一种InSAR时序相位的优化方法及装置

一种insar时序相位的优化方法及装置
技术领域
1.本发明涉及合成孔径雷达干涉测量技术领域，尤其涉及一种insar时序相位的优化方法及装置。


背景技术：

2.随着当代sar卫星重返频率逐步提高，海量观测数据不仅为更加客观地了解形变的发展动态和规律提供了契机，同时也给快速、高效的时序insar带来了新的挑战。尤其是在欧空局哥白尼计划中卫星重返周期12天、幅宽高达200km＊200km的tops哨兵1数据，传统数据处理方法往往难以满足监测时效性需求。
3.大范围时序相位优化是insar数据处理中最为关键的步骤之一，能够抵抗雷达信号失相关，增强干涉信噪比，从而实现高质量的流程控制，减小解缠误差传播。目前时序相位优化的主流方法分为两类，一是仅考虑空间信息，使用goldstein等降噪方法对干涉图逐个滤波，具有代表性的是小基线技术，但是该方法不顾及影像细节，损失空间分辨率，是一类以偏差增大换取精度提升的方法。因此，以sbas为代表的技术在大范围时序insar形变监测时往往高效，但是不能实现精细监测，且可靠性低；二是兼顾时空信息，在同类地物具有相似后向散射属性的假设基础上，使用ks(kolmogorov－smirnov)检验和bfgs(broyden fletcher goldfarb shanno)相位三角算法优化时序相位，具有代表性的是squeesar技术，该方法能够顾及影像细节，但是需要对单视复数影像序列逐像素寻找同类目标，以便满足统计模型假设前提。因此，以squeesar为代表的技术计算效率很低，难以适用于大范围形变监测应用。
4.因此，目前仍需一种如何实现高效、高精度的insar时序相位的优化方法，以解决现有技术中缺乏同时具备高效、高精度的insar时序相位优化方法。


技术实现要素：

5.本发明提供了一种insar时序相位的优化方法及装置，以解决现有技术中缺乏同时具备高效、高精度的时序相位优化方法的技术问题。
6.为了解决上述技术问题，本发明实施例提供了一种insar时序相位的优化方法，包括：
7.获取时序sar数据集，并对所述时序sar数据集进行l视处理，分别获得l视强度数据集合和干涉数据集；以所述l视强度数据集为参考，获取并分别对预设数字高程模型和预设土地覆盖图进行配准与地理编码，分别得到sar图像坐标系下的数字高程和sar图像坐标系下的土地覆盖图；根据所述sar图像坐标系下的数字高程，对所述干涉数据集进行差分操作，得到差分干涉数据集；根据所述sar图像坐标系下的土地覆盖图和所述差分干涉数据集，估算所述差分干涉数据集的协方差矩阵，并根据预设的时序相位极大似然估计公式，估计并获得优化后的时序相位。
8.可以理解的是，在获取时序sar数据集后，对时序sar数据集进行l视处理，与现有
技术相比，将现有的单视复数数据集转换成l视的数据集，l视数据输入和参数输出的占用工作区空间远低于单视，能够大幅降低数据集体积，并通过得到的sar图像坐标系下的土地覆盖图，来估算所述差分干涉数据集的协方差矩阵，大幅提高了运算效率，避免了现有技术中通过同质样本统计选择方法来进行估计。
9.作为优选方案，所述获取时序sar数据集，并对所述时序sar数据集进行l视处理，分别获得l视强度数据集合和干涉数据集，具体为：
10.获取具有n幅时序sar单视影像的时序sar数据集，并对所述n幅时序sar单视影像进行配准，对配准后的n幅时序sar单视影像进行l视处理，分别获得n幅sar强度序列和n(n－1)/2个干涉数据集；其中，n为大于1的正整数。
11.可以理解的是，获取具有n幅时序sar单视影像的时序sar数据集后，对时序sar数据集进行配准，并进行l视处理，能够提高l视处理后所得到的sar强度序列和干涉数据集的准确性，同时也避免后续需要对时序sar单视影像进行处理，经过l视处理后所得到多视的数据集，能够大幅降低所要处理的数据集体积。
