地表形变可能引发地裂缝、海水倒灌、山体崩滑等一系列严重灾害,对人类生命财产和经济活动构成潜在危害。监测地表形变有利于人们研究各类地质灾害的时空分布和形成机理。近年来,多时相合成孔径雷达差分干涉测量技术在地表形变监测领域表现出巨大的应用潜力和不可替代性。但是,该技术的性能容易受到失相关噪声的影响,导致地表形变现象难以被全面地解译。为了减小失相关噪声的影响,相位重构技术应运而生。现有的相位重构方法主要有两种,分别是最大似然估计法和特征分解法。其中,特征分解法已被证明具有较高的计算效率,它被认为是处理大时间维度干涉图像堆栈的最佳选择。随着卫星重访周期逐步缩短,合成孔径雷达图像堆栈的时间维度日益增加,即使是拥有较高计算效率的特征分解方法也无法保证在合理的时间内完成相干相位的估计。针对现有相位重构方法存在的计算效率问题,本论文提出了一种高效解决相位重构问题的新方法。该方法的基本思想是为分布式散射信号建立一个概率主成分模型,将相干相位的估计转换为模型参数的求解问题。实验表明,基于概率主成分分析的相位重构方法在大时间维度合成孔径雷达图像堆栈分析中体现出了极大的计算效率优势。本论文的主要工作及贡献如下:（1）通过对基于最大似然的相位估计方法和基于特征分解的相位估计方法进行演绎推理,从数学的角度揭示了相位重构的本质。论证了在高维SAR图像堆栈的处理过程中,经典EVD方法仍然存在局限性。（2）根据相位重构技术的机理,以散射机制为潜在变量,为分布式散射信号建立了相位重构概率主成分模型。通过分析模型参数最大似然估计的数学形式,遵循传统的特征分解相位估计的思想,设计了一种基于概率主成分分析的相位估计方案,并设计了相应的后验质量评价指标。（3）推导了融合最大期望算法的模型参数求解方法,出于高效解算的考虑,根据相位重构机理与大时间维度多时相合成孔径雷达干涉测量分析的特征,设计并实现了模型参数求解算法,成功证明了概率主成分分析方法的有效性和高效性。（4）将基于概率主成分分析的相位重构方法应用于真实数据,利用Sentinel-1A卫星拍摄于重庆市云阳县及周边区域的合成孔径雷达图像,完成基于概率主成分分析和基于标准主成分分析相位重构方法的对比验证。进一步证明了概率主成分分析方法在保持估计精度的同时,能够大幅提升解算效率。