本文的研究工作紧密围绕InSAR系统干涉参数的定标方法展开。针对干涉定标方法和定标模型中的几个关键问题,通过理论分析和仿真计算提出了新的定标思路,对干涉定标技术的研究进行有益的探讨。针对干涉定标方法中敏感度矩阵求逆的病态问题,本文根据干涉参数敏感度特性提出并建立了权重敏感度模型和差分敏感度模型,即在敏感度矩阵中引入了待定标系统参数的差异性,降低其对定标矩阵的病态影响;结合地面定标器的优化布放规则,设计了多种干涉定标算法。仿真结果表明,这些干涉定标方法能改善敏感度模型的计算性能,提高了算法的收敛性和定标效率。针对分布式卫星SAR系统中多干涉平台的定标问题,本文以单干涉平台定标方法为基础,提出了联合干涉定标方法。该方法利用编队构形与各干涉平台间系统参数的关系,联合各干涉平台的敏感度方程进行集中式一次处理,避免了各干涉平台独自定标中的处理复杂度。仿真结果表明,在编队构形的星间距离可以精确获知的前提下,该方法能实现多干涉平台的联合定标,并且能在一定程度上降低定标对地面定标器的要求。针对联合干涉定标方法对星间测距精度要求过高的问题,本文在联合干涉定标方法的基础上提出了一种地形联合校准算法。该算法将编队构形中的测距误差和系统参数误差同时作为待定标参数,在迭代过程中不断修正测距误差对各干涉平台间系统参数关系的影响,得到了较好的干涉定标结果。仿真结果表明,该算法能降低联合干涉定标对编队构形的测距精度要求,并可获取高精度的地形DEM。针对干涉定标方法中可能存在的收敛不稳定和敏感度模型的固有病态问题,本文利用搜索模型进一步提出了基于遗传算法的干涉定标方法。该方法采用优化搜索算法在高维系统参数误差空间内进行搜索求解,直接获取定标结果。仿真结果表明,该方法能避免病态敏感度模型产生数值计算问题,且具有较好的收敛稳定性。本文系统的比较了基于敏感度模型和搜索模型的干涉定标方法,针对敏感度模型的求逆矩阵病态问题和搜索模型的计算复杂问题,提出了一种基于混合策略的干涉定标算法。该算法结合两种模型的求解优势,首先利用敏感度模型下的最小二乘法获取初始解,并动态缩小解的误差空间,然后利用搜索模型下的优化算法获取高精度的干涉定标结果。仿真结果表明,该算法不仅能避免敏感度模型的收敛不稳定、精度不高等缺点,还能减小搜索模型的计算复杂度,提高InSAR系统的定标效率。