12.作为优选方案，所述以所述l视强度数据集为参考，获取并分别对预设数字高程模型和预设土地覆盖图进行配准与地理编码，分别得到sar图像坐标系下的数字高程和sar图像坐标系下的土地覆盖图，具体为：
13.以所述l视强度数据集为参考，采用预设的互相关最大化算法，获取并对预设数字高程模型与所述l视强度数据集进行配准和地理编码，得到sar图像坐标系下的数字高程；获取并对预设的卫星轨道数据信息与预设土地覆盖图进行配准和地理编码，得到sar图像坐标系下的土地覆盖图。
14.可以理解的是，在以所述l视强度数据集合为参考，对预设数字高程模型与所述l视强度数据集中的sar强度图像进行配准和地理编码，能够提高刻画地形精确程度，以及对预设的卫星轨道数据信息与预设土地覆盖图进行配准和地理编码，使得能够为后续估算所述差分干涉数据集的协方差矩阵的步骤中提供参考像素，避免了现有技术中采用同质样本选择的方法，从而提高了整体的计算效率。
15.作为优选方案，所述根据所述sar图像坐标系下的数字高程，对所述干涉数据集进行差分操作，得到差分干涉数据集，具体为：
16.根据所述sar图像坐标系下的数字高程，对所述n(n－1)/2个干涉数据集进行差分操作，得到n(n－1)/2幅差分干涉数据集；其中，所述差分干涉数据集与所述sar图像坐标系下的土地覆盖图的像素位置一一对应。
17.可以理解的是，根据sar图像坐标系下的数字高程来对干涉数据集进行差分操作，能够消除地形相位贡献，可以有效提高干涉相位的精度，同时所得到的差分干涉数据集与sar图像坐标系下的土地覆盖图的像素位置一一对应，以使后续对估算所述差分干涉数据集的协方差矩阵的步骤中，能够准确对窗口内与中心像素具有相同类别标签的像素进行统计，同时相比于现有技术，也提高了整体的计算效率。
18.作为优选方案，根据所述sar图像坐标系下的土地覆盖图和所述差分干涉数据集，估算所述差分干涉数据集的协方差矩阵，具体为：
19.依次对所述n(n－1)/2幅差分干涉数据集建立滑动窗口，根据所述sar图像坐标系下的土地覆盖图，依次标记每幅差分干涉数据集对应的滑动窗口内与预设参考像素相同属
性的像素，从而依次统计所述滑动窗口内与中心像素具有相同类别标记的像素，计算协方差矩阵的元素，从而估算出所述差分干涉数据集的协方差矩阵。
20.可以理解的是，在估算所述差分干涉数据集的协方差矩阵的步骤中，代替传统分布式目标数据处理步骤中同质样本统计选择的方法，而采用通过sar图像坐标系下的土地覆盖图标记当前滑动窗口内领域像素与参考像素相同属性的像素，并直接用相同类别标记的像素，即同质像素，来进行协方差矩阵估计，大幅提高了运算效率，在高效运算的方面具有明显的优势。
21.作为优选方案，所述根据预设的时序相位极大似然估计公式，估计并获得优化后的时序相位，具体为：
22.根据预设的时序相位极大似然估计公式：ξ＝e
jθ
；从而估计并获得优化后的时序相位；
23.其中，为优化后的时序相位，θ为时序相位的正值，表示取实部算子，∑为所述差分干涉数据集的协方差矩阵。
24.可以理解的是，通过预设的时序相位极大似然估计公式，以及差分干涉数据集的协方差矩阵，能够准确估计出优化后的时序相位，进一步地提高对sar时序相位优化的准确性。
25.相应地，本发明还提供一种insar时序相位的优化装置，包括：l视处理模块、配准编码模块、差分操作模块和时序优化模块；
26.所述l视处理模块，用于获取时序sar数据集，并对所述时序sar数据集进行l视处理，分别获得l视强度数据集合和干涉数据集；
27.所述配准编码模块，用于以所述l视强度数据集为参考，获取并分别对预设数字高程模型和预设土地覆盖图进行配准与地理编码，分别得到sar图像坐标系下的数字高程和sar图像坐标系下的土地覆盖图；
28.所述差分操作模块，用于根据所述sar图像坐标系下的数字高程，对所述干涉数据集进行差分操作，得到差分干涉数据集；
29.所述时序优化模块，用于根据所述sar图像坐标系下的土地覆盖图和所述差分干涉数据集，估算每一个像素的协方差矩阵，并根据预设的时序相位极大似然估计公式，估计并获得优化后的时序相位。
