一种用于大坝及滑坡GB-SAR监测的实时数据处理方法及系统技术方案

本发明专利技术提供了一种用于大坝及滑坡GB

【技术实现步骤摘要】
一种用于大坝及滑坡GB
‑
SAR监测的实时数据处理方法及系统


[0001]本专利技术涉及一种GB
‑
SAR干涉监测领域，尤其涉及一种用于大坝及滑坡GB
‑
SAR监测的实时数据处理方法及系统。
[0002]地基合成孔径雷达(Ground
‑
Based Synthetic Aperture Radar，简称GB
‑
SAR)是近十几年出现的在地表微变形监测领域得到更广的应用的技术，其可以提供数千公里的远程监测，变形数据具有连续空间覆盖特征，且在全天时监测的过程中能获得高时空分辨率和高精度结果，有利于对灾害变形的性质、范围、灾害过程进行准确判断。现已成为星载SAR和传统监测手段的有效补充。
[0003]大坝及边坡在不同阶段其变形速率的差异较大，如土石坝在施工、初期蓄水、运行等使其的变形速率及边坡在开挖卸荷、运行等不同阶段的变形速率都有很大的差异。因此，为了既能避免变形速率过大而超出设备量程，又能实施捕获瞬间的变形信息，有效地服务于工程安全监测及灾害预警，需要根据最大模糊变形速率合理地设定GB
‑
SAR系统的监测频次，更重要的是需要对高频次的监测数据进行实时解析。而关于GB
‑
SAR监测数据的实时处理技术在本领域中的相关研究较少，更多的是对数据后处理技术的研究，因此，实时处理的及时性、准确性使之成为本领域需要重点研究的目标。

