技术特征：
1.一种去除insar大气相位的方法，其特征在于，包括：获取遥感影像并基于sbas技术获得n个解缠干涉相位图，每个解缠干涉相位图中包括p个永久散射体点；利用二次多项式大气相位校正方法对n个解缠干涉相位图进行大气相位去除，并对大气相位去除结果按照去除效果进行次序排列，取去除效果差的m个结果，查找其对应的未去除大气相位的解缠干涉相位图归为a类干涉相位图；分别以a类干涉相位图中每个干涉相位图的经度和纬度作为输入，对应的相位值作为输出，建立包含输入层、隐含层和输出层的bp神经网络训练模型；将a类干涉相位图中的干涉相位图减去bp神经网络训练得到的大气相位得到去除大气相位的干涉相位图。2.根据权利要求1所述的方法，其特征在于，所述bp神经网络训练模型的建立方式为：对a类干涉相位图中的每个干涉相位图，将p个永久散射体点的经纬度和相位值转换成一个p*3的矩阵i；矩阵i第一列为干涉相位图中每个ps点的经度，第二列为干涉相位图中每个ps点的纬度，第三列为干涉相位图中每个ps点的相位值，对矩阵中前两列数据进行归一化处理得到矩阵i2；对a类干涉相位图中的第一幅干涉相位图，随机选取矩阵i2的部分数据作为bp神经网络的训练样本，剩余数据作为测试样本，以训练样本作为输入，对应的相位值作为输出建立bp神经网络训练模型；使用训练好的bp神经网络对第一幅图的矩阵i的所有数据进行仿真获得第一幅干涉相位图的大气相位数据，将第一幅干涉相位图减去仿真的大气相位得到去除大气相位的干涉相位图；重复步骤直至对a类干涉相位图中所有干涉相位图处理完毕，完成insar大气相位的去除。3.根据权利要求2所述的方法，其特征在于，对矩阵i进行等间距抽稀得到矩阵i1，将矩阵i1的前两列数据归一化到[-1，1]之间得到矩阵i2，用于后续bp神经网络训练/测试。4.根据权利要求2所述的方法，其特征在于，预设参数goal为性能目标进行模型训练，包括：初次训练结束后查看训练目标值是否小于goal，如果目标值不小于goal，则判断训练样本和测试样本存在异常数据，对异常数据进行处理；如果目标值小于goal，利用该次训练的网络对测试样本进行模拟，如果使用该网络模拟的仿真数据与测试样本之间的评价指标满足要求，则训练结束，保存网络参数及结构；否则增加网络的初始隐含层节点个数，利用训练样本重新训练。5.根据权利要求4所述的方法，其特征在于，对异常数据进行处理的方式为：使用当前bp神经网络利用训练样本和测试数据模拟出新的仿真数据，计算仿真数据与矩阵i2第三列数据的相对误差；相对误差超过100%时，将这些数据作为样本中的异常数据点剔除；增加网络的初始隐含层节点个数，再次使用剔除异常数据后的训练样本进行训练，训练结束后查看训练目标值是否小于goal，如果目标值小于goal，利用该次训练的网络对剔除异常数据后的测试样本进行模拟，如果使用该网络模拟的仿真数据与测试样本之间的评价指标满足要求，则训练结束，保存网络参数及结构；否则增加初始隐含层节点个数，去除异常数据，使用去除异常数据后的训练样本进行训练；
反复调整网络的初始隐含层节点个数直至bp神经网络对训练样本的训练目标值小于goal且测试样本的评价指标满足要求，结束训练，保存网络参数及结构。6.根据权利要求4或5所述的方法，其特征在于，当bp神经网络的初始隐含层节点个数达到预设上限值，且使用训练样本和测试样本的训练目标值都不小于goal，则调高目标值goal的取值，再反复调整网络的初始隐含层节点个数直至bp神经网络对训练样本的训练目标值小于新的goal且测试样本的评价指标满足要求，结束训练，保存网络参数及结构。7.根据权利要求4~6任一项所述的方法，其特征在于，所述评价指标选用误差相关的统计指标。8.根据权利要求1所述的方法，其特征在于，bp神经网络的隐含层节点数目为2~11。9.根据权利要求1所述的方法，其特征在于，还包括，将剩余n-m个已去大气相位的干涉相位图归为b类干涉相位图；在完成insar大气相位的去除后，将b类干涉相位图和去除大气相位的a类干涉相位图合并得到新的干涉相位图集合，利用新的干涉相位图集合中的干涉相位图进行形变速率反演，获取整个研究区域高精度的形变速率图。
技术总结
本发明涉及一种去除InSAR大气相位的方法，包括：获取SAR遥感影像并基于SBAS技术生成n个解缠干涉相位图，每个解缠干涉相位图中包括p个永久散射体点；利用二次多项式大气相位校正方法对n个解缠干涉相位图进行大气相位去除，并对大气相位去除结果按照去除效果进行次序排列，取去除效果差的m个结果，查找其对应的未去除大气相位的解缠干涉相位图归为A类干涉相位图；对A类干涉相位图中的每个干涉相位图利用BP神经网络训练去除大气相位。本发明提供的方法能够较快较好的去除大气相位，进而提高InSAR技术反演形变速率的精度，为InSAR技术更好的监测地表形变提供技术支撑。好的监测地表形变提供技术支撑。好的监测地表形变提供技术支撑。
技术研发人员：赵钢 王茂枚 徐毅 王刘宇 张明 荣海北 钱海峰 凌金平 王小勇 蔡军 姜果 高业何敏
受保护的技术使用者：江苏省水利科学研究院
技术研发日：2022.07.20
技术公布日：2022/9/26