申文杰 韓 冰 林 赟 胡玉新 洪 文*

①(中國(guó)科學(xué)院空天信息創(chuàng)新研究院 北京 100190)

②(中國(guó)科學(xué)院大學(xué) 北京 100049)

③(中國(guó)科學(xué)院空間信息處理與應(yīng)用系統(tǒng)技術(shù)重點(diǎn)實(shí)驗(yàn)室 北京 100190)

④(北方工業(yè)大學(xué) 北京 100144)

1 引言

合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)技術(shù)一經(jīng)提出便得到了廣泛地關(guān)注、發(fā)展和應(yīng)用。近年來(lái)，隨著新概念新體制的不斷提出、雷達(dá)系統(tǒng)水平及其信號(hào)處理技術(shù)的發(fā)展，合成孔徑雷達(dá)系統(tǒng)技術(shù)已從傳統(tǒng)的高分寬幅逐步呈現(xiàn)出以多維度數(shù)據(jù)[1]獲取、處理和應(yīng)用的發(fā)展趨勢(shì)，其中，SAR多角度觀測(cè)因其適用于多平臺(tái)非理想軌跡自適應(yīng)成像、各向異性散射特征提取、全方位目標(biāo)三維精細(xì)結(jié)構(gòu)重建等方面的獨(dú)特優(yōu)勢(shì)，成為多維度SAR中直接取得突破性進(jìn)展并開展應(yīng)用的維度之一。

與此同時(shí)，地面動(dòng)目標(biāo)指示(Ground Moving Target Indication,GMTI)作為常規(guī)SAR的重要模式之一，其檢測(cè)性能主要依賴于多通道雷達(dá)硬件系統(tǒng)及其復(fù)雜信號(hào)與數(shù)據(jù)處理來(lái)實(shí)現(xiàn)。隨著SAR多角度觀測(cè)研究進(jìn)展[2-4]、多角度SAR概念和體制的提出[5]，通過(guò)航跡控制、天線技術(shù)、信號(hào)處理、觀測(cè)目標(biāo)認(rèn)知等技術(shù)的一體化，有望在現(xiàn)有平臺(tái)航跡及雷達(dá)系統(tǒng)自身?xiàng)l件下(如星載SAR已經(jīng)具備大至±15°、機(jī)載近直線飛行大至±45°等數(shù)據(jù)獲取能力)，利用多方位、長(zhǎng)時(shí)間、序列數(shù)據(jù)的多角度觀測(cè)及信號(hào)處理，使得運(yùn)動(dòng)目標(biāo)檢測(cè)、追蹤、參數(shù)估計(jì)乃至高分辨重建都已成為可能。由此可以實(shí)現(xiàn)GMTI模式在單通道雷達(dá)系統(tǒng)上的功能拓展、多通道雷達(dá)系統(tǒng)上的性能提升。

在研討近年來(lái)多角度SAR-GMTI研究基礎(chǔ)及發(fā)展現(xiàn)狀的基礎(chǔ)上，本文重點(diǎn)介紹了研究團(tuán)隊(duì)圍繞高分3號(hào)開展的原理性驗(yàn)證實(shí)驗(yàn)研究，包括凝視聚束模式動(dòng)目標(biāo)檢測(cè)方法研究、雙通道動(dòng)目實(shí)驗(yàn)?zāi)Ｊ?、雙通道凝視聚束GMTI模式研究等。具體內(nèi)容為:(1)針對(duì)單通道凝視聚束模式的動(dòng)目標(biāo)檢測(cè)方法研究，旨在為未來(lái)單通道多角度SAR動(dòng)目標(biāo)檢測(cè)做技術(shù)積累；(2)為了實(shí)現(xiàn)多角度與多通道模式優(yōu)勢(shì)互補(bǔ)，利用高分3號(hào)雙通道動(dòng)目標(biāo)實(shí)驗(yàn)?zāi)Ｊ窖芯苛酥髁鞯亩嗤ǖ浪惴ǎ?3)利用高分3號(hào)完成凝視聚束模式下的雙通道動(dòng)目標(biāo)實(shí)驗(yàn)。上述實(shí)驗(yàn)及結(jié)果研究尚未見(jiàn)公開報(bào)道。

2 多角度SAR-GMTI研究現(xiàn)狀

傳統(tǒng)窄波束SAR采用側(cè)視觀測(cè)幾何來(lái)獲得方位-斜距二維圖像。其存在兩點(diǎn)問(wèn)題，(1)地形起伏引起的疊掩、透視伸縮、陰影等現(xiàn)象；(2)有限的方位信息使得圖像解譯等應(yīng)用受限。近年來(lái)，學(xué)者們以機(jī)載系統(tǒng)為對(duì)象，開始研究具備多角度觀測(cè)能力的SAR模式。

