联合EEMD-KECA算法的InSAR干涉相位时频滤波

根据干涉图信号和噪声时频分布差异的特点，提出一种改进的基于经验模态分解EEMD的InSAR干涉相位滤波方法。该方法首先利用可有效降低模态混叠的EEMD算法，对干涉图的实部及虚部分别进行2维经验模态分解，获得具有不同时间尺度的模态分量；然后根据信号和噪声分量的时间尺度分布特性的差异，采用适用于非线性信号分析的KECA算法对噪声识别、分离；最后利用去除噪声后的模态分量重构干涉图。为了证明本文方法的有效性，分别利用模拟数据及真实InSAR差分干涉相位进行滤波试验。对比本文EEMD-KECA滤波方法、Goldstein滤波、圆周期—中值滤波、EMD分解、EMD-PCA方法的滤波效果，采用相干斑指数、均方差指数、边缘保持指数进行定量评价。结果表明，与经典InSAR干涉图滤波方法相比，本文联合EEMD-KECA算法的滤波方法能有效滤除干涉图噪声，且在条纹边缘等细节信息的保持上也具有较大优势