利用GPS位移数据校正2011日本Tohoku地震的InSAR形变场

轨道误差是InSAR数据处理中的一个重要因素,对从最初的图像配准到最后的高程值或形变值图像的生成都有着重要影响。含有误差的轨道参数造成基线误差以残差条纹的形式存在于干涉图中。本文利用4个条带的61景PALSAR升轨数据,通过InSAR干涉测量得到覆盖2011日本Tohoku地震的雷达视线向的地表同震位移场。通过联合GPS同震位移数据,采用二次多项式曲面拟合的方法去除InSAR同震形变数据中的卫星轨道误差,并分析雷达入射角变化对轨道误差去除的影响。对干涉图中拟合残差进行分析,改正后的InSAR同震形变场精度得到较大提高。     

多尺度相关性分析的机载双极化InSAR轨道误差校正方法

在高分辨率机载干涉SAR成像处理过程中,由于载机飞行过程中偏离理想轨迹,需要高精度的惯导系统和GPS系统记录载机的运动轨迹并进行运动补偿。然而,由于目前传感器导航精度的限制,在完成运动补偿处理后仍然存在轨道误差,从而影响干涉相位的精度,本文提出了一种机载双极化InSAR轨道误差去除方法。该方法利用小波多尺度分析对不同极化方式差分干涉相位进行多尺度分解,减弱地形误差相位、噪声相位对轨道误差的干扰,然后根据不同极化方式轨道误差的高度相关性,对相位进行降权改正,得到轨道误差改正后的差分干涉相位。为验证该方法的可靠性,分别采用模拟数据和E-SAR P波段双极化数据进行实验分析,结果表明原始差分干涉图中的轨道误差剔除明显,利用P波段获得的校正干涉图生成数字高程模型(DEM),轨道误差改正前后获取的DEM与LiDAR值的均方根误差(RMSE)分别为6.02 m和1.68 m,提高了InSAR测高精度。本研究为机载InSAR轨道误差补偿提供了一种新的思路。     

大气折射对InSAR影响的定量分析

星载SAR重复轨道干涉利用不同时间观测的SAR影像数据形成干涉图，干涉相位中包含有成像几何、大气、地形以及地面形变等信息。为此，分析了干涉图中大气参数(气压、温度与相对湿度)对干涉相位的影响，计算了参数变化对干涉相位、高程与形变误差的影响量，并以图形方式描述了分析结果。     

基于条纹频率检测的干涉图去线性趋势精化方法

在InSAR干涉图数据处理过程中,通常会由于轨道参数不准确而导致去平地效应后,干涉图中仍残留部分线性相位。为避免线性趋势对数据处理结果精度的影响,提出了一种基于干涉图条纹频率检测的去除线性趋势精化方法：首先,通过Chirp Z变换精化干涉图条纹频率估计,计算出精确到0.1的线性相位条纹数;然后,模拟线性相位并从干涉图中去除。利用通过模拟和真实数据对提出的方法进行验证分析,实验结果表明：该方法能够更加彻底地去除干涉图中残留的线性趋势,对提高InSAR技术的监测精度具有一定意义。     

基于多尺度相关性分析的InSAR对流层延迟误差改正算法

针对合成孔径雷达干涉技术中对流层延迟误差会影响DEM精度的问题,提出采用小波多尺度相关性分析方法来减弱与高程相关的对流层延迟误差的影响,来提高合成孔径雷达干涉DEM的估计精度。该方法基于小波多分辨率分析理论,根据差分干涉相位不同组成的频率特性,利用小波分解重构均方根误差变化率确定分解层数,降低地形残差相位、噪声相位等对大气延迟误差相位估计的干扰,提取对流层延迟误差相位所在频带;然后结合对流层延迟误差相位和雷达坐标系下的DEM在不同尺度上的相关性定权并进行降权处理,重构解缠差分干涉图,改正差分干涉相位中与高程相关的对流层延迟的影响。采用本文方法对覆盖河南义马地区的2景ENVISAT ASAR数据进行处理,得到对流层延迟误差改正后的差分干涉图,估计的与高程相关的对流层延迟相位,与地形变化情况吻合。将对流层延迟误差改正后的干涉图用于DEM高程估计,结果显示本文方法重建的DEM与Aster GDEM的标准差由30.7 m提高到26.37 m,提高了InSAR DEM估计精度。     

