结合滤波算法的不敏卡尔曼滤波器相位解缠方法_谢先明

合集下载

一种基于质量指导的InSAR相位解缠快速实现方法

一种基于质量指导的InSAR相位解缠快速实现方法李芳芳;占毅;胡东辉;丁赤飚【期刊名称】《雷达学报》【年(卷),期】2012(1)2【摘要】相位解缠是干涉SAR数据处理中的关键步骤,解缠效果的好坏直接影响干涉测量的精度.该文针对质量指导的相位解缠方法需要进行大量排序操作,在干涉数据维度较大时解缠效率低下的问题,提出了一种基于堆排序的快速的质量指导相位解缠方法.首先通过干涉复数据对或干涉相位确定相位质量图.然后利用最大堆作为质量图排序的数据结构,通过对最大堆进行删除根结点、插入新结点操作的过程中始终保持最大堆的性质不变,从而实现了质量图的排序,完成了从高质量区域到低质量区域的相位解缠.与传统方法相比,基于堆排序的方法大大降低了计算的时间复杂度,对于干涉SAR大面积测绘应用具有十分重要的意义.最后,通过仿真和实测数据验证了算法的正确性和高效性.【总页数】7页(P196-202)【作者】李芳芳;占毅;胡东辉;丁赤飚【作者单位】中国科学院电子学研究所北京 100190;中国科学院空间信息处理与应用系统技术重点实验室北京 100190;中国科学院研究生院北京 100190;中国科学院电子学研究所北京 100190;中国科学院空间信息处理与应用系统技术重点实验室北京 100190;中国科学院研究生院北京 100190;中国科学院电子学研究所北京 100190;中国科学院空间信息处理与应用系统技术重点实验室北京 100190;中国科学院电子学研究所北京 100190;微波成像技术国家重点实验室北京 100190【正文语种】中文【中图分类】TP391【相关文献】1.一种枝切法和质量图相结合的InSAR相位解缠算法 [J], 王霖郁;李辉2.一种基于质量引导和最小不连续合成的InSAR相位解缠算法 [J], 钟何平;唐劲松;张森3.一种基于加权迭代贪婪算法的InSAR相位解缠的新方法 [J], 彭石宝;袁俊泉;向家彬4.基于质量引导的InSAR快速相位解缠方法 [J], 蒋留兵;肖志涛;车俐;赵纪奎5.一种新的桥梁区域时序InSAR相位解缠方法 [J], 段伟;吕孝雷因版权原因，仅展示原文概要，查看原文内容请购买。

一种高效的扩展粒子滤波相位展开方法

收稿日期：2015-07-19 修订日期：2015-10-23 基金项目：国家自然科学基金（412Q1479、6126K)33、6146K)11); 广西自然科学基金（2Q14GXNSFBA118273) ;广西无线宽带通信与信号
处理重点实验室 2014/2015 年主任基金（GXKL061503、GXKU)614K)6、GXKU)614102)d 作者简介: 谢先明（1979—），男，博士，副教授，研究方向为干涉合成孔径雷达信号处理等。
关键词：相位展开；扩展粒子滤波；量化跟踪策略；修正矩阵束模型；干涉合成孔径雷达 d o i：10. 3969/j. issn. 1000 —3177. 2016. 04. 007 中图分类号：TN957 文献标识码： A 文章编号 =1000 —31 77 (2 0 1 6 )1 4 6 —0041 —07
很多解决方法。到目前为止，传统相位展开方法基本上可归结为以下二大类：第一类是以 Goldstem 枝切法（branch-cut algorithm )[1]、质量指导算法 (q u a lity guided path-follow ing a lg o rith m )[2]、掩膜切线法（mask cut a lg o rith m )[3]、Flynn 的最小不连
An Efficient Phase Unwrapping Algorithm Based on Extended Particle Filter
XIE Xian g x i K e y L a b o r a t o r y o f Wi re l es s B r o a d b a n d C o m m u n i c a t i o n a n d S i g n a l P r o c e s s i n g ^Guilin 541004,C/izna)

