[发明专利]一种使用L0

说明书

本发明公开了一种使用L⁰范数代价函数的二维相位快速解缠方法，包括以下内容：求解微分方程算法的数值实现，一般先要将微分关系转换成离散数据对应的差分关系，在进行差分方程迭代求解，迭代处理时，每一步处理都是在前一步处理结果的基础上进行的，两步处理结果之间的差异δφ则成为解算的重要内容。该使用L⁰范数代价函数的二维相位快速解缠方法，针对现有相位解缠方法处理大数据块存在效率低下问题，本发明针对传统的最小范数解缠方法，对代价函数的特征进行了分析，提出一种符合L⁰范数代价函数的二维相位解缠方法，并且结合数据分块方案，解决线性微分方程中低频误差收敛满的问题，以提高解缠处理的效率。

技术领域

本发明涉及干涉合成孔径雷达(InSAR)相位解缠技术领域，具体为一种使用 L⁰范数代价函数的二维相位快速解缠方法。

背景技术

相位解缠是合成孔径雷达干涉测量(InSAR)、合成孔径声纳干涉测量 (InSAS)、医学磁共振成像(MRI)等研究领域中相关数据处理的重要步骤，对于相位解缠方法的研究具有重要的意义。

现有解缠方法基本可以分为路径引导和优化逼近两种类型，路径引导类方法基本原理是根据某些规则，从数据内部获得相关信息，制定出规避不连续边界的相位计算路线，这类方法包括支切法、质量图引导法、Flynn最小不连续法、基于网络流的方法等，这类方法属于局部方法。优化逼近类方法是通过设定的全局目标函数的极值优化过程，实现向最优解的逼近，这类方法常采用范数形式定义代价函数，也称最小范数方法，包括最小二乘法、L^p范数法等，属于全局方法。

最小范数解缠方法，是使用解缠相位与缠绕相位的梯度差的范数作为代价函数进行全局统计，通过目标函数的最小化过程获得全局最优解。最经典的方法是采用L²范数的最小二乘方法，该方法最终转化为泊松方程，具有计算方便的优点，同时也有L²范数过度平滑，无法恢复数据细节信息的缺点。在最小二乘方法的基础上，加权最小二乘方法通过引入权重进行改进。Ghiglia等引入一个概括的L^P范数框架，范数类的模型进行归纳。

最小范数解缠方法的研究难点在于如何选择合适的代价函数模型，实际应用时还有迭代处理低效的问题，这使得最小范数类解缠方法在实用方面不够理想。本发明在前人研究基础上，对代价函数的特征进行了分析，提出一种使用 L⁰范数代价函数的二维相位快速解缠方法，并且结合数据分块方案，解决线性微分方程中低频误差收敛满的问题，以提高解缠处理的效率。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种使用L⁰范数代价函数的二维相位快速解缠方法，具备解缠效率高等优点，解决了现有相位解缠方法处理大数据块存在效率低下的问题。

(二)技术方案

为实现上述的目的，本发明提供如下技术方案：一种使用L⁰范数代价函数的二维相位快速解缠方法，包括以下内容：

求解微分方程算法的数值实现，先要将微分关系转换成离散数据对应的差分关系，在进行差分方程迭代求解，迭代处理时，每一步处理都是在前一步处理结果的基础上进行的，两步处理结果之间的差异δφ则成为解算的重要内容，第n步和第n+1步的解缠结果满足方程

则待解方程可以重新写为

此时求解方程右边项是原始缠绕相位信息扣除掉了已知解的部分，求得差异δφ_n，更新解缠结果，检测结果是鉴定后再决定是否需要进行下一步迭代。

迭代终止条件，采用缠绕相位解缠残量中残差点的检测为判断依据，解缠残量表示为