【技术实现步骤摘要】
本专利技术涉及大数据处理，具体涉及一种面向大规模数据的insar稀疏相位解缠方法。
技术介绍
1、在合成孔径干涉雷达(insar)测量方法中，相位解缠是得出真实相位值不可或缺的一步。在面向稀疏网络时，最常见的相位解缠方法是使用最小费用流解缠。他的核心思想是：将离散点进行三角剖分后，利用在对偶网络下解缠相位梯度与缠绕相位梯度差值2kiπ中的ki加权求和最小情况下，估计得到ki。然后确定积分路径，最后积分的到解缠结果。
2、在目前实际应用中，可选取的干涉点越来越多，数据规模越来越大。而最小费用流相位解缠方法的算法复杂度为o(n,m2)。但是一般三角网中边的个数为节点个数的三倍，使得算法复杂度急剧增加，导致相位解缠的效率极大降低。
3、cn112797886b公开了一种面向缠绕相位的insar时序三维形变监测方法，包括：s1:获取多轨道时序sar影像，获得预设时空基线阈值的多轨道insar干涉对数据集；s2:构建狄洛尼三角网，经预处理后获得多个目标弧段；s3:建立目标弧段处预设范围内所有弧段上的insar相位差与目标弧段上时序三维地表变形梯度的函数关系；s4:采用迭代加权最小二乘方法计算目标弧段时序三维地表变形梯度；s5:获取所有目标弧段的三维地表形变，对每个时刻所有弧段上的三维地表形变依次进行空间积分，获得所有高相干点上的时序三维地表形变结果。
4、上述技术方案存在以下技术问题：1、采用的迭代加权的方式导致步骤繁琐复杂，结合最小二乘的方式进行数据处理，速度慢、效率低，无法适用于较大规模的数据处理；
技术实现思路
1、本专利技术旨在解决现有技术中存在的技术问题，特别创新地提出了一种面向大规模数据的insar稀疏相位解缠方法，可以有效解决随着数据规模增大，提高在大规模干涉数据下的解缠效率。
2、为了实现上述目的，本专利技术提供了一种面向大规模数据的insar稀疏相位解缠方法，包括以下步骤：
3、s1：构建加权线性方程；
4、s1-1：导入差分干涉数据，将离散的干涉数据点进行三角剖分得到delaunay三角网；
5、s1-2：计算缠绕相位梯度并构建线性方程；
6、s1-3：利用缠绕相位梯度绝对值确定权重矩阵，并构建加权后的线性方程；
7、s1-4：构建对称正定线性方程；
8、s2：使用多重网格法快速解算；
9、s2-1：利用多重网格法迭代粗化；
10、s2-2：计算低频误差的补偿向量el-n；
11、s2-3：将求解结果延拓到最细网格，得到估计解缠相位结果；
12、s3：生成最优路径积分；
13、s3-1：计算估计值误差的绝对值，并按从小到大进行排序；
14、s3-2：使用kruskal最小生成解缠绕路径方法确定最优积分路径；
15、s3-3：按积分路径获得最终解缠相位。
16、上述方案中：步骤s1-2还包括以下步骤：
17、s1-2-1：计算缠绕相位梯度；
18、
19、δi,j为差分干涉数据中i点和j点之间的缠绕相位梯度，w[·]为缠绕算子，其结果在[-π,π]内；和分别代表差分干涉数据中i点和j点的缠绕相位数据，由差分干涉数据即insar干涉图计算得出；
20、s1-2-2：根据稀疏干涉数据的连接特性，将相位解缠问题通过最小二乘法转换为如下公式求解线性方程问题：
21、ax＝b
22、其中，a为m×n维的稀疏矩阵，m等于三角网中边的个数，n为稀疏干涉数据的数据点个数，其中稀疏矩阵a的每一行都代表着三角网格中一条边的差值关系；b为这条边两个端点的缠绕相位梯度δi,j组合而成的列向量；x代表[φ1,φ2,...,φi...,φn]t，是所有数据点的解缠相位，其中φi为差分干涉数据中第i点的待求解缠相位数据。
23、上述方案中：步骤s1-3还包括以下步骤：
24、s1-3-1：根据步骤s1-2-2的公式构造m×m维的权重矩阵c；
25、s1-3-2：计算权重值；
26、取缠绕相位梯度的倒数作为权重值，即：
27、
28、其中cm,m为权重矩阵c对角线上的元素，δi,j为差分干涉数据中i点和j点之间的缠绕相位梯度；
29、s1-3-3：根据步骤s1-3-2的权重值，构建权重矩阵c；