一种用卡尔曼滤波器消除TOA中NLOS误差的方法（图文）

一种用卡尔曼滤波器消除TOA中NLOS误差的方法（图文）一种用卡尔曼滤波器消除TOA中NLOS误差的方法(图文)论文导读：本文中，基于对NLOS误差特点的分析，我们提出了一种改进的用卡尔曼滤波器实现的NLOS误差消除算法。

关键词：通信与信息系统无线定位，卡尔曼滤波器，非视距自1996年美国联邦通信委员会（FCC）颁布E－911定位需求以来，在政府的强制力和巨大的商业潜力的推动下，无线定位越来越受到各国公司及研究人员的关注[1]。

现在，无线定位研究的目的就是利用现有的各通信标准中的资源，在复杂的无线通信环境中，提高无线定位的精度。

由非视距（NLOS）传播造成的NLOS误差是无线定位误差的主要来源。

如何鉴别并消除NLOS误差便成为无线定位研究领域中的一个热点。

本文中，基于对NLOS误差特点的分析，我们提出了一种改进的用卡尔曼滤波器实现的NLOS误差消除算法。

这种方法利用了卡尔曼滤波器，并且分别针对NLOS误差的特点，改进了卡尔曼滤波器的迭代过程。

通过这样的处理，TOA测量值中的标准测量误差和NLOS误差均被大大的消除，恢复出的测量值可以较精确的逼近真实的到达时间。

这样，消除了NLOS误差的测量值再用来定位，就可以使用普通的不含有NLOS误差消除的定位算法来计算移动台的位置了。

2NLOS误差的特征及其消除2.1 NLOS误差模型及特点假设表示在时刻从移动台到基站m的距离测量值（由TOA测量值乘上电波传播速度获得），则等于真实距离与标准测量误差和NLOS误差之和，如公式（1）。

（1）其中为零均值的高斯变量，为正的随机变量，一般常用的有基于均方根时延扩展的服从指数、均匀或Delta分布的模型[3]以及时变模型[4]。

基于对NLOS误差产生原因的研究以及对现有NLOS误差模型的分析，我们可以得到时间测量值中NLOS误差的特点：随机性、正值性以及与测量误差之间的独立性。

2.2 已有方法目前已有的NLOS误差消除方法可以分为直接法和间接法两种。

一种基于卡尔曼滤波的动态相对位置解算算法

一种基于卡尔曼滤波的动态相对位置解算算法
孙海文;欧阳中辉
【期刊名称】《现代防御技术》
【年(卷),期】2016(044)003
【摘要】在舰船海上校飞过程中,测量解算飞机相对舰船的位置会产生一定的误差.采用直接算法在解算中没有对粗大误差和GPS信号缺失进行处理,解算结果误差较大.提出了一种改进的相对位置解算算法.通过仿真实验,从方位角、俯仰角和距离3个方面,对改进算法的解算精度和直接算法的解算精度进行分析比较,仿真结果表明,改进算法能很好的提高相对位置解算精度.
【总页数】6页(P32-37)
【作者】孙海文;欧阳中辉
【作者单位】海军航空工程学院兵器科学与技术系,山东烟台264001;海军航空工程学院兵器科学与技术系,山东烟台264001
【正文语种】中文
【中图分类】TN967.1;TN713;TP312
【相关文献】
1.网络RTK参考站间模糊度动态解算的卡尔曼滤波算法研究 [J], 周乐韬;黄丁发;袁林果;李成钢
2.一种基于卡尔曼滤波的动态目标GPS定位算法 [J], 陈宝远;孙宇思;陈光毅;孙忠祥;吴丽华
3.一种基于位置修正和卡尔曼滤波的姿态角推算算法 [J], 王守华;李云柯;纪元法;
孙希延
4.一种基于改进卡尔曼滤波的姿态解算算法 [J], 王晓初; 李宾; 刘玉县; 郭帅良; 范耀华
5.一种基于机器视觉的航天器交会对接相对位置和姿态确定算法研究 [J], 高珊;韩艳铧
因版权原因，仅展示原文概要，查看原文内容请购买。

一种结合边缘检测的多基线InSAR高程反演方法

第36卷第1期2021年2月遥感信息Remote Sensing InformationVol.36,No.1Feb.,2021一种结合边缘检测的多基线InSAR高程反演方法梁小星，谢先明，孙玉铮(桂林电子科技大学，广西桂林541004)摘要：针对多基线InSAR高程重建算法鲁棒性差的问题，提出一种基于边缘检测与路径跟踪策略的多基线InSAR高程反演算法。

