INSAR实验报告
基于INSAR技术的地表沉降监测方法与实践
基于INSAR技术的地表沉降监测方法与实践近年来，地表沉降问题引起了广泛关注。
地表沉降不仅给城市的建筑物、道路等基础设施带来严重的破坏，还可能导致地下水位下降、河流水域变浅等一系列环境问题。
因此，准确监测和预测地表沉降成为了防止灾害、合理利用地下资源的重要手段之一。
近年来，一种名为INSAR（Interferometric Synthetic Aperture Radar）的遥感技术被广泛应用于地表沉降监测。
INSAR技术利用卫星合成孔径雷达在多个时段获取的雷达波束图像，通过测量地表点在垂直方向上的变化，实现对地表沉降的监测。
INSAR技术通过对多幅波束图像进行干涉处理，可以获取地表点在不同时间段的相位差，从而推算出地表点在垂直方向上的位移。
在INSAR技术中，相位差的计算是关键步骤之一。
由于地球表面的复杂变化，相位差的计算过程十分复杂。
为了降低误差，INSAR技术需要准确校正卫星的轨道位置、卫星平台姿态等信息，并进行大气校正和地形校正等操作。
在沉降监测实践中，INSAR技术的应用已经取得了一定的突破。
以中国北方地区为例，由于地下水开采和自然地壳运动等原因，该地区存在着较为严重的地表沉降问题。
利用INSAR技术可以有效监测和分析这种地表沉降现象。
在进行地表沉降监测时，首先需要收集相应的卫星遥感数据。
通过对不同时间段的数据进行处理和分析，可以得到地表沉降的时空变化规律。
实践证明，INSAR技术在地表沉降监测中具有较高的精度和灵敏度。
除了INSAR技术，其他地表沉降监测方法也有一定的应用。
例如，GPS （Global Positioning System）技术可以通过监测地表点的坐标变化来判断地表沉降情况。
此外，激光雷达测量技术和微波辐射计也可以用于地表沉降监测。
这些方法在不同的监测场景中具有各自的优势和适用性。
对于地表沉降问题，及时采取合理的预防措施至关重要。
在监测到地表沉降现象后，应及时评估其对周围环境和基础设施的影响，并采取相应的修复和加固措施，以减小地表沉降带来的损失和影响。
InSAR的基本原理及初步应用的开题报告
InSAR的基本原理及初步应用的开题报告题目：InSAR的基本原理及初步应用一、研究背景和意义随着遥感技术和计算机技术的不断发展，InSAR（Interferometric Synthetic Aperture Radar）成为一种重要的遥感技术。
它利用SAR（Synthetic Aperture Radar）观测目标的多次反射信号，通过干涉处理得到地形、地表形变等变化信息。
InSAR技术具有高精度、大范围、全天候、高时空分辨率等优点。
近年来，InSAR技术在地形测量、地表形变、地震灾害监测等领域得到广泛应用，可以对自然灾害和人类活动带来的环境影响进行实时监测和评估，为科学决策提供依据。
二、研究内容和方法2.1 研究内容本文旨在探究InSAR技术的基本原理和应用，结合国内外研究现状，对InSAR技术进行回顾和总结，重点研究以下内容：（1）InSAR技术的原理及干涉图像的生成过程（2）InSAR技术在地形测量、地表形变、地震灾害监测等领域的应用现状（3）InSAR技术在国内外的最新研究进展，以及未来的发展方向2.2 研究方法本研究主要采用文献综述的方法，对InSAR技术的相关文献进行搜集、筛选和分析，系统总结和评价InSAR技术的基本原理和应用，建立和完善相关的数据模型和算法，为InSAR技术在相关领域应用提供支持和指导。
三、预期研究结果和意义通过本文的研究，预期可以得到以下成果：（1）明确InSAR技术的基本原理和干涉图像的生成过程（2）全面了解InSAR技术在地形测量、地表形变、地震灾害监测等领域的应用现状（3）总结国内外最新的InSAR研究进展，指出未来发展的热点和方向本文的研究成果可以为相关领域的研究和应用提供参考和支持，同时对于进一步推动遥感技术和计算机技术的发展具有积极意义。
SARscape的InSAR技术提取DEM实习
5． 相位解缠
干涉相位只能以2π为模，所以只要相位变化超过了2π，就会重新开始和循环。相位解 缠是对去平和滤波后的位相进行相位解缠，解决2π 模糊的问题。图6为解缠的效果图。
图4-1 相干系数图
图4-2 相位解缠后的效果图、
6． 相位高程转换-生成 DEM
这一步是将经过绝对校准和解缠的实际位相，结合合成位相，转换为DEM 并进行地理 编码。生成进行了地理编码的DEM 文件、相干图像，还有在数据镶嵌中会用到的两个图像 精度图像和分辨率图像。
实验流程及数据分析
InSAR 技术流程，图一为 SARscape 的 InSAR 技术获取 DEM 的操作流程图，采用 简单易用的流程化工作模式。
干涉图去平 SAR RAW Data 自适应滤波 & 相干性计算 数据聚焦 相位解缠 基线估算 SLC 数据对 轨道重定义 参考 DEM
参考 DEM 椭球
图 2 干涉图
4． 自适应滤波及相干性计算
对上一步去平后的干涉图（_dint）进行滤波，去掉由平地干涉引起的位相噪声。同时 生成干涉的相干图（描述位相质量）和滤波后的主影像强度图。
下图为加载滤波后的_fint图像和上一步中的_dint图像对比， 可以看到滤波后斑点噪声减 少了许多。
图 3 _fint 图像与_dint 图像对比图
根据地形形变图进行分析可得， 上海市区有一定程度的地表沉降， 有可能是因为抽取地 下水而导致的，而在青浦区、松江区的地表沉降并不是很严重。
实验小结
在这次实习中我了解了干涉图生成、 解缠及最终生成干涉图和形变图的基本流程， 并且 对干涉的基本原理从宏观上更加的清晰，谢谢老师安排了这样一次实习。
图 5 InSAR 处理生成的 DEM 结果图
INSAR测量原理
INSAR测量原理
INSAR（Interferometric Synthetic Aperture Radar）即干涉合成孔径雷达，是一种用于测量地球表面形变的遥感技术。
INSAR利用雷达波束向地表发射电磁波，然后接收波回波。
通过对接收到的波形进行相位差分析，可以推断出地表形变的精细信息。
INSAR测量原理可以分为以下几个步骤：
1.发射和接收：
2.解调和配准：
主天线发射的雷达波束在与地表交互后，将回波接收到从天线。
解调过程中，从天线接收到的回波信号将与主天线发射的脉冲信号进行相乘，从而形成雷达幅度图像。
因为雷达波束是合成孔径的，所以得到的幅度图像具有很好的分辨率。
3.干涉形成：
使用两个INSAR雷达系统（主天线和从天线）同时记录地表的回波，可以将两个雷达数据进行干涉，以形成干涉图像。
干涉图像是由两个雷达数据的幅度和相位组成的图像。
其中，相位是非常重要的信息，可以用来提取地表形变的细节。
4.相位差分：
通过将两个雷达系统的干涉图像进行相位差分，可以得到一个新的图像，称为相位差分图像。
这个图像反映了地表形变的细微变化。
相位差分图像中的每个像素值都表示两个时间点之间的形变。
5.数据处理和解释：
得到相位差分图像后，需要进行复杂的数据处理和解释来提取地表形
变的信息。
首先，要进行相位的去除，去除造成相位差异的大气延迟、卫
星轨道和地表高度变化等因素。
然后，还需要进行数据的滤波、配准和形
