邢孟道 林 浩 陳濺來 孫光才 嚴(yán)棒棒

①(西安電子科技大學(xué)雷達(dá)信號(hào)處理國(guó)家重點(diǎn)實(shí)驗(yàn)室 西安 710071)

②(中南大學(xué)航空航天學(xué)院 長(zhǎng)沙 410083)

1 引言

隨著合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)技術(shù)[1,2]的快速發(fā)展，SAR搭載平臺(tái)不再僅僅局限于單一的機(jī)載平臺(tái)[3]，逐漸出現(xiàn)了星載SAR[4-6]和彈載SAR[7,8]等不同應(yīng)用平臺(tái)，滿足了更多的需求。

機(jī)載SAR平臺(tái)憑借強(qiáng)靈活性、高重訪頻率等優(yōu)勢(shì)應(yīng)用于多個(gè)領(lǐng)域，然而機(jī)載SAR運(yùn)行高度較低，受大氣湍流以及其它氣象因素的影響較大，航線會(huì)偏離理想直線軌跡飛行造成運(yùn)動(dòng)誤差，破壞SAR回波信號(hào)的相干性，導(dǎo)致SAR成像出現(xiàn)散焦。因此，基于飛機(jī)姿態(tài)等測(cè)量數(shù)據(jù)的運(yùn)動(dòng)補(bǔ)償技術(shù)以及基于雷達(dá)回波數(shù)據(jù)的自聚焦技術(shù)是其研究的核心問題[9-11]，運(yùn)動(dòng)補(bǔ)償算法和自聚焦算法的精度決定著其最后成像質(zhì)量。相比于機(jī)載SAR，以星載為平臺(tái)的SAR系統(tǒng)運(yùn)行軌道高且運(yùn)動(dòng)平臺(tái)平穩(wěn)，運(yùn)動(dòng)誤差可忽略。需要指出的是，受地球曲率影響[12]，長(zhǎng)時(shí)間觀測(cè)和高軌道的運(yùn)行造成運(yùn)行軌跡具有明顯的非線性特性，使得傳統(tǒng)的斜距模型以及頻域算法精度降低甚至失效，給星載SAR成像帶來了難度。因此，非線性軌跡的斜距建模與頻域/時(shí)域成像算法是其研究的核心問題，斜距模型的精度以及算法的先進(jìn)性是影響成像質(zhì)量的首要因素。與前兩者比較，以導(dǎo)彈為載體的彈載SAR系統(tǒng)具有大機(jī)動(dòng)、提前觀測(cè)、實(shí)時(shí)成像等優(yōu)勢(shì)。由于其軌道的大機(jī)動(dòng)和大斜視等情況，現(xiàn)有的大部分SAR成像算法難以滿足高精度和高實(shí)時(shí)性的需求，所以針對(duì)該平臺(tái)運(yùn)動(dòng)特性以及實(shí)際需求，歸納總結(jié)其成像主要存在斜距建模、大斜視成像、曲線軌跡成像、幾何形變校正等幾個(gè)關(guān)鍵難點(diǎn)問題。如何根據(jù)其運(yùn)動(dòng)特性建立高精度斜距模型并以此研究相應(yīng)的成像算法是其核心研究方向。

綜上所述，多種平臺(tái)具有各自的運(yùn)動(dòng)特性，其成像算法面臨的核心問題有所差異。因此，本文針對(duì)多平臺(tái)SAR成像算法，首先簡(jiǎn)要介紹了雷達(dá)回波模型的建立，然后根據(jù)“機(jī)載、星載、彈載”3種SAR平臺(tái)的不同特點(diǎn)以及優(yōu)勢(shì)，對(duì)其各自的成像算法研究進(jìn)展進(jìn)行了重點(diǎn)性地闡述，總結(jié)了各自算法目前面臨的主要難點(diǎn)，最后對(duì)未來成像算法發(fā)展趨勢(shì)進(jìn)行了展望。

2 合成孔徑雷達(dá)回波模型

2.1 斜距模型

最初的合成孔徑雷達(dá)搭載在飛機(jī)上，且飛機(jī)的運(yùn)動(dòng)被規(guī)劃為理想的勻速直線軌跡，即線性軌跡。隨著技術(shù)與需求的發(fā)展，SAR的載體平臺(tái)延伸到了導(dǎo)彈平臺(tái)和衛(wèi)星平臺(tái)等，即為彈載SAR和星載SAR等。當(dāng)雷達(dá)工作或近似工作于線性軌跡，采用傳統(tǒng)的頻域成像算法即可實(shí)現(xiàn)精確的成像處理，比如距離多普勒域算法(Range-Doppler Algorithms,RDAs)、線頻調(diào)變標(biāo)算法(Chirp Scaling Algorithms,CSAs)、距離徙動(dòng)算法(Range Migration Algorithms,RMA)和頻率變標(biāo)算法(Frequency Scaling Algorithms,FSAs)等。但在很多情形下，雷達(dá)平臺(tái)不可能完全工作在理想的線性軌跡，即非線性軌跡，原因包括非主動(dòng)因素和主動(dòng)因素[13]。

圖1為典型線性軌跡幾何模型，其中雷達(dá)沿著X方向以速度v飛行，r為場(chǎng)景中心距離，φ為斜視角，波束指向中心的運(yùn)動(dòng)參數(shù)為vtm,xn為目標(biāo)點(diǎn)p橫向分布位置。該模型將3維斜距模型投影成了2維模型，更簡(jiǎn)易直觀。

圖1 典型線性軌跡幾何模型Fig.1 Geometric model of typical linear trajectory

理想情況下的機(jī)載SAR以及低軌道短時(shí)間觀測(cè)的星載SAR系統(tǒng)的飛行軌跡是線性軌跡，可用典型的雙曲線函數(shù)精確描述其斜距模型，如式(1)所示

實(shí)際情況中機(jī)載/星載SAR的飛行軌跡可能是非線性的。針對(duì)機(jī)載SAR的非線性軌跡的特性，建立帶有誤差的斜距模型[13]

其中，Δr(tm)為非線性軌跡導(dǎo)致的誤差項(xiàng)。實(shí)際運(yùn)動(dòng)情況復(fù)雜，Δr(tm)一般沒有具體的表達(dá)式，不利于SAR多普勒運(yùn)動(dòng)參數(shù)和誤差的估計(jì)。為了解決問題，文獻(xiàn)[14,15]通過分析誤差幾何模型與多普勒參數(shù)的對(duì)應(yīng)關(guān)系提出了一種“非空變運(yùn)動(dòng)誤差補(bǔ)償模型”，該模型只考慮了非空變誤差，沒有考慮空變相位誤差以及剩余空變包絡(luò)誤差，只能在小測(cè)繪帶和低分辨下實(shí)現(xiàn)對(duì)非線性軌跡的精確補(bǔ)償。隨著分辨率和測(cè)繪帶的提高，Δr(tm)引入的剩余空變包絡(luò)誤差對(duì)成像影響越來越大，對(duì)此文獻(xiàn)[16]提出了一種“距離空變的運(yùn)動(dòng)誤差補(bǔ)償模型”，可通過空變誤差的校正實(shí)現(xiàn)大測(cè)繪帶高分辨非線性軌跡補(bǔ)償。然而在超高分辨情形下，Δr(tm)形式會(huì)變得更復(fù)雜，存在嚴(yán)重的2維耦合空變，此時(shí)上述的1維空變斜距誤差模型不再適用，對(duì)應(yīng)的運(yùn)動(dòng)補(bǔ)償或自聚焦精度會(huì)降低。文獻(xiàn)[17]研究一種新的2維空變誤差補(bǔ)償模型，同時(shí)考慮非空變運(yùn)動(dòng)誤差，距離空變運(yùn)動(dòng)誤差，耦合運(yùn)動(dòng)誤差以及方位空變運(yùn)動(dòng)誤差，可實(shí)現(xiàn)更高分辨的成像。

針對(duì)星載非線性軌跡成像，為了應(yīng)對(duì)實(shí)際情況中“停-走-?！蹦Ｐ偷氖В墨I(xiàn)[18]建立了原始雙程斜距模型，該模型理論上絕對(duì)準(zhǔn)確，但其屬于雙基構(gòu)型且不具備顯式的數(shù)學(xué)表達(dá)式，不利于后續(xù)多普勒參數(shù)分析和成像方法的研究。文獻(xiàn)[18,19]更進(jìn)一步地提出了一種中心時(shí)間等效的斜距模型，將雙基構(gòu)型等效為嚴(yán)格單基構(gòu)型，方便了后續(xù)的多普勒參數(shù)分析，但依然不具備顯式表達(dá)式，不利于成像方法的研究。為了滿足顯式數(shù)學(xué)表達(dá)式的需求，文獻(xiàn)[20-23]提出了高階多項(xiàng)式斜距模型，階數(shù)越高，精度越高，為后續(xù)成像方法研究奠定了基礎(chǔ)，然而相應(yīng)地也會(huì)增加成像處理的難度。上述3個(gè)斜距模型均從非線性軌跡的固有特性出發(fā)對(duì)斜距進(jìn)行精確建模，對(duì)成像幾何關(guān)系依賴性很大。為了應(yīng)對(duì)未來靈活軌跡情況，文獻(xiàn)[24]提出一種基于運(yùn)動(dòng)補(bǔ)償原理的斜距模型，從運(yùn)動(dòng)補(bǔ)償?shù)慕嵌瘸霭l(fā)，將斜距模型分為線性軌跡情形下的雙曲線斜距歷程和軌跡偏移引入的誤差斜距歷程，補(bǔ)償?shù)粽`差斜距歷程實(shí)現(xiàn)線性軌跡校正。

考慮斜視情況，文獻(xiàn)[25]提出一種改進(jìn)的斜視距離模型(Advanced Hyperbolic RangE model,AHRE)，能夠更好地描述星載SAR星地相對(duì)運(yùn)動(dòng)幾何，更適合長(zhǎng)合成孔徑中高軌道SAR信號(hào)建模和成像算法。針對(duì)任意波段，分辨率和軌道高度的中高軌道SAR信號(hào)建模，文獻(xiàn)[26]又提出了一種多項(xiàng)式逼近距離模型，其精度更高，普適性更強(qiáng)。對(duì)于寬帶信號(hào)成像時(shí)，“走-停-走”模型不再適用，因此針對(duì)寬帶信號(hào)文獻(xiàn)[27]提出了一種新的針對(duì)寬帶的軌跡模型，其對(duì)應(yīng)斜距歷程為