该算法分为2个步骤。

第1步是直接利用多基线最大似然估计算法从多幅不同基线的干涉相位图中获取粗略的地形高程，再用Sobel算子对滤波后的粗略地形高程进行边缘检测，获得地形的不连续边界；第2步则先构建优化的多基线InSAR高程反演模型，随后利用单通道InSAR相位解缠技术中的路径跟踪策略，引导构建的多基线InSAR高程反演模型沿高质量像元到低质量像元的略径进行高程重建，在连续区域引入邻域约束，在不连续区域则阻断邻域约束，既有利于提高算法在连续区域的抗噪性，又可避免邻域约束在不连续区域引起的误差传递现象，从而达到增强算法鲁棒性的目标。

多组不同地形的高程反演结果证明了该方法的有效性。

关键词：高程重建；边缘检测；能量函数；最大似然估计；最大后验估计doi：10.3969/j.issn.1000-3177.2021.01.015中图分类号:P236文献标志码：A文章编号：1000-3177(2021)01-0102-10A Multi-baseline InSAR Elevation ReconstructionMethod Combined with Edge DetectionLIANG Xiaoxing,XIE Xianming,SUN Yuzheng(.Guilin University of Electronic Technology^Guilin,Guangxi541004,CAzna) Abstract:Aiming at the problem of poor robustness of multi-baseline InSAR elevation reconstruction algorithm,a multi-baseline InSAR elevation reconstruction algorithm based on edge detection and path tracking strategy is proposed.The algorithm can be divided into two steps.Firstly,the rough terrain elevation can be obtained from interference phase maps of different baselines directly by using the multi-baseline maximum likelihood estimation algorithm,and then use the Sobel operator to perform edge detection on the filtered rough terrain elevation to obtain the discontinuous boundary o£the terrain.Secondly,an optimized multi-baseline InSAR elevation reconstruction model is constructed,and the path-following strategy applied in single-channel InSAR phase unwrapping algorithms is utilized to guide the constructed multi-baseline InSAR elevation reconstruction model to reconstruct the maps of the elevation along the paths from the high-quality pixels to low^quality pixels.To enhance the robustness of the algorithm,the noise resistance of the algorithm is improved by introducing the neighborhood constraint in the continuous regions.On the other hand,the error transmission is avoided by blocking the neighborhood constraint in the discontinuous regions.The elevation reconstruction results with different terrains demonstrate the effectiveness of the proposed method.Key words:elevation reconstruction；edge detection；energy function；maximum likelihood(ML)estimation；maximum a posteriori(MAP)estimation介n［亠interferometry,InSAR)可以高精度、高可靠性地获0耳I N口取地表三维信息和高程变化信息，被广泛应用于海干涉合成孔径雷达(synthetic aperture radar洋监控、火山监测、地震检测和数字高程重建等领收稿日期=2020-02-07修订日期：2020-05-08基金项目：国家自然科学基金项目(41661092,61961009);广西自然科学基金重点项目(2016GXNSFDA380018)；广西自然科学基金项目(2018GXNSFAA281196);广西无线宽带通信与信号处理重点实验室基金项目(GXKL06180102)。