圓跡SAR成像原理研究及飛行試驗(yàn)進(jìn)展為SAR多角度觀測(cè)提供了研究基礎(chǔ)[2,6]。圓跡SAR模式通過(guò)載機(jī)平臺(tái)的圓周曲線飛行軌跡、雷達(dá)波束的觀測(cè)區(qū)域中心指向控制、以及獨(dú)特的相干+非相干三維成像算法等，最大限度地實(shí)現(xiàn)了360°全方位觀測(cè)[2,4,7]。隨著研究的深入和應(yīng)用的開展，多角度SAR及其數(shù)據(jù)獲取方法被提出[5]，主要概念內(nèi)涵包括單一平臺(tái)近直線飛行條件下寬角相掃模式(如±45°)、離散多角度作業(yè)模式及多平臺(tái)分布式節(jié)點(diǎn)協(xié)同作業(yè)模式等。與常規(guī)圓跡及曲線SAR不同，多角度SAR最大限度地放松了飛行平臺(tái)對(duì)載荷數(shù)據(jù)獲取與成像觀測(cè)的約束，即具有常規(guī)飛行航跡下SAR多角度數(shù)據(jù)的獲取、處理和信息提取的能力，為實(shí)際應(yīng)用中機(jī)動(dòng)平臺(tái)的測(cè)繪和作業(yè)效率提供了有效保障。

多角度SAR具備下面幾個(gè)優(yōu)勢(shì)：(1)大方位角帶來(lái)更高分辨率；(2)豐富的方位信息有利于目標(biāo)識(shí)別和分類；(3)多角度觀測(cè)可以實(shí)現(xiàn)三維提取，且能有效減小、去除疊掩、陰影、透視伸縮等現(xiàn)象。由于上述優(yōu)勢(shì)，多角度SAR受到了國(guó)內(nèi)外學(xué)者們關(guān)注，但是大合成孔徑角、慣導(dǎo)精度等因素也對(duì)成像模型、數(shù)據(jù)處理方法等研究提出挑戰(zhàn)。自90年代以來(lái)，學(xué)者們利用多角度數(shù)據(jù)(如±45?聚束數(shù)據(jù)、圓周數(shù)據(jù))對(duì)相關(guān)基礎(chǔ)性問(wèn)題進(jìn)行了深入的研究，例如成像模型[7]、高分辨成像方法[8]、三維特征提取[9-12]、各向異性散射特征分析[13]等。典型的研究成果如圖1所示。

隨著研究的深入，多角度SAR在GMTI方面的特性開始受到關(guān)注。對(duì)于場(chǎng)景中的動(dòng)目標(biāo)，多角度SAR可以實(shí)現(xiàn)長(zhǎng)時(shí)間觀測(cè)，以及獲得動(dòng)目標(biāo)的豐富方位信息。長(zhǎng)時(shí)間觀測(cè)特性有利于對(duì)目標(biāo)的檢測(cè)和持續(xù)追蹤；豐富的方位信息有利于對(duì)動(dòng)目標(biāo)的速度進(jìn)行估計(jì)。因此，多角度SAR-GMTI在近年來(lái)開始成為新的研究熱點(diǎn)。雖然目前未見(jiàn)星載多角度SAR系統(tǒng)的公開報(bào)道，相關(guān)研究以機(jī)載系統(tǒng)為主，但是機(jī)載研究已初步證明了多角度SAR在GMTI方面的潛力。

圖1 典型多角度SAR研究Fig.1 Typical multi-aspect SAR research results

在早期，研究人員主要將多角度SAR作為獲取長(zhǎng)時(shí)間觀測(cè)數(shù)據(jù)的手段，以支持傳統(tǒng)的SARGMTI研究。而多角度SAR自身區(qū)別于傳統(tǒng)SAR的特點(diǎn)并未得到重視和挖掘。其主要研究思路以多通道技術(shù)為主。2010年Bin Guo等[14]利用多角度SAR多通道數(shù)據(jù)研究了基線估計(jì)、通道幅相不平衡校正等問(wèn)題，實(shí)現(xiàn)了子孔徑圖像的雜波抑制及動(dòng)目標(biāo)檢測(cè)工作。2011～2014年，Ross Deming等學(xué)者[15-17]利用多角度SAR數(shù)據(jù)探討了基礎(chǔ)的偏置相位中心天線(Displaced Phase Center Antenna,DPCA)、沿航跡干涉(Along Track Interferometry,ATI)、雜波干涉抑制(Clutter Suppression Interferometry,CSI)技術(shù)的性能。2011年，英國(guó)學(xué)者B.Barber等人[18]利用多角度SAR數(shù)據(jù)研究了非高斯環(huán)境下的空時(shí)自適應(yīng)(Space-Time Adaptive Processing,STAP)最優(yōu)權(quán)矢量估計(jì)問(wèn)題。