其中，xn為點(diǎn)目標(biāo)橫向位置，r為場(chǎng)景中心距離，t和tm分別為快時(shí)間和慢時(shí)間，φ為斜視角。

針對(duì)彈載非線性軌跡，其平臺(tái)平飛階段是帶大斜視的線性軌跡，文獻(xiàn)[28-30]提出了適用平飛階段的斜視斜距模型以及一種無近似的斜距模型。其俯沖階段是復(fù)雜非線性軌跡，為了后續(xù)更深入的研究，文獻(xiàn)[31]提出了一種4階斜距模型，驗(yàn)證了復(fù)雜斜距歷程展開得到4階的精確性，但是復(fù)雜的斜距表達(dá)式限制了高分辨成像算法的應(yīng)用，如波數(shù)域成像算法等。為了簡(jiǎn)化復(fù)雜的斜距模型，文獻(xiàn)[32]基于AHRE模型提出了改進(jìn)的雙曲線斜距方程(Modified AHRE,MAHRE)，進(jìn)一步提高了模型的精度。文獻(xiàn)[33]提出了一種等效斜視斜距模型(Modified Equivalent Squint Range Model,MESRM)。盡管這些等效模型的應(yīng)用存在一些適用條件，但是它們的建立為后續(xù)高分辨成像算法的應(yīng)用提供一定的研究基礎(chǔ)。

多平臺(tái)SAR軌跡的非線性使得雷達(dá)回波的時(shí)域/頻域形式變得復(fù)雜，不再統(tǒng)一，難以在時(shí)域/頻域進(jìn)行相干積累，必須依賴精確的多項(xiàng)式斜距模型，對(duì)回波參數(shù)進(jìn)行等效、重構(gòu)、補(bǔ)償，將其等效為傳統(tǒng)線性軌跡，然后進(jìn)行后續(xù)處理，實(shí)現(xiàn)成像。

2.2 成像模式

隨著SAR天線技術(shù)方面的快速發(fā)展，特別是有源相控陣天線技術(shù)的進(jìn)步，SAR系統(tǒng)對(duì)天線波束指向的控制已從機(jī)械控制方式轉(zhuǎn)變?yōu)殡娍刂品绞?，波束指向越來越靈活，實(shí)現(xiàn)了多種不同的工作模式。其中較常見的有早期的條帶(Stripmap)模式、聚束(Spotlight)模式、掃描(Scan)模式(如圖2所示)以及后續(xù)的滑動(dòng)聚束模式(Sliding spotlight)和循序掃描地形觀測(cè)模式(Terrain Observation by Progressive Scans SAR,TOPS SAR)。

條帶SAR可以對(duì)地面的一個(gè)條帶區(qū)域進(jìn)行成像，條帶長(zhǎng)度取決于雷達(dá)移動(dòng)距離，方位向分辨率由天線方位孔徑長(zhǎng)度決定；聚束SAR可以對(duì)地面某一固定感興趣區(qū)域進(jìn)行長(zhǎng)時(shí)間觀測(cè)，增加了合成孔徑時(shí)間，從而突破方位向分辨率受天線孔徑尺寸約束的限制，實(shí)現(xiàn)對(duì)場(chǎng)景的高分辨成像，但是其成像場(chǎng)景較?。籗can SAR通過控制天線波束在距離向周期性地掃描，可對(duì)大測(cè)繪帶場(chǎng)景成像，成像幅寬較大，但是寬測(cè)繪帶的獲取是以犧牲方位向分辨率為代價(jià)的。

圖2 Stripmap，Spotlight和Scan SAR工作幾何Fig.2 Working geometry of Stripmap,Spotlight and Scan SAR

圖3 滑動(dòng)聚束及TOPS SAR工作幾何Fig.3 Working geometry of Sliding Spotlight and TOPS SAR

滑動(dòng)聚束SAR和TOPS SAR的觀測(cè)幾何如圖3所示。類似于聚束模式，滑動(dòng)聚束SAR的天線波束也隨平臺(tái)運(yùn)動(dòng)而反向轉(zhuǎn)動(dòng)，但其波束射線并不指向場(chǎng)景中心的固定點(diǎn)，而是指向場(chǎng)景遠(yuǎn)處的某一點(diǎn)，使波束較慢地掃過所需的成像區(qū)域，從而在增加對(duì)單點(diǎn)目標(biāo)觀測(cè)時(shí)間的同時(shí)，也增加了觀測(cè)場(chǎng)景的寬度。滑動(dòng)聚束SAR的方位向分辨率要高于相同尺寸天線的條帶SAR的分辨率，而觀測(cè)場(chǎng)景又比聚束式SAR大，這種模式是條帶SAR和聚束SAR之間的折中。TOPS SAR可以說是Scan SAR的改進(jìn)模式，它在數(shù)據(jù)錄取過程中，通過天線波束主動(dòng)地從后往前掃描，使地面上的每一個(gè)點(diǎn)目標(biāo)均被完整的天線方向圖照射，因此，TOPS SAR在保持Scan SAR寬測(cè)繪帶成像能力的同時(shí)，有效緩解了Scan SAR模式下圖像的扇貝效應(yīng)以及方位模糊比和輸出信噪比不一致的問題。

上述模式都已發(fā)展成較為成熟的成像模式，近年來為了滿足高分寬幅需求，3種新體制成像模式被提出：(1)多通道SAR模式[34]包括距離向多波束(Multiple Elevation Beam,MEB)和方位向多波束(Multiple Azimuth Beam,MAB)；(2)馬賽克(Mosaic)SAR[35]，其實(shí)質(zhì)是一種掃描模式的聚束方式，結(jié)合了Scan模式和聚束模式的特點(diǎn)[36]，可實(shí)現(xiàn)高分寬幅的目的；(3)可變PRF SAR，利用DBF[37]技術(shù)在距離向增加接收通道的方法增大觀測(cè)范圍，利用變PRF的方法來消除成像區(qū)域內(nèi)的盲區(qū)，達(dá)到高分寬幅目的。

3 機(jī)載合成孔徑雷達(dá)成像

機(jī)載合成孔徑雷達(dá)將雷達(dá)搭載在飛機(jī)上，飛行高度通常在數(shù)百米到數(shù)千米之間，位于大氣層的對(duì)流層，大氣湍流現(xiàn)象較為明顯。因此，機(jī)載SAR成像主要面臨的問題是大氣湍流對(duì)成像精度的影響，即運(yùn)動(dòng)誤差對(duì)成像精度的影響。目前針對(duì)機(jī)載合成孔徑雷達(dá)成像算法的研究，主要集中在以下幾個(gè)研究熱點(diǎn)和方向。

3.1 運(yùn)動(dòng)補(bǔ)償算法

前文提到，大氣擾動(dòng)等影響會(huì)使得飛機(jī)的運(yùn)動(dòng)偏離理想的直線軌跡，導(dǎo)致雷達(dá)回波存在運(yùn)動(dòng)誤差。利用慣性導(dǎo)航系統(tǒng)(Inertial Navigation System,INS)或全球定位系統(tǒng)(Global Position System,GPS)實(shí)時(shí)記錄的平臺(tái)位置和運(yùn)動(dòng)信息，理論上能夠計(jì)算出飛機(jī)的運(yùn)動(dòng)誤差并實(shí)現(xiàn)精確的運(yùn)動(dòng)補(bǔ)償。然而在大部分情形下，無人機(jī)只能搭載小體積輕便的低精度INS，甚至無法搭載INS，將無法滿足高精度運(yùn)動(dòng)補(bǔ)償?shù)男枨?。基于雷達(dá)回波數(shù)據(jù)的運(yùn)動(dòng)補(bǔ)償方法無需INS和GPS數(shù)據(jù)，通過從雷達(dá)回波中估計(jì)運(yùn)動(dòng)誤差并完成運(yùn)動(dòng)補(bǔ)償[9,14]，由于通過從雷達(dá)回波數(shù)據(jù)中估計(jì)誤差，該類運(yùn)動(dòng)補(bǔ)償方法通常被稱為自聚焦方法。綜上所述，無論是基于慣導(dǎo)數(shù)據(jù)的運(yùn)動(dòng)補(bǔ)償方法，還是基于雷達(dá)回波數(shù)據(jù)的自聚焦方法，如何獲得運(yùn)動(dòng)誤差是機(jī)載高分辨成像的核心問題。圖4為運(yùn)動(dòng)補(bǔ)償前后的成像結(jié)果，結(jié)果表明運(yùn)動(dòng)補(bǔ)償能夠大幅度提升機(jī)載SAR的成像質(zhì)量。

下面將集中討論基于雷達(dá)回波數(shù)據(jù)的運(yùn)動(dòng)誤差估計(jì)以及運(yùn)動(dòng)補(bǔ)償方法。根據(jù)對(duì)運(yùn)動(dòng)誤差的建模是否具有解析形式，運(yùn)動(dòng)誤差估計(jì)方法一般分為參數(shù)化和非參數(shù)化兩類方法[9,38]。參數(shù)化方法采用多項(xiàng)式相位模型將運(yùn)動(dòng)誤差建模成高階多項(xiàng)式的形式，比如對(duì)比度最優(yōu)自聚焦(Contrast Optimization Algorithm,COA)[39]，圖像偏移算法(Map Drift Algorithm,MDA)[9]等。非參數(shù)化方法無需對(duì)運(yùn)動(dòng)誤差進(jìn)行解析建模，主要包括相位梯度自聚焦(Phase Gradient Autofocus,PGA)[11,40]和最小熵自聚焦(Minimum Entropy Autofocus,MEA)[41]等方法。MDA和PGA分別為上述兩類方法中應(yīng)用最為廣泛的算法，并基于它們衍生出了大量的改進(jìn)算法。其中，MDA的基本原理是將方位全孔徑數(shù)據(jù)劃分為多個(gè)子孔徑數(shù)據(jù)，并根據(jù)子圖像之間的偏移估計(jì)相位誤差。PGA的基本原理是采用各類估計(jì)器比如最大似然(Maximum Likelihood,ML)來估計(jì)相位誤差，并通過迭代估計(jì)與補(bǔ)償?shù)牟呗灾鸩降販p少相位誤差。應(yīng)當(dāng)指出的是，MDA通過多項(xiàng)式建模一般只能估計(jì)低階相位誤差，在實(shí)際的數(shù)據(jù)處理過程中可能無法滿足精度要求。另外，雖然PGA在理論上能夠精確估計(jì)相位誤差，然而在低信雜比(Signal-to-Clutter Ratio,SCR)情形下的精度較低。因此，PGA通常能夠成功應(yīng)用于具有強(qiáng)散射點(diǎn)雷達(dá)回波的運(yùn)動(dòng)誤差估計(jì)。綜上所述，PGA相比于MDA的誤差估計(jì)精度更高，然而在低信雜比情形下的誤差估計(jì)精度可能會(huì)大幅下降[42]。

圖4 X波段1 m分辨率機(jī)載運(yùn)動(dòng)補(bǔ)償前后成像結(jié)果圖Fig.4 1 m resolution imaging results of airborne SAR before and after motion compensation in X band