30.作为优选方案，所述l视处理模块，用于获取时序sar数据集，并对所述时序sar数据集进行l视处理，分别获得l视强度数据集合和干涉数据集，具体为：
31.获取n幅时序sar数据集，并对所述n幅时序sar数据集进行配准，对配准后的n幅时序sar数据集进行l视处理，分别获得n幅sar强度序列和n(n－1)/2个干涉数据集；其中，n为大于1的正整数。
32.作为优选方案，所述配准编码模块，用于以所述l视强度数据集为参考，获取并分别对预设数字高程模型和预设土地覆盖图进行配准与地理编码，分别得到sar图像坐标系下的数字高程和sar图像坐标系下的土地覆盖图，具体为：
33.以所述l视强度数据集为参考，采用预设的互相关最大化算法，获取并对预设数字高程模型与所述l视强度数据集进行配准和地理编码，得到sar图像坐标系下的数字高程；
获取并对预设的卫星轨道数据信息与预设土地覆盖图进行配准和地理编码，得到sar图像坐标系下的土地覆盖图。
34.作为优选方案，所述差分操作模块，用于根据所述sar图像坐标系下的数字高程，对所述干涉数据集进行差分操作，得到差分干涉数据集，具体为：
35.根据所述sar图像坐标系下的数字高程，对所述n(n－1)/2个干涉数据集进行差分操作，得到n(n－1)/2幅差分干涉数据集；其中，所述差分干涉数据集与所述sar图像坐标系下的土地覆盖图的像素位置一一对应。
36.作为优选方案，所述时序优化模块，用于根据所述sar图像坐标系下的土地覆盖图和所述差分干涉数据集，估算每一个像素的协方差矩阵，具体为：
37.依次对所述n(n－1)/2幅差分干涉数据集建立滑动窗口，根据所述sar图像坐标系下的土地覆盖图，依次标记每幅差分干涉数据集对应的滑动窗口内与预设参考像素相同属性的像素，从而依次统计所述滑动窗口内与中心像素具有相同类别标记的像素，计算协方差矩阵的元素，从而估算出每一个像素的协方差矩阵。
38.作为优选方案，所述时序优化模块，用于根据预设的时序相位极大似然估计公式，估计并获得优化后的时序相位，具体为：
39.根据预设的时序相位极大似然估计公式：ξ＝e
jθ
；从而估计并获得优化后的时序相位；
40.其中，为优化后的时序相位，θ为时序相位的正值，表示取实部算子，∑为所述差分干涉数据集的协方差矩阵。
附图说明
41.图1：为本发明实施例所提供的一种insar时序相位的优化方法的步骤流程图；
42.图2：为本发明实施例所提供的一种insar时序相位的优化方法的流程示意图；
43.图3：为本发明实施例所提供的一种insar时序相位的优化方法的中协方差矩阵估计的流程示意图；
44.图4：为本发明实施例所提供的一种insar时序相位的优化方法与原始差分干涉图和现有方法优化结果的效果对比图；
45.图5：为本发明实施例所提供的一种insar时序相位的优化装置示意图。
具体实施方式
46.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
47.实施例一
48.请参照图1和图2，为本发明实施例提供的一种insar时序相位的优化方法，包括以下步骤s101－s104：
49.s101：获取时序sar数据集，并对所述时序sar数据集进行l视处理，分别获得l视强
度数据集合和干涉数据集。
50.具体地，获取具有n幅时序sar单视影像的时序sar数据集，并对所述n幅时序sar单视影像进行配准，对配准后的n幅时序sar单视影像进行l视处理，分别获得n幅sar强度序列和n(n－1)/2个干涉数据集；其中，n为大于1的正整数。
51.需要说明的是，优选地，获取的n幅时序sar单视影像的时序sar数据集为哨兵1号的sar数据，进行配准后，对其进行l视处理，分别获得n幅sar强度序列和n(n－1)/2个干涉数据集；视数l的选择根据实际的需求来确定，优选地，在本实施例中，视数l由步骤s102中的预设土地覆盖图的分辨率来确定，哨兵1号的sar数据空间分辨率约为20m＊5m(方位向＊距离向)，则对于20米的预设土地覆盖图，l＝1＊5视；其中，哨兵1号(sentinel－1)卫星是欧洲航天局哥白尼计划(gmes)中的地球观测卫星，由两颗卫星组成，载有c波段合成孔径雷达，可提供连续图像，包括但不限于白天、夜晚和各种天气的图像数据信息。
