1.一种矿区沉陷干涉相位滤波方法，其特征在于，包括以下步骤：步骤S1、获取矿区沉降形变的模拟数据；

步骤S2、根据所述矿区沉降形变的模拟数据，训练改进型CBDNet模型；

步骤S3、根据训练好的改进型CBDNet模型，对真实DInSAR矿区沉陷干涉相位进行相位滤波；

步骤S2包括：

根据矿区沉降形变的模拟数据，得到缠绕干涉相位；

根据缠绕干涉相位，得到缠绕干涉相位的实部与虚部；

根据缠绕干涉相位的实部与虚部，得到训练数据集；

根据训练数据集训练改进型CBDNet模型，所述改进型CBDNet模型为基于非对称损失函数的CBDNet模型；

所述缠绕干涉相位的实部与虚部为：

其中，wrap(·)是相位缠绕算子， 为变形干涉相位的实部，sin(ψdefo‑sim)为变形干涉相位的虚部；ψdefo‑sim为模拟真实干涉相位；

采用 和sin(ψdefo‑sim)作为改进型CBDNet模型的训练数据集，具体为：将根据获取的矿区沉降形变数据的缠绕干涉相位实部与虚部，在不加噪声的情况下，直接作为改进型CBDNet模型的训练的输入数据集；在对训练数据集进行自适应噪声估计的过程中，对实部与虚部进行加噪处理，加入的噪声由异方差高斯噪声模拟成像过程中的真实噪声组合，使最终估计的噪声接近真实噪声分布；

所述改进性型CBDNet模型融合自适应噪声估计的全卷积神经网络结构和附有非盲滤波残差模块的U‑Net网络结构，并结合非对称损失函数；非对称损失函数公式如下：L＝Lrec+λasymmLasymm+λTVLTV其中，L表示网络总损失函数，Lrec表示非盲降噪子网络损失函数，用于量化输出图像与输入图像像素级的均方误差；Lasymm表示非对称损失函数，用于量化噪声估计图和噪声真实结果的平方差；LTV是全变分正则器，它使用梯度变化来限制成像过程中噪声估计的平滑性；

λasymm和λTV分别表示不对称损失和Tikhonov(TV)正则化的权衡参数，计算方法如下式：其中， 与X分别表示非盲子网络的输出与输入图像； 为噪声估计值， 与σ(yi)分别表示像素i处的噪声估计值与实际噪声值；为了对低估误差引入更多的惩罚，设置

0<α<0.5； 与 分别表示噪声估计结果在水平与垂直方向上的梯度估计。

2.一种实现权利要求1所述的矿区沉陷干涉相位滤波方法的矿区沉陷干涉相位滤波装置，其特征在于，包括：获取模块，用于获取矿区沉降形变的模拟数据；

训练模块，用于根据所述矿区沉降形变的模拟数据，训练改进型CBDNet模型；

滤波模块，用于根据训练好的改进型CBDNet模型，对真实DInSAR矿区沉陷干涉相位进行相位滤波。

3.如权利要求2所述的矿区沉陷干涉相位滤波装置，其特征在于，训练模块包括：第一处理单元，用于根据矿区沉降形变的模拟数据，得到缠绕干涉相位；

第二处理单元，用于根据缠绕干涉相位，得到缠绕干涉相位的实部与虚部；

第三处理单元，用于根据缠绕干涉相位的实部与虚部，得到训练数据集；

训练单元，用于根据训练数据集训练改进型CBDNet模型。