在低分辨小測(cè)繪帶情況下，2維耦合空變運(yùn)動(dòng)誤差可以近似建模成1維非空變的數(shù)學(xué)形式[11,40]，即對(duì)雷達(dá)照射場(chǎng)景中的每一個(gè)目標(biāo)而言，它們的運(yùn)動(dòng)誤差形式完全一致，采用統(tǒng)一的誤差補(bǔ)償函數(shù)即可實(shí)現(xiàn)對(duì)整個(gè)場(chǎng)景的運(yùn)動(dòng)補(bǔ)償。

隨著分辨率的提高以及測(cè)繪帶的擴(kuò)大等，運(yùn)動(dòng)誤差的距離空變特性將會(huì)變得更為明顯，運(yùn)動(dòng)誤差的非空變近似建模不再成立。文獻(xiàn)[9]提出了一種基于多普勒調(diào)頻率估計(jì)(采用MDA)的自聚焦方法，該方法將距離全孔徑劃分為多個(gè)距離子塊，通過估計(jì)距離空變的多普勒調(diào)頻率來估計(jì)距離空變的運(yùn)動(dòng)誤差。由于該方法沿用了MDA進(jìn)行運(yùn)動(dòng)誤差估計(jì)的思路，無法精確估計(jì)載機(jī)的高頻運(yùn)動(dòng)誤差，且為實(shí)現(xiàn)較高的精度需要進(jìn)行多次迭代估計(jì)與補(bǔ)償。因此，文獻(xiàn)[14]提出了一種基于PGA的無人機(jī)載SAR自聚焦方法，該方法對(duì)RCMC后的全孔徑數(shù)據(jù)在距離向進(jìn)行分塊處理，利用PGA對(duì)每個(gè)距離塊進(jìn)行相位誤差估計(jì)，最后采用局部最大似然(Local Maximum-Likelihood,LML)估計(jì)提高距離空變誤差估計(jì)的精度和穩(wěn)健性。文獻(xiàn)[17,43]推導(dǎo)了超高分辨情況下運(yùn)動(dòng)誤差的2維空變復(fù)雜形式，并重點(diǎn)分析了其對(duì)方位散焦、剩余距離徙動(dòng)(Residual Range Cell Migration,RRCM)、距離散焦的影響。其中文獻(xiàn)[43]指出了高精度的徙動(dòng)校正算法(如RMA和PFA)會(huì)破壞方位相位誤差(Azimuth Phase Error,APE)和剩余距離徙動(dòng)線性關(guān)系，并進(jìn)一步推導(dǎo)了APE和剩余RCM之間的映射關(guān)系，根據(jù)估計(jì)得到的APE計(jì)算出剩余RCM，完成對(duì)APE和剩余RCM的精確補(bǔ)償。文獻(xiàn)[17]更深入的考慮了距離散焦對(duì)成像的影響，該方法在方位頻域估計(jì)1維APE并根據(jù)先驗(yàn)信息計(jì)算得到波束域的2維相位誤差，最后在波束域補(bǔ)償2維相位誤差，有效克服了距離散焦對(duì)成像的影響。

進(jìn)一步，隨著雷達(dá)方位波束寬度的增大，不僅需要考慮運(yùn)動(dòng)誤差的距離空變特性，還需要考慮運(yùn)動(dòng)誤差在寬波束下的方位空變特性。若該方位空變特性不被消除，SAR圖像中位于方位邊緣的目標(biāo)會(huì)出現(xiàn)散焦現(xiàn)象，嚴(yán)重降低了SAR圖像質(zhì)量。目前主要有3類算法能夠較好地補(bǔ)償方位空變的運(yùn)動(dòng)誤差[44]，包括精確地形和孔徑依賴算法(Precise Topography-and Aperture-dependent,PTA)、子孔徑地形和孔徑依賴算法(SubAperture Topographyand Aperture-dependent,SATA)和多普勒頻譜分割法(Frequency Division,FD)。第1類算法是最接近理想情況的一種算法，能夠?qū)崿F(xiàn)精確的誤差補(bǔ)償，但是計(jì)算量較大。第2類算法能夠較好地兼顧計(jì)算效率和補(bǔ)償精度，適用范圍廣。第3類算法在補(bǔ)償精度要求較高的情形下，計(jì)算量較大。文獻(xiàn)[45]在SATA的基礎(chǔ)上提出了一種改進(jìn)的子孔徑方位空變誤差補(bǔ)償方法，進(jìn)一步提高了方位空變誤差補(bǔ)償?shù)木取Ｔ摲椒▽?duì)子孔徑內(nèi)的運(yùn)動(dòng)誤差進(jìn)行線性近似逼近，相比于SATA的常數(shù)近似逼近而言，其精度更高。需要指出的是，以上寬波束運(yùn)動(dòng)補(bǔ)償方法均需要INS/GPS提供高精度的測(cè)量數(shù)據(jù)，目前的研究文獻(xiàn)還沒有公開報(bào)道過關(guān)于從雷達(dá)回波中估計(jì)方位空變運(yùn)動(dòng)誤差的方法。另外，以上算法均基于正側(cè)視工作模式這一假設(shè)，在斜視或者大斜視工作模式下都將失效，根本原因在于其中的RCMC算法將無法對(duì)斜視或大斜視數(shù)據(jù)進(jìn)行精確的距離徙動(dòng)校正。

一般而言，RCMC是運(yùn)動(dòng)誤差估計(jì)的前提，而上述算法中的RCMC通常采用的是頻域算法，即上述算法中的RCMC通常在距離-多普勒域或2維頻域完成。除此之外，結(jié)合時(shí)域RCMC的運(yùn)動(dòng)誤差估計(jì)與補(bǔ)償也是另外一個(gè)切實(shí)可行的解決途徑。時(shí)域算法中的后向投影(Back Projection,BP)算法[46]被認(rèn)為是實(shí)現(xiàn)RCMC最理想的算法。然而傳統(tǒng)的自聚焦方法與BP是不兼容的，對(duì)此眾多學(xué)者對(duì)結(jié)合BP的自聚焦技術(shù)展開了研究，文獻(xiàn)[47]提出了一種新的自聚焦方法，將PGA嵌入到BP算法中。Ponce等人對(duì)圓周SAR提出了一種結(jié)合BP成像的自動(dòng)對(duì)焦技術(shù)對(duì)殘余相位誤差進(jìn)行補(bǔ)償[48]。文獻(xiàn)[49]提出了一種基于最大圖像清晰度準(zhǔn)則的自聚焦方法，利用圖像清晰度準(zhǔn)則即最大圖像銳度來估計(jì)相位誤差。除此之外，計(jì)算效率低也是BP面臨的主要問題之一，因此，目前通常結(jié)合快速分級(jí)后向投影(Fast Factorized BP,FFBP)算法實(shí)現(xiàn)對(duì)機(jī)載SAR的運(yùn)動(dòng)誤差估計(jì)與補(bǔ)償[50-53]，其運(yùn)算復(fù)雜度基本接近頻域算法。

3.2 超高分辨率成像算法

SAR分辨率優(yōu)于0.1 m一般被認(rèn)為是超高分辨率SAR，其發(fā)射信號(hào)的帶寬通常需要達(dá)到3～4 GHz，而據(jù)目前公開的文獻(xiàn)報(bào)道，單個(gè)子帶能發(fā)射的最大帶寬為1.5 GHz且對(duì)硬件水平的要求較高。因此，目前的超高分辨率SAR通常采用步進(jìn)頻的工作模式，通過發(fā)射多個(gè)具有不同中心頻率的窄帶子脈沖信號(hào)，并對(duì)多個(gè)窄帶回波信號(hào)進(jìn)行帶寬合成，得到寬帶信號(hào)[54]。圖5給出了帶寬合成前后的成像圖，對(duì)比可以看出帶寬合成后的圖像的局部細(xì)節(jié)更為豐富，帶寬合成前無法通過肉眼看到鐵路電線，而帶寬合成后的圖像可以肉眼清晰地看到鐵路電線。步進(jìn)頻信號(hào)的發(fā)射方式一般分為同步收發(fā)和異步收發(fā)兩種模式，其中同步收發(fā)模式利用多個(gè)通道在同一時(shí)刻發(fā)射多個(gè)子帶信號(hào)，而異步收發(fā)模式是通過一個(gè)通道在一個(gè)脈沖重復(fù)周期內(nèi)分時(shí)發(fā)射多個(gè)子帶信號(hào)[55]。另外，根據(jù)相鄰子帶的頻譜是否存在重疊可分為頻譜重疊[56]和頻譜不重疊兩種模式[57]，實(shí)際發(fā)射的多子帶信號(hào)之間通常會(huì)存在著幅度和相位的差異。若直接對(duì)多子帶信號(hào)進(jìn)行頻帶拼接，可能會(huì)嚴(yán)重降低頻帶合成的質(zhì)量，主要表現(xiàn)為距離剖面的主瓣展寬和旁瓣拉升。文獻(xiàn)[56,57]將相鄰子帶之間的相位差異歸結(jié)為由兩類誤差組成，第1類誤差為子帶內(nèi)的高階相位誤差，而第2類誤差為相鄰子帶間的低階相位誤差。文獻(xiàn)[56]采用基于圖像對(duì)比度最優(yōu)的方法分別估計(jì)出了子帶內(nèi)的高階相位誤差以及子帶間的低階相位誤差。文獻(xiàn)[57]同樣采用圖像對(duì)比度最優(yōu)的方法估計(jì)子帶內(nèi)的高階相位誤差，而子帶間的低階相位誤差通過旁瓣均衡模型(SideLobe Balanced Model,SLBM)估計(jì)得到。

圖5 帶寬合成前后的鐵路周圍成像圖Fig.5 Imaging results around the railway before and after band combination