52.可以理解的是，获取具有n幅时序sar单视影像的时序sar数据集后，对时序sar数据集进行配准，并进行l视处理，能够提高l视处理后所得到的sar强度序列和干涉数据集的准确性，同时也避免后续需要对时序sar单视影像进行处理，经过l视处理后所得到多视的数据集，能够大幅降低所要处理的数据集体积。
53.s102：以所述l视强度数据集为参考，获取并分别对预设数字高程模型和预设土地覆盖图进行配准与地理编码，分别得到sar图像坐标系下的数字高程和sar图像坐标系下的土地覆盖图。
54.具体地，以所述l视强度数据集为参考，采用预设的互相关最大化算法，获取并对预设数字高程模型与所述l视强度数据集进行配准和地理编码，得到sar图像坐标系下的数字高程；获取并对预设的卫星轨道数据信息与预设土地覆盖图进行配准和地理编码，得到sar图像坐标系下的土地覆盖图。
55.需要说明的是，预设的互相关最大化算法具有对噪声不敏感、匹配位置准确等特点，而数字高程模型则是通过有限的地形高程数据实现对地面地形的数字化模拟，即地形表面形态的数字化表达，在对预设数字高程模型与所述l视强度数据集进行配准和地理编码后，即可得到sar图像坐标系下的数字高程；优选地，在本实施例中，预设的卫星轨道数据信息则通过哨兵一号卫星提供，预设土地覆盖图则是反映地表的状况，通过对预设的卫星轨道数据信息与预设土地覆盖图进行配准和地理编码，即可得到sar图像坐标系下的土地覆盖图。
56.可以理解的是，在以所述l视强度数据集合为参考，对预设数字高程模型与所述l视强度数据集中的sar强度图像进行配准和地理编码，能够提高刻画地形精确程度，以及对预设的卫星轨道数据信息与预设土地覆盖图进行配准和地理编码，使得能够为后续估算所述差分干涉数据集的协方差矩阵的步骤中提供参考像素，避免了现有技术中采用同质样本选择的方法，从而提高了整体的计算效率。
57.s103：根据所述sar图像坐标系下的数字高程，对所述干涉数据集进行差分操作，得到差分干涉数据集。
58.具体地，根据所述sar图像坐标系下的数字高程，对所述n(n－1)/2个干涉数据集进行差分操作，得到n(n－1)/2幅差分干涉数据集；其中，所述差分干涉数据集与所述sar图像坐标系下的土地覆盖图的像素位置一一对应。
59.需要说明的是，对n(n－1)/2个干涉数据集进行差分操作，以消除地形相位的贡献，即对干涉数据集进行地形去除以及相位的解缠，有助于提升insar的形变监测能力，从而得到n(n－1)/2幅差分干涉数据集。
60.可以理解的是，根据sar图像坐标系下的数字高程来对干涉数据集进行差分操作，能够消除地形相位贡献，可以有效提高干涉相位的精度，同时所得到的差分干涉数据集与sar图像坐标系下的土地覆盖图的像素位置一一对应，以使后续对估算所述差分干涉数据集的协方差矩阵的步骤中，能够准确对窗口内与中心像素具有相同类别标签的像素进行统计，同时相比于现有技术，也提高了整体的计算效率。
61.s104：根据所述sar图像坐标系下的土地覆盖图和所述差分干涉数据集，估算所述差分干涉数据集的协方差矩阵，并根据预设的时序相位极大似然估计公式，估计并获得优化后的时序相位。
62.具体地，依次对所述n(n－1)/2幅差分干涉数据集建立滑动窗口，根据所述sar图像坐标系下的土地覆盖图，依次标记每幅差分干涉数据集对应的滑动窗口内与预设参考像素相同属性的像素，从而依次统计所述滑动窗口内与中心像素具有相同类别标记的像素，计算协方差矩阵的元素，从而估算出所述差分干涉数据集的协方差矩阵。
63.具体地，根据预设的时序相位极大似然估计公式：ξ＝e
jθ
；从而估计并获得优化后的时序相位；其中，为优化后的时序相位，θ为时序相位的正值，表示取实部算子，∑为所述差分干涉数据集的协方差矩阵。