從上述介紹可以發(fā)現(xiàn)，在早期階段，多角度SAR模式僅作為獲取數(shù)據(jù)的手段。關(guān)于多角度SAR區(qū)別于SAR的新特性則研究較少，如信號(hào)模型分析等基礎(chǔ)問(wèn)題也未得到深入研究。

隨著時(shí)間推移，研究人員開始關(guān)注挖掘多角度SAR自身特性來(lái)實(shí)現(xiàn)GMTI功能。2015年，法國(guó)空間局的Jean-Baptiste Poisson等學(xué)者[19]研究了單通道圓周孔徑下的動(dòng)目標(biāo)速度估計(jì)及真實(shí)軌跡重建問(wèn)題，并利用獲取的X波段多角度SAR機(jī)載數(shù)據(jù)進(jìn)行驗(yàn)證。該方法充分利用了多角度SAR豐富的方位信息作為速度估計(jì)問(wèn)題的解決思路。首先構(gòu)建動(dòng)目標(biāo)軌跡重建方程組，提取同一動(dòng)目標(biāo)在不同方位孔徑圖像中的坐標(biāo)以及散焦參數(shù)，輸入方程組求解得出動(dòng)目標(biāo)的真實(shí)坐標(biāo)及運(yùn)動(dòng)速度。圖2為該方法的處理結(jié)果示例，綠線為動(dòng)目標(biāo)在不同子孔徑圖像中的偏移位置，紅線為動(dòng)目標(biāo)重建后的真實(shí)運(yùn)動(dòng)軌跡。可以看到紅線與SAR圖像中的道路走向吻合，驗(yàn)證了方法的有效性。

我國(guó)多家機(jī)構(gòu)的團(tuán)隊(duì)也對(duì)多角度SAR-GMTI問(wèn)題開展了研究?？仗煸貉芯繄F(tuán)隊(duì)對(duì)多角度SAR動(dòng)目標(biāo)信號(hào)模型進(jìn)行研究，提出了動(dòng)目標(biāo)顯性軌跡(動(dòng)目標(biāo)在SAR圖像中的信號(hào)形態(tài))分析方法[20]。檢測(cè)算法方面，課題組引入了光學(xué)領(lǐng)域的背景差分算法，并應(yīng)用于多角度SAR[21]。該方法將動(dòng)目標(biāo)與靜止場(chǎng)景進(jìn)行分離，以實(shí)現(xiàn)動(dòng)目標(biāo)檢測(cè)。之后，課題組對(duì)背景差分法進(jìn)行持續(xù)改進(jìn)，提出了適用于多角度SAR的對(duì)數(shù)背景差分算法[22]。檢測(cè)示例結(jié)果如圖3。

2019年，研究團(tuán)隊(duì)進(jìn)一步實(shí)現(xiàn)了對(duì)數(shù)背景差分法向星載平臺(tái)的遷移[23]。國(guó)內(nèi)的國(guó)防科技大學(xué)研究團(tuán)隊(duì)針對(duì)多角度SAR動(dòng)目標(biāo)軌跡重建、動(dòng)目標(biāo)參數(shù)估計(jì)、動(dòng)目標(biāo)成像等問(wèn)題也開展了工作[24-26]。

以上就是多角度SAR-GMTI發(fā)展概況的簡(jiǎn)要介紹?？梢钥吹皆诮暌詠?lái)，學(xué)術(shù)界開始逐步轉(zhuǎn)向挖掘多角度SAR-GMTI的自身特性和潛能。而且主要是以單通道系統(tǒng)、圖像序列思路為主。在檢測(cè)方面，如文獻(xiàn)[22]中通過(guò)仿真與實(shí)際數(shù)據(jù)處理表明在單通道多角度SAR可以實(shí)現(xiàn)對(duì)雜波內(nèi)距離向、方位向運(yùn)動(dòng)目標(biāo)的檢測(cè)。這是傳統(tǒng)單通道SAR不具備的能力。測(cè)速方面，文獻(xiàn)[19]也證明了多角度SAR可以實(shí)現(xiàn)動(dòng)目標(biāo)速度矢量的精確估計(jì)。因此可以認(rèn)為，對(duì)現(xiàn)有的單通道系統(tǒng)，通過(guò)設(shè)計(jì)多角度模式可以拓展和提升其動(dòng)目標(biāo)檢測(cè)能力。

