1.一种针对SAR数据高噪声及大梯度变化区域的相位解缠方法，所述方法具体包括以下步骤：步骤S1，收集需要提取高程量或微小形变量地区的SAR数据，对SAR数据进行预处理得到干涉相位图；通过改进的修正矩阵束模型对干涉相位图所有像元的局部频率进行估计，改进的修正矩阵束是在修正矩阵束模型的奇异值处理步骤中替用一阶Butterworth低通滤波器对分解后得到的每一个奇异值赋予不同的权值来实现信号重构，从而获取准确的局部频率，以此对干涉相位图中所有像元的方位向和距离向的相位梯度进行估计：局部频率估计窗口的大小根据干涉图像元相位均方差自适应选择，窗口包括小的窗口和大的窗口，像元的干涉相位均方差反映条纹的密集程度，条纹密集则均方差大，利用小的窗口进行局部频率估计以免破坏局部条纹平稳的假设；条纹稀疏则均方差小，利用大的窗口进行局部频率估计，既满足局部条纹平稳的假设，又增加了样本点数量，提高了频率估计结果的准确性；

步骤S2，由于局部频率估计结果不存在大的跳变，当局部频率估计结果出现明显的不连续时，则认定该像元的频率估计结果存在误差，需要进行相应地修正，利用下式从距离向和方位向上分别对频率估计结果的连续性进行计算和检测；

式中M为与判定连续性窗口大小相关的参数，M＝3，即表示判定连续性窗口大小为(2M+

1)×(2M+1)＝7×7；u和v表示局部窗口内像元偏离k位置中心像元的程度， 和 分别表x y示干涉相位图中k位置中心像元的频率估计结果在距离向和方位向的可信值，f 和f分别是距离向和方位向上的频率估计结果；

步骤S3，根据求得的可信值 和 设置阈值，分别设置为 和 其中和 为 的最大值和 的最大值，利用下式将干涉相位图中k位置中心像元的频率估计结果优化为以k位置像元为中心的窗口(2M+1)×(2M+1)范围内所有像元频率的平均值：其中 和 表示修正后干涉相位图中k位置中心像元在方位向和距离向的窗口范围内所有像元频率的平均值，从而解决了局部频率估计结果存在异常值的问题；

步骤S4，建立无迹Kalman滤波相位解缠观测方程的自适应平方根模型，并利用无迹Kalman滤波相位解缠观测方程的自适应平方根模型获得相位解缠起始像元；首先计算自适应平方根无迹Kalman相位解缠模型的Sigma采样点及其权值系数；将Sigma点通过无迹Kalman滤波相位解缠状态方程计算传播后均值和误差协方差的平方根，利用误差协方差阵的平方根形式替代协方差阵进行递推计算，从而保证了误差协方差阵的非负定性，提高了数值的稳定性，并且在计算中只需要存储和运算平方根因数，从而降低计算负担；

步骤S5，计算无迹Kalman滤波相位解缠观测方程的自适应平方根模型的量测预测值、量测预测值协方差平方根和状态与量测间的互协方差；其中采用测量噪声等价协方差平方根阵原理，引入自适应因子，实现对测量噪声协方差平方根的异常值分离和自适应修正，进而提高平方根无迹Kalman相位解缠模型的精度；

步骤S6，计算无迹Kalman滤波相位解缠观测方程的自适应平方根模型的滤波增益；利用求得的Kalman滤波增益矩阵对状态估计及其协方差平方根进行更新，获取鲁棒性更好的无迹Kalman相位解缠模型；

步骤S7，通过基于堆排序的有效质量指导策略对干涉相位图进行逐个相位展开，将干涉复数信号所有像元的相位质量，即质量图作为指导策略，以最大堆作为数据结构，通过不断更新最大堆的节点来实现对质量图的排序，保证了相位解缠过程一直从高质量像元向低质量像元计算；干涉相位图中每一个像元的质量是由相干系数表示，相干系数位于区间[0，