变监测。
最后，利用数学模型和地球物理学原理，将形变监测结果与地质、地震学等领域的知识相结合，对地表形变现象进行解释。
RADARSAT-2 雷达卫星数据D-InSAR处理报告
相干。
2.4 基线估计
平行基线和垂直基线分量的估计精度对平地相位的计算和地形相位的模拟至关重要，地表 微小形变的监测依赖于高精度的基线参数，而目前卫星系统提供的精密轨道信息精度不高甚至 没有提供精密轨道信息，导致基线的估计精度偏低，出现系统性误差；目前常用的基线估计方 法有轨道法、条纹频率法和基于地面控制点的基线精化估计等。
第 1 页 共 19 页
图 1 InSAR 几何原理图
如图 1 显示了重复轨道干涉测量所需关键参数及卫星轨道与地面目标的相对几何关系。S1 和 S2 分别表示主辅图像传感器，B 为空间基线，H 为主传感器相对地面的高度，R1 和 R2 分别 为主辅图像斜距，α为基线 B 与水平方向的倾角，θ 为主图像入射角，P 为地面目标点，h 为 P 点高程，P0 为 P 在参考平地上的等斜距点。B∥和 B⊥分别表示空间基线 B 在雷达视线方向 S1 与垂直视线方向上的投影。它们的表达式如下：
息，它是干涉测量技术赖以实现的关键信息。根据波动方程，两次的回波信号可用复数分别表
示为：
S(R1) A(R1) exp(i (R1)) S(R2 ) A(R2 ) exp(i (R2 ))
(1-2)
其中，A(R1)、A(R2)为两回波的振幅，ψ(R1)、ψ(R2)为回
波相位。从式（1-2）可以看出，雷达回波的振幅与相位都是雷达天线到目标 P 的路径的函数。
北京揽宇方圆信息技术有限公司
RADARSAT-2 雷达卫星数据 D-InSAR 处理报告
1 InSAR地表形变监测理论
雷达卫星地表形变监测通常是通过 D-InSAR 技术来实现，此技术是由 InSAR 技术发展而 来的，因此，首先需要介绍 InSAR 测量基本原理。
InSAR技术在滑坡识别与监测中应用的研究进展
InSAR技术在滑坡识别与监测中应用的研究进展目录一、内容概括 (2)1.1 研究背景 (2)1.2 国内外研究现状 (3)1.3 研究意义 (4)二、InSAR技术原理及发展历程 (5)2.1 InSAR技术原理简介 (6)2.2 InSAR技术发展历程 (7)2.3 InSAR技术的主要特点 (8)三、InSAR技术在滑坡识别中的应用研究 (10)3.1 基于InSAR的滑坡形变监测方法 (11)3.2 基于InSAR的滑坡前兆信息提取 (12)3.3 基于InSAR的滑坡风险评估 (14)四、InSAR技术在滑坡监测中的实际应用案例分析 (15)4.1 滑坡监测实例一 (17)4.2 滑坡监测实例二 (18)4.3 滑坡监测实例三 (20)五、InSAR技术在滑坡识别与监测中的挑战与展望 (21)5.1 存在的挑战 (23)5.2 发展趋势与展望 (24)六、结论 (25)6.1 研究成果总结 (26)6.2 对未来研究的建议 (27)一、内容概括随着全球气候变化和人类活动的影响，滑坡作为一种自然灾害，对人类社会的安全和生态环境造成了严重的威胁。
为了有效地识别和监测滑坡，科学家们研究并开发了许多遥感技术，其中InSAR技术作为一种新兴的滑坡监测方法，已经在滑坡识别与监测领域取得了显著的进展。
本文将对InSAR技术在滑坡识别与监测中应用的研究进展进行综述，包括其原理、方法、技术特点以及在实际应用中的优势和局限性等方面。
通过对相关文献的分析和整理，本文旨在为滑坡研究领域的学者和工程师提供一个全面的参考，以期推动InSAR技术在滑坡识别与监测中的应用和发展。
1.1 研究背景滑坡作为一种常见的自然灾害，对人们的生命财产安全构成严重威胁。
为了有效预防和减轻滑坡带来的损失，滑坡识别和监测技术的研究与应用至关重要。
随着遥感技术的飞速发展，合成孔径雷达干涉测量（InSAR）技术以其高精度、大范围、高时效性的优势，在地质调查、灾害监测等领域得到了广泛应用。
InSAR若干关键算法及其在地表沉降监测中的应用研究
谢谢观看
尽管InSAR技术在地表沉降监测中已经取得了一定的成果，但仍存在改进空间。 例如，如何提高成像算法的精度和计算效率、如何降低噪声干扰以提高数据处 理效果等问题需要进一步研究。同时，未来的研究方向还可以包括将InSAR技 术与其他技术（如LiDAR、GPS等）进行融合以提高监测精度和范围等。
结论
本次演示研究了InSAR若干关键算法及其在地表沉降监测中的应用。通过案例 分析、实验设计和数据采集等方法，对InSAR技术的关键算法和地表沉降监测 进行了深入探讨。结果表明，InSAR技术可以有效地监测大范围的地表沉降和 局部区域的精细监测，但仍存在改进空间，未来的研究方向可以包括将InSAR 技术与其他技术进行融合以提高监测精度和范围等。本次演示的研究成果对于 推动InSAR技术在地表沉降监测中的应用具有一定的参考价值。
结果与讨论
实验结果表明，基于最小二乘法的平差成像算法在InSAR技术中具有较好的性 能表现，但计算量较大；而基于复数相乘的干涉成像算法则具有快速性，但容 易受到噪声干扰。在数据采集方面，基于滤波的处理方法和基于统计的处理方 法具有较好的数据处理效果，但需要针对具体数据进行选择。此外，地表沉降 监测结果表明，InSAR技术可以有效地监测大范围的地表沉降，同时也可以对 局部区域进行精细监测。
地表沉降监测
InSAR技术在地表沉降监测中具有广泛的应用前景。通过对比不同时期的 InSAR图像，可以检测出地表的位移和形变，从而对地表沉降进行监测。监测 方法主要包括区域网状InSAR（RSA）和分布式InSAR（DISAR）两种。其中， RSA适用于大范围监测，而DISAR则适用于对局部区域的精细监测。在监测区 域方面，InSAR技术可以覆盖各种地形和气候条件，从平原到山区，从城市到 农村都可以进行监测。
迭代高精度insar相位解缠方法研究
摘要摘要干涉合成孔径雷达（InSAR）除有全天时、全天候等独特优点外，还可获取目标的高程信息，越来越广泛地被应用到大范围地形高程测绘中，其中，相位解缠技术起着至关重要的作用。
基于全局类解缠算法整体解缠精度高的优势，本文针对其中的四次快速傅里叶变换（4-FFT）算法进行了深入研究并提出改进，并从原理上将之扩展到多基线，提出基于多基线的高精度4-FFT算法，最后结合仿真及实测数据对比分析了该算法性能。
具体工作及创新如下：（1）阐述了合成孔径雷达干涉测量技术的基本原理。
首先介绍了InSAR测高基本原理，给出了InSAR数据处理流程，然后阐述了相位解缠基本原理，接着对传统的相位解缠算法及其优缺点做了简要介绍，提出高精度解缠算法研究的必要性，最后给出了相位解缠算法评价体系，为后面评判解缠算法性能提供依据。
（2）研究了四次FFT相位解缠算法。
首先分析了4-FFT算法的原理，通过对真实相位与缠绕相位的关系式取拉普拉斯变换，借助真实相位的拉普拉斯变换与缠绕相位间的关系，进行四次FFT求得解缠相位，获得全局类高精度4-FFT算法。
然后将4-FFT算法与同样具有全局类特点的最小二乘算法进行了原理上的分析比较，说明了4-FFT算法解缠精度更高，仿真与实测数据同样表明了该特性。