基于滤波的相位解缠方法

基于滤波的相位解缠方法English Answer:Phase Unwrapping Methods Based on Filtering.Phase unwrapping is a technique used to recover the continuous phase of a signal from its wrapped (modulo 2π) phase. Phase unwrapping methods can be divided into two main categories: path-following methods and filtering methods. Filtering methods are based on the idea of convolving the wrapped phase with a filter kernel to estimate the continuous phase.There are several different types of filtering methods, including:Minimum error methods: These methods seek to minimize the error between the estimated continuous phase and the wrapped phase. One common minimum error method is the least squares method, which seeks to minimize the sum of thesquared errors between the estimated continuous phase and the wrapped phase.Maximum likelihood methods: These methods seek to maximize the likelihood of the estimated continuous phase. One common maximum likelihood method is the maximum a posteriori (MAP) method, which seeks to maximize the a posteriori probability of the estimated continuous phase.Bayesian methods: These methods use Bayesianstatistics to estimate the continuous phase. One common Bayesian method is the Markov chain Monte Carlo (MCMC) method, which uses a Markov chain to sample from the posterior distribution of the estimated continuous phase.Filtering methods are typically more robust than path-following methods, and they can be used to unwrap phase data with a wide range of noise levels. However, filtering methods can be computationally expensive, and they can sometimes produce artifacts in the unwrapped phase.Here is a more detailed overview of the two main typesof filtering methods:Minimum error methods: Minimum error methods seek to minimize the error between the estimated continuous phase and the wrapped phase. One common minimum error method is the least squares method, which seeks to minimize the sumof the squared errors between the estimated continuousphase and the wrapped phase.Maximum likelihood methods: Maximum likelihood methods seek to maximize the likelihood of the estimated continuous phase. One common maximum likelihood method is the maximuma posteriori (MAP) method, which seeks to maximize the a posteriori probability of the estimated continuous phase.Minimum error methods: Minimum error methods are relatively simple to implement, and they can be used to unwrap phase data with a wide range of noise levels. However, minimum error methods can be sensitive to outliers, and they can sometimes produce artifacts in the unwrapped phase.Maximum likelihood methods: Maximum likelihood methods are more robust to outliers than minimum error methods, and they can produce higher quality unwrapped phase data. However, maximum likelihood methods can be more computationally expensive than minimum error methods.中文回答：基于滤波的相位解缠方法。

结合滤波算法的不敏卡尔曼滤波器相位解缠方法_谢先明

。传统相位解缠
方法大致可以归纳为以枝切法、网络流法等为代和以最小二乘法为代表的最两大类。
经典路径积分算法通过鉴别不连续点（俗称相位残差点）或利用相位质量信息来选择最优解缠路径或孤立相位残差点或掩去可靠性较差的区域，从而解缠其他无相位残差点或可靠性较好的区域。这类方法可以较为精确地解缠相位残差点较少的干涉图，但当干涉图中存在较多的相位残差点时，则存在难以设置合适 “ 积分路径 ” 的问题，有时甚至形成积分路径无法达到的孤立区域，从而导致相位解缠精度下降，甚至完全失效。最小范数法着眼于整体，利用最优化的思想
｛
｝
为干涉图ｋ像元复干涉值；差。式（中，ｚ（ｋ）ａ１）（为干涉图ｋ像元复干涉幅度；和ｖ被ｋ）ｖｋ）ｋ）１（２（看作是高斯白噪声，有］Ｅ［ｖ（ｋ）＝０ｖｋ）１（＝ｖ（ｋ）ｖｋ）２（烌烍
Ｔ
｛｝
（）３
Ｒ（ｋ）ｖ（ｋ）ｖ（＝Ｅ［＝ｊ）］２］［ｋ）ｋ，ｉａｄ σ δ（ｇｊ）ｖ（烎
１２２，可以由下式计算：式中，ｋ）ｋ）＝ σ σ ｖ（ｖ（ＳＮＲ（ｋ）表示复干涉图ｋ像元信噪比。ＳＮＲ（ｋ）
３ＵＫＦ相位解缠算法
７３．１一维ＵＫＦ解缠算法１ＥＫＦ算法是一种处理非线性问题的线性化［］
表示干涉图ｋ像元真实相位梯度，式中，ｕ（ｋ）实际上是不可能获得的，但可以通过最大似然［７］珗（；频率估计器来获得它的估计值ｕｋ）１ｗ（ｋ）为相位梯度估计误差，被认作是高斯白噪声，且满足］＝０Ｅ［ｗ（ｋ）烌Ｔ２ｋ）ｗ（ｋ）ｗ（ｋ）ｋ，＝Ｅ［＝ σ δ（Ｑ（ｊ）］ｊ）ｗ（（）烍２１，ｋ＝ｊ＝ｋ， δ（ｊ）０，ｋ≠ ｊ烎２式中，为干涉图ｋ像元相位梯度估计误差方ｋ） σ ｗ（