相比于機(jī)載SAR高分辨率成像，超高分辨率成像需要更大的距離發(fā)射帶寬以及更長(zhǎng)的合成孔徑時(shí)間，使得運(yùn)動(dòng)誤差對(duì)成像的影響會(huì)變得更為嚴(yán)重[54]，主要表現(xiàn)為首先，運(yùn)動(dòng)誤差的距離空變特性變得更為嚴(yán)重，不僅相位誤差的距離空變特性會(huì)進(jìn)一步惡化，甚至包絡(luò)誤差也會(huì)表現(xiàn)為隨距離嚴(yán)重空變。其次，即使在窄波束情形下，長(zhǎng)合成孔徑時(shí)間也可能會(huì)引入不可忽略的方位空變的相位誤差。文獻(xiàn)[54]提出了一種超高分辨率2維空變的運(yùn)動(dòng)補(bǔ)償方法，該方法重點(diǎn)論述和證明了當(dāng)分辨率提升到一定程度時(shí)，必須要考慮運(yùn)動(dòng)誤差帶來的距離空變的包絡(luò)誤差，并采用Chirp-Z變換有效校正了距離空變的包絡(luò)誤差，提高了成像分辨率或距離測(cè)繪帶。圖6為采用Two-step運(yùn)動(dòng)補(bǔ)償后[14]的RCMC結(jié)果，圖6(a)對(duì)應(yīng)的帶寬為1.2 GHz，圖6(b)對(duì)應(yīng)的帶寬為3.6 GHz，對(duì)比圖中的包絡(luò)線可以看出，當(dāng)分辨率不是特別高時(shí)比如帶寬小于1.2 GHz，距離空變的包絡(luò)誤差可以忽略不計(jì)，然而隨著分辨率的提升比如帶寬達(dá)到為3.6 GHz，則必須要考慮距離空變的包絡(luò)誤差對(duì)成像的影響。圖7為采用文獻(xiàn)[54]所提方法進(jìn)行運(yùn)動(dòng)補(bǔ)償后3.6 GHz帶寬的RCMC結(jié)果。文獻(xiàn)[58]提出了一種聯(lián)合子帶誤差估計(jì)與寬帶誤差估計(jì)的超高分辨率運(yùn)動(dòng)補(bǔ)償方法，采用單個(gè)子帶信號(hào)對(duì)運(yùn)動(dòng)誤差進(jìn)行粗估計(jì)，利用多子帶帶寬合成后的寬帶信號(hào)對(duì)運(yùn)動(dòng)誤差進(jìn)行精估計(jì)。文獻(xiàn)[42]通過兩步處理提升了超高分辨率和寬測(cè)繪帶下運(yùn)動(dòng)誤差估計(jì)的精度，該方法的第1步是估計(jì)并補(bǔ)償了RMA額外引入的距離空變的包絡(luò)誤差，提升了PGA的估計(jì)精度，第2步是自動(dòng)判別和剔除PGA估計(jì)錯(cuò)誤的相位誤差，提升了基于最小二乘(Least Square,LS)或加權(quán)最小二乘(Weighted LS,WLS)準(zhǔn)則的距離空變相位誤差的反演精度。圖8和圖9都為3.6 GHz帶寬的超高分辨成像結(jié)果，其中圖9為局部細(xì)節(jié)圖，可以看出高壓電塔的細(xì)節(jié)輪廓很清晰。應(yīng)當(dāng)指出的是，由于文獻(xiàn)[42]所提方法沒有考慮距離散焦對(duì)運(yùn)動(dòng)誤差估計(jì)的影響，因此，在較大斜視角模式或者運(yùn)動(dòng)誤差較大的情形下，該方法對(duì)運(yùn)動(dòng)誤差估計(jì)的精度會(huì)有所下降甚至失效。

圖6 采用Two-step進(jìn)行運(yùn)動(dòng)補(bǔ)償后的RCMC結(jié)果Fig.6 The results of RCMC after motion compensation by Two-step algorithm

圖7 采用文獻(xiàn)[54]所提方法進(jìn)行運(yùn)動(dòng)補(bǔ)償后的RCMC結(jié)果Fig.7 The results of RCMC after motion compensation by the algorithm in Ref.[54]

3.3 大斜視成像算法

為了實(shí)現(xiàn)對(duì)區(qū)域外的場(chǎng)景進(jìn)行監(jiān)視和快速重訪，顯著提高SAR的靈活性，擴(kuò)大其應(yīng)用范圍，SAR工作于斜視模式?；谶@一特殊構(gòu)型導(dǎo)致其回波數(shù)據(jù)存在距離向與方位向的一次耦合即距離走動(dòng)，距離單元徙動(dòng)RCM變得異常明顯，使得RCMC的實(shí)現(xiàn)變得更為復(fù)雜，對(duì)應(yīng)的成像算法也變得更復(fù)雜。文獻(xiàn)[59,60]提出了非線性變標(biāo)(Nonlinear Chirp Scaling,NCS)算法，考慮了二次距離脈壓項(xiàng)(Secondary Range Compression,SRC)的空變性，但未考慮高次項(xiàng)的空變性，能夠?qū)崿F(xiàn)小斜視情況下的RCMC;RMA[61]可以無近似條件實(shí)現(xiàn)目標(biāo)點(diǎn)的精準(zhǔn)RCMC，但其波數(shù)支撐區(qū)受斜視角限制，無法實(shí)現(xiàn)大斜視全分辨率；為了應(yīng)對(duì)大斜視情況，文獻(xiàn)[62]提出了一種擴(kuò)展的非線性變標(biāo)(Extended NCS,ENCS)算法，其采用級(jí)數(shù)反演方法(Method of Series Reversion,MSR)[63]引入了空變的高階項(xiàng)，提高了大斜視情況下的圖像2維聚焦深度；同時(shí)文獻(xiàn)[64]提出了改進(jìn)的RMA算法，通過“旋轉(zhuǎn)頻譜”的預(yù)處理，增大了波數(shù)支撐區(qū)的有效范圍，可實(shí)現(xiàn)大斜視高分辨率成像；上述算法都基于“傾斜2維頻譜”，無法避免實(shí)現(xiàn)過程中補(bǔ)零操作帶來的額外運(yùn)算負(fù)擔(dān)，同時(shí)無法有效的解決更大斜視時(shí)帶來的頻譜折疊問題。圖10為采用文獻(xiàn)[64]所提的改進(jìn)RMA算法實(shí)現(xiàn)的X波段0.1 m分辨率成像。

圖8 0.04 m超高分辨成像結(jié)果Fig.8 Imaging results with 0.04 m ultrahigh resolution

為了有效地解決更大斜視角引入的頻譜折疊問題，通常采用基于走動(dòng)校正的“正交譜”處理算法。然而線性走動(dòng)校正會(huì)引入方位空變問題：(1)徙動(dòng)的方位空變：位于同一個(gè)距離單元內(nèi)的點(diǎn)目標(biāo)，它們的二次距離單元徙動(dòng)(Quadratic Range Cell Migration,QRCM)各自不同；(2)相位的方位空變：同一距離單元信號(hào)的方位調(diào)頻率各自不同。文獻(xiàn)[65]提出了一種基于“正交譜”的斜視RD算法，忽略了方位空變性，僅可以處理低分辨率的小場(chǎng)景數(shù)據(jù)。為了提高方位聚焦深度，文獻(xiàn)[28,66]提出了一種方位NCS算法，引入了方位向擾動(dòng)函數(shù)，校正了方位調(diào)頻率的方位空變性。隨著分辨率提高以及測(cè)繪帶擴(kuò)大，QRCM方位空變現(xiàn)象越來越明顯，上述的徙動(dòng)校正算法會(huì)使邊沿點(diǎn)目標(biāo)存在嚴(yán)重的剩余RCM，導(dǎo)致圖像散焦。對(duì)此，文獻(xiàn)[29]提出了改進(jìn)的NCS算法，同時(shí)考慮相位和QRCM方位空變性，其在距離脈壓及QRCM校正之前對(duì)信號(hào)進(jìn)行距離NCS處理校正RCM，然而其算法推導(dǎo)過程中存在多處近似且處理過程比較復(fù)雜，不利于實(shí)時(shí)成像。文獻(xiàn)[67]提出了方位FNCS算法也可實(shí)現(xiàn)大斜視成像。上述算法都是基于理想情況或者高精度慣導(dǎo)下，并沒有考慮到運(yùn)動(dòng)誤差。

圖9 0.04 m超高分辨局部成像結(jié)果Fig.9 Local imaging results with 0.04 m ultrahigh resolution

非理想或者慣導(dǎo)精度不足情況下，SAR平臺(tái)的運(yùn)動(dòng)誤差會(huì)給徙動(dòng)校正帶來很大的影響，導(dǎo)致成像算法精度變低甚至失效。隨著斜視角的增大，運(yùn)動(dòng)誤差的2維耦合性越強(qiáng)，形式更為復(fù)雜，如何有效的將徙動(dòng)校正算法和運(yùn)動(dòng)誤差補(bǔ)償算法結(jié)合起來是個(gè)難點(diǎn)。文獻(xiàn)[15]提出了一種基于RMA的斜視相位梯度自聚焦(Squint Phase Gradient Autofocus,SPGA)算法，推導(dǎo)并分析了RMA處理后誤差的形式，但并未考慮剩余誤差包絡(luò)的空變性，處理測(cè)繪帶寬帶以及斜視情況有限；為了解決該問題，文獻(xiàn)[16]提出了一種基于RMA的改進(jìn)魯棒性自聚焦算法，分析了“誤差模型”先驗(yàn)信息，利用局部最大似然加權(quán)SPGA(Local Maximum Likelihood-Weighted SPGA,LML-WSPGA)估計(jì)并反演出距離空變誤差，最后分兩步去實(shí)現(xiàn)了誤差的精確補(bǔ)償，提高了成像質(zhì)量。文獻(xiàn)[68]提出了一種結(jié)合極坐標(biāo)格式算法(Polar Format Algorithm,PFA)和對(duì)比度(Phase Adjustment by Contrast Enhancement,PACE)的自聚焦算法，也考慮了誤差的空變性。上述補(bǔ)償算法都是基于RMA或PFA實(shí)現(xiàn)的，無法解決前面提到的頻譜折疊問題。對(duì)此，文獻(xiàn)[69]提出了一種基于方位重采樣的運(yùn)動(dòng)補(bǔ)償算法，走動(dòng)校正有效的解決了頻譜折疊問題，通過方位重采樣解決了方位空變問題，并分析方位重采樣前后誤差變化反演重采樣后新的誤差形式，最后結(jié)合常規(guī)的運(yùn)動(dòng)補(bǔ)償算法實(shí)現(xiàn)高精度運(yùn)動(dòng)補(bǔ)償。如圖11所示，其為50°大斜視情況下，結(jié)合方位重采樣的實(shí)測(cè)數(shù)據(jù)處理結(jié)果。

4 彈載合成孔徑雷達(dá)成像

由于具有高的飛行速度以及大機(jī)動(dòng)的特點(diǎn)，彈載SAR平臺(tái)又稱為高速機(jī)動(dòng)平臺(tái)，可實(shí)現(xiàn)提前觀測(cè)的需求。根據(jù)導(dǎo)彈的飛行階段以及運(yùn)動(dòng)特性，彈載SAR通常分為平飛段大斜視成像和俯沖段曲線軌跡大斜視成像。另外，前視成像相比于大斜視成像能夠更早的提前觀測(cè)到目標(biāo)，因此也受到了國(guó)內(nèi)外研究人員的廣泛關(guān)注。為了提高后續(xù)SAR圖像的匹配概率，彈載SAR工作在環(huán)掃模式[70]，因此環(huán)掃成像算法的研究對(duì)后續(xù)的匹配制導(dǎo)工作具有積極的意義。

圖10 X波段0.1 m大斜視成像結(jié)果Fig.10 0.1 m resolution imaging results in squint mode and X band

圖11 X波段0.8 m分辨率大斜視50°方位重采樣成像結(jié)果Fig.11 0.8 m resolution imaging results by azimuth resampling with squint angle of 50° and X band