（3）提出了一种迭代式的高精度4-FFT相位解缠算法。
针对传统4-FFT相位解缠算法在低信噪比情况下解缠误差大甚至失效的问题，提出了一种基于迭代的高精度4-FFT相位解缠算法。
该算法利用传统4-FFT算法获得初始解缠相位，与缠绕相位建立相位误差主值求解公式，对误差主值进行4-FFT解缠求得误差真实值，迭代补偿到初始解缠相位，不断减小解缠误差提高解缠精度。
最后在不同信噪比下与传统4-FFT和最小二乘法进行了比较，仿真和实测数据表明，所提算法不仅在高信噪比下解缠性能优良，在低信噪比环境仍能保持高的解缠精度。
（4）提出了迭代多基线高精度4-FFT相位解缠算法。
INSAR实验报告
实验一、SAR信号统计模型验证实验目的通过MATLAB®程，拟合有关SAR数据的实部、虚部、灰度、相位的概率密度曲线，并与实际曲线进行比较，掌握MATLAB®程的初步知识。
实验数据txt文本格式的实部和虚部数据实验步骤一、打开MATLAB根据老师给出的实部的MATLA的程序和拟合曲线，试着编出虚部的程序，调试并运行。
二、在实部实验的基础上，接着进行以后的改编，根据各个曲线的表达式，拟合各自的曲线。
实验结果实部：54-53-4-3_.5He alistiic component(Re)2000灰度: 相位: ■F nt®rr实验心得这是首次用MATLABS 程实现SAR 的统计特征图像，由于之前没有用MATLA 编程 实现过，所以这次实验是在学习老师所给程序的基础上进行改编的。
学会了 MATLAB 中画图函数的编写，函数曲线的颜色、线型、多幅图像同时呈现编程方 法。
但是功率power 的图像画的并不理想，拟合的曲线并没有很好地显示出来。
通过这次的练习，平时老师课件里的东西，我们也能编程写出来，确实让我们学 会了理论联系实践，学以致用。
这次的实验还比较顺利，希望在以后的学习和实 验中可以更多的学习一些软件，多用编程的思想实现一些自己的想法。
实验源代码实部：clear; clc; load “； load “；[m,n]= size(Real);Realvector=reshape(Real,m* n,1); maxrea 匸max(Realvector); min real=min( Realvector); x=min real:10:maxreal; Realvar=var(Realvector);3 5 2 5 2..ru r l a s -d0.5°O1 .52 2.5Power(P)□ .S*PDF_Re=exp(-x.A2/(2*Realvar))/sqrt(2*pi*Realvar); pixel_count1=PDF_Re*10*m*n;figure;plot(x,pixel_count1, 'r' ); count2=hist(Realvector,x);hold on;plot(x,count2, 'rs' , 'MarkerEdgeColor' ,'k' 'MarkerFaceColor' , 'g' , ...'MarkerSize' ,2);ylabel( 'Pixel count' );xlabel( 'Realistic component(Re)' );虚部：clear;clc;load '' ;load '' ;[m,n] = size(Imag);Imagvector=reshape(Imag,m*n,1); maximag=max(Imagvector); minimag=min(Imagvector);x=minimag:10:maximag;Imagvar=var(Imagvector);PDF_lm=exp(-x.A2/(2*lmagvar))/sqrt(2*pi*lmagvar); pixel_count2=PDF_Im*10*m*n;figure;plot(x,pixel_count2, 'r' ); count=hist(lmagvector,x);hold on;plot(x,count, 'rs' , 'MarkerEdgeColor' , 'k' , 'MarkerFaceColor' , 'g' , ...'MarkerSize' ,2);ylabel( 'Pixel count' );xlabel( 'lmaginary component(lm)' );灰度：load '' ;load '' ;[m,n] = size(lmag);Amplitude=sqrt(Real.A2+Imag.A2); Amplitudevector=reshape(Amplitude,m*n,1);Ampvar=var(Amplitudevector)*2/(4-pi); maxAmp=max(Amplitudevector); minAmp=min(Amplitudevector); X=minAmp:10:maxAmp;PDF_A=X.*exp(-X.A2/(2*Ampvar))/Ampvar;pixel_count2=PDF_A*10*m*n; figure;plot(X,pixel_count2, 'r' ); count=hist(Amplitudevector,X); hold on;plot(X,count, 'rs' , 'MarkerEdgeColor' 'MarkerFaceColor' , 'g' 'MarkerSize' ,2); ylabel( 'Pixel count' );xlabel( 'Amplitude component(A)' );功率：clear; clc; load '' ; load '' ;Powe=Real.A2+lmag.A2; [m,n] = size(Powe);Powevector=reshape(Powe,m*n,1); maxPowe=max(Powevector); minPowe=min(Powevector); x=minPowe:10000:maxPowe; Powevar=var(Powevector);PDF_P=(exp(-x/(2*Powevar)))/(2*Powevar); pixel_count4=PDF_P*10*m*n; figure;plot(x,pixel_count4, 'y' ); count=hist(Powevector,x); hold on;plot(x,count, 'rs' , 'MarkerEdgeColor''MarkerFaceColor' , 'g' 'MarkerSize' ,2);ylabel( 'Pixel count' ); xlabel( 'Power(P)' );相位：clear; clc; load '' ; load '' ;[m,n] = size(lmag);lmagvector=reshape(lmag,m*n,1); Realvector=reshape(Real,m*n,1); Phase=atan2(lmagvector,Realvector); x=-pi:pi/100:pi; PDF_w=1/(2*pi);pixel_count2=PDF_w*pi/100*m*n; figure;plot(x,pixel_count2, 'r' ); count=hist(Phase,x); hold on;, 'k', 'k'plot(x,count, 'rs' , 'MarkerEdgeColor' , 'k' , ...'MarkerFaceColor' , 'g' , ...'MarkerSize' ,2);ylabel( 'Pixel count' );xlabel( 'Phase component(Ph)' );实验二INSAR信号统计模型验证实验目的通过MATLA ffi程实现INSAR勺数据统计特征的表达，掌握用MATLA编写函数的方法，进一步掌握MATLA在INSAR K验中的应用。