1]，相干系数越大则代表像元的质量越高，相反若相干系数越小则代表像元的质量越低，所有像元的相干系数组合在一起即为质量图；重复步骤S4‑步骤S6，直到干涉相位图中所有像元都被解缠。

2.根据权利要求1所述针对SAR数据高噪声及大梯度变化区域的相位解缠方法，其特征在于使用改进的修正矩阵束模型对干涉图距离向和方位向梯度进行估计：步骤a1，计算干涉图中所有像元干涉相位的均方差ξ，公式为

其中l×l为计算像元干涉相位均方差的一个窗口大小，即判断条纹密集程度的一个窗口大小，设置l＝5，As表示局部窗口内第s个像元的干涉相位复数的振幅； 为A的平均值；

步骤a2，使用公式(1)求得的干涉相位均方差ξ，根据ξ的值自适应选择待估像元的局部频率估计窗口大小，其中7×7或9×9为小的窗口，17×17或19×19为大的窗口，公式为：其中，H×H表示干涉相位图中k位置中心像元进行局部频率估计计算的窗口大小；

步骤a3，假设Ik是以k像元为中心，窗口大小为H×H的干涉相位样本，利用公式：Ik＝TUDV 对信号矩阵Ik进行奇异值分解，其中U和V表示H阶正交酉矩阵；D表示对应的特征值矩阵，D＝diag(σ1,σ2,…σH)，且σ1≥σ2≥…≥σH≥0，σi,i＝1,2,...,H表示信号矩阵Ik奇异值分解后对角线上的特征值；

步骤a4，由一阶Butterworth低通滤波器计算传递函数，即对信号矩阵Ik分解后对角线上的每个特征值赋予不同的权值以降低高频噪声对信号重构的影响，具体计算过程为：式中Wt表示特征值矩阵D对角线上第t个奇异值即将被分配的权值系数，σa表示前t个奇异值中第a个奇异值，σt表示特征值矩阵D对角线上第t个奇异值；

步骤a5，利用公式(4)计算处理后的干涉相位样本矩阵 即尽量剔除信号中高频噪声成分，尽量完整地保留有用的相位信息：步骤a6，利用公式(5)根据处理后的干涉相位样本矩阵 构建母Hankel矩阵以及两个子Hankel矩阵：其中 及 分别为母Hankel矩阵以及两个子Hankel矩阵；

步骤a7，利用公式(6)对母Hankel矩阵 进行奇异值分解：其中 和 仅具有与有用信号相关的主特征值对应的信息；

步骤a8，通过奇异值分解，并结合公式(5)和公式(6)得到降维处理后的相位数据信号，由于相位数据矩阵具有低秩结构，经过降维处理后以抑制噪声，推导获得如下公式：其中 及 分别是通过母Hankel矩阵 以及两个子Hankel矩阵 和 重构后的信号矩阵；

步骤a9，利用公式(8)表示以k像元为中心窗口内样本干涉相位的距离向和方位向的局部频率：其中 和 分别为 和 的伪逆矩阵，conj(·)为矩阵的共轭相乘因子； 和 分别是k位置像元在距离向和方位向上的频率估计结果；

步骤a10，由于局部频率估计结果不存在大的跳变，当频率估计结果出现明显的不连续时，则认定该像元的频率估计结果存在误差，需要进行相应地修正，利用下式从距离向和方位向上分别对频率估计结果的连续性进行计算和检测；

式中M为与判定连续性窗口大小相关的参数，M＝3，即表示判定连续性窗口大小为(2M+

1)×(2M+1)＝7×7；u和v表示局部窗口内像元偏离k位置中心像元的程度， 和 分别表x y示干涉相位图中k位置中心像元的频率估计结果在方位向和距离向的可信值，f 和f分别是像元在距离向和方位向上的频率估计结果；

步骤a11，根据求得的可信值 和 设置阈值，分别设置为 和 其中和 为 的最大值和 的最大值，利用下式计算该像元的频率估计结果优化为以k位置像元为中心的窗口(2M+1)×(2M+1)范围内所有像元频率的平均值：x y