基于Hilbert变换处理绝对重力仪测量数据

基于Hilbert变换相位平移原理，提取干涉条纹信号采样点瞬时相位，得到采样点位移信息。结合采样频率提取时间信息，利用最小二乘法重建自由落体轨迹，最终解算出重力加速度g值。为提高测量精度，使用零相移低通滤波器去除信号高频噪声，使用多项式拟合法去除信号线性干扰，通过加窗口选取拟合数据抑制吉伯斯现象。仿真结果表明，该方法能使g值误差在10-2 μGal以下，实验结果所得g值平均误差为0.12 μGal。     

顾及地形坡度的非线性最小二乘相位解缠

InSAR相位解缠是利用干涉合成孔径雷达(InSAR)数据,提取数字高程模型,进行精确差分干涉测量的关键技术之一。然而缠绕的差分相位信息在地形陡峭或者坡度变化较大区域的解缠结果会有较大的误差传递的问题,针对此问题将干涉图中的地形坡度表示为距离向和方位向的局部相位频率,利用局部相位频率估计地形坡度和推导缠绕相位梯度概率密度函数(PG-PDF)参数模型,并将参数模型作为非线性最小二乘相位解缠模型约束条件,平滑不满足要求的缠绕相位梯度,经过迭代求解得到的解缠结果可以在消除噪声的同时减少地形因素的欠采样对相位解缠结果的影响,提高相位解缠的精度。最后,利用欧空局ENVISAT ASAR卫星获取的干涉数据进行实验,验证了算法在解缠精度和对地形的适应性方面优于直接加权的相位解缠算法,在频域下顾及地形的方法能有效克服LS对于相位坡度欠估计的缺点,具有较高的精度和稳定性,能够有效地考虑地形坡度的影响,抑制误差传递。     

DINSAR数学模型的探讨

过去众多阐述INSAR或DINSAR的论文中，往往采用平行射线近似处理方法，舍去干涉图中随距离位置不同形成的相位成分，从而大大简化了后续的推导工作。但对于星载雷达而言，不能忽略微小项。通过平地相位去除处理，建立了严密的DINSAR用于形变量提取的数学模型。采用平行射线近似处理方法，即使通过类似的平地相位去除处理，尽管可以得到同样的数学表达式，但无法表达干涉相位准确的物理意义，论证也不严密。为此．对当前几乎已成定论的推论进行了修正，并进一步推出：如果观测期间没有发生形变，经过平地相位去除的干涉相位的比值与基线垂直分量的比值相等，与地形无关。     

基于CORS的DInSAR大气延迟校正方法研究

针对利用GPS数据改正DInSAR大气延迟误差中存在CORS站点稀疏的问题,给出一种广义曲面拟合插值模型,并基于北京地区的GPS观测数据和SAR影像对比较了反距离加权插值模型（IDW）和曲面拟合插值模型（CSF）用于区域对流层延迟建模的精度,然后对SAR差分干涉图进行大气延迟校正。结果表明,曲面拟合模型比反距离加权模型更能反映区域单差对流层延迟特性,两次实验的插值精度分别达到了7.1和3.5 mm。采用CORS观测数据和曲面拟合内插模型,可有效削弱DInSAR中的大气延迟误差,提高DInSAR测量结果的精度。     