insar解译形变值
insar解译形变值形变监测是地球科学领域的重要研究内容之一，而InSAR （Interferometric Synthetic Aperture Radar）技术在形变监测中发挥着至关重要的作用。
本文将详细介绍InSAR技术的原理以及其在解译形变值方面的应用。
一、InSAR技术原理InSAR技术是利用合成孔径雷达（SAR）的相干性原理进行形变监测的一种技术方法。
其主要原理是通过记录同一地区的多个雷达影像，利用这些影像之间的相位差异来推断地表形变信息。
首先，SAR雷达通过向地面发射电磁波，然后接收回波信号，并将这些信号转换成影像。
而合成孔径雷达则是利用飞行器或卫星沿不同轨道采集影像，进而通过对一系列影像进行处理和组合，得到高分辨率和高质量的合成孔径雷达影像。
SAR影像中存在相位差异，这是由于信号在传播过程中受到了地面形变的影响。
而InSAR技术正是通过分析这些相位差异来获取地面形变信息。
通过处理多组SAR影像并进行相位解缠，可以获得高精度的形变监测结果。
二、InSAR解译形变值的步骤InSAR解译形变值通常分为以下几个步骤：1. 数据采集与预处理：首先需要获取高质量的SAR影像数据，这些数据可以通过卫星或飞机获取。
然后对获取的影像数据进行去除噪声、配准校正和平坦化等预处理操作，提高数据质量。
2. 多时相影像配准：在解译形变值前，需要将多时相的SAR影像进行配准操作，即将影像以像素级精度对齐，确保影像之间的空间对应关系。
3. 相位解缠：通过对配准后的SAR影像进行相位解缠操作，消除影响形变解译的相位模糊问题。
4. 形变解译：利用相位解缠后的SAR影像，计算形变监测结果。
形变值通常以厘米级的精度表示，可以通过进一步分析和解释得到地下介质的变化信息。
三、InSAR解译形变值的应用InSAR解译形变值在地质灾害监测、地震研究、水文过程监测等方面具有广泛的应用价值。
1. 地质灾害监测：地面形变是地质灾害的重要前兆之一，通过InSAR技术可以实时监测地表形变，对地震、火山喷发、滑坡等地质灾害进行提前预警和监测。
微波遥感实验报告
实习报告撰写的内容与要求1.实习任务：介绍实习的目的、意义、任务及实习单位的概况等内容。
通常以前言或引言形式表述，不单列标题及序号。
2.实习内容：先介绍实习安排概况，包括时间、地点、内容等，然后逐项介绍具体实习流程与实习工作内容，以及专业知识与专业技能在实习过程中的应用。
本部分内容应以记叙或白描手法为基调，在完整叙述的基础上，对自己认为有重要意义或需要研究解决的问题进行重点叙述，其它内容则可简述。
3.实习结果：围绕实习任务要求，对实习中发现的问题进行分析、思考，提出解决问题的对策、建议等。
分析问题、解决问题要有依据（如有参考文献可在正文后附录）。
分析讨论的内容、推理过程及所提出的对策与建议作为实习报告的重要内容之一，是反映或评价实习报告水平的重要依据。
4.实习总结或体会：对实习效果进行综合评价，着重介绍自身的收获与体会，内容较多时可列出小标题，逐一列举。
总结或体会的最后部分，应针对实习中发现的自身不足，简要地提出今后学习，努力的方向。
5.将实习日记按照时间顺序以附件形式放在实习报告正文后面。
实习报告封皮由学校统一印发，正文一律采用计算机排版、A4纸打印。
题目为三号黑体字居中（题目前、后各空一行），正文字体为小四号宋体，要求语句通顺、论述严谨、规范、正确。
字数：不少于3000。
目录1.单雷达影像处理 (3)1.1导入数据 (3)1.2影像多视处理 (4)1.3滤波 (5)1.4分析滤波影像 (7)1.5地理编码和辐射定标 (9)1.5配准 (10)2.InSAR生成DEM (11)2.1基线估算 (11)2.2干涉图生成 (11)2.3去平处理 (12)2.4自适应滤波及相干性计算 (13)2.5相位解缠 (15)2.6选择GCP (16)2.7轨道精炼和重去平 (17)2.8相位高程转换 (19)3.思考题 (21)微波遥感实验报告1.单雷达影像处理1.1导入数据导入武汉市的Envisat ASAR数据，数据文件名：ASA_IMS_1PNDPA20081221_141624_000000162074_00483_35607_5531.N1 操作过程：SARscape ->Basic->Import Data->Standard FormatsData type 选择IMS,然后选择数据的输入和输出路径，路径必须都是英文的。
利用InSAR研究西藏拉孜地震同震形变
１ ９ ９ ３年 ３ 月２ ０ 日， 西 藏拉 孜 、 昂仁 间发 生 了 Ｍ ｗ ６ ． ２
级 地震 ， 震 中为 东 经 ８ ７ ． ４ 。 ， 北纬 ２ ９ ． ３ 。 ， 该 地 震 位 于 朋 曲一 申扎 地堑 上。朋 曲一 申扎 地堑 是 西 藏南 部 一 条 重要 的正断 层 活动 带 ， 它北 起 申扎 县 甲 岗山 ， 然 后 向南延 伸 至
重 要作用 。 雷达 干 涉测 量 技 术 （ Ｉ ｎ ｔ ｅ ｒ ｆ ｅ ｒ ｏ ｍｅ ｔ ｒ ｉ ｃ Ｓ ｙ ｎ ｔ ｈ ｅ ｔ ｉ ｃ Ａ ｐ ｅ ｒ ｔ ｕ ｒ ｅ
ｔ ｈ ｅ Ｅ ＲＳ一１ ｓ ａ ｔ ｅ ｌ ｌ ｉ ｔ ｅ ．Ｂ ａ ｓ ｅ ｄ ｏ ｎ ｔ ｈ ｅ ｃ ｏ ｓ ｅ ｉ ｓ ｍｉ ｃ ｉ ｎ ｔ ｅ ｒ ｆ ｅ ｒ ｏ ｇ ｒ ａ ｍｓ ，ｗ ｅ ｃ ｏ ｎ ｓ ｔ ｒ ａ ｉ ｎ ｅ ｄ ｔ ｈ ｅ ｆ ａ ｕ ｌ ｔ ｐ ａ ｒ ａ ｍｅ ｔ ｅ ｒ ｓ ｕ ｓ ｉ ｎ ｇ ａ ｎ ｅ ｌ ａ ｓ ｔ ｉ ｃ ｄ ｉ ｓ ｌ ｏ ｃ ａ ｔ ｉ ｏ ｎ ｍｏ ｄ ｅ １ ． Ｔ ｈ ｅ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｈ ｏ ｗｓ ｍａ ｘ ｉ ｍｕ ｍ ｓ ｕ ｒ ｆ ａ ｃ ｅ ｄ ｉ ｓ ｐ ｌ ａ ｃ ｅ ｍｅ ｎ ｔ ｏ ｆ １ ２ ｃ ｍ ，ｄ ｉ ｐ ａ ｎ ｇ ｌ ｅ ｏ ｆ ４ ２ ｄ ｅ ｇ ｒ ｅ ｅ ｓ ，ｗｈ ｉ ｃ ｈ ｄ ｏ ｅ ｓ ｎ ｏ ｔ ｓ ｕ ｐ ｐ ｏ ｌ ｆ ｔ ｈ ｅ ｌ ｏ ｗ —ａ ｎ ｇ ｌ ｅ ｎ ｏ ｒ ｍａ ｌ
Ａｂｓ ｔ ｒ ａｃ ｔ ：Ｗ ｅ ｃ ａ ｌ ｃ ｕ ｌ ａ ｔ ｅ ｄ ｃ ｏ ｓ ｅ ｉ ｓ ｍｉ ｃ ｄ ｅ ｆ ｏ ｒ ｍａ ｔ ｉ ｏｎ ａ ｓ ｓ ｏ ｃ ｉ ａ ｔ ｅ ｄ ｗｉ ｔ ｈ ｔ ｈ ｅ １ ９９ ３ Ｍ ｗ ６． ２ Ｌｈ ａ ｔ ｓ ｅ ｅ ａ ａｈｑ ｕ ａ ｋｅ ｕ ｓ ｉ ｎｇ ｒ ａ ｄ ａ ｒ ｉ ｍａ ｇ ｅ ｓ ａ ｃ ｑｕ ｉ ｒ ｅ ｄ ｂｙ
