数据自辅助的PSDS-InSAR迭代三维相位解缠算法OA
大相位梯度打破了相位连续性假设,常导致形变量估算结果偏低,已成为制约PSDS-InSAR技术实现精准相位解缠的挑战之一。借助深度学习和外部先验信息辅助的相位解缠算法虽能在一定程度上缓解该问题,但易受模型泛化能力不足和外部信息获取困难等因素限制。针对PSDS-InSAR大梯度相位解缠问题,在逐步三维解缠算法的基础上,提出一种无需外部信息的数据自辅助迭代三维解缠算法。该算法将自身估计的初步形变相位模型作为先验信息,通过迭代估计与分离趋势相位来逐步降低相位梯度,依靠数据集自身信息辅助实现稳健的相位解缠。真实数据测试结果表明,该算法可精准恢复大梯度相位信息,实现高空间覆盖度、高精度与高稳健性的形变监测。
马文静;郭爱智;徐昊;张成枫;徐紫伊;王舒杭
中国科学院精密测量科学与技术创新研究院,武汉430077 中国科学院大学地球与行星科学学院,北京100049中国科学院精密测量科学与技术创新研究院,武汉430077 中国科学院大学地球与行星科学学院,北京100049中国科学院精密测量科学与技术创新研究院,武汉430077 中国科学院大学地球与行星科学学院,北京100049 中国华水水电开发有限公司,成都610094中国科学院精密测量科学与技术创新研究院,武汉430077 中国科学院大学地球与行星科学学院,北京100049中国科学院精密测量科学与技术创新研究院,武汉430077 中国科学院大学地球与行星科学学院,北京100049中国科学院精密测量科学与技术创新研究院,武汉430077 中国科学院大学地球与行星科学学院,北京100049
天文与地球科学
PSDS-InSAR大相位梯度逐步三维相位解缠迭代三维相位解缠数据自辅助
《大地测量与地球动力学》 2026 (8)
P.996-1006,11
国家重点研发计划(2024YFF1700201)中国工程院院地合作项目(HB2024B16)。
评论