北斗GEO卫星钟差频间偏差变化特性分析

解算北斗二号区域导航系统(BDS-2)、北斗三号全球导航系统(BDS-3) GEO卫星钟差频间偏差(inter-frequency clock bias, IFCB),对比分析其变化特性。结果表明,BDS-2 GEO卫星对应的相位和伪距IFCB具有明显的时变性与周期性,BDS-3 GEO卫星对应的相位和伪距IFCB时变性不明显。分析BDS-2单日IFCB的周期变化特性,并采用分析得到的周期构建IFCB模型化函数。应用多项式和基于谐波函数的混合函数分别对IFCB进行模型化处理,模型化结果表明：4阶谐波函数对应的混合函数模型化精度在相位IFCB拟合中的平均RMS优于0.003 6 m,伪距IFCB对应的RMS优于0.131 3 m; 8阶谐波函数对应的混合函数模型化精度在相位IFCB拟合中的平均RMS优于0.003 4 m,伪距IFCB对应的RMS优于0.123 8 m。当采用多项式进行IFCB模型化时,相应精度随多项式阶次的增加而提高,但仍然劣于基于谐波函数的混合函数。当用常数代替BDS-3相位IFCB结果时,平均拟合RMS优于0.000 5 m;当用常数代替伪距IFCB结果时,平均拟合...     

�˼�ϵͳ����GEO���Ǽ��η�����

????GEO??????η???????????????????????????????μ?GEO??????η??????????????????????????????λ?ò??????????????????????????????????????????????????????????ζ????3???????μ?GEO??????η?????????????????????÷????????????????GEO??????η??????????????????????????????μ????????????μ?λ?÷???X??Y???н????????????????????С????PDOP???仯???仯??????????X??Y??????????????????????Z???????????????????Z???????????????????     

���ڹ�����ԭ���ӵ��Ӳ�Ԥ�������о�

??????????????????????????????3????????й????????????????????????????????н??????????????????????????????????????????3????????????????????????????????????????????????????????????????????????????????????????????????????????????     

�����Ӳ����Ԥ��ģ�ͷ���

???????????????ζ???????????????????????????ζ?????????????????????????????????????????????????????У?????????????????????????????????????λ?????????С???????????????У?????????????????????????С???????????????????????С???仯????????????????     

����С����ARMAģ�͵������Ӳ�Ԥ������

???????????????????????????????????????????????????????????????????????????????????????????????????????????С????ARMA????????????????????????в???IGS?????????????????????????????????????????????????????????     

一种顾及钟差周期误差和随机特性的卫星钟差预报方法

提出一种顾及钟差周期误差和随机特性的卫星钟差预报方法。首先通过比较二次多项式加1、2、3、4个主要周期误差的模型,取其优者求得钟差预报的拟合值;然后针对拟合残差值的随机特性采用灰色模型进行建模,求得拟合值残差预报值;最后,将其与之前求得的预报值相结合得到最终的钟差预报值。采用IGS的15 min精密钟差数据进行实验,结果表明,在短期预报中,加2个主要周期误差的模型预报性能最好,并且新模型的预报精度优于常用算法。     

Improved-GRACE����������������Ż��о�

???????????????????ü????????????????GPS????????λ????????????????????????????????????????????????????????????????Improved??GRACE?????????????????????????????????????????????1????300?????????350 km???????????????????????3.993??10 ^-1 m??????300 km??250 km???????????????????8.770????77.145????????400 km??450 km??????????????????8.718????75.307????2??????50 km???????????????????????3.993??10^-1 m??????110 km??220 km??????????????????1.259????1.395????3????????????Improved??GRACE????????????????????????????????350 km??50 km?????     

���ǹ������SAR���洦���Ӱ���о�

??????????????????????????????????????????????????????????????????????????????????????ο???λ???????????????????С?????????????????????SAR???洦???е??????????????????????С??????ο???λ???????     

ARIMA��0��2��q��ģ���������Ӳ�Ԥ���е�Ӧ��

???????????????????????????????????????ARIMA???????????????????????1?????????????????????????????з???????????????????????β???????????????????????MA????????????????????????ARIMA??0??2??q?????????????????????????ARIMA??0??2??q?????????????????????ζ?????????????     

��������ƹ�������С�ⷨ�������Ӳ����Ԥ��

??????ζ?????????????????????????????????????С??????????ζ???????в????Э????????????????y????????????????????????б??????????????С???????????????????????????????????????????