InSAR干涉测量
三、InSAR在摄影测量与遥感中旳应用
InSAR、D-InSAR在地面沉降监测中旳应用
作为一种新兴旳地面形变研究措施，InSAR技术在地面沉降监测方 面发挥了愈来愈明显旳作用，国内外已经有诸多实例。Biegert等（1997） 应用不同卫星在美国加利福尼亚州Belridge和Lost山油田反复测量旳合 成孔径雷达数据对该区旳地面沉降进行了研究，成果显示70天内沉降量 到达6厘米，此成果与该区每年30厘米旳地面沉降速率相吻合。Marco van der (2023)对该油田地面沉降旳研究也证明了InSAR技术用于地面沉 降旳可行性。李德仁等（2023）利用欧空局ERS-1和ERS-2相隔1天旳 反复轨道SAR数据，经过差分处理对天津市地面沉降进行研究，得到反 应地面沉降大小及分布旳干涉条纹图。此图与1995～1997年反复水准测 量求得旳地面沉降等值线图比较，具有明显旳一致性和相同性。
三、InSAR在摄影测量与遥感中旳应用
InSAR在海洋遥感中旳应用
2、在海洋油气勘探中旳应用 SAR资料可用来监测海洋油污染。合成孔径雷达获取旳是二维影像，影像旳亮度即反应了海表微波
散射信号旳特征。因为微波旳全天候、全天时、高辨别率旳特点，人们一般就用微波来监测油污。目前 用来评估油污旳SAR资料主要来自加拿大旳RADARSAT-1和欧空局旳ENVISAT。2023年11月19日，一 艘装载近7万吨旳已失事旳油轮——Prestige在西班牙西北海岸100Km处失事淹没，11月17日由 ENVISAT搭载旳ASAR资料得到其油污扩散情况。因为风旳作用，油污已扩散到周围。
二、InSAR基本原理及过程
InSAR高程反演
h H R cos 90
在三角形A1 A2P中 R2 R2 B2 2RB cos cos R2 B2 (R R)2
InSAR系统的定标方法研究的开题报告
InSAR系统的定标方法研究的开题报告题目：InSAR系统的定标方法研究一、研究背景随着卫星遥感技术的广泛应用，InSAR(干涉合成孔径雷达)技术也越来越受到关注和重视。
InSAR技术通过分析地面上雷达信号的相位变化，可以获取地形高程、地震变形、土地沉降等地貌变化信息。
然而，在实际应用中，InSAR技术常常面对多种干扰因素，如大气延迟、仪器的误差等，这些因素会影响InSAR结果的准确性和可靠性。
其中，InSAR系统的定标是影响InSAR技术精度的一个重要因素。
为了减小InSAR系统的测量误差，提高InSAR技术的精度和可靠性，需要对InSAR系统进行定标，即确定InSAR系统的误差模型和修正方法。
二、研究目的本文旨在研究InSAR系统的定标方法，探究其精度和可靠性，为InSAR技术的应用和发展提供技术支持和参考。
三、研究内容本文的研究内容主要包括以下几个方面：1. InSAR系统的误差模型研究2. InSAR系统的误差修正方法研究3. InSAR系统的定标实验方案设计和测试数据处理方法研究4. InSAR系统定标结果的分析和评价四、研究方法本文的研究方法主要采用文献调研与实验相结合的方式。
搜集已有的文献，将其中的定标方法进行总结和比较，找出适合本研究的方法。
在此基础上，设计InSAR系统的定标实验方案，选择合适的测试数据并进行处理和分析，获取定标结果，并进行评价和分析。
五、预期成果通过本文的研究，预期能够得出以下成果：1. 探究InSAR系统的误差模型和修正方法，为InSAR技术提高精度和可靠性提供理论支持和技术指导。
2. 设计实验方案，测试不同的定标方法，验证其准确性和可靠性。
3. 得到InSAR系统的定标结果，分析其精度和可靠性，并对比分析不同的定标方法的效果。
四、研究时间安排本项目拟计划完成时间为1年。
具体时间安排如下：第1-2个月：文献调研和研究方法设计；第3-6个月：实验数据采集和处理；第7-9个月：定标方法测试和结果分析；第10-12个月：总结研究成果和论文撰写。
InSAR相位解缠非线性最小二乘方法研究的开题报告
InSAR相位解缠非线性最小二乘方法研究的开题报告一、选题背景和意义合成孔径雷达干涉测量技术（InSAR）是一种能够在地面上获取地表形变的高分辨率测量技术，其可以利用两个或者多个轨道卫星获取的雷达成像图形进行监测目标区域的三维形变信息。
由于受自然因素、人类活动以及地球与大气环境相互作用等复杂因素的影响，地表在不同时间会出现形变变化的现象。
InSAR技术能够对这些变化进行高精度的监测，对于地质灾害、城市地质环境、冰川行为等方面具有广泛的应用前景。
然而，InSAR技术在实际应用过程中还会受到许多因素的干扰，例如大气湍流扰动、卫星轨道误差、电离层误差等等，导致InSAR相位解扣带相位非常复杂，难以直接获取地面形变信息。
因此，对于InSAR相位解扣带问题的研究是非常重要的。
目前，最常用的方法是采用时间序列InSAR技术来恢复地面的形变信息。
但是，由于该方法需要避免大气干扰、减小非线性扰动等因素的影响，因此需要对相位解扣带进行更加精确和有效的处理。
非线性最小二乘法（nonlinear least-squares, NLS）是一种高效且广泛应用于InSAR相位解扣带问题的数学方法，目前已有很多相关研究成果，但仍有许多问题需要进一步探索和改进。
本文的研究目的是探究InSAR相位解扣带问题的非线性最小二乘方法，分析该方法在处理高精度地表形变监测方面的优劣，为InSAR技术的实际应用提供更加可靠的理论基础和实际方法。
二、研究内容和方法1. 研究内容本文将从以下几个方面开展研究：（1）InSAR相位解扣带问题的数学模型和理论基础。
（2）非线性最小二乘法在InSAR相位解扣带问题中的基本思想和算法流程，并比较该方法与其他常用方法的优缺点。
（3）采用时间序列InSAR技术获取不同区域的地表形变数据，对比以非线性最小二乘法为基础的处理方法与传统方法的差异。
（4）在对比分析的基础上，分析研究结果并提出相应的结论和建议，以及对InSAR相位解扣带问题的未来研究方向的预测。
利用InSAR相干系数探测地震引起的城市破坏程度
利用InSAR 相干系数探测地震引起的城市破坏程度何敏 何秀凤河海大学卫星空间信息应用研究所，南京 210098摘要：合成孔径雷达（SAR ）因其不受云层和光源的影响成为当今最有应用潜力的新型遥感传感器，基于SAR 发展起来的InSAR 技术通过分析目标后向反射的相位信息，能定量地揭示自然灾害引起的地表形变。
本文利用InSAR 相干系数对SAR 图像散射体特性的变化很敏感的特点，定义了一种相干系数变化指数，并证明了利用该变化指数探测地震引起的城市破坏程度是可行的，最后以伊朗Bam 地区地震为例进行了试验研究。
试验结果表明，建筑物的破坏等级与相干系数变化指数的大小高度相关。
根据定义的相干系数变化指数绘制出了的Bam 城地震破坏等级图，该等级图与国际地球灾害中心(ICG)提供的结果是一致的。
