面向时序InSAR相位链接的鲁棒相干矩阵精化方法

管建军; 唐新明; 李松

doi:10.13203/j.whugis20250153

您当前的位置：

首页 >

文章列表页 >

面向时序InSAR相位链接的鲁棒相干矩阵精化方法

遥感与地质灾害 | 更新时间：2026-11-05

- 面向时序InSAR相位链接的鲁棒相干矩阵精化方法
- Robust Refinement Method for Coherence Matrix in Time-Series InSAR Phase Linking
- 武汉大学学报（信息科学版） 2025年50卷第11期页码：2198-2212
- 作者机构：
  
  1.武汉大学电子信息学院，湖北武汉，430079
  2.自然资源部国土卫星遥感应用中心，北京，100048
- 作者简介：
  
  管建军，博士，主要从事SAR影像去散斑、相位解缠、时序InSAR形变监测研究。jianjun.guan@whu.edu.cn
  李松，教授。ls@whu.edu.cn
- 基金信息：
  
  国家自然科学基金(41971302;42371400);自然资源陆地卫星产品精化与验证场基础设施建设项目(GXTC-D-25070001)
- DOI：10.13203/j.whugis20250153
  中图分类号： P237
- 收稿：2025-05-29，
  
  纸质出版：2025-11-05
- 稿件说明：
移动端阅览
管建军,唐新明,李松.面向时序InSAR相位链接的鲁棒相干矩阵精化方法[J].武汉大学学报（信息科学版）,2025,50(11):2198-2212.

GUAN Jianjun,TANG Xinming,LI Song.Robust Refinement Method for Coherence Matrix in Time-Series InSAR Phase Linking[J].Geomatics and Information Science of Wuhan University,2025,50(11):2198-2212.
管建军,唐新明,李松.面向时序InSAR相位链接的鲁棒相干矩阵精化方法[J].武汉大学学报（信息科学版）,2025,50(11):2198-2212. DOI：10.13203/j.whugis20250153

GUAN Jianjun,TANG Xinming,LI Song.Robust Refinement Method for Coherence Matrix in Time-Series InSAR Phase Linking[J].Geomatics and Information Science of Wuhan University,2025,50(11):2198-2212. DOI：10.13203/j.whugis20250153

摘要

从时间序列堆栈数据中准确恢复像元时序一致性相位即相位链接(phase linking，PL)，是联合永久散射体和分布式散射体的混合时序InSAR（interferometric synthetic aperture radar，InSAR）分析中的关键处理步骤，基于最大似然估计的PL技术受样本相干矩阵（sample coherence matrix，SCM）估计偏差的制约，在求逆时偏差会被显著放大，从而错误地强调不可靠的相位观测。针对散射向量的非高斯性干扰和时间失相干效应可能显著引起SCM偏差的问题，根据样本散射向量自身特点及初始SCM内部结构特性，实现复信号统计特性与物理相干机制的双向耦合，提出了一种自适应时间失相干锥化收缩估计方法，以准确估计SCM，并与基于特征分解的干涉相位最大似然估计（eigendecomposition-based maximum-likelihood-estimator of interferometric phase，EMI）相结合，精确恢复时序一致性相位。模拟与真实场景实验结果表明，在失相干严重、低信噪比的复杂地表环境中，该估计器相较其他方法，在有效改善相干矩阵估计偏差的同时，显著提高了时序一致性相位的估计精度。

Abstract

Objectives

Accurately retrieving time-series consistent phase information from time-series stacked data through phase linking (PL) serves as the critical processing step in hybrid time-series interferometric synthetic aperture radar analysis that jointly utilizes permanent scatterers and distributed scatterers. PL techniques based on maximum likelihood estimation are constrained by the estimation bias of the sample coherence matrix (SCM). During matrix inversion

this bias can be significantly amplified

potentially leading to the overemphasis of unreliable phase observations.

Methods

To address the issue that non-Gaussian scattering vector perturbations and temporal decorrelation can introduce significant bias into the sample coherence matrix (SCM)

this paper proposes the temporal decoherence taper shrinkage for SCM (TDTS-SCM) method. By leveraging both the statistical characteristics of the scattering vectors and the internal structure features of the initial SCM

the method achieves a bidirectional coupling between statistical properties of complex signals and underlying physical coherence mechanisms. Integrated with the eigendecomposition-based maximum likelihood estimator

the proposed approach enables accurate estimation of the SCM and robust recovery of time-seires consistent interferometric phase.

Results

Both simulated and real-world experimental results demonstrate that

in complex surface environments characterized by severe decorrelation and low signal-to-noise ratios

the proposed estimator significantly outperforms existing methods. It not only effectively mitigates the estimation bias of the coherence matrix， but also substantially improves the accuracy of time-series consistent phase retrieval.

Conclusions

The proposed method effectively reconstructs dense deformation phase fringes

increases the number of identifiable measurement points

and enhances the effectiveness and accuracy of subsequent phase unwrapping. As a result

it reduces monitoring blind spots and improves the detection capability of deformation in low-coherence environments.

