1.影像配准

影像配准是GBSAR数据处理的第一步。虽然GBSAR的轨道是固定的直线，但在实际的测量过程中，由于轨道、时间或视角上的细微偏差，所获得的InSAR影像在距离向和方位向都会出现一定程度的扭曲和错位，从而降低观测数据对的相干性，使得GBSAR的测量精度下降。由于GBSAR测量变形时对精度要求较高，要达到毫米或亚毫米级，所以要对两幅SAR影像进行高精度配准。影像配准有很多算法，常用的有基于干涉条纹（相位）的配准、基于灰度（信号幅度）的配准和基于干涉图频谱（频域SNR）的配准，这些算法虽然计算量较大，但精度都比较高，可达到0.1个像素，满足图像配准的精度要求（亚像素级）。程海琴（2012）提出基于相干曲面移动拟合的InSAR影像高精度配准方法，颜林（2010）提出利用约束Delaunay三角网生成算法对影像进行配准，得到了较好的配准结果。

2.干涉图生成与相位噪声滤波

将高精度配准后的两幅InSAR影像进行共轭相乘并取相角，即可生成干涉条纹图。由于干涉图中包含系统噪声和数据处理引入的噪声，这些噪声的存在会影响干涉图的信噪比，降低相干性，最终影响变形监测的精度，所以要对干涉图进行滤波。噪声滤波有前置滤波和后置滤波。前置滤波是指在生成干涉图之前对原始复影像进行滤波，后置滤波是指在形成干涉图后对其进行滤波。虽然在生成干涉图之前进行了前置滤波，但仍然有一些噪声存在，所以生成干涉图后要再次进行滤波。常用的干涉条纹图滤波方法为周期均值滤波。张俊（1998）提出小波软阈值滤波算法对雷达影像上的斑点噪声进行滤除，廖明生（2003）提出基于雷达影像干涉条纹图的复数空间自适应滤波算法，达到了较好的滤波效果。

3.相位解缠

干涉图在完成滤波后，只剩下了包含形变信息的相位，但这个相位只是[-π，π]区间的主值，需要加上2π的整数倍才能得到反映真实形变量的相位值。由相位主值得到真实相位值的过程称为相位解缠。干涉图的相位解缠在GBSAR数据处理中是非常关键的环节，解缠的结果直接影响形变测量的精度。常用的相位解缠方法有最优估计法、路径跟踪法、边缘分析或区域分割法、基于最小二乘原理方法等。由于GBSAR系统的空间基线为零，且时间基线较短，又无须考虑地形的影响，所以相位解缠的难度较之星载InSAR来说要低。采用“累积干涉图像测量法”可以很好地消除相位缠绕的影响。Ghiglia和Romero（1996）提出最小范数相位解缠方法，通过迭代运算求出最优解，Costantini（1998）提出最小费用流算法，将相位解缠转化为线性的最优化问题，通过图论和网络规划解决相位缠绕问题。(www.daowen.com)

4.大气扰动校正

在GBSAR接收信号的初始干涉相位里，除了形变相位和噪声相位，还有大气扰动引起的相位。大气效应的影响是GBSAR干涉相位误差的主要来源之一，它可以使传播路径弯曲和延迟雷达信号。GBSAR采用的高频信号在观测过程中容易受到周边环境的大气变化影响，严重时可达到几十毫米级，完全掩盖了变形体的形变信息，影响了该技术的监测精度。环境的大气扰动随着时间、空间变幻莫测，很难精准地反演出监测环境内大气扰动的精确值，常用的大气扰动改正的算法有三种：基于雷达影像成像特性的统计分析法、基于外界环境监测的改正法、综合模型法，这三种方法大多适用于星载雷达干涉测量技术。由于地基雷达数据采集原理和处理模式大有不同，因此星载雷达干涉测量技术中的大气扰动改正的方法很难直接应用于地基雷达。

陈强、丁晓利、刘国祥等（2006）基于GBSAR的成像特点，在假设观测区域内大气变化一致的前提下，提取观测区域内较稳定点的相位值作为该区域内的大气扰动值，然后利用环境变化值与被测物到雷达间的距离成线性变化关系，该方法可以将大气扰动削弱到亚厘米级，但该方法仅能改正基于距离向的大气扰动，无法改正方位向的大气扰动。祝传广、范洪冬、邓喀中（2014）在GBSAR监测的过程中，同时高效地记录监测环境内大气水分、湿度、温度、气压等参数，建立气象改正模型，该模型能够较好地去除大气扰动，但模型的重建参数较为复杂，且变化性较强，限制了其应用范围。国内学者在对GBSAR进行环境改正时多是参考国外的改正方法。基于永久散射体干涉测量技术（Permanent Scatterer，PS）的大气改正方法可以较好地解决星载InSAR中的时间去相干和大气去相干问题。Noferini（2005）第一次将PS技术引用于GBSAR数据处理中。PS点的选取大多是基于雷达影像中PS的特征，主要有基于幅度强度信息、基于相位稳定性信息、基于幅值离散指数的信息等。大气扰动主要是影响雷达距离向的变动，大气扰动在空间分布上存在较强的相关性，2004年Luzi分析了大气扰动和仪器噪声相位的去相关性，2005年Noferini将GBSAR监测技术用于坡度不稳定监测，通过地面上控制点建立函数模型对大气扰动进行改正，取得了较好的结果。Dei等（2009）对GBSAR测量系统IBIS-L的原理和性能进行了深入分析并分别完成了某滑坡体和大坝的监测，结果表明气温和湿度的变化将影响IBIS-L系统的性能，可在监测区域设置校准点减弱气象因素的影响，Mario等（2008）利用GBSAR技术研究水位和气温对大坝的影响，形变值与坐标测量仪的结果相一致，精度达到±1mm。2009年Herrera使用连续的地基雷达数据改进了Pyrenees中部滑坡的预测模型。2010年Luzi完成了基于人工角反射器的不连续滑坡监测实验。2011年Del Ventisette将GBSAR技术应用到意大利卡拉布里亚地区的滑坡监测中。Luzi（2004）分析了GBSAR的大气干扰效应，然后在真实的滑坡监测活动中通过PS技术校正了大气扰动的影响。Iannini（2011）研究了基于对现有大气参数（压力、温度和湿度）的延迟建模的补偿方法的能力和缺陷。

5.形变真值解算

干涉条纹图在经过相位解缠和大气效应的校正后，得到了目标形变量的真实相位，通过相位转换便可以计算得到雷达视线向形变值。由于GBSAR系统要获得高精度的测量结果，不能直接将视线向形变值当作形变真值来处理，需要根据系统几何关系将视线向形变值转化为形变真值。