关键词：InSAR 相干系数 Bam 地震 城市地震灾害Analysis and Detection of Earthquake-induced Urban DisasterBased on InSAR CoherenceHe Min He XiufengInstitute of Satellite Navigation & Spatial Information System, Hohai University, Nanjing, 210098Abstract ：Synthetic Aperture Radar (SAR) is one of the most potential sensors for remote sensing technologies since it is not affected by clouds and lights. The InSAR analysis, using phase information of backscattering echoes from objects on the earth’s surface, is successfully employed to quantify relative ground displacements resulting from natural disasters. In this paper, a coherence change index is presented based on the coherence coefficient of the SAR interferometric analysis which is a sensitive parameter for the detection of superficial change and the classification of land use. And the feasibility of earthquake-induced urban damage detection is investigated using the coherence change index. The method proposed is tested by SAR images of the Bam earthquake in 2003. The results show that there are close relationships between building damage level and the coherence change index. Thus, urban damage levels are mapped based on the index. The map is consistent with the results of the International Centre for Geohazards. Keywords ：InSAR, coherence, Bam earthquake, urban earthquake0 引言Bam 城位于伊朗Kerman 省的东南部，距Kerman 省185 km 。
(完整版)InSAR基本原理及其误差来源
InSAR 基本原理及其误差来源合成孔径雷达干涉测量技术（synthetic aperture radar interferometry, InASR ）将合成孔径雷达成像技术与干涉测量技术成功地进行了结合，利用传感器高度、雷达波长、波束视向及天线基线距之间的几何关系，可以精确的测量出图像上每一点的三维位置和变化信息。
合成孔径雷达干涉测量技术是正在发展中的极具潜力的微波遥感新技术，其诞生至今已近30年。
起初它主要应用于生成数字高程模型(DEM)和制图，后来很快被扩展为差分干涉技术 ( differential InSAR , DInSAR)并应用于测量微小的地表形变，它已在研究地震形变、火山运动、冰川漂移、城市沉降以及山体滑坡等方面表现出极好的前景。
特别，DInSAR 具有高形变敏感度、高空间分辨率、几乎不受云雨天气制约和空中遥感等突出的技术优势，它是基于面观测的空间大地测量新技术，可补充已有的基于点观测的低空间分辨率大地测量技术如全球定位系统(GPS)、甚长基线干涉 (VLBI)和精密水准等。
尤其InSAR 在地球动力学方面的研究最令人瞩目。
随着InSAR 应用的广泛开展，尤其是在长时间序列的缓慢地表形变监测方面的深入应用，发现传统InSAR 技术存在不可客服的局限，主要表现在以下几个方面：（1）长时间序列上的时间去相干问题，特别是重复轨道观测的InSAR 处理。
地物在时间序列上的变化导致其散射特性的变化，从而大大降低地物在不同时间上的相干性，导致InSAR 处理的失效。
（2）传统DInSAR 侧重于单次形变的研究，使用到的SAR 图像少，而且对SAR 图像的要求非常高，通常要保证两次卫星的基线距比较小，否则会引入严重的几何去相干问题，这大大限制可被利用于感兴趣区的InSAR 监测图像质量。
（3）大气相位的不均匀延时影响，由于大气本身的非均质性和不同时刻大气状况的迥异，尤其对于不同季节的干涉图像对，大气相位成为传统InSAR 处理干涉相位中不可避免的信号之一，严重的影响了所获得的DEM 和地表形变的精度。
InSAR相位解缠算法研究的开题报告
InSAR相位解缠算法研究的开题报告题目：InSAR相位解缠算法研究一、选题背景合成孔径雷达干涉测量（Interferometric Synthetic Aperture Radar，InSAR）技术是近年来快速发展的高精度地表形变监测技术。
InSAR技术是利用卫星在地球运动过程中向地面发射脉冲信号，再将反射回来的信号接收并进行分析处理，由于两次测量观测时间相差很短，因此能够较精确地测量出地面的形变和位移情况。
但在实际应用过程中，InSAR技术的相位解缠问题一直是影响InSAR测量精度和可靠性的一大难题。
因此，在深入研究InSAR相位解缠算法，提高InSAR技术在地表形变监测中的应用价值具有十分重要的现实意义。
二、研究目的本文旨在研究InSAR相位解缠算法，探究其在地表形变监测中的应用。
具体而言，本研究将针对目前常用的两种相位解缠算法（Goldstein算法和Baselines算法），进行详细的理论分析和实验研究，并对比两种算法的优缺点及适用场景，为实际应用提供可靠的算法选择依据。
三、研究内容本文主要研究内容包括以下几个方面：1. InSAR技术基础知识和原理介绍；2. InSAR相位解缠问题的理论分析；3. 目前常用的两种相位解缠算法（Goldstein算法和Baselines算法）的原理、流程和实现方法介绍；4. 对比两种算法的优缺点及适用场景；5. 利用实验数据对两种算法进行验证和评估。
四、研究方法本研究主要采用文献综述法和实验研究法相结合的方法进行。
1. 文献综述法：对相关文献进行梳理、阅读和分析，深入了解InSAR技术和相位解缠问题，并对常用的相位解缠算法进行详细的介绍和分析。
2. 实验研究法：在实验室环境下，利用InSAR技术和实验平台进行实验，得到实验数据，对常用的两种相位解缠算法进行比较和验证。
