近20年来合成孔径雷达技术(Synthetic Aperture Radar,简称SAR)迅猛发展并趋于成熟。作为一种新技术,InSAR具有其他传感器所不具备的优势,如全天候的工作模式,不受天气气候影响;高分辨率;较强的穿透能力;大范围采集数据等。而且近年来,美国的NASA、欧洲的欧空局、日本的JAXA等相继成功发射了多颗SAR成像卫星,成像质量不断改善。这在为我们提供大量的高质量数据的同时,也对SAR数据的后处理算法提出了越来越高的要求。合成孔径雷达干涉测量(Interferometry Synthetic Aperture Radar,简称InSAR)作为SAR数据的一个主要应用方面,其中主要的算法就包括了影像匹配,重采样,干涉图滤波,还有相位解缠(Phase Unwrapping)。相位解缠作为最后一步也是最有难度的一步流程,其算法优劣直接影响着最后由InSAR得到数字地面模型(Digital Elevation Model,简称DEM)或者地面形变信息的精度。相位解缠问题的出现至今还不足三十年的时间,然而提出的算法已经相当多。它们大致可以分成两大类:路径积分算法,最小范数算法。本论文深入研究了以上两大类解缠算法,并用Matlab或C编写了其中的多种算法,以实际数据及模拟数据为例实现了各类算法并分析比较他们的优缺点。其中路径积分算法先从缠绕相位信息中寻找非连续的区域,然后绕过这些非连续区域进行解缠,这样可以避免非连续相位引起的误差在全局的传播。可以说在每个连通的局部区域内的结果是准确的,但在部分相位不连续区域的结果是不准确的。最小范数算法的关键是改正值不限制为整数周期,并根据最小范数原理把解缠前后的相位偏微分之差限制到最小,其解缠原理等效于解纽曼边界的泊松方程。当范数为2时,就相当于最小二乘方法。其结果在全局上来说是连续的,但没有一点是“准确的”。各类加权或者等权最小范数算法的实质都是解一个泊松方程,其主要区别就是其运算效率及权重的不同。在此基础上本文又对奇异点与相位不连续点的关系进行了公式推导,证明了他们之间的充分不必要关系,并在此基础上对其中的枝切算法进行了有效的改进,并用模拟数据证明了改进算法的有效性。