本課題組在完成多角度SAR的信號(hào)模型分析、檢測(cè)算法的設(shè)計(jì)之后，目前也在逐步考慮將多角度SAR與多通道算法相結(jié)合，以獲得更強(qiáng)的GMTI性能。

圖2 法國(guó)空間局多角度SAR動(dòng)目標(biāo)軌跡重建研究Fig.2 ONERA multi-aspect SAR moving target trajectory reconstruction

圖3 對(duì)數(shù)背景差分法檢測(cè)結(jié)果示例Fig.3 Example detection result of logarithm background subtraction

3 基于高分3號(hào)的多角度SAR-GMTI先導(dǎo)研究

相比于機(jī)載系統(tǒng)，星載系統(tǒng)可以實(shí)現(xiàn)更大的觀測(cè)場(chǎng)景，同時(shí)其運(yùn)動(dòng)相對(duì)穩(wěn)定，不受飛行員操作及天氣的影響，因此具有更高的應(yīng)用價(jià)值。為了獲得大范圍場(chǎng)景的動(dòng)目標(biāo)信息，各國(guó)機(jī)構(gòu)通常會(huì)將機(jī)載SAR動(dòng)目標(biāo)研究成果逐步遷移到星載系統(tǒng)上。盡管已有在軌衛(wèi)星的合成孔徑短，并不具備多角度SAR模式。但是我們?nèi)匀豢梢岳靡延行l(wèi)星資源做一定的先導(dǎo)研究，為未來(lái)的星載多角度SAR-GMTI奠定技術(shù)基礎(chǔ)。

因此，本節(jié)以國(guó)產(chǎn)高分3號(hào)SAR衛(wèi)星為對(duì)象，圍繞以下3點(diǎn)開展研究：

(1)將對(duì)數(shù)背景差分檢測(cè)算法進(jìn)行適應(yīng)性改進(jìn)，以便遷移到星載平臺(tái)。將對(duì)數(shù)背景差分法遷移到星載平臺(tái)，可以提升和拓展未來(lái)單通道星載多角度SAR的動(dòng)目標(biāo)檢測(cè)能力。實(shí)驗(yàn)數(shù)據(jù)采用的高分3號(hào)凝視聚束實(shí)驗(yàn)?zāi)Ｊ?，以盡可能地獲得大的方位合成孔徑角。

(2)介紹主流的多通道算法的處理流程，并在傳統(tǒng)星載模式(僅有小合成孔徑角)下進(jìn)行應(yīng)用。通過(guò)理論分析和實(shí)際數(shù)據(jù)處理，來(lái)充分展示多通道算法的優(yōu)勢(shì)及不足之處。數(shù)據(jù)采用的高分3號(hào)雙通道動(dòng)目標(biāo)實(shí)驗(yàn)?zāi)Ｊ?。這部分內(nèi)容也是為多角度與多通道相結(jié)合奠定基礎(chǔ)。

(3)在回顧多通道算法的基礎(chǔ)上，為了開展多角度與多通道算法進(jìn)行優(yōu)勢(shì)互補(bǔ)的基礎(chǔ)研究，介紹了團(tuán)隊(duì)開展的凝視聚束雙通道動(dòng)目標(biāo)實(shí)驗(yàn)的研究進(jìn)展。

3.1 對(duì)數(shù)背景差分法在凝視聚束模式中的應(yīng)用

3.1.1 算法流程及其改進(jìn)

在文獻(xiàn)[22]中提出單通道多角度SAR動(dòng)目標(biāo)檢測(cè)方法，對(duì)數(shù)背景差分法。該方法為圖像序列方法，其思路較為簡(jiǎn)單。它主要是利用以下兩個(gè)現(xiàn)象。(1)對(duì)于靜止場(chǎng)景，其像素幅值在子孔徑圖像序列是緩慢變化。(2)對(duì)于動(dòng)目標(biāo)，其信號(hào)在圖像序列中快速移動(dòng)，當(dāng)移動(dòng)到靜止場(chǎng)景中的某個(gè)像素時(shí)會(huì)引起高值。因此，可以利用圖像序列生成背景圖像(靜止場(chǎng)景)，然后通過(guò)差分實(shí)現(xiàn)地雜波抑制。文獻(xiàn)[22]中的算法最初是面向機(jī)載多角度SAR情況，動(dòng)目標(biāo)的信噪比(Signal to Noise Ratio,SNR)較高，所以在差分后通過(guò)恒虛警(Constant False Alarm Rate,CFAR)檢測(cè)器即可實(shí)現(xiàn)動(dòng)目標(biāo)檢測(cè)。然而，由于在星載情況下動(dòng)目標(biāo)SNR低，當(dāng)直接應(yīng)用該方法時(shí)，輸出結(jié)果會(huì)有較高的虛警率。