五、预期成果及意义本研究旨在深入研究InSAR相位解缠算法，为地表形变监测提供更加可靠的技术支持，其预期成果包括：1. 深入理解InSAR技术的基础知识和原理；2. 掌握常用的相位解缠算法，并进行对比和评估；3. 实验数据的采集和处理；4. 通过实验研究，验证和评估常用的相位解缠算法；5. 为实际应用提供可靠的算法选择依据和技术支持。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
实验一、SAR信号统计模型验证实验目的通过MATLAB编程，拟合有关SAR数据的实部、虚部、灰度、相位的概率密度曲线，并与实际曲线进行比较，掌握MATLAB编程的初步知识。
实验数据txt文本格式的实部和虚部数据实验步骤一、打开MATLAB，根据老师给出的实部的MATLAB的程序和拟合曲线，试着编出虚部的程序，调试并运行。
二、在实部实验的基础上，接着进行以后的改编，根据各个曲线的表达式，拟合各自的曲线。
实验结果实部：灰度：相位：实验心得这是首次用MATLAB编程实现SAR的统计特征图像，由于之前没有用MATLAB编程实现过，所以这次实验是在学习老师所给程序的基础上进行改编的。
学会了MATLAB中画图函数的编写，函数曲线的颜色、线型、多幅图像同时呈现编程方法。
但是功率power的图像画的并不理想，拟合的曲线并没有很好地显示出来。
通过这次的练习，平时老师课件里的东西，我们也能编程写出来，确实让我们学会了理论联系实践，学以致用。
这次的实验还比较顺利，希望在以后的学习和实验中可以更多的学习一些软件，多用编程的思想实现一些自己的想法。
实验源代码实部：clear;clc;load 'Real.txt';load 'Imag.txt';[m,n]= size(Real);Realvector=reshape(Real,m*n,1);maxreal=max(Realvector);minreal=min(Realvector);x=minreal:10:maxreal;Realvar=var(Realvector);PDF_Re=exp(-x.^2/(2*Realvar))/sqrt(2*pi*Realvar); pixel_count1=PDF_Re*10*m*n;figure;plot(x,pixel_count1,'r');count2=hist(Realvector,x);hold on;plot(x,count2,'rs','MarkerEdgeColor','k',...'MarkerFaceColor','g',...'MarkerSize',2);ylabel('Pixel count');xlabel('Realistic component(Re)');虚部：clear;clc;load 'Real.txt';load 'Imag.txt';[m,n] = size(Imag);Imagvector=reshape(Imag,m*n,1);maximag=max(Imagvector);minimag=min(Imagvector);x=minimag:10:maximag;Imagvar=var(Imagvector);PDF_Im=exp(-x.^2/(2*Imagvar))/sqrt(2*pi*Imagvar); pixel_count2=PDF_Im*10*m*n;figure;plot(x,pixel_count2,'r');count=hist(Imagvector,x);hold on;plot(x,count,'rs','MarkerEdgeColor','k',...'MarkerFaceColor','g',...'MarkerSize',2);ylabel('Pixel count');xlabel('Imaginary component(Im)');灰度：load 'Real.txt';load 'Imag.txt';[m,n] = size(Imag);Amplitude=sqrt(Real.^2+Imag.^2);Amplitudevector=reshape(Amplitude,m*n,1);Ampvar=var(Amplitudevector)*2/(4-pi);maxAmp=max(Amplitudevector);minAmp=min(Amplitudevector);X=minAmp:10:maxAmp;PDF_A=X.*exp(-X.^2/(2*Ampvar))/Ampvar;pixel_count2=PDF_A*10*m*n;figure;plot(X,pixel_count2,'r');count=hist(Amplitudevector,X);hold on;plot(X,count,'rs','MarkerEdgeColor','k',...'MarkerFaceColor','g',...'MarkerSize',2);ylabel('Pixel count');xlabel('Amplitude component(A)');功率：clear;clc;load 'Real.txt';load 'Imag.txt';Powe=Real.^2+Imag.^2;[m,n] = size(Powe);Powevector=reshape(Powe,m*n,1);maxPowe=max(Powevector);minPowe=min(Powevector);x=minPowe:10000:maxPowe;Powevar=var(Powevector);PDF_P=(exp(-x/(2*Powevar)))/(2*Powevar); pixel_count4=PDF_P*10*m*n;figure;plot(x,pixel_count4,'y');count=hist(Powevector,x);hold on;plot(x,count,'rs','MarkerEdgeColor','k',...'MarkerFaceColor','g',...'MarkerSize',2);ylabel('Pixel count');xlabel('Power(P)');相位：clear;clc;load 'Real.txt';load 'Imag.txt';[m,n] = size(Imag);Imagvector=reshape(Imag,m*n,1);Realvector=reshape(Real,m*n,1);Phase=atan2(Imagvector,Realvector);x=-pi:pi/100:pi;PDF_w=1/(2*pi);pixel_count2=PDF_w*pi/100*m*n;figure;plot(x,pixel_count2,'r');count=hist(Phase,x);hold on;plot(x,count,'rs','MarkerEdgeColor','k',...'MarkerFaceColor','g',...'MarkerSize',2);ylabel('Pixel count');xlabel('Phase component(Ph)');实验二INSAR信号统计模型验证实验目的通过MATLAB编程实现INSAR的数据统计特征的表达，掌握用MATLAB编写函数的方法，进一步掌握MATLAB在INSAR实验中的应用。