关键词

Keywords

references

FERRETTI A ， PRATI C ， ROCCA F . Nonlinear Subsidence Rate Estimation Using Permanent Scatterers in Differential SAR Interferometry ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2000 ， 38 （ 5 ）： 2202 - 2212 .

许兵，朱焱，李志伟，等 . 国产卫星时序InSAR形变监测精度分析［J］. 测绘学报， 2024 ， 53 （ 10 ）： 1930 - 1941 .

XU Bing ， ZHU Yan ， LI Zhiwei ， et al . Analysis of InSAR Time-Series Deformation Monitoring Accuracy of Domestic Satellite ［J］. Acta Geodaetica et Cartographica Sinica ， 2024 ， 53 （ 10 ）： 1930 - 1941 .

FERRETTI A ， SAVIO G ， BARZAGHI R ， et al . Submillimeter Accuracy of InSAR Time Series： Experimental Validation ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2007 ， 45 （ 5 ）： 1142 - 1153 .

FERRETTI A ， PRATI C ， ROCCA F . Permanent Scatterers in SAR Interferometry ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2001 ， 39 （ 1 ）： 8 - 20 .

BERARDINO P ， FORNARO G ， LANARI R ， et al . A New Algorithm for Surface Deformation Monitoring Based on Small Baseline Differential SAR Interferograms ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2002 ， 40 （ 11 ）： 2375 - 2383 .

HOOPER A ， ZEBKER H ， SEGALL P ， et al . A New Method for Measuring Deformation on Volcanoes and Other Natural Terrains Using InSAR Persistent Scatterers ［J］. Geophysical Research Letters ， 2004 ， 31 （ 23 ）： L23611 .

HOOPER A ， SEGALL P ， ZEBKER H . Persistent Scatterer Interferometric Synthetic Aperture Radar for Crustal Deformation Analysis， with Application to Volcán Alcedo， Galápagos ［J］. Journal of Geophysical Research： Solid Earth ， 2007 ， 112 （ B7 ）： B07407 .

PARIZZI A ， BRCIC R . Adaptive InSAR Stack Multilooking Exploiting Amplitude Statistics： A Comparison Between Different Techniques and Practical Results ［J］. IEEE Geoscience and Remote Sensing Letters ， 2011 ， 8 （ 3 ）： 441 - 445 .

WANG Y J ， DENG Y K ， WANG R ， et al . Adaptive Multilooking Based on Complex Patch for Multitemporal Interferometry ［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing ， 2018 ， 11 （ 3 ）： 907 - 918 .

PEPE A ， MASTRO P ， JONES C E . Adaptive Multilooking of Multitemporal Differential SAR Interferometric Data Stack Using Directional Statistics ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2020 ， 59 （ 8 ）： 6706 - 6721 .

GUARNIERI A M ， TEBALDINI S . On the Exploitation of Target Statistics for SAR Interferometry Applications ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2008 ， 46 （ 11 ）： 3436 - 3443 .

FERRETTI A ， FUMAGALLI A ， NOVALI F ， et al . A New Algorithm for Processing Interferometric Data-Stacks： SqueeSAR ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2011 ， 49 （ 9 ）： 3460 - 3470 .

ZHAO C J ， LI Z ， TIAN B S ， et al . A Statistically Homogeneous Pixel Selection Approach for Adaptive Estimation of Multitemporal InSAR Covariance Matrix ［J］. International Journal of Applied Earth Observation and Geoinformation ， 2022 ， 110 ： 102792 .

ANSARI H ， DE ZAN F ， BAMLER R . Efficient Phase Estimation for Interferogram Stacks ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2018 ， 56 （ 7 ）： 4109 - 4125 .

FORNARO G ， VERDE S ， REALE D ， et al . CAESAR： An Approach Based on Covariance Matrix Decomposition to Improve Multibaseline–Multitemporal Interferometric SAR Processing ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2014 ， 53 （ 4 ）： 2050 - 2065 .

CAO N ， LEE H ， JUNG H C . A Phase-Decomposition-Based PSInSAR Processing Method ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2016 ， 54 （ 2 ）： 1074 - 1090 .

SAMIEI-ESFAHANY S ， MARTINS J E ， VAN LEIJEN F ， et al . Phase Estimation for Distributed Scatterers in InSAR Stacks Using Integer Least Squares Estimation ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2016 ， 54 （ 10 ）： 5671 - 5687 .

ZHAO C J ， LI Z ， TIAN B S ， et al . A Ground Surface Deformation Monitoring InSAR Method Using Improved Distributed Scatterers Phase Estimation ［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing ， 2019 ， 12 （ 11 ）： 4543 - 4553 .

WANG C S ， WANG X S ， XU Y P ， et al . A New Likelihood Function for Consistent Phase Series Estimation in Distributed Scatterer Interferometry ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2022 ， 60 ： 5227314 .

VU P V H ， BRELOY A ， BRIGUI F ， et al . Covariance Fitting Interferometric Phase Linking： Modular Framework and Optimization Algorithms ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2025 ， 63 ： 5207718 .

MINH D H T ， TEBALDINI S . Interferometric Phase Linking： Algorithm， Application， and Perspective ［J］. IEEE Geoscience and Remote Sensing Magazine ， 2023 ， 11 （ 3 ）： 46 - 62 .

