基于泛化区域的GNSS-InBSAR永久散射体选择与配准新算法及其在形变监测中的应用

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：A Novel PS Selection and Registration Algorithm Based on Generalization Area for GNSS-Based InBSAR

本文针对GNSS-InBSAR（基于全球导航卫星系统的双基地合成孔径雷达干涉测量技术）因分辨率低、信噪比差、基线累积和定位精度不足导致的传统PS（永久散射体）选择与配准误差问题，提出了一种基于泛化区域的新型PS选择与配准算法。该算法通过引入泛化区域自适应处理多卫星分辨率差异，利用泛化区域叠加获取预选PS关联序列替代传统图像配准，最终依据相干性与幅度离散度筛选PS并提取干涉相位。实验结果表明，该算法在32天连续监测中平均精度达11.5毫米，显著提升了GNSS-InBSAR在形变监测中的适用性。

　　

随着全球导航卫星系统（GNSS）技术的快速发展，基于GNSS信号的双基地合成孔径雷达干涉测量（GNSS-Based InBSAR）技术因其短重访周期、多卫星资源和低成本优势，逐渐成为地表形变监测的重要工具。然而，这一技术在实际应用中面临严峻挑战：导航卫星并非专为干涉测量设计，其信号带宽窄、发射功率低，导致SAR图像分辨率差、信噪比（SNR）低；同时，卫星轨迹精度不足（约100米）和数字高程模型（DEM）误差会引入随机聚焦位置偏移，使得传统基于图像配准的永久散射体（PS）选择方法完全失效。此外，GNSS信号采用的C/A码在脉冲压缩中不存在距离维幅度衰减，使得PS相位易受邻近目标干扰。这些问题严重制约了GNSS-InBSAR技术在滑坡、地面沉降等自然灾害监测中的精准应用。

为解决上述难题，徐志祥等人发表在《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》上的研究，提出了一种基于泛化区域的PS选择与配准新算法。该算法创新性地用分辨率单元级配准替代传统图像配准，通过建立泛化区域动态适应多卫星分辨率差异，并利用关联序列筛选和相位加权提取策略，显著提升了低信噪比条件下的PS监测可靠性。

研究团队通过以下关键技术路径实现突破：首先，基于模糊函数理论定义PS的理论分辨率单元，通过实际分辨率单元与理论单元的相干系数筛选预选PS（pre-PS）；其次，引入泛化区域（Generalization Area）概念，根据DEM误差范围确定缩放因子，构建像素级关联模型；接着，通过重叠多时相泛化区域提取预选PS关联序列，采用贪心算法去除重复像素，并基于相邻PS对相干性阈值（γ=0.92）进行序列筛选；最后，利用幅度离散度阈值（D_Q<0.4）确定最终PS，并结合相位权重与距离权重提取干涉相位。

信号模型与问题分析

研究建立了随机轨迹误差和高程误差条件下的目标相位模型，推导出投影偏移与DEM误差、卫星位置的定量关系。仿真结果表明，当DEM误差达5米时，北斗2号IGSO卫星引起的北向偏移达3.5米，东向偏移达1.4米。同时，实测GNSS-InBSAR图像显示其方位向分辨率仅5米，距离向分辨率10米，监测场景缺乏纹理特征，传统配准方法失效。

PS选择与配准算法

预选PS筛选

通过计算理论分辨率单元S_PSF(Q)与实际分辨率单元S_ACT(Q)的相干系数，将系数超过70%的像素作为预选PS。32天实验数据显示，76%的预选PS相干系数高于阈值。

泛化区域计算

以理论分辨率单元为基础，根据DEM误差方差确定缩放因子σ_GEN=1.2，构建泛化区域S_GEN(Q)。该区域表征PS相位一致性范围，有效补偿随机偏移。

关联序列提取

通过重叠32天泛化区域（图13c），筛选叠加值超过阈值（thre_GEN=22）的像素，形成预选PS关联序列。引入隶属系数ζ_GEN解决像素多归属问题，确保序列唯一性。

重复像素去除

采用贪心算法按序列长度排序，逐级去除重复像素。最终从443个关联序列中筛选出275个有效序列，保证长序列完整性。

PS确定与相位提取

基于幅度离散度阈值（D_Q<0.4）从275个序列中筛选出270个PS，相位提取采用公式(17)的加权平均方法，结合相位权重W_φ和距离权重W_p，有效抑制噪声影响。

实测数据验证

自然场景形变监测

利用重庆地区32天北斗IGSO卫星数据，新算法提取270个PS，平均监测精度11.7毫米。相较之下，传统SIFT方法仅获得85个PS，精度23.1毫米；ANM方法获得245个PS，精度16.3毫米。新算法在PS数量和精度上均显著优于传统方法。

形变验证实验

通过布设转发器和GNSS接收器构成形变场景，新算法在14天监测中与GNSS测量结果对比，平均精度达11.1毫米。 programmable位移台实验进一步验证了算法在水平方向5.0毫米、垂直方向8.3毫米的监测能力。

参数敏感性分析

通过热力图分析关键参数（相干系数阈值γ、幅度离散度阈值thre_D等）的交叉敏感性，确定最优参数组合为：γ=0.92, thre_D=0.4, thre_GEN=22。该组合下PS数量与形变精度达到最佳平衡。

研究表明，基于泛化区域的PS选择与配准算法有效解决了GNSS-InBSAR因系统特性导致的配准难题。通过将像素级处理转为分辨率单元级处理，该算法适应了低信噪比、差分辨率的成像条件，其平均处理时间仅4.9分钟/卫星，满足高频监测需求。虽然当前形变监测精度（11.5毫米）仍低于传统InSAR，但通过多卫星联合干涉相位误差补偿，未来有望进一步提升精度。该研究为GNSS-InBSAR技术在自然灾害监测领域的推广应用提供了关键技术支撑，尤其对植被覆盖区、低相干自然边坡等传统InSAR难以监测的区域具有重要价值。