4.1 平飛段大斜視成像算法

彈載平飛段大斜視成像面臨的問題主要是由高速運(yùn)動(dòng)和大斜視觀測(cè)的特點(diǎn)所引起的。傳統(tǒng)成像算法的提出通?；凇巴?走-?！钡募僭O(shè)，即認(rèn)為雷達(dá)收發(fā)同一個(gè)脈沖的位置相同，而平臺(tái)的高速運(yùn)動(dòng)特點(diǎn)導(dǎo)致雷達(dá)平臺(tái)收發(fā)同一脈沖的位置分離，導(dǎo)致傳統(tǒng)的“停-走-?！蹦Ｐ筒辉俪闪?。大斜視觀測(cè)一方面會(huì)導(dǎo)致方位頻譜出現(xiàn)折疊的現(xiàn)象，導(dǎo)致傳統(tǒng)頻域成像算法無法直接處理大斜視數(shù)據(jù)，另外大斜視觀測(cè)模式下的距離與方位耦合更為嚴(yán)重，增加了成像處理的難度。因此，大斜視成像一般采用時(shí)域走動(dòng)校正的方法將大斜視頻譜校正為正側(cè)視頻譜，一方面可以避免方位頻譜折疊的問題，另一方面能夠大幅度消除距離與方位之間的耦合，但因此也會(huì)引入多普勒參數(shù)方位空變的問題，導(dǎo)致傳統(tǒng)基于“方位平移不變”假設(shè)的成像方法失效。彈載SAR實(shí)時(shí)處理的需求一般要求采用子孔徑的處理方法，全孔徑方法比如NLCS[67]雖然能夠校正多普勒參數(shù)空變的問題，但無法將全孔徑算法直接用于子孔徑。文獻(xiàn)[71]詳細(xì)分析了子孔徑成像的優(yōu)勢(shì)并提出了相應(yīng)的成像算法，但沒有考慮多普勒參數(shù)空變的問題。文獻(xiàn)[72]詳細(xì)分析了正側(cè)視模式下高速運(yùn)動(dòng)平臺(tái)下采用“停-走-?！蹦Ｐ蛶淼慕普`差，建立了精確的回波模型，并基于該回波模型提出了一種適用于聚束SAR的成像算法。文獻(xiàn)[73,74]采用時(shí)域線性走動(dòng)校正的方法來消除大斜視成像中距離方位的耦合，但也會(huì)因此引入嚴(yán)重的方位空變。因此，文獻(xiàn)[73]提出了一種結(jié)合SPECAN處理的子孔徑高階相位校正方法(High-order Phase Correction Approach,HPCA)，校正了多普勒調(diào)頻率的1階和2階方位空變。而文獻(xiàn)[74]對(duì)子孔徑數(shù)據(jù)采用頻率非線性變標(biāo)(Frequency-Nonlinear-Chirp-Scaling,FNCS)的方法對(duì)多普勒參數(shù)(多普勒中心和多普勒調(diào)頻率)的方位空變特性進(jìn)行校正。文獻(xiàn)[75]提出了一種適用于子孔徑成像的ω-k算法，采用方位重采樣的方法[69]消除多普勒調(diào)頻率的方位空變特性，并采用SPECAN處理將子孔徑數(shù)據(jù)聚焦在多普勒域，克服了子孔徑時(shí)域聚焦需要大量補(bǔ)零的問題。文獻(xiàn)[76]詳細(xì)分析了大斜視寬幅成像下多普勒中心2維空變對(duì)成像的影響，并提出了一種帶有多普勒中心空變校正的方位向處理新方法，提高了方位聚焦質(zhì)量。如圖12，比較其多普勒中心空變校正前后成像結(jié)果，可以看到結(jié)果得到很大的改善。

4.2 俯沖段曲線軌跡大斜視成像算法

圖12 Ku波段1.36 m分辨率65°大斜視成像結(jié)果Fig.12 1.36 m resolution imaging results in 65° of squint mode in Ku band

前面提到對(duì)于平飛段大斜視成像，時(shí)域線性走動(dòng)校正會(huì)引入方位空變。然而對(duì)于俯沖曲線軌跡大斜視成像，俯沖曲線軌跡的運(yùn)動(dòng)特點(diǎn)使得雷達(dá)回波存在固有的方位空變。通常為了解決大斜視成像帶來的問題，首先需要采用時(shí)域線性走動(dòng)的方法對(duì)雷達(dá)回波進(jìn)行處理，但因此也會(huì)改變雷達(dá)回波固有的方位空變特性(改善或惡化)。目前，針對(duì)俯沖曲線軌跡大斜視的成像方法可以分為全孔徑方法和子孔徑方法，理論上，全孔徑算法的處理精度會(huì)更高，但子孔徑算法更有利于實(shí)時(shí)處理。文獻(xiàn)[77,78]提出了一種特定加速度情形下的近似斜距模型，能夠避免采用級(jí)數(shù)反演的方法獲得2維頻譜，2維頻譜表達(dá)式更為簡(jiǎn)潔，并基于該新的斜距模型以及2維頻譜給出了曲線軌跡下的全孔徑成像算法，但沒有考慮大機(jī)動(dòng)和大場(chǎng)景等可能帶來的多普勒參數(shù)方位空變的問題。文獻(xiàn)[79]提出了一種改進(jìn)的子孔徑機(jī)動(dòng)平臺(tái)大斜視成像方法，該方法在方位頻域進(jìn)行分塊處理以校正方位空變的RCM，并采用方位NCS校正多普勒參數(shù)的方位空變，然而存在著子孔徑分塊相位不連續(xù)的問題，文獻(xiàn)[80]提出了一種基于級(jí)聯(lián)兩步NCS的子孔徑頻域成像方法，第1步是采用NCS抑制方位空變的RCM，無需在方位頻域進(jìn)行分塊處理，避免了方位相位不連續(xù)的問題。第2步是采用NCS消除多普勒參數(shù)的方位空變，實(shí)現(xiàn)了方位統(tǒng)一聚焦。圖13為Ku波段1.5 m分辨率大斜視俯沖段處理結(jié)果。文獻(xiàn)[81]提出了一種基于局部直角坐標(biāo)和子區(qū)域處理的機(jī)動(dòng)大斜視頻域成像算法，采用子區(qū)域處理方法校正方位空變的包絡(luò)和相位，避免了頻域子孔徑方法[79]存在方位相位不連續(xù)的問題。

為了滿足多模式觀測(cè)的需求，文獻(xiàn)[82,83]提出了適用于俯沖曲線軌跡平臺(tái)的多模式統(tǒng)一成像算法。與直線軌跡平臺(tái)的多模式統(tǒng)一成像不同，俯沖曲線軌跡平臺(tái)多模式的頻譜混疊不僅與波束控制有關(guān)，而且與雷達(dá)平臺(tái)的加速度直接相關(guān)。文獻(xiàn)[82]通過分析表明了在某些情形下加速度對(duì)頻譜混疊的影響會(huì)更大，并提出了一種將加速度考慮進(jìn)來的改進(jìn)的“Two-step”方法，消除了方位頻譜混疊對(duì)成像的影響。在此基礎(chǔ)上，文獻(xiàn)[83]采用方位NCS進(jìn)一步校正了多普勒參數(shù)的方位空變，提升了方位聚焦的性能。應(yīng)當(dāng)指出的是，俯沖曲線軌跡的雷達(dá)回波存在固有的方位空變，而為了克服大斜視成像面臨的問題，通常需要引入時(shí)域線性走動(dòng)的方法，但因此也會(huì)改變雷達(dá)回波固有的方位空變特性，甚至?xí)M(jìn)一步惡化方位空變。然而上述針對(duì)俯沖曲線軌跡大斜視成像的算法未考慮時(shí)域線性走動(dòng)校正對(duì)方位空變的調(diào)制機(jī)理，可能會(huì)增加后續(xù)方位空變校正的難度或降低現(xiàn)有算法對(duì)方位空變校正的性能。

除此之外，文獻(xiàn)[84]提出了一種適用任何已知軌跡的SAR的BP成像算法，無需對(duì)斜距模型進(jìn)行任何近似，可以實(shí)現(xiàn)高分辨成像。但在投影過程中，需要對(duì)所有像素點(diǎn)的斜距歷程逐次進(jìn)行計(jì)算，需要消耗較多處理時(shí)間。為了提高效率，又提出了快速后向投影(Fast Back Projection,FBP)[85]和FFBP[86]算法，雖然FFBP算法具有更高的運(yùn)算效率，但其多級(jí)運(yùn)算形式不利于并行運(yùn)算，在條件允許下，一般采用更適合并行運(yùn)算的FBP算法。文獻(xiàn)[87]從斜距歷程形式出發(fā)，提出一種基于場(chǎng)景劃分的快速后投影成像算法，在FBP算法的基礎(chǔ)上進(jìn)行改進(jìn)，將全場(chǎng)景分為若干個(gè)子場(chǎng)景，對(duì)同一塊子場(chǎng)景中的像素點(diǎn)通過平面波假設(shè)進(jìn)行距離徙動(dòng)近似，解決了FBP算法成像需要逐點(diǎn)計(jì)算斜距的問題，進(jìn)一步提升了成像效率。

4.3 前視成像算法

傳統(tǒng)的單基SAR高分辨成像理論是利用雷達(dá)平臺(tái)與目標(biāo)的相對(duì)運(yùn)動(dòng)形成大的多普勒帶寬，從而實(shí)現(xiàn)方位高分辨率成像。而單基前視成像受雷達(dá)平臺(tái)與目標(biāo)之間的相對(duì)運(yùn)動(dòng)幾何的限制不能在方位形成多普勒帶寬，因此傳統(tǒng)的單基SAR成像理論不具備前視高分辨成像的能力。目前，國(guó)內(nèi)外提出了一些新的體制和技術(shù)以改善單基SAR前視成像的分辨率：(1)從信號(hào)處理上提高雷達(dá)成像分辨率，超分辨成像的方法對(duì)實(shí)波束雷達(dá)數(shù)據(jù)進(jìn)行處理能夠提高實(shí)波束成像的分辨率，主要方法包括基于正則化的超分辨方法[88]，基于統(tǒng)計(jì)優(yōu)化的超分辨方法[89]，量子關(guān)聯(lián)成像技術(shù)[90]和帶寬外推方法[91]等，這類方法對(duì)孤立的單目標(biāo)或多目標(biāo)具有很好的超分辨成像效果，但對(duì)于場(chǎng)景中復(fù)雜的面目標(biāo)無法實(shí)現(xiàn)超分辨成像，甚至有可能放大噪聲而降低圖像質(zhì)量；(2)可以從雷達(dá)體制上提高雷達(dá)成像分辨率，采用大陣列天線的前視成像通過多個(gè)通道發(fā)射信號(hào)同時(shí)多個(gè)通道接收回波信號(hào)，能夠有效增加等效孔徑長(zhǎng)度，提升了雷達(dá)成像的分辨率能力，但該類方法需要較大的陣列天線[92-94]。雙基地前視SAR成像新體制通過收發(fā)平臺(tái)分置使得雷達(dá)平臺(tái)對(duì)目標(biāo)形成了大多普勒帶寬效應(yīng)，提高了雷達(dá)前視成像的分辨能力。西安電子科技大學(xué)的邢孟道團(tuán)隊(duì)[95]在機(jī)動(dòng)平臺(tái)雙基前視成像這一方向做了大量的工作，詳細(xì)分析了該構(gòu)型下的系統(tǒng)特性，提出了相應(yīng)的彈道設(shè)計(jì)方法[96]、回波模擬方法[97]和成像方法[98,99]等。