因此，為了能夠適應(yīng)星載平臺(tái)，文獻(xiàn)[23]提出了改進(jìn)算法以適應(yīng)星載平臺(tái)。具體而言，改進(jìn)方法采用3步檢測(cè)方案來(lái)處理高虛警率問(wèn)題。(1)第1步為CFAR檢測(cè)器。不同點(diǎn)在于，此處采用了較低的檢測(cè)閾值，從而最大限度完整保留動(dòng)目標(biāo)信號(hào)。由于閾值較低，第1步檢測(cè)中會(huì)包含較多虛警。(2)第2步是采用文獻(xiàn)[23]中改進(jìn)的DBSCAN(Density-Based Spatial Clustering of Applications with Noise)聚類算法來(lái)進(jìn)一步去除虛警。CFAR處理結(jié)果為二值圖，真實(shí)目標(biāo)通常占據(jù)由相鄰像素構(gòu)成的連續(xù)區(qū)域，它具有較高的密度，而虛警通常為噪聲和殘余地雜波產(chǎn)生，其密度較低。因此，利用改進(jìn)的DBSCAN聚類方法可以進(jìn)一步減少虛警。(3)第3步是采用目標(biāo)追蹤算法來(lái)獲得最終檢測(cè)結(jié)果。其原理在于，動(dòng)目標(biāo)信號(hào)在圖像序列中是連續(xù)運(yùn)動(dòng)的。而虛假目標(biāo)主要包含兩類，殘留地雜波和噪聲，殘余地雜波通常靜止不動(dòng)，而噪聲則是隨機(jī)的。因此通過(guò)目標(biāo)追蹤算法可以獲得最終檢測(cè)結(jié)果。這里采用卡爾曼濾波法，因?yàn)樵摲椒ㄐ阅茌^為優(yōu)越。除了檢測(cè)方案的改進(jìn)以外，由于高分3號(hào)數(shù)據(jù)產(chǎn)品通常以單視復(fù)圖像(Single Look Complex,SLC)形式來(lái)提供，因此這里采用子孔徑分割來(lái)獲得圖像序列作為檢測(cè)素材。由于無(wú)需回波，這也進(jìn)一步擴(kuò)大了其應(yīng)用范圍。

除此以外，這里需要注意的是，高分3號(hào)凝視聚束模式僅有±1.7°合成孔徑角，仍然可以認(rèn)為是近直線觀測(cè)幾何。該幾何下，目標(biāo)主要存在方位散焦，對(duì)應(yīng)于子孔徑圖像序列，則是沿方位向的運(yùn)動(dòng)。因此提出的算法可以實(shí)現(xiàn)對(duì)方位運(yùn)動(dòng)目標(biāo)的檢測(cè)。

圖4 改進(jìn)的對(duì)數(shù)背景差分法檢測(cè)流程Fig.4 Flowchart of modified logarithm background subtraction

改進(jìn)的對(duì)數(shù)背景差分法流程圖如圖4所示。該算法包括以下步驟：(1)將SLC圖像進(jìn)行子孔徑處理，來(lái)生成重疊子孔徑圖像序列(為了減小散焦效應(yīng)對(duì)信雜比的影響，劃分時(shí)應(yīng)截取較小頻譜得到低分辨圖像，具體見(jiàn)文獻(xiàn)[23])。并將子孔徑圖像按照對(duì)應(yīng)的方位照射角來(lái)排列。抑制斑點(diǎn)噪聲并將圖像序列轉(zhuǎn)換為dB單位，以獲得重疊子孔徑對(duì)數(shù)圖像(Overlap Subaperture Logarithm Image,OSLI)序列；(2)對(duì)OSLI序列進(jìn)行輻射校正，以抑制天線照射不均勻的影響；(3)將中值濾波器應(yīng)用于OSLI序列以生成背景圖像；(4)使用輻射校正后的OSLI序列減去背景圖像，獲得前景圖像序列；(5)在每幅圖像上應(yīng)用低閾值的基于高斯分布的雙參數(shù)均值CFAR檢測(cè)器以獲得一組二進(jìn)制圖像結(jié)果；(6)應(yīng)用改進(jìn)的DBSCAN，去除虛警，同時(shí)得到潛在動(dòng)目標(biāo)聚類；(7)將聚類結(jié)果輸入到目標(biāo)追蹤器中，去除殘余虛警，并獲得最終檢測(cè)結(jié)果作為輸出。