其中f和f分别是像元在距离向和方位向上的频率估计结果； 和 表示修正后像元k在距离向和方位向的频率估计结果，以解决局部频率估计结果存在异常值的问题；

步骤a12，根据步骤a11获得局部频率可以获得像素k的距离向和方位向梯度，公式如下：其中 和 分别为像素k的距离向和方位向梯度；

重复步骤a2‑步骤a12，直至估计出干涉相位图中所有像元距离向和方位向的梯度。

3.根据权利要求1所述针对SAR数据高噪声及大梯度变化区域的相位解缠方法，其特征在于建立自适应平方根无迹Kalman滤波相位解缠模型，获得相位解缠起始像元的步骤为：步骤b1，利用下式计算自适应平方根无迹Kalman相位解缠模型解缠起始像元的Sigma采样点及其权值系数，公式为：其中ρi为起始像元的Sigma采样点， 是第k‑1位置解缠相位的状态估计值，Sk‑1是第k‑1位置像元的误差协方差的平方根，N表示状态变量的维数(N＝1)；{·}i表示括号内矩阵的第i列，η表示尺度函数；

2

其中 和 为权值系数，η＝τ(N+α)‑N表示尺度函数，τ，α，ζ用来调节Sigma点，通常τ＝0.01,ζ＝2,α＝0，τ决定Sigma点在均值附近的散布程度，α为冗余量；

步骤b2，将Sigma点通过无迹Kalman滤波相位解缠状态方程计算传递后均值和误差协方差的平方根，公式为：其中f[·]表示状态方程转移函数；符号qr{·}和cholupdate{·}表示QR分解运算和Cholesky因子一阶更新运算， 表示第k个像元Sigma点预测值； 表示干涉相位图第k个像元的状态估计；Sψψ表示干涉相位图第k个像元状态预测误差协方差平方根；Q(k‑1)是干涉相位图第k个像元的相位梯度估计误差方差。

4.根据权利要求1所述针对SAR数据高噪声及大梯度变化区域的相位解缠方法，其特征在于计算自适应平方根无迹Kalman滤波相位解缠模型的量测预测值、量测预测值协方差平方根和状态与量测间的互协方差；采用测量噪声等价协方差平方根阵原理对测量误差方差的平方根进行自适应修正的具体步骤为：步骤c1，计算待解缠像元的量测预测值，公式为：

其中， 表示k‑1像元的Sigma点经传递后得到的k像元的Sigma点预测值； 表示待解缠像元的量测预测值；h[·]为观测方程系数；

步骤c2，利用公式(16)和公式(17)计算待解缠像元的量测预测值协方差的平方根和状态与量测间的互协方差：其中 表示待解缠像元k的量测预测值协方差的平方根； 表示待解缠像元k的状态与量测间的互协方差；

步骤c3，利用下式计算待解缠像元的预测残差信息：

式中 为k位置像元的预测残差， 表示k位置像元的真实缠绕相位， 为待解缠像元的量测预测值；

步骤c4，利用下式计算待解缠像元测量噪声协方差的等价协方差阵的对角线元素：其中Ri表示测量噪声协方差阵R的第i个对角线元素； 表示测量噪声协方差的等价协方差阵第i个对角线元素；U0和U1为小数值的常数阈值，这里可设置U0＝0.45,U1＝3；vi为标准化预测残差； 表示预测观测值协方差阵的第i个对角线元素；median(·)表示取中位数算子；

步骤e5，将公式(19)求得的对角线元素 组成的测量噪声协方差的等价协方差阵 带入式(16)中替换测量噪声协方差阵R重新更新计算量测预测值的协方差平方根。

5.根据权利要求1所述针对SAR数据高噪声及大梯度变化区域的相位解缠方法，其特征在于：计算自适应平方根无迹Kalman滤波相位解缠模型的滤波增益，对状态估计及其协方差平方根进行更新，公式为：其中υk表示干涉相位图第k个像元的增益矩阵； 表示干涉相位图第k个像元的状态估计值；S(k)表示干涉相位图第k个像元状态估计的协方差平方根。