圖13 Ku波段1.5 m大斜視俯沖段處理結(jié)果Fig.13 Ku band imaging results of 1.5 m resolution in the case of dive trajectory and squint mode

4.4 環(huán)掃成像算法

為了提高景象匹配準(zhǔn)確度，需要獲取更為豐富的地物特征信息的SAR圖像。然而傳統(tǒng)條帶模式的彈載SAR斜視角固定，只能對(duì)平臺(tái)一側(cè)的帶狀區(qū)域成像，測(cè)繪帶有限，不利于雷達(dá)獲取全方位的場(chǎng)景圖像，因此采取波束掃描[100]方式進(jìn)行大范圍觀測(cè)。由于波束掃描的作用，測(cè)繪區(qū)域隨掃描角度變化而變化，使得接收回波形式更為復(fù)雜，具體表現(xiàn)為更為嚴(yán)重的距離方位耦合性以及對(duì)應(yīng)多普勒運(yùn)動(dòng)參數(shù)變化。為滿足彈載實(shí)時(shí)成像需求，需要建立合適精確的數(shù)學(xué)模型簡(jiǎn)化算法復(fù)雜度，在合理近似條件下推導(dǎo)信號(hào)的精確表達(dá)式，并提出先進(jìn)的成像算法。環(huán)視掃描SAR普遍存在空變問題，具體表現(xiàn)為多普勒中心空變以及線性走動(dòng)空變。傳統(tǒng)的RD算法并未考慮線性距離走動(dòng)和多普勒中心的空變，只能處理小測(cè)繪帶短時(shí)間低分辨場(chǎng)景。為此，文獻(xiàn)[70]提出了一種改進(jìn)的子孔徑RD成像算法，通過距離分塊校正線性走動(dòng)空變，并依賴數(shù)學(xué)模型精確推導(dǎo)多普勒中心空變形式，然后進(jìn)行補(bǔ)償校正，提高寬測(cè)繪帶成像能力。

5 星載合成孔徑雷達(dá)成像

星載SAR飛行軌跡平穩(wěn)，覆蓋范圍廣、可以遠(yuǎn)程監(jiān)視運(yùn)動(dòng)目標(biāo)、且具有強(qiáng)的抗摧毀能力，因此其在海洋觀測(cè)、全球地理測(cè)繪、軍事觀測(cè)等方面得到了廣泛的應(yīng)用。為了能夠看得更清晰看得更遠(yuǎn)，高分辨率大測(cè)繪帶成像算法一直是星載SAR的研究熱點(diǎn)。另外，多模式統(tǒng)一成像處理算法的提出也為星載SAR帶來很大的便捷。

5.1 星載SAR高分寬幅成像算法

高分辨寬測(cè)繪帶(High-Resolution and Wide-Swath,HRWS)模式的多通道合成孔徑雷達(dá)(Multi-Channel SAR,MC-SAR)成像系統(tǒng)是星載SAR系統(tǒng)一個(gè)重要發(fā)展趨勢(shì)[101]，其利用空域維度信息進(jìn)行高分辨成像處理，特別是分布式衛(wèi)星SAR系統(tǒng)，其可以有效地突破傳統(tǒng)單通道SAR系統(tǒng)面臨的最小天線面積限制，這里主要論述多通道體制下的高分寬幅成像算法。

傳統(tǒng)的單通道星載SAR為獲得方位高分辨率，系統(tǒng)通常需要較大的脈沖重復(fù)頻率(Pulse Repetition Frequency,PRF)，而星載SAR寬測(cè)繪帶的需求則要求PRF不能過大。因此，單通道星載SAR中的方位高分辨率和寬測(cè)繪帶是一對(duì)矛盾，而多通道SAR體制則可以有效地解決這一矛盾從而實(shí)現(xiàn)高分辨寬測(cè)繪帶對(duì)地觀測(cè)。由于星載SAR多通道[102]成像需要對(duì)多個(gè)通道的回波信號(hào)進(jìn)行聯(lián)合處理，其對(duì)通道之間的一致性要求非常高，但通道之間通常會(huì)存在幅度和相位的差異。因此，多通道SAR成像首要解決的問題是如何對(duì)通道之間的誤差進(jìn)行精確估計(jì)和補(bǔ)償。另外，每個(gè)通道接收的雷達(dá)回波都表現(xiàn)為方位欠采樣(多普勒譜模糊)，需要對(duì)多個(gè)通道的數(shù)據(jù)進(jìn)行無模糊多普勒譜重構(gòu)。因此，無模糊多普勒重構(gòu)也是多通道SAR成像過程中得一個(gè)關(guān)鍵步驟。

早期的多通道誤差校正主要考慮恒定的幅度和相位誤差，其中兩種比較經(jīng)典的方法是基于子空間和基于相鄰?fù)ǖ阑ハ嚓P(guān)的校正方法[103-105]。文獻(xiàn)[34,106]進(jìn)一步考慮了距離采樣時(shí)間誤差、距離空變相位誤差和基線測(cè)量誤差對(duì)多通道方位重構(gòu)的影響。文獻(xiàn)[34]提出了一種基于兩步校正的通道誤差校正算法，其中的通道粗校正是用于校正距離采樣時(shí)間誤差、恒定的幅度和相位誤差以及天線位置誤差，而通道精校正是用于補(bǔ)償殘余的常數(shù)相位誤差、基線測(cè)量誤差和距離空變的相位誤差，但該方法要求系統(tǒng)具有冗余的自由度。在系統(tǒng)不存在冗余的自由度情形下，文獻(xiàn)[106]提出了一種基于加權(quán)最小熵(Weighted Minimum Entropy,WME)和局部最大似然(Local ML,LML)的距離空變的通道誤差校正方法，該方法采用WME對(duì)距離分塊后的數(shù)據(jù)進(jìn)行相位誤差估計(jì)，并根據(jù)每個(gè)距離塊的相位誤差采用LML估計(jì)距離空變的相位誤差。應(yīng)當(dāng)指出的是，以上基于子空間的誤差校正方法通常沒有考慮模糊分量隨基帶頻率變化的情況，在子空間劃分時(shí)可能會(huì)降低噪聲子空間和信號(hào)子空間的正交性。針對(duì)該問題，文獻(xiàn)[107]提出了一種改進(jìn)的基于子空間的通道誤差校正方法，該方法通過空間譜估計(jì)技術(shù)能估計(jì)出不同基帶頻率下模糊分量的準(zhǔn)確信息，提高了通道誤差估計(jì)的精度。

在完成通道誤差估計(jì)與補(bǔ)償后，由于每個(gè)通道的回波信號(hào)都存在多普勒譜模糊，需要對(duì)多個(gè)通道的回波信號(hào)進(jìn)行方位信號(hào)重構(gòu)獲得多普勒無模糊信號(hào)。目前主要有兩種經(jīng)典的多通道方位信號(hào)重構(gòu)方法：傳遞函數(shù)法(Transfer function algorithm)[108]和空時(shí)自適應(yīng)處理(Space-Time Adaptive Processing,STAP)算法[109]，后者相比于前者對(duì)陣列流型精度的要求更低，穩(wěn)健性更高，但STAP方法在模糊分量方向形成的凹口深度有限，無法對(duì)強(qiáng)散射點(diǎn)形成足夠好的模糊抑制效果。文獻(xiàn)[34]在STAP方法的基礎(chǔ)上提出了一種基于多個(gè)多普勒方向約束的解模糊方法，能夠?qū)?chǎng)景中的強(qiáng)散射點(diǎn)形成更好的模糊抑制效果。文獻(xiàn)[110]在進(jìn)一步考慮地面高程下提出了一種改進(jìn)的多普勒模糊抑制算法。需要指出的是，以上基于STAP的方法通常要求模糊分量的個(gè)數(shù)滿足一定的條件(認(rèn)為模糊個(gè)數(shù)隨基帶頻率恒定不變)，具有一定的局限性。文獻(xiàn)[111]提出了一種基于多普勒譜估計(jì)的多通道SAR方位信號(hào)重構(gòu)方法，該方法通過空間譜估計(jì)方法估計(jì)出不同基帶頻率的Capon譜，能夠更好地保持不同基帶頻率下多普勒譜的完整性，提高了多通道方位重構(gòu)的圖像質(zhì)量。圖14為多通道成像流程圖，其主要步驟如圖所示，通道誤差校正是其核心。

對(duì)于多通道SAR系統(tǒng)，動(dòng)目標(biāo)成像聚焦越來越受到人們的關(guān)注。對(duì)動(dòng)目標(biāo)的斜距速度估計(jì)是動(dòng)目標(biāo)重定位和成像處理的關(guān)鍵步驟。已有不少文獻(xiàn)[112-114]等對(duì)動(dòng)目標(biāo)斜距速度估計(jì)進(jìn)行了研究和討論。當(dāng)動(dòng)目標(biāo)的多普勒譜偏移超過半個(gè)PRF時(shí)，動(dòng)目標(biāo)將產(chǎn)生速度模糊現(xiàn)象。為了解決這個(gè)問題，文獻(xiàn)[115,116]等分別提出多種方法，如提高系統(tǒng)PRF，采用非統(tǒng)一的PRF，采用多頻天線陣列等。同時(shí)，文獻(xiàn)[117,118]提出了一些其它動(dòng)目標(biāo)參數(shù)估計(jì)及斜距模糊速度求解方式。由于低PRF和單個(gè)通道回波存在多普勒譜模糊，這些算法并不適合對(duì)基于沿方位多個(gè)接收孔徑的高分辨寬測(cè)繪帶多通道SAR系統(tǒng)進(jìn)行動(dòng)目標(biāo)斜距速度估計(jì)。對(duì)于低PRF情況，文獻(xiàn)[119]提出了一種基于壓縮感知(Compressed Sensing,CS)的動(dòng)目標(biāo)運(yùn)動(dòng)參數(shù)估計(jì)算法。該算法適用當(dāng)SAR系統(tǒng)的PRF低于方位多普勒譜帶寬的情況。

