地基合成孔径雷达(Synthetic Aperture Radar,SAR)差分干涉测量是一种基于合成孔径雷达监测微小变形的技术。地基SAR系统具有全天时全天候、非接触性、大观测区域、不受光照限制的特点。同时,由于平台静止放置于地面,和传统星载与机载雷达相比,地基SAR系统具有观测周期短、对于形变地区的短时间内变化观测能够实时快速响应的优势。目前已公开的文献中,此技术已应用于露天矿监测、大坝安全监测、山体滑坡抢险救援等方面。本文梳理了地基SAR系统研究现状、相关文章发表现状、形变测量技术研究现状和地基SAR系统应用现状。介绍了地基SAR系统工作模式、信号体制和成像算法,描述了形变反演算法的一般流程并分析了地基SAR系统形变误差来源。因为地基SAR在长时间进行外场观测时由于环境变化影响会存在观测相位误差,观测相位误差会形成形变误差,进而影响系统监测精度。故本论文针对环境变化影响监测精度的问题,拟开展基于长时间序列观测误差校正的地基SAR高精度形变反演方法研究。针对单阈值只强调PS点的某一个特性,双阈值法没有考虑相位的不稳定性的问题,本文提出相干系数、幅度离差及相位误差组合的三阈值算法,该方法在双阈值算法的基础上充分考虑相位误差信息对永久散射体(Permanent Scatterer,PS)点选择的影响,将进一步考察像素点稳定性的精细量相位误差作为筛选PS点的方法,通过设置合理的相位误差阈值,进行PS点筛选,并用实验验证了算法的正确性。然后针对使用阈值法筛选永久散射体时,人工调试多个阈值过程繁复且容易出现阈值设置不合理现象,提出一种多阈值优化算法,该算法针对地基雷达实现自动确定筛选永久散射体点的阈值,能减少人工设置阈值的不合理现象,省去更换监测场景后繁复阈值调试的过程,自动确定的阈值筛选结果达到比人工反复调整的阈值更优的效果。接下来,本文针对大场景时难以实现不同的观测区域使用不同大小阈值的问题,将机器学习的方法与传统地基SAR形变反演算法结合,提出了使用Transformer模型对雷达像素点进行分类的方法,该方法首先对地基SAR数据进行预处理,接下来将数据输入到Transformer模型中,最终模型选出适合用于形变反演的像素点。改进的阈值法可为此方法提供更优数据集,同时阈值法与此方法可进行对比验证实验结果。实验结果证明了Transformer模型分类像素点并反演形变的可行性。