本发明公开了一种基于迁移学习的类干涉信号解相方法，该方法利用迁移学习的思想，利用仿真数据作为模型的训练集，同时提出一种解相神经网络模型结构，最后训练出神经网络，而该神经网络可以直接用于实际测量中的类干涉信号的解相，进而用于实际测量中的位移重构。本发明利用仿真数据形成数据集，避免了构建模型过程中耗时耗力的数据集准备过程，极大节省了模型的开发周期。本发明标记函数生成过程即适用于模型训练，也适用于解相过程中标记信号的生成。本发明生成出的模型可以匹配类干涉信号，只要信号可以表示为cos(φ_t)的形式的都可以利用此模型进行解相。