64.需要说明的是，l视差分干涉图的定义为需要说明的是，l视差分干涉图的定义为si和sk分别表示第i和k幅单视复数影像，＊表示共轭算子，表示地形相位补偿项，在本实施例中，可有哨兵1号卫星集合参数和预设数字高程模型得到。在本实施例中，若不考虑sar强度的情况下，l视差分干涉图简化为其中φ
i,k
表示原始相位。在本实施例中，定义单视复数影像集的协方差矩阵为：其中将η
i,k
变换为其中m＝l
·
q。从上式可知，单视复数影像集的协方差矩阵的任一元素可通过l视差分干涉图获得，对单视复数影像集使用m个样本等价于l视数据使用q个样本，因此大幅降低了输入数据的内存空间，同时通过上述的公式变换，可以从l视数据集的协方差矩阵∑恢复原始数据集的协方差矩阵∑0。
65.请参阅图3，其为在sar图像坐标系下的土地覆盖图辅助下的l视差分干涉图的协方差矩阵估计的示意图，通过获取原始数据中第i，k个l视平均窗口，并通过sar图像坐标系下的土地覆盖图来选取同质像素进行协方差的估计。
66.可以理解的是，在估算所述差分干涉数据集的协方差矩阵的步骤中，代替传统分布式目标数据处理步骤中同质样本统计选择的方法，而采用通过sar图像坐标系下的土地覆盖图标记当前滑动窗口内领域像素与参考像素相同属性的像素，并直接用相同类别标记的像素，即同质像素，来进行协方差矩阵估计，大幅提高了运算效率，在高效运算的方面具有明显的优势。
67.需要说明的是，极大似然估计是一种参数估计方法，通过若干次试验，观察结果，利用结果估算推出参数的大概值。在本实施例中，利用时序相位的正值θ，以及差分干涉数据集的协方差矩阵，来估算优化后的时序相位
68.可以理解的是，通过预设的时序相位极大似然估计公式，以及差分干涉数据集的协方差矩阵，能够准确估计出优化后的时序相位，进一步地提高对sar时序相位优化的准确性。
69.请参阅图2，其为本发明实施例中的一种insar时序相位的优化方法的流程示意图。通过获取的时序sar数据集，进行l视处理后得到l视sar强度数据集和l视干涉数据集，并通过分别对数字高程模型和土地覆盖图的配准和地理编码，从而得到sar坐标系下的数字高程和土地覆盖图；将sar坐标系下的数字高程与l视干涉数据集进行差分操作，从而得到l视差分干涉数据集，并在sar坐标系下的土地覆盖图的辅助下，对l视同类目标选取以及协方差矩阵的估计，并根据极大似然时序相位估计，得到时序优化相位。
70.请参阅图4，其为本发明另一实施例与原始差分干涉图和现有方法优化结果的效果对比图，现有方法中的单视复数图像差分和本发明实施例均能有效抑制噪声，获得高信噪比相位，但是由于本发明实施例采用了l＝5视数据，因此图像尺寸较传统方法获得的结果小五倍。在该实施例中，选取2017年sentinel－1tops模式21景单视复数数据集，srtm30米分辨率dem以及esri2020年全球10米分辨率土地覆盖图，将所有数据集配准至20米格网，采用三中的流程估计时间序列相位。同时，采用传统方法，在单视下对数据集使用ks检验选取同质样本，后采用相同的似然估计量估计时序相位，在协方差矩阵估计过程中，ks检验选取了11＊21的窗口尺寸。本发明方法使用了斜距向l＝5视对数据预处理后，选取了11＊11窗口尺寸估计协方差矩阵，等效到单视下11＊55的估计窗口；在matlab2021a版本测试下的结果如表1所示，多视数据(即l视处理后的数据)输入和参数输出占用工作区空间(169.98m)约为单视下(978.73m)的17％，证明用多视数据能够大幅降低内存空间，使用sar图像坐标下的土地覆盖图的样本选取仅需要一分钟，效率是传统方法的272倍，证明该实施例高效运算的能力和海量数据处理方面的潜力。
71.表1不同方法matlab工作区内存消耗与统计选择耗时比较
[0072][0073]
[0074]
实施本发明实施例，具有如下效果：
[0075]
