时序信息采用相位解缠算法对监测值进行处理，构建评估模型；

实时数据监测单元(4)，根据所述评估模型勘测地质数据，预测目标区域数据完整性。

10.根据权利要求9所述的一种适用于区域地质调查用智能数据实时汇聚系统，其特征在于，所述数据融合汇聚概率采用相邻数据时序的相位信息计算标准偏差后，再计算数据的融合评偏差得到。

Images