基于修正嵌入式容积卡尔曼滤波的相位展开算法

基于修正嵌入式容积卡尔曼滤波的相位展开算法
代高兴;谢先明
【期刊名称】《测绘学报》
【年(卷),期】2017(046)012
【摘要】针对干涉图展开问题,将Levenberg-Ma rqua rdt方法修正后的嵌入式容积卡尔曼滤波器应用于缠绕相位图像的展开中,结合基于修正矩阵束模型的局部相位梯度估计算法以及量化跟踪策略,提出一种基于修正嵌入式容积卡尔曼滤波的相位展开算法.该算法不仅可以精确和快速地展开缠绕像元,还可以在展开缠绕像元的同时抑制相位噪声,降低前置预滤波器的难度与复杂度,甚至可以在处理受噪声污染不严重的干涉图时免去前置预滤波处理步骤.试验结果表明本文算法具有较高的效率和良好的稳键性.
【总页数】8页(P1998-2005)
【作者】代高兴;谢先明
【作者单位】桂林电子科技大学信息与通信学院,广西桂林541004;桂林电子科技大学信息与通信学院,广西桂林541004
【正文语种】中文
【中图分类】P236
【相关文献】
1.基于密集残差区域划分的快速相位展开算法 [J], 陈立福;向茂生;汪丙南
2.相位展开中基于调制度轮廓线的极点连接算法 [J], 黄振芬;张启灿;侯志凌
3.基于最小费用流的InSAR干涉相位展开算法 [J], 毛志杰;廖桂生;刘向阳;戴继光
4.基于MRF-MAP和模糊质量图的相位展开算法 [J], 李本星;马建华;冯衍秋;陈武凡
5.基于修正的自适应平方根容积卡尔曼滤波算法 [J], 李春辉;马健;杨永建;肖冰松;邓有为;盛涛
因版权原因，仅展示原文概要，查看原文内容请购买。

高效UKF相位解缠算法

高效UKF相位解缠算法
刘媛媛;谢先明;田宪辉;李春;曾庆宁
【期刊名称】《遥感信息》
【年(卷),期】2022(37)2
【摘要】针对传统的无味卡尔曼滤波相位解缠算法解缠精度和解缠效率难以平衡的问题,提出一种高效无味卡尔曼滤波(unscented Kalman filter,UKF)相位解缠算法。

首先,根据干涉图生成相应的枝切线分布图;其次,利用二阶差分函数计算干涉图中各像元的二值化质量权值矩阵;然后,由枝切线分布图以及二值化质量权值矩阵生成可靠性掩模图,该可靠性掩模图将干涉图分为权值为“1”的高质量像元(非枝切线上的二值化质量权值为“1”的像元)、权值为“0”的低质量像元(枝切线上的像元、二值化质量权值为“0”的像元以及枝切线围成的闭环区域中的像元)两部分;最后,由可靠性掩模图确定解缠路径,先利用UKF相位解缠程序按照像元扩散策略解缠高质量像元,余下未解缠像元根据已解缠像元信息,利用UKF相位解缠程序按照行(或列)的方式进行解缠。

模拟数据及实测数据实验结果表明,该算法能够高效与稳健地处理干涉图的相位解缠问题。

【总页数】10页(P60-69)
【作者】刘媛媛;谢先明;田宪辉;李春;曾庆宁
【作者单位】桂林电子科技大学信息与通信学院;广西科技大学电气与信息工程学院
【正文语种】中文
【中图分类】P237
【相关文献】
1.基于蚁群算法的InSAR相位解缠算法
2.改进的DCT算法与枝切线法相结合的相位解缠算法
3.基于改进模拟退火遗传算法的 INSAR 相位解缠算法
4.相位分块与拟合法结合的InSAR相位解缠算法
5.相位解缠算法对比研究
因版权原因，仅展示原文概要，查看原文内容请购买。