本发明实施例通过在获取时序sar数据集后，对时序sar数据集进行l视处理，与现有技术相比，将现有的单视复数数据集转换成l视的数据集，l视数据输入和参数输出的占用工作区空间远低于单视，能够大幅降低数据集体积，并通过得到的sar图像坐标系下的土地覆盖图，来估算所述差分干涉数据集的协方差矩阵，大幅提高了运算效率，避免了现有技术中通过同质样本统计选择方法来进行估计。
[0076]
实施例二
[0077]
相应地，本发明还提供一种insar时序相位的优化装置，包括：l视处理模块201、配准编码模块202、差分操作模块203和时序优化模块204。
[0078]
所述l视处理模块201，用于获取时序sar数据集，并对所述时序sar数据集进行l视处理，分别获得l视强度数据集合和干涉数据集。
[0079]
具体地，所述l视处理模块201，用于获取n幅时序sar数据集，并对所述n幅时序sar数据集进行配准，对配准后的n幅时序sar数据集进行l视处理，分别获得n幅sar强度序列和n(n－1)/2个干涉数据集；其中，n为大于1的正整数。
[0080]
所述配准编码模块202，用于以所述l视强度数据集为参考，获取并分别对预设数字高程模型和预设土地覆盖图进行配准与地理编码，分别得到sar图像坐标系下的数字高程和sar图像坐标系下的土地覆盖图。
[0081]
具体地，所述配准编码模块202，用于以所述l视强度数据集为参考，采用预设的互相关最大化算法，获取并对预设数字高程模型与所述l视强度数据集进行配准和地理编码，得到sar图像坐标系下的数字高程；获取并对预设的卫星轨道数据信息与预设土地覆盖图进行配准和地理编码，得到sar图像坐标系下的土地覆盖图。
[0082]
所述差分操作模块203，用于根据所述sar图像坐标系下的数字高程，对所述干涉数据集进行差分操作，得到差分干涉数据集。
[0083]
具体地，所述差分操作模块203，用于根据所述sar图像坐标系下的数字高程，对所述n(n－1)/2个干涉数据集进行差分操作，得到n(n－1)/2幅差分干涉数据集；其中，所述差分干涉数据集与所述sar图像坐标系下的土地覆盖图的像素位置一一对应。
[0084]
所述时序优化模块204，用于根据所述sar图像坐标系下的土地覆盖图和所述差分干涉数据集，估算每一个像素的协方差矩阵，并根据预设的时序相位极大似然估计公式，估计并获得优化后的时序相位。
[0085]
具体地，所述时序优化模块204，用于依次对所述n(n－1)/2幅差分干涉数据集建立滑动窗口，根据所述sar图像坐标系下的土地覆盖图，依次标记每幅差分干涉数据集对应的滑动窗口内与预设参考像素相同属性的像素，从而依次统计所述滑动窗口内与中心像素具有相同类别标记的像素，计算协方差矩阵的元素，从而估算出每一个像素的协方差矩阵。
[0086]
具体地，所述时序优化模块204，还用于根据预设的时序相位极大似然估计公式：ξ＝e
jθ
；从而估计并获得优化后的时序相位；其中，为优化后的时序相位，θ为时序相位的正值，表示取实部算子，∑为所述差分干涉数据集的协方差矩阵。
[0087]
所属领域得技术人员可以清楚地了解到，为描述得方便和简洁，上述描述的具体
工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
[0088]
实施以上实施例，具有如下效果：
[0089]
本发明实施例通过在获取时序sar数据集后，对时序sar数据集进行l视处理，与现有技术相比，将现有的单视复数数据集转换成l视的数据集，l视数据输入和参数输出的占用工作区空间远低于单视数据，因此能够大幅降低数据集体积，同时通过得到的sar图像坐标系下的土地覆盖图，来估算所述差分干涉数据集的协方差矩阵，大幅提高了运算效率，避免了现有技术中通过同质样本统计选择方法来进行估计，具备高效运算的能力和海量数据处理方面的潜力。
[0090]
以上所述的具体实施例，对本发明的目的、技术方案和有益效果进行了进一步的详细说明，应当理解，以上所述仅为本发明的具体实施例而已，并不用于限定本发明的保护范围。特别指出，对于本领域技术人员来说，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。