Interferometric Synthetic Aperture Radar (InSAR) is a modern geodetic technique. Exploiting differential phase measurements, it retrieves Earth surface topography and deformation with an unprecedented spatial coverage. The precision of the technique varies between centimeter to millimeter level, dependent on the calibration of the error sources. Among such sources is signal decorrelation which compromises the precision of interferometric phase. Various time series analysis techniques have been developed to tackle the decorrelation problem. They enhance the phase precision albeit at high computational complexity. The latter has hindered the applicability of these techniques in processing long time series. Over the last few years the new generation wide-swath SAR missions have opened unique opportunities for rapid global deformation monitoring. However, the demanding processing of the unprecedented data volume from these missions poses a challenge to the conventional interferometric techniques. This dissertation responds to this challenge by proposing novel algorithms for efficient phase, and consequently deformation, estimation. Special attention is paid to the achievable estimation performance. The following summarizes the milestones in fulfilling these objectives. The performance of the state-of-the-art phase estimators is assessed and compared with respect to the Cramér-Rao Lower Bound (CRLB). This evaluation highlights a trade-off between computational efficiency and estimation precision in time series analysis. The optimization of this trade-off is the main objective behind the proposal of two new phase estimators. Eigen-decomposition-based Maximum-likelihood-estimator of Interferometric phase (EMI) is the first proposal. In its design, the model complexity of conventional phase estimators is increased to improve the estimation performance. The inversion of the generalized model is sought via Maximum Likelihood Estimation (MLE). In the interest of gaining computational efficiency, the reference MLE is approximated and reformulated into a Lagrangian. An arsenal of highly optimized numerical recipes is available for the efficient solution of the latter. However, similar to the state-of-the-art techniques, EMI requires the reprocessing of the entire time series for inclusion of each new ingested acquisition in its framework. The second proposed estimator accommodates stream processing of the ingested acquisitions, thereby provides high operational flexibility for systematic deformation monitoring. This Sequential Estimator efficiently exploits the abundant data in the time series via data compression and generation of high SNR artificial interferograms between the compressed and ingested data content. The artificial interferograms are shown to assist the Sequential Estimator in maintaining performance close to computationally demanding estimators. The proximity of performance to CRLB, elimination of redundant data processing, reduction of the required data storage and working memory capacity are among the efficiency criteria for the design of the Sequential Estimator. The combination of the Sequential Estimator and EMI is the ultimate suggestion of this dissertation for Big Data analysis. This combined approach is demonstrated in wide area processing. Its performance in terms of precision and accuracy of phase estimation is thoroughly investigated. Such error analysis assists in the quantification of the achievable InSAR performance in deformation estimation. Finally, the performance of InSAR in 3D deformation estimation is assessed. Optimized acquisition geometry is proposed for achieving high-precision 3D deformation monitoring.      «

Interferometric Synthetic Aperture Radar (InSAR) is a modern geodetic technique. Exploiting differential phase measurements, it retrieves Earth surface topography and deformation with an unprecedented spatial coverage. The precision of the technique varies between centimeter to millimeter level, dependent on the calibration of the error sources. Among such sources is signal decorrelation which compromises the precision of interferometric phase. Various time series analysis techniques have been d...     »

