k为系数矢量维度的2倍；i[1]表示单位矩阵的第i列向量；Ql代表由于相位梯度估计不准确造成的过程噪声误差；根据文献[25]，P0|0和Ql的值通常可分别设置为单位矩阵I和5I。
利用Levenberg-Marquardt方法优化误差方差Pl|l－1并生成新的容积点Ci,l|l－1
(12)
式中，优化误差方差时为避免直接对矩阵求逆带来的耗时问题，Pl|l－1－表示取Pl|l－1的对角元素组成的误差向量；Pl|l－1*表示优化后的误差向量；Pl|l－1 为根据Pll-1*构造的对角矩阵。算子diag(·)可以将输入向量生成方阵，方阵的对角线元素为输入向量的元素。μ表示优化Pl|l－1-的调节参数[19]。根据容积点计算相位观测值jl|l－1、像元的观测方差PJJ,l|l－1以及互相关协方差PCJ,l|l－1
(13)
式中，Rl为噪声引起的误差方差矩阵，估计卡尔曼增益并更新多项式系数矢量和误差方差
(14)
式(10)—式(14)为CKF状态估计主要过程。其中，jl*代表相邻像元干涉相位的观测值，Kl|l为卡尔曼增益矩阵。局部窗口内逐点采用CKF对系数矢量递推估计，局部窗口内所有像元扫描完成后，系数矢量C=CL2|L2包含最终解缠相位及修正后的相位梯度。
当前像元相位解缠完成后，按行(或列)方向扫描选取下一个解缠像元，采用CKF递推估计其多项式系数矢量，直至所有像元缠绕相位均被解缠。
2.2 质量引导策略
对于干涉条纹非常密集的缠绕相位图，即使含有很少的噪声，也容易造成条纹密集区域的解缠相位产生突变，引起整个解缠相位图的误差变大。若仍选用逐行(或列)选取像元策略极易造成误差传播，难以准确恢复解缠相位图。为此，针对条纹非常密集的干涉相位图，选用质量图引导策略[5]确定相位解缠路径，使本文算法能够更好地恢复解缠相位，本文所选质量图为相位导数方差图，具体定义为