具體的操作步驟原理可見(jiàn)于文獻(xiàn)[23]，因此這里就不再做具體的說(shuō)明。

3.1.2 實(shí)際數(shù)據(jù)處理

3.1.2.1 高分3號(hào)數(shù)據(jù)介紹

高分3號(hào)是中國(guó)第1顆全極化C波段SAR衛(wèi)星，于2016年在太原衛(wèi)星發(fā)射中心成功發(fā)射[27]。該系統(tǒng)具有12種觀測(cè)模式，其分辨率范圍為1～500 m，幅寬對(duì)應(yīng)為10～650 km。其天線類型為有源相控陣，可以在方位向控制波束指向，這也使其具備聚束觀測(cè)能力。高分3號(hào)以滑動(dòng)聚束為常規(guī)模式，其方位合成孔徑角度較小。除此以外，還有凝視聚束實(shí)驗(yàn)?zāi)Ｊ剑撃Ｊ娇梢蕴峁└L(zhǎng)的觀察時(shí)間(即可以生成更多的子孔徑圖像)，以及更大的合成孔徑角度，所以這里選擇凝視聚束模式的SLC圖像作為數(shù)據(jù)集。

待處理的SLC圖像于2017年采集自中國(guó)南京市。相關(guān)參數(shù)列于表1。由于全場(chǎng)景太大，這里選擇SLC圖像中的一個(gè)小區(qū)域作為實(shí)驗(yàn)對(duì)象。相應(yīng)的SAR圖像如圖5所示。水平和垂直方向分別是方位和距離向。圖中可以看到一個(gè)動(dòng)目標(biāo)信號(hào)，如藍(lán)色框所示。目標(biāo)的散焦軌跡沿方位向跨越430 m左右。為了顯示動(dòng)目標(biāo)信號(hào)的運(yùn)動(dòng)，對(duì)該區(qū)域劃分出4幅子孔徑圖像，如圖5下部所示。從圖中可以發(fā)現(xiàn)，該目標(biāo)在圖像中從右向左運(yùn)動(dòng)。本節(jié)實(shí)驗(yàn)通過(guò)對(duì)該動(dòng)目標(biāo)進(jìn)行檢測(cè)來(lái)驗(yàn)證方法。

表1 數(shù)據(jù)參數(shù)Tab.1 Dataset parameters

圖5 所選小場(chǎng)景區(qū)域及相應(yīng)子孔徑圖像序列Fig.5 Selected small scene and corresponding subaperture image sequence

3.1.2.2 數(shù)據(jù)處理結(jié)果

本小節(jié)給出所選高分3號(hào)小場(chǎng)景數(shù)據(jù)處理詳細(xì)結(jié)果，來(lái)驗(yàn)證改進(jìn)方法的有效性。

第1步是子孔徑處理以生成重疊子孔徑圖像序列(OSLI)。由于星載SAR信號(hào)的信噪比SNR較低[28]，為了保證動(dòng)目標(biāo)信號(hào)不被強(qiáng)地雜波所掩蓋，這里對(duì)方位譜切割采用較小帶寬參數(shù)。具體而言，全孔徑SAR圖像對(duì)應(yīng)方位向帶寬為19379.69 Hz，切割后每個(gè)子孔徑圖像對(duì)應(yīng)帶寬為1495.4 Hz。因此，方位分辨率從0.33 m減小到4.25 m。為了獲得重疊子孔徑圖像序列，圖像間的帶寬重疊率設(shè)置為90%，由此獲得100幅圖像組成的圖像序列。然后，將各圖像轉(zhuǎn)換為dB單位，并應(yīng)用5×5的均值濾波來(lái)減少相干斑噪聲。按照方位觀測(cè)角來(lái)進(jìn)行排列，即可獲得OSLI序列。

機(jī)載多角度SAR通常具有很大的方位合成孔徑角，如圓軌跡可以達(dá)到360°。在此情況下，各向異性目標(biāo)散射需要被考慮進(jìn)來(lái)，否則算法性能會(huì)受到影響。因此需要將方位孔徑進(jìn)行分割，然后再生成OSLI序列。然而，高分3號(hào)凝視聚束模式的方位角觀測(cè)角僅為3.56°，各向異性不明顯，因此在下面的實(shí)驗(yàn)中將使用整個(gè)OSLI(包含100幅圖像)。這里以第18幅圖像為例，來(lái)說(shuō)明每個(gè)步驟的處理結(jié)果。該子孔徑圖像如圖6(a)所示。

