基于时间序列的InSAR相干性量级估计

本文提出了一种适用于InSAR数据处理的自适应相干性量级估计方法,该方法能够满足复信号随机平稳的假设前提,并兼顾运算效率与估计精度.此方法生成的相干图具有很好的分布特征,避免了影像空间分辨率的损失.提出的算法分为两个步骤:(1)根据地物后向散射特性,对时间序列SAR影像进行聚类分析,选择具有同分布的样本,保证SAR影像质地平稳条件;(2)对干涉图进行条纹频率估计,采用极大似然(ML)条纹频率估计方法去除系统相位引起的复信号非平稳性,并根据Cramer-Rao边界条件改善条纹频率的估计精度.以美国南加州洛杉矶地区的ENVISAT ASAR数据集为例,本文将新方法与现有方法进行了量化分析.结果表明,较传统方法而言,基于时间序列的相干性估计方法能够得到更可靠、精度更高、空间特征更鲜明的干涉相干图.