圖14 多通道成像流程圖Fig.14 The flowchart of multi-channel imaging

除此之外，成像聚焦處理也是非常重要的。對(duì)于傳統(tǒng)SAR系統(tǒng)，文獻(xiàn)[120-122]等已經(jīng)分別對(duì)動(dòng)目標(biāo)聚焦成像處理算法進(jìn)行研究和討論。由于每個(gè)通道回波都存在多普勒頻譜模糊，這些已有算法將不適用于基于沿方位多個(gè)接收孔徑的高分辨寬測(cè)繪帶多通道SAR系統(tǒng)。文獻(xiàn)[123]針對(duì)多通道SAR系統(tǒng)提出了一種動(dòng)目標(biāo)聚焦算法，其對(duì)動(dòng)目標(biāo)的信號(hào)特點(diǎn)進(jìn)行詳細(xì)討論。

總得而言，為了實(shí)現(xiàn)星載SAR寬測(cè)繪帶的高分辨成像，很多新體制成像模式隨之出現(xiàn)，最常見的便是多通道模式，除此之外還有Mosaic模式[124]，以及可變PRF模式[125]等。

5.2 星載多模式統(tǒng)一成像算法

星載雷達(dá)成像模式主要由條帶、聚束、滑動(dòng)聚束、TOPS SAR和掃描SAR組成。針對(duì)不同的成像模式，成像算法也不盡相同，條帶模式下具有代表性的成像算法有RDA和CSA；聚束模式下具有代表性的成像算法：基于子孔徑處理的頻率變標(biāo)算法(Frequency Scaling Algorithm,FSA)[126]、全孔徑處理的Two-step算法[127]、寬場(chǎng)景極坐標(biāo)格式算法(WPFA)[128]、Stolt極坐標(biāo)算法(SPA)和微分多普勒算法(DDA)[129]；針對(duì)滑動(dòng)聚束模式，目前具有代表性的成像算法主要有基于子孔徑的擴(kuò)展CS(Extended Chirp Scaling,ECS)[130]、聚束的兩步處理算法(Two-step)[131]和基于子孔徑的方位基帶變標(biāo)算法(Baseband Azimuth Scaling,BAS)[132]，此處的“Two-step”與前文運(yùn)動(dòng)補(bǔ)償里的“Twostep”原理不同。針對(duì)TOPS SAR模式的成像算法主要有頻移Chirp-Z變換算法(Chirp Z-Transform,CZT)算法[133]、基于子孔徑的BAS算法以及結(jié)合“Two-step”和“BAS”的組合算法[134]。此外，掃描SAR模式下的代表性成像算法為SPECAN[135]算法和ECS算法。

這些算法錯(cuò)綜復(fù)雜，通常針對(duì)一種模式就要研制一個(gè)相應(yīng)的處理器，硬件的研制成本很高，因此統(tǒng)一化處理成為近年來的熱點(diǎn)問題。德國(guó)DLR研究人員在TerraSAR-X系統(tǒng)中設(shè)計(jì)了多模式通用成像算法[136]，主要以CSA為核心模塊，能夠?qū)l帶和掃描模式統(tǒng)一成像，但無法處理大斜視角下的成像問題，文獻(xiàn)[137]對(duì)上述算法進(jìn)行了改進(jìn)，引入模型參數(shù)變換使之適用于處理較大多普勒中心的數(shù)據(jù)，但是沒有提出針對(duì)性的運(yùn)動(dòng)補(bǔ)償算法。多模式統(tǒng)一成像的難點(diǎn)集中體現(xiàn)在尋找表征不同模式的影響因素上，國(guó)內(nèi)西安電子科技大學(xué)的邢孟道團(tuán)隊(duì)在研究表征不同模式的特性方面做了很多貢獻(xiàn)。文獻(xiàn)[138]提出了一種針對(duì)TOPS和滑動(dòng)聚束的基于方位Deramp預(yù)處理的變標(biāo)算法，利用Deramp操作等一系列實(shí)現(xiàn)解模糊和2維頻譜重構(gòu)，以及方位變標(biāo)去斜操作可實(shí)現(xiàn)兩種模式全孔徑統(tǒng)一成像，此時(shí)信號(hào)聚焦在頻域；為了提高算法高效性，文獻(xiàn)[139]提出了一種廣義的PFA算法(Generalized PFA,GPFA)，該算法結(jié)合了傳統(tǒng)PFA算法對(duì)信號(hào)處理的高效性和“Two-step”方法中解模糊的有效性?？紤]到算法更廣的通用性，文獻(xiàn)[140]提出了一種基于分?jǐn)?shù)階傅里葉變換(FrFT)的統(tǒng)一處理算法(Unified Focusing Algorithm,UFA)，該算法可實(shí)現(xiàn)條帶、聚束、滑動(dòng)聚束和TOPS SAR統(tǒng)一處理，極大的降低了硬件和軟件的研發(fā)成本。為了實(shí)現(xiàn)高分寬幅多模式統(tǒng)一成像，文獻(xiàn)[141]提出了一種統(tǒng)一的全孔徑多通道波束指向SAR(Beam Steering SAR,BS-SAR)方位預(yù)處理算法，基于波束壓縮和帶寬壓縮的技術(shù)，在不改變信號(hào)角度-多普勒或空時(shí)平面特性情況下有效地降低BS-SAR信號(hào)混疊程度，使得空時(shí)頻解模糊的方法可以得到應(yīng)用，最后與UFA算法進(jìn)行結(jié)合，實(shí)現(xiàn)多通道BS-SAR的統(tǒng)一成像算法處理。圖15-圖17分別為星載SAR條帶，TOPS，聚束模式下的成像結(jié)果。其中圖15為GF-3號(hào)錄取的1.5 m分辨率結(jié)果，圖16為Ku波段3.5 m分辨率結(jié)果，圖17為C波段1 m分辨率結(jié)果。

綜上所述，目前的多模式統(tǒng)一成像算法中只有UFA可以滿足統(tǒng)一處理4種模式的要求。UFA是總結(jié)了4種成像模式中共有的表征因素：天線波束指向。然而，UFA只考慮了天線波束的指向變化會(huì)導(dǎo)致方位回波信號(hào)的多普勒中心隨方位時(shí)間近似線性變化，并沒有考慮出現(xiàn)非線性變化的情況。實(shí)際上，各模式通過長(zhǎng)時(shí)間照射相干積累提高方位分辨率的本質(zhì)是相同的，因此對(duì)各模式進(jìn)行統(tǒng)一建模，再總結(jié)各模式在這些性能上的異同，進(jìn)而研究統(tǒng)一的成像方法也是一種可行的思路。

5.3 低軌道超高分辨率成像算法

圖15 GF-3號(hào)1.5 m條帶SAR圖像Fig.15 1.5 m resolution SAR imaging results in GF-3

圖16 Ku波段3.5 m TOPS SAR數(shù)據(jù)聚焦結(jié)果Fig.16 3.5 m resolution TOPS SAR imaging results in Ku band

相比于星載高分辨率成像，星載超高分辨率對(duì)目標(biāo)的觀測(cè)時(shí)間更長(zhǎng)，通常需要采用聚束或者滑動(dòng)聚束的工作模式。由于滑動(dòng)聚束相比于聚束模式能夠?qū)崿F(xiàn)更強(qiáng)的覆蓋能力，超高分辨率滑動(dòng)聚束成像問題受到了更多的關(guān)注。隨著分辨率的提升，雷達(dá)回波信號(hào)的方位頻譜模糊會(huì)變得更為嚴(yán)重，但同樣可以和高分辨率滑動(dòng)聚束模式成像處理一樣，采用Two-step方法或基于子孔徑BAS的方法對(duì)雷達(dá)回波信號(hào)進(jìn)行方位預(yù)處理，獲得方位頻譜無模糊信號(hào)。另外，星載弧線軌道隨著分辨率的提升會(huì)變得更為明顯，不能采用基于“方位平移不變”假設(shè)的傳統(tǒng)頻域算法來進(jìn)行精確成像處理，還需進(jìn)一步考慮信號(hào)的方位空變特性對(duì)成像的影響。文獻(xiàn)[142]提出了一種星載超高分辨率滑動(dòng)聚束SAR成像方法，該方法將衛(wèi)星整個(gè)運(yùn)動(dòng)軌道進(jìn)行分段處理，對(duì)每一段的雷達(dá)回波數(shù)據(jù)采用標(biāo)準(zhǔn)的成像算法進(jìn)行成像處理，并指出該方法的關(guān)鍵之處在于如何對(duì)每段處理后的數(shù)據(jù)進(jìn)行精確拼接(同一目標(biāo)在不同分段的聚焦位置不一樣)，該方法類似于成像處理中常采用的子孔徑成像方法。文獻(xiàn)[143]提出了一種適用于超高分辨率的高階成像算法，考慮了曲線軌跡給成像帶來的影響，但沒有考慮衛(wèi)星等效速度的方位空變特性。文獻(xiàn)[24]對(duì)超高分辨率的星載SAR數(shù)據(jù)進(jìn)行了處理，將超高分辨率情況下的彎曲軌道與直線軌道之間的偏差當(dāng)作誤差加以補(bǔ)償，類似于載機(jī)SAR數(shù)據(jù)處理當(dāng)中的運(yùn)動(dòng)補(bǔ)償過程，圖18為文獻(xiàn)[24]給出的TerraSAR 0.16 m分辨率處理結(jié)果。文獻(xiàn)[144]提出了一種基于速度變標(biāo)的超高分辨率滑動(dòng)聚束成像算法，該方法通過類似于方位重采樣的操作對(duì)等效速度的方位空變特性進(jìn)行校正，將曲線軌道等效為直線軌道，進(jìn)一步提高了方位聚焦性能。在此基礎(chǔ)上，文獻(xiàn)[145]進(jìn)一步對(duì)斜距模型和成像算法進(jìn)行了相應(yīng)的修正，使得其能夠?qū)π币晹?shù)據(jù)進(jìn)行精確的成像處理，提出了一種全孔徑超高分辨率斜視滑動(dòng)聚束成像算法。與文獻(xiàn)[144]采用的子孔徑成像不同，文獻(xiàn)[145]采用的是全孔徑成像策略。

5.4 中/高軌道長(zhǎng)合成孔徑時(shí)間成像算法

圖17 C波段1 m聚束成像結(jié)果Fig.17 1 m resolution Spotlight SAR imaging results in C band

圖18 TerraSAR-X 0.16 m分辨率SAR圖像[24]Fig.18 0.16 m resolution SAR imaging of TerraSAR-X[24]