技术实现思路

[0004]本专利技术针对现有技术中的上述不足之处，提出了一种针对高山峡谷中的大坝及滑坡的GB
‑
SAR监测的实时数据处理方法及系统，其动态、高效地解决了GB
‑
SAR监测数据处理的实时处理，为大坝及边坡工程变形安全监测提供了新途径和有效保障。
[0005]为了实现上述目的，本专利技术提供了一种用于大坝及滑坡GB
‑
SAR监测的实时数据处理方法，其特征在于，包括步骤：
[0006]步骤S1.获取大坝及滑坡变形GB
‑
SAR初始干涉影像，建立干涉影像集；选取PS点和PSC点，构建Delaunay三角网，对所述PS点进行相位解缠和大气相位校正，得到PS点的初始变形相位分量；
[0007]步骤S2.构建动态卡尔曼滤波模型，利用所述初始变形相位分量初始化模型；
[0008]步骤S3.获取大坝及滑坡变形GB
‑
SAR实时干涉影像，加入所述干涉影像集中并删除获取时间最早的干涉影像，更新选取PS点、PSC点和Delaunay三角网；
[0009]步骤S4.根据选取的PS点、PSC点以及Delaunay三角网，将所述干涉影像集载入所述动态卡尔曼滤波模型中解算，得到PS点在时间序列上的变形参数；
[0010]步骤S5.根据PS点的变形相位解算各PSC点的变形相位；
[0011]步骤S6.输出PS点的变形参数、变形相位以及PSC点的变形相位；重复步骤S3
‑
S6。
[0012]在一些较优的实施例中，步骤S1中所述选取PS点和PSC点包括：
[0013]选择干涉影像中稳定的PSC点，对初始监测影像按区域和PSC点稀密程度划分网格，选取振幅离差指数最小的PSC点作为PS点；所述PSC点的稳定是指时间上稳定，空间连续且稳定。
[0014]在一些较优的实施例中，步骤S2中所述构建动态卡尔曼滤波模型包括：
[0015]采用高频次的实时监测方案，针对监测区域的实时变形参数构建基于卡尔曼滤波的二次加速模型，其状态方程为：x
k
＝T
k
‑1·
x
k
‑1+w
k
‑1；
[0016]其中，x
k
为t
k
时刻的状态向量且Δd
k
为相邻两PS点间的位移增量，Δv
k
为相邻两PS点间的变形速率增量；T
k
‑1为时刻t
k
‑1到t
k
的状态转移矩阵且Δt为时刻t
k
‑1到t
k
的时间差值；w
k
‑1为时刻t
k
‑1时的动态噪声且服从正态分布；
[0017]所述滤波模型的观测方程为：z
k
＝H
k
·
x
k
+δ
k
；
[0018]其中，z
k
为时刻t
k
时的双差相位观测值矩阵；H
k
为时刻t
k
时的观测矩阵且λ为监测系统雷达波长；δ
k
为时刻t
k
时的观测噪声，其协方差阵R
k
与双差相位观测值ψ
i,j
的方差阵相等，即其中为PS点的干涉相位方差，可由PS点的时间序列观测值计算得出。
[0019]在一些较优的实施例中，其特征在于，步骤S4中所述变形参数包括：时间序列上的变形量、变形速率和变形加速率。
[0020]在一些较优的实施例中，所述步骤S5还包括：
[0021]根据PS点的变形参数通过空间插值法内插出各PSC点的变形参数。
[0022]在一些较优的实施例中，步骤S3中所述更新选取的PS点和PSC点的方法为：
[0023]根据时间序列的更新，复核旧PSC点的稳定性，若不稳定，则删除旧PSC点并重新选取PSC点，对最新的监测影像按区域和PSC点稀密程度划分网格，选取振幅离差指数最小的PSC点作为PS点。
[0024]本专利技术还提供了一种用于大坝及滑坡GB
‑
SAR监测的实时数据处理系统，包括干涉影像获取模块、PS点和PSC点处理模块、动态卡尔曼滤波模块、输出模块；
[0025]所述干涉影像获取模块设置为获取初始干涉影像，建立干涉影像集；获取实时干涉影像，加入所述干涉影像集中并删除获取时间最早的干涉影像；
[0026]所述PS点和PSC点处理模块设置为选取PS点和PSC点，构建Delaunay三角网，对所述PS点进行相位解缠和大气相位校正，得到PS点的初始变形相位分量；
[0027]所述动态卡尔曼滤波模块设置为构建动态卡尔曼滤波模型，利用所述初始变形相位分量初始化模型，载入所述干涉影像集进行解算，得到PS点在时间序列上的变形参数；根据PS点的变形相位解算各PSC点的变形相位；
[0028]所述输出模块设置为输出PS点的变形参数、变形相位以及PSC点的变形相位。
[0029]在一些较优的实施例中，所述输出模块将PS点的变形参数、变形相位以及PSC点的变形相位传递给所述PS点和PSC点处理模块，所述PS点和PSC点处理模块更新选取PS点、PSC点和Delaunay三角网。
[0030]本专利技术的有益效果：
[0031]提供了本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于大坝及滑坡变形GB
‑
SAR监测的数据实时处理方法，其特征在于，包括步骤：步骤S1.获取大坝及滑坡变形GB
‑
SAR初始干涉影像，建立干涉影像集；选取PS点和PSC点，构建Delaunay三角网，对所述PS点进行相位解缠和大气相位校正，得到PS点的初始变形相位分量；步骤S2.构建动态卡尔曼滤波模型，利用所述初始变形相位分量初始化模型；步骤S3.获取大坝及滑坡变形GB
‑
SAR实时干涉影像，加入所述干涉影像集中并删除获取时间最早的干涉影像，更新选取PS点、PSC点和Delaunay三角网；步骤S4.根据选取的PS点、PSC点以及Delaunay三角网，将所述干涉影像集载入所述动态卡尔曼滤波模型中解算，得到PS点在时间序列上的变形参数；步骤S5.根据PS点的变形相位解算各PSC点的变形相位；步骤S6.输出PS点的变形参数、变形相位以及PSC点的变形相位；重复步骤S3
‑
S6。2.如权利要求1所述的数据处理方法，其特征在于，步骤S1中所述选取PS点和PSC点包括：选择干涉影像中稳定的PSC点，对初始监测影像按区域和PSC点稀密程度划分网格，选取振幅离差指数最小的PSC点作为PS点；所述PSC点的稳定是指时间上稳定，空间连续且稳定。3.如权利要求1所述的数据处理方法，其特征在于，步骤S2中所述构建动态卡尔曼滤波模型包括：采用高频次的实时监测方案，针对监测区域的实时变形参数构建基于卡尔曼滤波的二次加速模型，其状态方程为：x
k
＝T
k
‑1·
x
k
‑1+w
k
‑1；其中，x
k
为t
k
时刻的状态向量且Δd
k
为相邻两PS点间的位移增量，Δv
k
为相邻两PS点间的变形速率增量；T
k
‑1为时刻t
k
‑1到t
k
的状态转移矩阵且Δt为时刻t
k
‑1到t
k
的时间差值；w
k
‑1为时刻t
k
‑1时的动态噪声且服从正态分布；所述滤波模型的观测方程为：z
k

【专利技术属性】
技术研发人员：项霞，陈辰，刘超，聂锐化，王辉，刘铁刚，鲁恒，陈建康，
申请(专利权)人：四川大学，
类型：发明
国别省市：