接下來(lái)是對(duì)OSLI序列應(yīng)用輻射校正，以去除天線照射不均勻的影響。根據(jù)文獻(xiàn)[23]，獲得的公共值為均值μ0=42和標(biāo)準(zhǔn)差σ0=7.09。然后利用該參數(shù)調(diào)整OSLI中圖像直方圖統(tǒng)計(jì)特性。圖7顯示了第18和68幅圖像在應(yīng)用幅度歸一化前和后的統(tǒng)計(jì)直方圖。圖像中的紅線和綠線表示均值和標(biāo)準(zhǔn)差。左側(cè)是應(yīng)用幅度歸一化之前的兩個(gè)圖像的直方圖。從子圖來(lái)看，第18和第68幅圖像的均值和標(biāo)準(zhǔn)差不相等，參數(shù)位置有明顯偏差。應(yīng)用校正方法后，相應(yīng)結(jié)果如右側(cè)中所示，可以發(fā)現(xiàn)均值與方差相等。將此過(guò)程應(yīng)用于OSLI中的所有圖像，然后即可使用調(diào)整后的OSLI生成相應(yīng)的背景圖像。

圖6 第18幅圖像處理結(jié)果示例Fig.6 The results of 18th image

圖7 應(yīng)用幅度歸一化前后的第18和68幅子孔徑圖像的直方圖Fig.7 The histogram of 18th and 68th image before and after adjustment

如前所述，實(shí)驗(yàn)將使用整個(gè)OSLI序列(100幅圖像)進(jìn)行操作。這里有兩個(gè)原因。首先，與機(jī)載多角度SAR情況案例相比，高分3號(hào)的方位信息更少，各向異性特征不明顯。另一個(gè)原因是，假如使用更多圖像，則生成的背景圖像將具有更好的質(zhì)量，有利于獲得較好的檢測(cè)結(jié)果。生成的背景圖像如圖6(b)所示。比較圖6(b)和圖6(a)，可以很明顯的發(fā)現(xiàn)藍(lán)色框中動(dòng)目標(biāo)在背景圖像中被過(guò)濾，由此驗(yàn)證了背景生成步驟的有效性。

然后，通過(guò)差分操作即可抑制地雜波。對(duì)數(shù)背景減法算法包含變化檢測(cè)中的對(duì)數(shù)算子，以實(shí)現(xiàn)良好的雜波抑制性能。從圖6(c)所示的前景圖像中，雜波(即靜止場(chǎng)景)被很好地去除?？梢钥吹?，右側(cè)建筑結(jié)構(gòu)和左側(cè)道路均被減去。子圖6(c)清晰顯示了動(dòng)目標(biāo)的信號(hào)，而前景圖像中的其他區(qū)域則類似于均勻的隨機(jī)噪聲，這對(duì)于目標(biāo)檢測(cè)是非常有利的。

之后是CFAR檢測(cè)器進(jìn)行初檢測(cè)。根據(jù)文獻(xiàn)[22]，這里采用高斯分布來(lái)作為前景圖像的統(tǒng)計(jì)分布。前景圖像的直方圖如圖8所示。紅線是根據(jù)數(shù)據(jù)擬合的高斯分布，可以發(fā)現(xiàn)直方圖與該分布匹配。圖9顯示了第18幅圖像的CFAR檢測(cè)結(jié)果。我們可以看到檢測(cè)到目標(biāo)的形狀與前景圖像中的信號(hào)形狀相匹配。此外，二值化中還有非常多的誤檢測(cè)結(jié)果。觀察圖9，我們可以看到目標(biāo)信號(hào)呈現(xiàn)出高密度，而其余虛假目標(biāo)則占有較少的像素，其密度較低。這也為應(yīng)用改進(jìn)的DBSCAN方法提供了基礎(chǔ)。

圖8 圖6(c)前景圖像的直方圖Fig.8 The histogram of image in Fig.6(c)

圖9 CFAR檢測(cè)結(jié)果Fig.9 CFAR detection result

下一步是應(yīng)用改進(jìn)的DBSCAN算法來(lái)進(jìn)一步去除虛警。第18幅圖像的聚類結(jié)果如圖10所示。使用每個(gè)聚類的最小邊界框參數(shù)刻畫矩形來(lái)標(biāo)注每個(gè)聚類。箭頭指向的聚類是動(dòng)目標(biāo)信號(hào)。與圖9中的CFAR結(jié)果相比，那些低密度虛假目標(biāo)被去除。

經(jīng)聚類處理后，最后一步就是通過(guò)目標(biāo)追蹤算法來(lái)獲得最終結(jié)果。具體而言，將第1幅圖片中的聚類數(shù)量和其對(duì)應(yīng)的位置作為追蹤的起始點(diǎn)來(lái)應(yīng)用算法。然后使用后續(xù)圖像的聚類結(jié)果進(jìn)行迭代來(lái)更新跟蹤結(jié)果。在第1幅聚類圖像中獲得10個(gè)聚類，因此有10條追蹤軌跡被初始化，如圖11(a)所示。其中藍(lán)色箭頭表示動(dòng)目標(biāo)信號(hào)，并利用最小邊界框的參數(shù)來(lái)標(biāo)注被追蹤的聚類，其運(yùn)動(dòng)軌跡利用紅線進(jìn)行標(biāo)注。