沈鹏，汪长城，廖明生，等 . 时序InSAR相位连接方法研究进展［J］. 武汉大学学报（信息科学版）， 2025 ， 50 （ 8 ）： 1483 - 1497 .

SHEN Peng ， WANG Changcheng ， LIAO Mingsheng ， et al . Research Progress of Phase Linking Method in Time-Series InSAR ［J］. Geomatics and Information Science of Wuhan University ， 2025 ， 50 （ 8 ）： 1483 - 1497 .

JIANG M ， GUARNIERI A M . Distributed Scatterer Interferometry with the Refinement of Spatiotemporal Coherence ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2020 ， 58 （ 6 ）： 3977 - 3987 .

ZWIEBACK S. Cheap， Valid Regularizers for Improved Interferometric Phase Linking ［J］. IEEE Geoscience and Remote Sensing Letters ， 2022 ， 19 ： 4512704 .

SHEN P ， WANG C C ， AN B . AdpPL： An Adaptive Phase Linking-Based Distributed Scatterer Interferometry with Emphasis on Interferometric Pair Selection Optimization and Adaptive Regularization ［J］. Remote Sensing of Environment ， 2023 ， 295 ： 113687 .

GAO Z ， HE X F ， MA Z F ， et al . Distributed Scatterer Interferometry for Fast Decorrelation Scenarios Based on Sparsity Regularization ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2024 ， 62 ： 5209614 .

LIANG H Y ， ZHANG L ， LI X ， et al . Coherence Bias Mitigation Through Regularized Tapered Coherence Matrix for Phase Linking in Decorrelated Environments ［J］. ISPRS Journal of Photogrammetry and Remote Sensing ， 2024 ， 215 ： 369 - 382 .

CHEN B Q ， LIU N J ， YU H W ， et al . TSO-PL： A Novel Phase Linking Method for DS InSAR Based on a Two-Step Strategy to Optimize the Sample Coherence Matrix ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2025 ， 63 ： 4502819 .

CONRADSEN K ， NIELSEN A A ， SCHOU J ， et al . A Test Statistic in the Complex Wishart Distribution and Its Application to Change Detection in Polarimetric SAR Data ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2003 ， 41 （ 1 ）： 4 - 19 .

LEDOIT O ， WOLF M . A Well-Conditioned Estimator for Large-Dimensional Covariance Matrices ［J］. Journal of Multivariate Analysis ， 2004 ， 88 （ 2 ）： 365 - 411 .

CHEN Y L ， WIESEL A ， ELDAR Y C ， et al . Shrinkage Algorithms for MMSE Covariance Estimation ［J］. IEEE Transactions on Signal Processing ， 2010 ， 58 （ 10 ）： 5016 - 5029 .

OLLILA E ， RANINEN E . Optimal Shrinkage Covariance Matrix Estimation Under Random Sampling from Elliptical Distributions ［J］. IEEE Transactions on Signal Processing ， 2019 ， 67 （ 10 ）： 2707 - 2719 .

OLLILA E ， BRELOY A . Regularized Tapered Sample Covariance Matrix ［J］. IEEE Transactions on Signal Processing ， 2022 ， 70 ： 2306 - 2320 .

ZHAO C J ， YU H W ， JIANG M ， et al . A Hybrid Approach for High-Precision Phase Estimation in Distributed Scatterer Interferometry ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2024 ， 62 ： 5202416 .

RANINEN E ， TYLER D E ， OLLILA E . Linear Pooling of Sample Covariance Matrices ［J］. IEEE Transactions on Signal Processing ， 2021 ， 70 ： 659 - 672 .

ROCCA F . Modeling Interferogram Stacks ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2007 ， 45 （ 10 ）： 3289 - 3299 .

PARIZZI A ， CONG X ， EINEDER M . First Results from Multifrequency Interferometry. A Comparison of Different Decorrelation Time Constants at L， C， and X Band ［J］. ESA Scientific Publications ，2009（SP-677）： 1- 5 .

MORISHITA Y ， HANSSEN R F . Temporal Decorrelation in L-， C-， and X-Band Satellite Radar Interferometry for Pasture on Drained Peat Soils ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2014 ， 53 （ 2 ）： 1096 - 1104 .

EPPLER J ， RABUS B T . Adapting InSAR Phase Linking for Seasonally Snow-Covered Terrain ［J］. IEEE Transactions on Geoscience and Remote Sensing ， 2022 ， 60 ： 4305313 .

GUARNIERI A M ， TEBALDINI S . Hybrid Cramér-Rao Bounds for Crustal Displacement Field Estimators in SAR Interferometry ［J］. IEEE Signal Processing Letters ， 2007 ， 14 （ 12 ）： 1012 - 1015 .

浏览量

104

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

卫星观测约束下的地下燃空区时空演化数值模拟研究

基于时序InSAR技术的武汉大型垃圾填埋场形变监测与分析

时序InSAR相位连接方法研究进展

ConvLSTM神经网络的时序InSAR地面沉降时空预测

陆地探测一号卫星滑坡大变形InSAR监测应用