卡尔曼滤波相位

卡尔曼滤波相位
卡尔曼滤波相位是指在卡尔曼滤波算法中，对目标物体的相位信息进行估计和预测的过程。

卡尔曼滤波相位的实现需要通过采集目标物体的运动信息，如位置、速度等，来进行相位的推断。

在实际应用中，卡尔曼滤波相位通常用于目标跟踪、雷达信号处理、图像处理等领域。

由于卡尔曼滤波算法具有良好的鲁棒性和适应性，能够在噪声和不确定性条件下进行有效的相位估计和预测，因此被广泛应用于各种工程和科学领域。

然而，在实际应用中，卡尔曼滤波相位的精度和稳定性往往受到多种因素的影响，如噪声、信号强度、多路径效应等。

因此，在实际应用中，需要对卡尔曼滤波相位进行优化和改进，以提高其性能和可靠性。

- 1 -。

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)。

ＸＩＥＸｉａｎｍｉｎｇ
，，ｏｏｌｏｆＩｎｆｏｒｍａｔｉｏｎａｎｄＣｏｍｍｕｎｉｃａｔｉｏｎＧｕｉｌｉｎＵｎｉｖｅｒｓｉｔｏｆＥｌｅｃｔｒｏｎｉｃＴｅｃｈｎｏｌｏＧｕｉｌｉｎ５４１００４，ＣｈｉｎａＳｃｈｙｇｙ
。传统相位解缠
方法大致可以归纳为以枝切法、网络流法等为代和以最小二乘法为代表的最两大类。
经典路径积分算法通过鉴别不连续点（俗称相位残差点）或利用相位质量信息来选择最优解缠路径或孤立相位残差点或掩去可靠性较差的区域，从而解缠其他无相位残差点或可靠性较好的区域。这类方法可以较为精确地解缠相位残差点较少的干涉图，但当干涉图中存在较多的相位残差点时，则存在难以设置合适 “ 积分路径 ” 的问题，有时甚至形成积分路径无法达到的孤立区域，从而导致相位解缠精度下降，甚至完全失效。最小范数法着眼于整体，利用最优化的思想
１２］。而解缠前须尽可能滤除干涉图中相位噪声［
１引言
干涉相位解缠（或展开、或估计）是ＩＡＲ数ｎＳ据处理中的关键环节，一直以来都是ＩＡＲ应用ｎＳ技术研究的热点和难点问题表的路径积分法小范数法
］［１１７－］［６３－］［２１－
１２２，可以由下式计算：式中，ｋ）ｋ）＝ σ σ ｖ（ｖ（ＳＮＲ（ｋ）表示复干涉图ｋ像元信噪比。ＳＮＲ（ｋ）
３ＵＫＦ相位解缠算法
７３．１一维ＵＫＦ解缠算法１ＥＫＦ算法是一种处理非线性问题的线性化［］
：）ＡｂｓｆｏｌｔｒａｃｔＣｏｍｂｉｎｉｎａｎｕｎｓｃｅｎｔｅｄＫａｌｍａｎｆｉｌｔｅｒ（ＵＫＦｗｉｔｈａｃｏｎｖｅｎｔｉｏｎａｌａｔｈｌｏｗｉｎｓｔｒａｔｅａｎｄａｎｏｍ－－ｇｐｇｇｙ，ｎｉｄｉｒｈａｓｅｕｎｗｒａｉｎａｌｏｒｉｔｈｍｉｓｅｃｔｉｏｎａｌｌｏｃａｌｈａｓｅｓｌｏｅｅｓｔｉｍａｔｏｒａｓｗｅｌｌａｓａｆｉｌｔｅｒｉｎｒｏｃｅｄｕｒｅａｎｅｗ－ｐｐｐｇｇｐｐｇｐｈａｓｅｕｎｗｒａｉｎａｔｔｈｅｓａｍｅｔｉｍｅ．Ｒｅｓｕｌｔｓｏｂｔａｉｎｅｄｗｉｔｈｓｎｒｏｏｓｅｄｔｏｅｒｆｏｒｍａｌｍｏｓｔｎｏｉｓｅｃａｎｃｅｌｉｎａｎｄ－ｐｐｐｇｙｐｐｐｇｔｈｅｔｉｃａｎｄｒｅａｌｄａｔａｖａｌｉｄａｔｅｔｈｅｅｆｆｅｃｔｉｖｅｎｅｓｓｏｆｔｈｅｒｏｏｓｅｄｍｅｔｈｏｄ．