Interferometriescher Synthetic Aperture Radar (SAR) ist eine moderne geodätische Methode. Durch Nutzung differenzieller Phasenmessungen, kann die Topographie der Erdoberfläche mit einer beispiellosen räumlichen Auflösung abgetastet werden. Die Genauigkeit dieser Technik bewegt sich im Zentimeter- bis Millimeterbereich und hängt von der Genauigkeit der Fehlerkalibrierung ab. Unter den Fehlerursachen ist die Signaldekorrelation, welche die Genauigkeit der gemessenen interferometrischen Phase verschlechtert. Um den Einfluss der Dekorrelation zu minimieren, wurden verschiedene Techniken zur Zeitreihenanalyse entwickelt. Diese verbessern zwar die Genauigkeit der interferometrischen Phase aber erreichen dies nur auf Kosten der benötigten Rechenleistung. Damit ist bisher die Anwendbarkeit der Techniken bei der Verarbeitung langer Zeitreihen eingeschränkt. In den letzten Jahren wurden durch eine neue Generation von wide-swath SAR Missionen neue Chancen eröffnet, um zeitnahes und systematisches Beobachten der Erddeformation zu ermöglichen. Jedoch stellt das beispiellose Datenvolumen dieser Missionen ein Problem für die Verfahren der konventionellen Radarinterferometrie dar. Diese Dissertation liefert eine Antwort für dieses Problem, indem neue Algorithmen zur effizienten Phasen- und Deformationsbestimmung vorgestellt werden. Dabei wurde besonderes Augenmerk auf die mögliche erreichbare Abschätzungsgenauigkeit gelegt. Nachfolgend werden die wichtigsten Schritte zur Erfüllung dieser Aufgabenstellung aufgeführt. Die Güte moderner Phasenschätzer wurde analysiert und mit der Cramér-Rao-Schranke (CRLB) verglichen. Die Auswertung hebt dabei den Zielkonflikt zwischen rechnerischer Effizienz und Abschätzungsgenauigkeit in der Zeitreihenanalyse hervor. Die Optimierung dieses Zielkonflikts ist das Hauptziel der zwei neuvorgestellten Phasenschätzer. Der erste neu vorgeschlagene Schätzer hat den Namen EMI und ist folgendermaßen aufgebaut: Im ersten Schritt wird die Komplexität von konventionellen Phasenschätzern erhöht, um die Abschätzungsgenauigkeit zu steigern, während anschließend das Modell mithilfe einer Maximum-Likelihood Schätzung invertiert wird. Um die rechnerische Effizienz der Maximum-Likelihood Schätzung zu verbessern, wird das Lagrange-Multiplikatoren Verfahren angewandt. Für dessen Lösung sind bereits hocheffiziente numerische Rechenmethoden verfügbar. Unverändert zu anderen modernen Methoden benötigt EMI aber immer noch eine Reprozessierung der gesamten Zeitreihe für jede neu akquirierte Szene, die in den Datensatz eingefügt werden soll. Die zweite vorgestellte Methode führt eine fortlaufende Verarbeitung dieser neu eingefügten Akquisitionen ein und erhöht daher die Flexibilität einer operationellen Bearbeitung von Zeitreihen für die Beobachtung von Erddeformationen. Diese Methode (Sequential Estimator) nutzt die Informationen aus der Datenmenge in der Zeitreihe, wobei künstliche Interferogramme mit hohem Signal-Rausch Verhältnis generiert werden, um ältere Daten in der Zeitreihe zu komprimieren. Mithilfe der künstlichen Interferogramme erhält der Sequential Estimator dabei eine Schätzgenauigkeit, die nahe an der von deutlich rechenaufwendigeren Schätzern liegt. Als Qualitätskriterien für die Entwicklung des Sequential Estimator werden dabei die Nähe zur CRLB, die Vermeidung überflüssiger Datenverarbeitung sowie die Verringerung von Speicher-und Rechenkapazität zurate gezogen. In dieser Dissertation wird als endgültiger Vorschlag für die Big Data Analyse die Kombination aus Sequential Estimator und EMI diskutiert. Am Beispiel der wide-area Verarbeitung wird die Schätzgenauigkeit und Präzision im Detail untersucht. Eine solche Fehleranalyse ermöglicht eine Quantisierung der erreichbaren Güte in der InSAR Erddeformationsbestimmung. Zuletzt wird die Güte von 3D Deformationsbestimmung bewertet. Dafür wird die Aufnahmegeometrie des SAR als Haupteinfluss der Gütemessung diskutiert und eine optimale Aufnahmegeometrie für eine hochgenaue 3D Deformationsbeobachtungen vorgeschlagen.      «

Interferometriescher Synthetic Aperture Radar (SAR) ist eine moderne geodätische Methode. Durch Nutzung differenzieller Phasenmessungen, kann die Topographie der Erdoberfläche mit einer beispiellosen räumlichen Auflösung abgetastet werden. Die Genauigkeit dieser Technik bewegt sich im Zentimeter- bis Millimeterbereich und hängt von der Genauigkeit der Fehlerkalibrierung ab. Unter den Fehlerursachen ist die Signaldekorrelation, welche die Genauigkeit der gemessenen interferometrischen Phase versc...     »