[发明专利]基于修正嵌入式容积卡尔曼滤波的相位展开算法

摘要

本发明公开一种基于修正嵌入式容积卡尔曼滤波的相位展开算法，该算法把经Levenberg‑Marquardt方法修正的嵌入式容积卡尔曼滤波器、基于修正矩阵束模型（AMPM）的局部相位梯度估计算法及量化跟踪策略结合起来，以保证精确和高效地展开缠绕相位图像，主要步骤如下：建立基于修正嵌入式容积卡尔曼滤波（MECKF）的相位展开算法递推状态估计模型，利用基于修正矩阵束模型（AMPM）的相位梯度估计方法获取上述递推状态估计模型所需的相位梯度信息；引入量化路径引导图策略，指导修正嵌入式容积卡尔曼滤波（MECKF）相位展开算法递推状态估计模型沿高质量区域到低质量区域的路径快速展开缠绕像元，直至完成所有缠绕像元的相位展开。本发明具有精度较高，稳健性较强的特点。

主权项

1.一种基于修正嵌入式容积卡尔曼滤波的相位展开算法，把经Levenberg‑Marquardt方法修正后的嵌入式容积卡尔曼滤波器、基于修正矩阵束模型AMPM的局部相位梯度估计算法以及量化跟踪策略结合起来，利用修正嵌入式容积卡尔曼滤波器MECKF同时执行干涉相位的递推估计和相位噪声抑制，利用基于修正矩阵束模型AMPM的局部相位梯度估计算法快速和精确地从复干涉图中获取相位梯度信息，以及利用量化跟踪策略从高质量像元到低质量像元快速地搜索展开路径，以保证精确和高效地展开缠绕像元，主要步骤如下：步骤1 利用干涉图相干系数图以及微分偏差图构造路径引导图，并将其进行归一化和量化操作，同时创建附链表的优先队列和一个全局的指针，指针初始值设为零；步骤2 在路径引导图中选择一个质量最好的非边界像元作为初始像元，并默认它为已展开像元，把其缠绕相位作为展开相位；将与初始展开像元相邻的非边界缠绕像元标记为待展开像元，并根据待展开像元的量化路径引导值，把待展开像元插入到优先队列对应链表的顶部，同时指针指向量化路径引导值最大的待展开像元；步骤3 根据指针标记，从优先队列相应链表顶部获取最佳待展开像元x，并利用基于修正嵌入式容积卡尔曼滤波的相位展开算法MECKFPU展开此缠绕像元；从优先队列相应链表中删除像元x；把邻接像元x的非边界缠绕像元标记为待展开像元，并根据其量化路径引导值，把它们分别插入到优先队列相应链表的顶部；并使指针始终指向量化路径引导值最大的待展开像元；步骤4 优先队列中是否存在待展开像元；存在，转步骤3，否则转步骤5；步骤5 结束；其特征在于：所述利用修正嵌入式容积卡尔曼滤波器MECKF同时执行干涉相位的递推估计，按如下进行：为了充分利用已展开像元信息，基于修正嵌入式容积卡尔曼滤波的相位展开算法MECKFPU利用待展开像元周围的已展开像元信息进行预测，预测过程如下：上式中，(m,n)和(a,s)分别表示待展开像元以及待展开像元相邻8个像元中的已展开像元；ψ表示与(m,n)像元相邻的8个像元的集合；SNR_(a,s)表示(a,s)像元的信噪比；表示由(a,s)像元的估计误差方差通过权系数d_(a,s)加权得到的(m,n)像元的预测估计误差方差的预测值；γ_j,(m,n)表示(m,n)像元积分点的预测值；P_xx,(m,n)表示状态预测值的预测估计误差方差；Q_(m,n)|(a,s)表示的相位梯度估计误差方差；Levenberg‑Marquardt优化方法：为了进一步提高嵌入式容积卡尔曼滤波器的收敛性，减小最佳待展开像元的展开误差，利用Levenberg‑Marquardt方法优化预测公式中的预测估计误差方差P_xx,(m,n)：其中，μ表示优化P_xx,(m,n)的参数；I表示n_x维单位矩阵；更新过程：MECKF相位展开算法更新过程如下：Γ_j,(m,n)＝h[Π_j,(m,n)]R_(m,n)＝1/SNR_(m,n)k_(m,n)＝P_xy,(m,n)/P_yy,(m,n)上式中，y_(m,n)和分别表示(m,n)像元的观测值和观测预测值；k_(m,n)表示(m,n)像元的增益矩阵；R_(m,n)表示V_(m,n)的方差；和分别表示(m,n)像元的状态估计和状态估计误差方差；MECKF相位展开方法与相应的路径跟踪策略相结合，沿高质量区域到低质量区域的路径完成对缠绕像元递推估计。