ｐｐ：；；）；ｆｏｌａｔｈＫｅｗｏｒｄｓｐｈａｓｅｕｎｗｒａｉｎｏｎｖｅｎｔｉｏｎａｌｌｏｗｉｎｓｔｒａｔｅｎｓｃｅｎｔｅｄＫａｌｍａｎｆｉｌｔｅｒ（ＵＫＦｌｏｃａｌｆｒｅ－－ｐｙｐｐｇｃｇｇｙｕｕｅｎｃｅｓｔｉｍａｔｅｓｑｙ摘要：提出结合滤波算法的不敏卡尔曼滤波（相位解缠方法。该方法把ＵＫ传统路径跟踪策ＵＫＦ）Ｆ、略、全方位的局部相位梯度估计技术以及干涉图小窗口滤波算法有效结合起来，能在相位解缠的同时进行干涉相位噪声抑制，既不受相位残差点影响，又避免了传统方法在相位解缠之前须尽可能滤除干涉图中相位噪声的不足。模拟和实测数据试验结果验证了本文方法的有效性。关键词：相位展开；路径跟踪策略；不敏卡尔曼滤波器；局部频率估计（）中图分类号：１５９０７３０７５７文献标识码：１５２０１４０７９ＴＮ９Ａ文章编号：１００－－－）基金项目：桂林电子科技大学广西信息科学实验中心（２０１３０３０７寻求最小范数意义下的最佳解缠结果，具有计算量较小、数值计算较稳健等特点，但这类方法通常易将变化较为剧烈的相位平滑掉，从而导致其相位解缠精度下降，严重时甚至出现干涉条纹丢失现象，故难以有效解决条纹密集干涉图的解缠问题。随着Ｉ多山或陡峭悬崖等ＡＲ技术的发展，ｎＳ复杂地形的高程测量也开始受到了极大关注。然而，复杂地形干涉图条纹通常较为复杂和稀疏不均，非常容易受相位噪声的影响，导致干涉图中存在着大量的相位残差点。为了尽可能地减少干涉图相位残差点数量，降低不连续点给相位解缠过程带来的不利影响，传统相位解缠方法须在相位
第４３卷第７期０１４年７月２
测绘学报
ＡｃｔａＧｅｏｄａｅｔｉｃａｅｔＣａｒｔｏｒａｈｉｃａＳｉｎｉｃａｇｐ
Ｖｏｌ．４３，Ｎｏ．７，Ｊｕｌ２４０１
［］，引文格式：ｉａｎｍｉｎ．ＡｎＵＫＦＰｈａｓｅＵｎｗｒａｉｎＡｌｏｒｉｔｈｍｗｉｔｈａＦｉｌｔｅｒｉｎＰｒｏｃｅｄｕｒｅＪ．ＡｃｔａＧｅｏｄａｅｔｉｃａｅｔＣａｒｔｏｒａｈｉｃａＳｉｎｉｃａＸＩＥＸｇｐｐｇｇｇｇｐ（）：（］（）：）：／谢先明．结合滤波算法的不敏卡尔曼滤波器相位解缠方法［测绘学报，７４５．７４５．２０１４，４３７７３９Ｊ．４，４３７７３９ＤＯＩ１０．１３４８５２０１－－２．ｃｎｋｉ．１１９．２０１４．０１０２０８－ｊ
｛
｝
为干涉图ｋ像元复干涉值；差。式（中，ｚ（ｋ）ａ１）（为干涉图ｋ像元复干涉幅度；和ｖ被ｋ）ｖｋ）ｋ）１（２（看作是高斯白噪声，有］Ｅ［ｖ（ｋ）＝０ｖｋ）１（＝ｖ（ｋ）ｖｋ）２（烌烍
Ｔ
｛｝
（）３
Ｒ（ｋ）ｖ（ｋ）ｖ（＝Ｅ［＝ｊ）］２］［ｋ）ｋ，ｉａｄ σ δ（ｇｊ）ｖ（烎
前置噪声滤波器很难在彻底滤除噪声的同时保持干涉图条纹的边缘特性，这导致传统方法通常难以解决条纹复杂且密集的干涉图的解缠问题。扩
［］１３１５－和展卡尔曼滤波相位解缠算法（ＰＵ）ＥＫＦ［６］等方法在完成干涉噪声滤ＵＰＦ相位解缠算法１
结合滤波算法的不敏卡尔曼滤波器相位解缠方法