实验环境及数据MATLAB7.0实验心得通过本次实验，我学会了使用MATLAB在同一窗口中呈现多个图像的方法。
这次实验中要考虑L的取值不同给函数图像带来的差异。
通过这次实验，我对MATLAB 更熟悉了一些。
用MATLAB编程主要要理清思路，掌握每个函数的用法，这样编程才会顺利。
MATLAB这个软件的功能很强大，以后要好好学习，掌握基本的用法，为以后的学习打下基础。
实验结果L=1L=10L=20相干图实验源代码L1：clc;clear;L=1;Gam=0.1;Phai=[-pi:(2*pi)/100:pi]; PDF=pdf_phai(Phai,Gam,L); plot(Phai,PDF);hold on;Gam=0.3;Phai=[-pi:(2*pi)/100:pi]; PDF=pdf_phai(Phai,Gam,L); plot(Phai,PDF);hold on;Gam=0.5;Phai=[-pi:(2*pi)/100:pi]; PDF=pdf_phai(Phai,Gam,L); plot(Phai,PDF);hold on;Gam=0.7;Phai=[-pi:(2*pi)/100:pi]; PDF=pdf_phai(Phai,Gam,L); plot(Phai,PDF);hold on;Gam=0.95;Phai=[-pi:(2*pi)/100:pi]; PDF=pdf_phai(Phai,Gam,L); plot(Phai,PDF);xlabel('Phai(rad)'); ylabel('PDF(Phai)');L=10clear;L=10;Gam=0.1;Phai=[-pi:(2*pi)/100:pi]; PDF=pdf_phai(Phai,Gam,L); plot(Phai,PDF);hold on;Gam=0.3;Phai=[-pi:(2*pi)/100:pi]; PDF=pdf_phai(Phai,Gam,L); plot(Phai,PDF);hold on;Gam=0.5;Phai=[-pi:(2*pi)/100:pi]; PDF=pdf_phai(Phai,Gam,L); plot(Phai,PDF);hold on;Gam=0.7;Phai=[-pi:(2*pi)/100:pi]; PDF=pdf_phai(Phai,Gam,L); plot(Phai,PDF);hold on;Gam=0.95;Phai=[-pi:(2*pi)/100:pi];PDF=pdf_phai(Phai,Gam,L);plot(Phai,PDF);xlabel('Phai(rad)');ylabel('PDF(Phai)');L=20clear;L=20;Gam=0.1;Phai=[-pi:(2*pi)/100:pi];PDF=pdf_phai(Phai,Gam,L);plot(Phai,PDF);hold on;Gam=0.3;Phai=[-pi:(2*pi)/100:pi];PDF=pdf_phai(Phai,Gam,L);plot(Phai,PDF);hold on;Gam=0.5;Phai=[-pi:(2*pi)/100:pi];PDF=pdf_phai(Phai,Gam,L);plot(Phai,PDF);hold on;Gam=0.7;Phai=[-pi:(2*pi)/100:pi];PDF=pdf_phai(Phai,Gam,L);plot(Phai,PDF);hold on;Gam=0.95;Phai=[-pi:(2*pi)/100:pi];PDF=pdf_phai(Phai,Gam,L);plot(Phai,PDF);xlabel('Phai(rad)');ylabel('PDF(Phai)');调用函数的源代码function PDF=pdf_phai(Phai,Gam,L)Beita=Gam*cos(Phai);temp1=(1-Gam.^2).^L./2./pi;temp2=gamma(2*L-1)./(gamma(L)).^2./2.^(2*L-2);temp3=(2*L-1).*Beita.*(pi./2+asin(Beita))./(1-Beita.^2).^(L+0.5);temp4=1./(1-Beita.^2).^L;if L==1PDF=temp1.*(temp2.*(temp3+temp4));elsetemp5=0;for i=0:(L-2)temp5=temp5+gamma(L-0.5).*gamma(L-1-i).*(1+(2*i+1).*Beita.^2)./gamma( L-0.5-i)./gamma(L-1)./(1-Beita.^2).^(i+2);endtemp5=temp5./2/(L-1);PDF=temp1.*(temp2.*(temp3+temp4)+temp5);endend相干图的源代码L=1;Gam=[0:0.01:1];for Phai=-pi:(2*pi)/100:piSD=sqrt(Phai^2*(pdf_phai(Phai,Gam,L)))endplot(Gam,SD,'y');hold on;L=2;Gam=[0:0.01:1];for Phai=-pi:(2*pi)/100:piSD=sqrt(Phai^2*(pdf_phai(Phai,Gam,L)))endplot(Gam,SD,'b');hold on;L=4;Gam=[0:0.01:1];for Phai=-pi:(2*pi)/100:piSD=sqrt(Phai^2*(pdf_phai(Phai,Gam,L)))endplot(Gam,SD,'r');hold on;L=8;Gam=[0:0.01:1];for Phai=-pi:(2*pi)/100:piSD=sqrt(Phai^2*(pdf_phai(Phai,Gam,L)))endplot(Gam,SD,'m');hold on;L=10;Gam=[0:0.01:1];for Phai=-pi:(2*pi)/100:piSD=sqrt(Phai^2*(pdf_phai(Phai,Gam,L)))endplot(Gam,SD,'k');hold on;L=16;Gam=[0:0.01:1];for Phai=-pi:(2*pi)/100:piSD=sqrt(Phai^2*(pdf_phai(Phai,Gam,L)))endplot(Gam,SD,'c');hold on;L=20;Gam=[0:0.01:1];for Phai=-pi:(2*pi)/100:piSD=sqrt(Phai^2*(pdf_phai(Phai,Gam,L)))endplot(Gam,SD,'g');xlabel('coherence');ylabel('Phase SD(deg)');legend('L=1','L=2','L=4','L=8','L=10','L=16','L=20');实验三、拼接和显示长沙地区SRTM高程模型实验内容及目的本次实验的内容是根据给定的长沙地区的SRTM数据（数据格式是.hgt），通过matlab把给定数据转换成surfer软件能识别的数据格式，然后用surfer软件裁剪和显示长沙地区的数字高程模型。