CN119415833A 一种多尺度自适应时序InSAR地表形变提取方法 （中国矿业大学）

一种多尺度自适应时序InSAR地表形变提取本发明公开了一种多尺度自适应时序InSAR建解缠后的时序InSAR相位仿真数据集，在时间的时序固有模态函数，在空间域上构建FastICA后的时序InSAR相位仿真数据集。本发明所提方2在真实的数字高程模型DEM中的每一景图像上，通过模拟InS利用经验模态分解方法，对时序InSAR相位仿真数据集中的图像数据进行逐像素时序经验模态EMD分解得到按时间频率由高到低排列的系列固有模态函数IMF和趋势项分量Res将时序InSAR相位仿真数据集经EMD分解得到的各IMF分量和Res分量转换为二维矩阵，波系数，对末级有效小波系数使用二维小波逆运算进行重构，得到更新后的各IMF分量和2.根据权利要求1所述的一种多尺度自适应时序InSAR地表形变提取方法，其特征在0模拟分层大气相位：设大气密度变化由时间和海拔高度两个因素共同3模拟湍流大气相位：利用分形函数的自相似性和分形几何的迭代规Gs=σ1*randn(N,N)angle=π/T*sin(t/T*2*π)其中，angle为轨道误差随时间变化偏移角度；coeff_x为x方向定义的一阶多项式；Analong_Phase＝def_l+def_p+atm_v+atm_rn+orb3.根据权利要求1所述的一种多尺度自适应时序InSAR地表形变提取方法，其特征在4第1个IMFp*T代表时序InSAR相位仿真数据中时域频率变化最大的分量，到第M_1个IMFp*T频获取固有模态函数IMF的过程包括：(1)标记时序InSAR相位仿真数据的局部极值点；数据的标准差SDk小于给定阈值θ:或残差信号中局部极值的最大数量小于设定的最大数量时，4.根据权利要求3所述的一种多尺度自适应时序InSAR地表形变提取方法，其特征在以IMFp*T表示IMF分量，以Resp*T表示Res分量，IMp*T中其余T_i列向量均进行多级二维小波分解时；5变换可将时域信号Ioriginal(n)转换为频域信号X(f)；|X(f)|是是频域信号的幅值；5.根据权利要求4所述的一种多尺度自适应时序InSAR地表形变提取方法，其特征在p*T分量分解得到的末级有效小波系数作为囊括最多地表形变信息的数据并对其使用FastICA小波增强去噪算法，对小波分解得到的末级有效小波系数进行分解的具IMFp*T和Resp*T经小波分解得到的末级有效小波系数进行预处理，将A矩阵的列转换为相互6.根据权利要求5所述的一种多尺度自适应时序InSAR地表形变提取方法，其特征在对筛选出的符合形变相位特征的独立成分矩阵，按照如下公式进行重构，即进行FsatICA逆运算对小波近似系数或细节系6将更新后的末级小波系数进行重构：对末级的小波近似系数和7[0001]本发明属于遥感信号处理领域，具体为一种多尺度自适应时序InSAR地表形变提等噪声相位共同制约着InSAR高精度地表形的地面参考点，加入SAR数据采集前后的GNSS观测值，对校正大气延迟及轨道误差均有成效。此外，空间辐射计、地面气象数据、中分辨率成像光谱仪[(Moderate_resolutionImagingSpectroradiometer，MODIS)、(MediumResolutionImagingSpectrometer，独立成分分析法(IndependentComponentAnalysis，ICA)等利用SAR数据自有特性的校正8[0006]针对上述技术问题，本发明提供了一种多尺度自适应时序InSAR地表形变提取方[0009]利用经验模态分解方法，对时序InSAR相位仿真数据集中的图像数据进行逐像素时序经验模态EMD分解得到按时间频率由高到低排列的系列固有模态函数IMF和趋势项分[0010]将时序InSAR相位仿真数据集经EMD分解得到的各IMF分量和Res分量转换为二维[0011]使用快速独立成分分析FastICA小波增强去噪算法，以功率谱熵预设值为截止阈9[0042]其中，angle为轨道误差随时间变化偏移角度；coeff_x为x方向定义的一阶多项相位及随机噪声相位分量的单位统一为弧度并进行叠加，得到单景解缠后的InSAR干涉相[0048]各个相位分量均为当前时间步长t与总时间步长T的函数，T也即时间序列影像幅[0049]进一步，利用经验模态分解对时序InSAR相位仿真数据集进行逐像素分解的具体[0050]将时序InSAR相位仿真数据集转换为二维矩阵APp*T＝{ap1,ap2,...,api,...,[0054]获取固有模态函数IMF的过程包括：(1)标记时序InSAR相位仿真数据的局部极值p*T中其余T_i列向量均进行多级二维小波分解时；[0064]进一步，将Resp*T分量分解得到的末级有效小波系数作为囊括最多地表形变信息的数据并对其应用FastICA分解，经分解后得到的独立成分包括了地表形变信息以及残余[0065]使用FastICA小波增强去噪算法，对小波分解得到的末级有效小波系数进行分解[0066]从末级有效小波系数中提取出与地表形变信息相关的独立成分；在进行FastICA执行中心化、白化步骤，并以特征值分解方法(SVD)实现对末级有效小波系数主成分的保每一个独立成分的时间变化；S为源矩阵，该矩阵的每一行代表每一个独立成分的空间特FsatICA逆运算对小波近似系数或细节系分解为代表不同频率成分的若干IMF及Res分量，实现了对原始混合相位在时间频率的分[0087]图2为本发明实施例中模拟的各相位分量以及时序InSAR相位仿真数据集，其中a[0088]图3为本发明实施例中对时序InSAR仿真数据集应用经验小波分解与ICA之后所获[0101]本发明假设大气密度变化由时间和海拔高度两个因素共[0105]依据分形函数的自相似性和分形几何的迭代规则，用于模拟复杂的湍流大气延定义的一阶多项式coeff_x和y方向定义的一阶多项[0124]对模拟的4类6项相位分量的单位统一为弧度并进行叠加，得到单景解缠后的[0131]从时间维高频到低频得到数量不等的IMF分量和1个Res分量，其中，分解得到的随机噪点，并无有用信号，故剔除(此步骤依据为步骤3中小波系数功率谱熵超出设定阈[0134]在每一层应用Sym6小波分解后，依据I矩阵对当前层小波近似系数矩阵维度的索[0136]将特征值累计占比设置为90功率谱熵阈值设置为0.7，首先对Res分量的末级第二主成分为15.88到第12主成分，征值得到分解结果。通过分析空间格局，第6个独立成分与模拟的周期性沉降漏斗近乎完全吻无出现与模拟的线性/周期性沉降漏斗相似的空间格局，呈现出大量随机噪点与近似湍流[0142]对于四组IMF分量和Res分量的细节系数，本实例依据对应近似系数进行ICA分解