[发明专利]基于无味信息滤波的相位展开算法

摘要

本发明公开一种基于无味信息滤波的相位展开算法，首先建立无味信息滤波（UIF）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，随后利用LEVENBERG‑MARQUARDT方法优化递推状态估计模型，提高算法收敛性；引入堆排序的快速质量图引导策略，把已展开像元的邻接缠绕像元作为待展开像元嵌入堆数组，根据待展开像元质量值调整堆数组为最大堆；在每一展开步骤中利用无味信息滤波相位展开算法递推状态估计模型展开堆数组根结点处的最佳待展开像元，随后从堆数组中删除该像元，并调整堆数组为最大堆，直至最终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

1.一种基于无味信息滤波相位展开算法，包括以下过程：(1)建立无味信息滤波(UIF)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，随后利用LEVENBERG‑MARQUARDT方法优化递推状态估计模型，提高算法收敛性；(2)引入堆排序的快速质量图引导策略，把已展开像元的邻接缠绕像元作为待展开像元嵌入堆数组，根据待展开像元质量值调整堆数组为最大堆；(3)在每一展开步骤中利用无味信息滤波相位展开算法递推状态估计模型展开堆数组根结点处的最佳待展开像元，随后从堆数组中删除该像元，并调整堆数组为最大堆，直至最终完成所有缠绕像元的相位展开；其具体步骤如下：步骤1定义干涉像元质量图；步骤2创建基于完全二叉树的堆数组，存储待展开像元；步骤3选取相位质量最高的非边界像元作为起始像元，把其缠绕相位作为状态估计值，并在(0，1)范围内设定其估计误差方差，以起始像元为中心，把其邻接的上下左右四个缠绕像元标记为待展开像元，分别把待展开像元嵌入堆数组，并根据待展开像元的相位质量值，即把待展开像元的相位质量值作为堆排序时的关键字，把无序堆数组调整为最大堆；步骤4在最大堆根结点处获取相位质量最高的最佳待展开像元，标记为像元x，并利用基于无味信息滤波的相位展开算法(UIFPU)展开此缠绕像元；从堆数组中去除像元x，并将堆数据组中剩余元素调整为最大堆；以像元x为中心，把其邻接像元x的上下左右四个像元中的缠绕像元标记为待展开像元，分别把上述待展开像元嵌入堆数组，并根据待展开像元的相位质量值，把无序堆数组调整为最大堆；步骤5堆数组中是否存在元素？否，结束；否则转步骤4；其特征在于：过程(1)中所述建立无味信息滤波(UIF)相位展开算法递推状态估计模型，按如下进行：设干涉图中k像元干涉相位的状态估计值及其估计误差方差为和其相应的Sigma点为：其中，n_x表示系统状态矢量的维数，n_x＝1；指是均方根矩阵的第j列向量，参数λ＝α²(n+k)‑n_x，n表示相位展开系统模型中状态变量的维数，α＝0.01，k＝0；则干涉图k+1像元干涉相位可按如下递推估计：(1)传播Sigma点并计算状态预测值和状态预测方差：其中，和分别为相应的调节权值系数；Q(k)为干涉图k像元局部相位梯度估计误差方差；(2)计算信息矩阵Y(k+1)及其相应的信息状态向量(3)传播Sigma点并计算观测预测值和互协方差(4)计算信息状态贡献度及其相应的信息矩阵：其中，R_k+1为干涉图k+1像元量测噪声方差；(5)更新k+1像元的状态估计值及其相应的估计误差方差：其中，为干涉图k+1像元状态估计值，为干涉图k+1像元估计误差方差。