中/高軌道衛(wèi)星的軌道高度通常在幾千公里以上甚至到幾萬公里，相比于低軌道衛(wèi)星，雷達(dá)平臺(tái)相對(duì)于目標(biāo)的運(yùn)動(dòng)速度將會(huì)小的多，因此雷達(dá)對(duì)場(chǎng)景的觀測(cè)時(shí)間需大幅增長(zhǎng)才能滿足預(yù)期分辨率的要求。目前而言，中/高軌道衛(wèi)星的合成孔徑時(shí)間通常在數(shù)十秒到數(shù)千秒之間，如此長(zhǎng)的合成孔徑時(shí)間導(dǎo)致衛(wèi)星的曲線軌道非常明顯，雷達(dá)回波信號(hào)的距離空變和方位空變特性都非常嚴(yán)重。另外，中/高軌道衛(wèi)星的軌道高，雷達(dá)發(fā)射和接收同一信號(hào)的位置分離導(dǎo)致傳統(tǒng)基于“走-停-走”假設(shè)的成像模型不再成立。文獻(xiàn)[20,32]較早地推導(dǎo)出了基于四次多項(xiàng)式精確的2維頻譜以及基于該頻譜提出了一種CS算法。文獻(xiàn)[25]提出了一種適用于中軌道寬測(cè)繪帶SAR的NCS算法，進(jìn)一步擴(kuò)大距離測(cè)繪帶。文獻(xiàn)[21,146,147]分析了停走誤差和曲線軌跡對(duì)成像的影響，并提出了相應(yīng)的頻域成像算法。為了進(jìn)一步考慮長(zhǎng)合成孔徑時(shí)間下嚴(yán)重的方位空變特性，文獻(xiàn)[148]將非線性變標(biāo)(NCS)的思想從距離維擴(kuò)展到方位維，提高了方位聚焦性能。西安電子科技大學(xué)的邢孟道團(tuán)隊(duì)針對(duì)中/高軌道衛(wèi)星SAR做了大量的理論研究工作，文獻(xiàn)[149]對(duì)高軌道衛(wèi)星SAR的成像分辨能力進(jìn)行了詳細(xì)的理論分析和評(píng)估。文獻(xiàn)[22]針對(duì)方位空變特性，采用方位頻域分子帶的方法消除方位空變對(duì)方位聚焦的影響，但子帶拼接不可避免地會(huì)出現(xiàn)柵瓣現(xiàn)象，降低了圖像質(zhì)量。為了進(jìn)一步提高以上算法地聚焦性能，文獻(xiàn)[23]提出了一種基于串聯(lián)奇異值分解(Singular Value Decomposition,SVD)的方位空變校正方法，該算法引入對(duì)2維頻譜的方位空變特性進(jìn)行分析，2維頻譜經(jīng)過SVD后需由兩個(gè)特征量精確表示，所提算法先后使用兩次SVD依次補(bǔ)償這兩個(gè)特征分量，有效校正了信號(hào)的方位空變。文獻(xiàn)[150]中的成像方法在2維空變校正之前，引入最優(yōu)的線性走動(dòng)校正因子盡可能地減少了方位空變，提升了現(xiàn)有成像算法的性能。另外，該方法將SVD的處理流程從方位維擴(kuò)展到距離維，方位向處理仍然采用文獻(xiàn)[23]中串聯(lián)的SVD方法，而距離向處理則采用距離分塊的策略克服SVD多個(gè)特征分量的問題。需要指出的是，針對(duì)方位向SVD分解后存在3個(gè)及以上的特征分量的情形，以上基于SVD成像方法的精度會(huì)有所下降，若采用多次SVD的處理流程，則會(huì)導(dǎo)致成像處理流程變得更為復(fù)雜。

需要指出的是，上述成像算法僅適用于場(chǎng)景中靜止目標(biāo)成像。由于中/高軌道衛(wèi)星與目標(biāo)的距離較遠(yuǎn)(約36000 km)，導(dǎo)致雷達(dá)回波信號(hào)的信噪比較低。因此為了提高中/高軌道衛(wèi)星SAR對(duì)動(dòng)目標(biāo)的檢測(cè)和成像性能，通常需要采用長(zhǎng)合成孔徑時(shí)間觀測(cè)的模式。針對(duì)長(zhǎng)合成孔徑時(shí)間下運(yùn)動(dòng)目標(biāo)特別是艦船目標(biāo)的成像主要面臨兩個(gè)嚴(yán)峻的挑戰(zhàn)：(1)運(yùn)動(dòng)目標(biāo)在長(zhǎng)合成孔徑時(shí)間下的平動(dòng)特性異常復(fù)雜，嚴(yán)重影響了動(dòng)目標(biāo)長(zhǎng)時(shí)間相參積累的性能，降低了動(dòng)目標(biāo)檢測(cè)的性能；(2)針對(duì)艦船目標(biāo)成像，艦船目標(biāo)在海面風(fēng)浪的長(zhǎng)時(shí)間影響下存在復(fù)雜的3維搖擺運(yùn)動(dòng)，使得艦船上各個(gè)散射點(diǎn)在方位向聚焦上存在嚴(yán)重的空變特性，給艦船目標(biāo)長(zhǎng)時(shí)間統(tǒng)一相參積累帶來了很大困難。目前針對(duì)復(fù)雜平動(dòng)補(bǔ)償?shù)膭?dòng)目標(biāo)成像方法包括參數(shù)估計(jì)方法[151,152]和非參數(shù)估計(jì)方法[153]，需要指出的是，參數(shù)化估計(jì)方法通常采用高維度匹配濾波的思想對(duì)動(dòng)目標(biāo)的運(yùn)動(dòng)參數(shù)進(jìn)行估計(jì)，其精度較高但存在高維度搜索的問題。針對(duì)復(fù)雜3維搖擺的艦船目標(biāo)成像方法主要包括基于非平穩(wěn)信號(hào)的ISAR成像方法；基于超分辨率算法的短孔徑成像方法；參數(shù)化模型成像方法等[154]。需要指出的是，上述成像算法的提出主要針對(duì)較短合成孔徑時(shí)間，在中/高軌道長(zhǎng)合成孔徑時(shí)間下的精度較差甚至失效。因此，目前針對(duì)中/高軌道長(zhǎng)合成孔徑時(shí)間下的動(dòng)目標(biāo)特別是艦船目標(biāo)成像，對(duì)平動(dòng)的補(bǔ)償應(yīng)在提高效率的同時(shí)滿足精度要求，對(duì)3維搖擺的補(bǔ)償首先應(yīng)重點(diǎn)提高其估計(jì)和補(bǔ)償精度。

6 結(jié)束語(yǔ)

多平臺(tái)合成孔徑雷達(dá)成像算法是雷達(dá)探測(cè)領(lǐng)域的主要研究方向之一，其研究進(jìn)展有助于開拓雷達(dá)回波信息的可用維度，其研究基礎(chǔ)為進(jìn)一步提升雷達(dá)探測(cè)與識(shí)別能力提供了有力的保障。近年來，隨著合成孔徑雷達(dá)技術(shù)的發(fā)展和硬件水平的提高，SAR系統(tǒng)朝著“搭載平臺(tái)多樣化、模式全面化、體制先進(jìn)化”趨勢(shì)發(fā)展，“多源、多維度、多融合”的雷達(dá)數(shù)據(jù)對(duì)多平臺(tái)合成孔徑成像算法的要求變得更加嚴(yán)格。然而多平臺(tái)合成孔徑成像算法研究畢竟是一個(gè)集多平臺(tái)，多模式，多維度的SAR信號(hào)處理技術(shù)研究，還存在著很多有待解決的問題，從現(xiàn)有的研究狀況分析，可以預(yù)計(jì)未來將在以下方面展開深入地研究：

(1)新體制超高分辨成像：近年來隨著子帶寬合成與微波光子等雷達(dá)波形成技術(shù)的成熟發(fā)展與應(yīng)用，尤其是微波光子技術(shù)方面，國(guó)內(nèi)邢孟道團(tuán)隊(duì)在微波光子SAR/ISAR成像算法領(lǐng)域投入了大量工作，實(shí)現(xiàn)了帶寬超過10 GHz的目標(biāo)成像[155,156]，解決了傳統(tǒng)SAR在超大帶寬線性不佳的問題，SAR逐漸朝著超分辨發(fā)展。未來超高分辨成像算法主要面臨兩個(gè)問題，一是超高分辨使得雷達(dá)信號(hào)的距離徙動(dòng)特性更為嚴(yán)重，二是2維耦合運(yùn)動(dòng)誤差的空變特性對(duì)成像的影響更大。因此，未來對(duì)超高分辨成像算法的研究應(yīng)重點(diǎn)集中在如何提升目前理想成像算法的距離徙動(dòng)校正精度以及誤差估計(jì)與補(bǔ)償?shù)木取?/p>

(2)面向大遙感數(shù)據(jù)的高效時(shí)域成像：傳統(tǒng)的頻域成像算法形式復(fù)雜，比較依賴構(gòu)建的斜距模型，通用性不強(qiáng)，隨著未來多平臺(tái)SAR的發(fā)展，運(yùn)動(dòng)軌跡多變復(fù)雜時(shí)便會(huì)失效。而時(shí)域成像算法(比如BP算法)原理簡(jiǎn)單、適用性強(qiáng)，必然是未來成像算法的主要研究方向。目前BP算法有兩大難點(diǎn)，一是大運(yùn)算量和大數(shù)據(jù)冗余量使得數(shù)據(jù)處理效率低，二是目前的BP算法還不能有效地結(jié)合自聚焦算法。FBP和FFBP算法的提出對(duì)于運(yùn)算效率的提高有著顯著的作用，然而面對(duì)未來TB級(jí)數(shù)據(jù)甚至PB級(jí)數(shù)據(jù)的發(fā)展，運(yùn)算效率仍然是個(gè)問題，同時(shí)如何有效結(jié)合運(yùn)動(dòng)補(bǔ)償/自聚焦算法以提高成像質(zhì)量依然是一個(gè)待解決的問題。因此，未來對(duì)時(shí)域成像算法的研究應(yīng)重點(diǎn)集中在如何提高其效率以及運(yùn)動(dòng)補(bǔ)償成像精度。

(3)成像與識(shí)別一體化：隨著多平臺(tái)SAR發(fā)展趨勢(shì)看，目前的雷達(dá)體制仍然面臨著實(shí)現(xiàn)目標(biāo)探測(cè)、成像與識(shí)別一體化的難題，尤其對(duì)于未來復(fù)雜的戰(zhàn)場(chǎng)環(huán)境。需要沿著雷達(dá)成像的靈活化、立體化、可視化的研究思路，重點(diǎn)研究：(a)面向?qū)ο蟮某上窭碚摚ㄒ杂^測(cè)場(chǎng)景為輸出坐標(biāo)系的成像方法，以動(dòng)目標(biāo)為對(duì)象的SAR成像方法，以及面向場(chǎng)景的SAR圖像質(zhì)量評(píng)估體系；(b)高分辨立體化成像，包括基于立體視角觀測(cè)的2維成像方法，解算目標(biāo)3維信息的立體成像方法；(c)目標(biāo)電磁特征可視化重構(gòu)識(shí)別，包括目標(biāo)電磁特征和可視化圖像獲取方法，結(jié)合深度學(xué)習(xí)網(wǎng)絡(luò)的目標(biāo)類別判斷方法，以期實(shí)現(xiàn)多平臺(tái)SAR對(duì)目標(biāo)的成像與識(shí)別一體化。