30、s1-3-4：构建加权后的线性方程；
31、将权重矩阵c代入到步骤s1-2-2所得公式中，则加权后的线性方程如下：
32、cax＝cb。
33、上述方案中：步骤s1-4还包括以下步骤：
34、s1-4-1：利用转置矩阵构建对称正定线性方程；
35、由于delaunay三角网中边的个数大于节点的个数即m＞n，所以步骤s1-3-4构建的加权后的线性方程中矩阵ca的行数大于列数；为了快速求解加权后的线性方程需要将方程的矩阵变换为对称正定矩阵，即在加权后的线性方程的等式左右两边同乘(ca)t可得对称正定线性方程如下：
36、(ca)tcax＝(ca)tcb
37、s1-4-2：简化对称正定线性方程；
38、设h＝(ca)tca,f＝(ca)tcb,x＝u，则简化后的线性方程如下：
39、hu＝f。
40、上述方案中：步骤s2-2还包括以下步骤：
41、根据如下公式计算el-n：
42、hl-nel-n＝rl-n
43、其中，el-n为第l-n+1层网格的低频误差的补偿向量；
44、hl-n为第l-n层网格的矩阵；
45、rl-n为第l-n层网格的残差。
46、上述方案中：步骤s2-1还包括以下步骤：
47、s2-1-1：引入初始值ul＝[0,0,...,0]t；
48、s2-1-2：利用迭代算法得到迭代值ul，并根据多重网格法计算出残差rl的表达式如下：
49、rl＝fl-hlul
50、其中l代表网格所在层数，设多重网格法中最细网格也就是初始网格为第l层网格，rl为第l层网格的残差；fl为第l层网格的列向量；
51、hl为第l层网格的矩阵；
52、s2-1-3：计算粗一层网格的残差；将第l层网格的残差rl限制到粗一层网格上，根据如下公式计算rl-1：
53、rl-1＝rl,l-1rl
54、其中，rl-1为第l-1层网格的残差，即比初始网格粗一层的网格的残差；r为限制算子，rl,l-1为第l层网格和第l-1层网格之间的限制算子；
55、s2-1-4：构建第l-1层网格的矩阵hl-1；
56、根据粗本文档来自技高网...
【技术保护点】
1.一种面向大规模数据的InSAR稀疏相位解缠方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种面向大规模数据的InSAR稀疏相位解缠方法，其特征在于：步骤S1-2中包括以下步骤：
3.根据权利要求2所述的一种面向大规模数据的InSAR稀疏相位解缠方法，其特征在于：步骤S1-3中包括以下步骤：
4.根据权利要求1所述的一种面向大规模数据的InSAR稀疏相位解缠方法，其特征在于：步骤S1-4中包括以下步骤：
5.根据权利要求1所述的一种面向大规模数据的InSAR稀疏相位解缠方法，其特征在于：步骤S2-2还包括以下步骤：
6.根据权利要求1所述的一种面向大规模数据的InSAR稀疏相位解缠方法，其特征在于：步骤S2-1中包括以下步骤：
7.根据权利要求5所述的一种面向大规模数据的InSAR稀疏相位解缠方法，其特征在于：步骤S2-3还包括以下步骤：
8.根据权利要求1所述的一种面向大规模数据的InSAR稀疏相位解缠方法，其特征在于：步骤S3-1还包括以下步骤：
9.根据权利要求8所
...【技术特征摘要】
1.一种面向大规模数据的insar稀疏相位解缠方法，其特征在于：包括以下步骤：
2.根据权利要求1所述的一种面向大规模数据的insar稀疏相位解缠方法，其特征在于：步骤s1-2中包括以下步骤：
3.根据权利要求2所述的一种面向大规模数据的insar稀疏相位解缠方法，其特征在于：步骤s1-3中包括以下步骤：
4.根据权利要求1所述的一种面向大规模数据的insar稀疏相位解缠方法，其特征在于：步骤s1-4中包括以下步骤：
5.根据权利要求1所述的一种面向大规模数据的insar稀疏相位解缠方法，其...
【专利技术属性】
技术研发人员：张奎，成彦达，肖尧禹，成子林，刘书君，肖磊，
申请(专利权)人：重庆大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。