地基合成孔径雷达（Ground Based Synthetic Aperture Radar,GBSAR）系统具备形变测量精度高、观测面积大及可全天候非接触监测等特点,是对露天矿山亚毫米级形变监测的主要技术手段之一。然而地基SAR在长期不间断差分干涉测量过程中难免受环境或系统变化影响,导致差分干涉相位序列中包含的误差相位变化被错位识别为形变,造成形变虚警问题。本文将该问题转化为相位序列的分类问题,研究了不同相位变化类型对应的时序特征差异,提出了基于Transformer框架的地基SAR差分干涉相位时序特征表达及分类方法。本文的主要工作如下:（1）本文分析了边坡场景中差分干涉相位的主要组成分量,包括:坡体形变相位、回波多径效应相位、环境长期变化导致的偏移相位、经初步校正后残留的误差相位。根据相位序列时序变化特性,提出了差分速率、标准差、最小二乘拟合三类特征序列编码方法,可计算并反映不同类型相位序列变化在时序突变性、波动性、变化方向等方面的差异。（2）本文在原生Transformer框架基础上分别构建时序多头自注意力机制、相位类别自注意力机制、时序-类别多头注意力机制来学习各类相位的时序变化关系。制作了露天矿山边坡稳定性监测数据集并完成Transformer训练及测试,实现了四种差分干涉相位序列分类。相位分类实验结果表明差分干涉相位特征编码可以增强不同类型相位之间的区分度,但相对位置编码的失效使得框架不敏感时序间的关联性,导致分类结果中的形变相位与误差相位仍然区分不开。（3）为了解决原生Transformer框架中相对位置编码方式难以反映时序关联性的问题,本文在计算时序注意力时加入高斯分布进行相对位置编码的改进。与改进前的Transformer框架进行对比实验,证明本文利用高斯分布改进相对位置编码的方法可以进一步区分形变相位与误差相位,有效规避误差相位干扰形变反演的情况。