谢先明
桂林电子科技大学信息与通信学院，广西桂林５００４４１
ＰｒｏｃｅｄｕｒｅＦＰｈａｓｅＵｎｗｒａｉｎＡｌｏｒｉｔｈｍｗｉｔｈａＦｉｌｔｅｒｉｎＡｎＵＫｇｇｐｐｇ
表示干涉图ｋ像元真实相位梯度，式中，ｕ（ｋ）实际上是不可能获得的，但可以通过最大似然［７］珗（；频率估计器来获得它的估计值ｕｋ）１ｗ（ｋ）为相位梯度估计误差，被认作是高斯白噪声，且满足］＝０Ｅ［ｗ（ｋ）烌Ｔ２ｋ）ｗ（ｋ）ｗ（ｋ）ｋ，＝Ｅ［＝ σ δ（Ｑ（ｊ）］ｊ）ｗ（（）烍２１，ｋ＝ｊ＝ｋ， δ（ｊ）０，ｋ≠ ｊ烎２式中，为干涉图ｋ像元相位梯度估计误差方ｋ） σ ｗ（
方法，通常只使用非线性函数泰勒级数的第一阶，更高阶的展开量因为其较高的复杂度而很少被使用，这导致其高阶信息丢失，直接影响了ＥＫＦ算法估计精度。ＵＫＦ算法正是为了克服ＥＫＦ算法这一缺点而被提出来的，它使用Ｓｉｍａ点来捕捉ｇ
７４０
Ｊｕｌ２０１４Ｖｏｌ．４３Ｎｏ．７ＡＧＣＳｙ
：ｈｔｔｂ．ｓｉｎｏｍａｓ．ｃｏｍ ∥可避免传统方法在相位解缠前须尽可能滤除干涉图中相位噪声的不足。但前者直接对非线性的观测模型做近似线性化处理，损失了高阶相位信息，易导致其相位解缠精度］下降，而后者计算代价较大。此外，文献［中提１７。该方法能较出ＵＫＰＵ）Ｆ相位解缠方法（ＵＫＦ为精确地解缠信噪比较高的复杂条纹干涉图，但由于没有与干涉图预滤波算法以及解缠相位后置平滑滤波有效地结合起来，故当干涉图信噪比较低时，该方法性能下降较为严重。为了进一步解决上述方法易受干涉图条纹稀密程度或干涉图信噪比的制约，难以有效解决条纹密集的复杂地形干涉图的解缠问题，本文把干涉图小窗口预滤波算法与解缠相位后置平滑滤波、全方位局部相位梯度估计技术及传统路径跟踪策略结合起来，提出一种结合滤波算法的ＵＫＦ。该方法可根据干涉相位解缠方法（ＦＰＵ）ＡＵＫ图信噪比情况进行适当预滤波以抑制干涉相位噪声，进而可利用全方位局部相位梯度估计技术较为精确地从复干涉图中提取相位梯度及其估计误差方差等信息，从而有效避免干涉图相位残差点导致的 “ 相位梯度估计欠准 ” 问题，随后利用ＵＫＦ最后再对解缠相位进行平滑滤波进行相位解缠，以进一步消除解缠相位中的噪声。此外，ＦＡＵＫ－具有比ＥＰＵ算法本质上是非线性的，ＰＵ算ＫＦ法更高的估计精度，对非线性模型能精确到泰勒级数二阶以上，也不需要计算雅可比矩阵，且计算量仅与ＥＰＵ相当。ＫＦ

结合滤波算法的不敏卡尔曼滤波器相位解缠方法_谢先明

一种基于质量指导的InSAR相位解缠快速实现方法

一种高效的扩展粒子滤波相位展开方法

一种用卡尔曼滤波器消除TOA中NLOS误差的方法（图文）

一种基于卡尔曼滤波的动态相对位置解算算法

一种结合边缘检测的多基线InSAR高程反演方法

基于滤波的相位解缠方法

结合滤波算法的不敏卡尔曼滤波器相位解缠方法_谢先明

基于修正嵌入式容积卡尔曼滤波的相位展开算法

高效UKF相位解缠算法

卡尔曼滤波 相位

卡尔曼滤波相位