圖11(b)為第18幅圖像的目標(biāo)跟蹤結(jié)果。與圖11(a)相比，此時(shí)只有2個(gè)聚類仍在被追蹤。可以認(rèn)為，第1幅圖像中的8個(gè)虛假目標(biāo)已經(jīng)被排除。從圖中可以發(fā)現(xiàn)，動(dòng)目標(biāo)信號(hào)的運(yùn)動(dòng)沿方位向進(jìn)行運(yùn)動(dòng)。除動(dòng)目標(biāo)以外，還可以注意殘余的一個(gè)虛假目標(biāo)位于動(dòng)目標(biāo)的左下方。盡管經(jīng)過(guò)追蹤算法18次迭代，但可以發(fā)現(xiàn)其運(yùn)動(dòng)的軌跡非常短，幾乎可以認(rèn)為在該區(qū)域靜止不動(dòng)。運(yùn)行100次追蹤迭代后，我們發(fā)現(xiàn)此聚類在第20次迭代后被排除。由于虛假目標(biāo)是隨機(jī)出現(xiàn)在圖像中的，因此它們不會(huì)符合真實(shí)動(dòng)目標(biāo)信號(hào)的特征，無(wú)法被持續(xù)跟蹤。本文將10個(gè)聚類在100次迭代的追蹤過(guò)程中能夠持續(xù)追蹤的迭代次數(shù)與缺失次數(shù)進(jìn)行統(tǒng)計(jì)，獲得如圖12所示的統(tǒng)計(jì)直方圖。

圖10 聚類結(jié)果Fig.10 Clustering result

圖11 第1幅與第18幅圖像追蹤結(jié)果Fig.11 Tracking results of 1st and 18th image

藍(lán)色和橙色分別對(duì)應(yīng)于該聚類被有效追蹤的迭代次數(shù)以及無(wú)法被跟蹤的缺失迭代次數(shù)。其中第5個(gè)聚類為真實(shí)的動(dòng)目標(biāo)，可以發(fā)現(xiàn)其在100次迭代中都被持續(xù)追蹤。其余聚類為虛假目標(biāo)，在第20次迭代后均停止更新軌跡。本文收集10條軌跡的長(zhǎng)度，并根據(jù)文獻(xiàn)[23]來(lái)計(jì)算各聚類的等效方位速度，如表2所示。

由文獻(xiàn)[23]中，目標(biāo)方位向散焦長(zhǎng)度L與方位速度vy關(guān)系式為

其中，T0為合成孔徑時(shí)間。高分3號(hào)凝視聚束照射時(shí)間為12.5 s，設(shè)運(yùn)動(dòng)軌跡100 m為閾值時(shí)，對(duì)應(yīng)等效方位速度為4 m/s。由此即可得到最終的檢測(cè)結(jié)果只有第5個(gè)聚類，即動(dòng)目標(biāo)信號(hào)被保留，從而證明了改進(jìn)的對(duì)數(shù)背景差分法的有效性。

最后，為了實(shí)現(xiàn)更好顯示效果，將提取的追蹤信息疊加在分辨率更高的子孔徑圖像上作為最終輸出結(jié)果。跟蹤結(jié)果如圖13所示。紅線表示運(yùn)動(dòng)軌跡，紅框?yàn)閯?dòng)目標(biāo)信號(hào)在當(dāng)前圖像中的最小邊界框。

3.2 高分3號(hào)雙通道動(dòng)目標(biāo)模式研究

本節(jié)對(duì)主流的多通道算法進(jìn)行介紹。首先介紹了多通道的主要處理流程，通過(guò)流程圖和實(shí)際數(shù)據(jù)處理給讀者一個(gè)整體的認(rèn)識(shí)。以期為后續(xù)多角度和多通道算法相結(jié)合奠定一定的基礎(chǔ)。

圖12 追蹤結(jié)果的統(tǒng)計(jì)直方圖Fig.12 Statistics of tracking results

表2 追蹤結(jié)果Tab.2 Tracking results

3.2.1 多通道算法的主要處理流程

盡管多通道方法名目較多，總體而言其主要處理流程存在一定的共性。因此這里對(duì)多通道算法共性的處理流程進(jìn)行介紹。主要處理步驟流程圖如圖14所示。

首先是輸入多通道數(shù)據(jù)，對(duì)于數(shù)據(jù)類型可以是多種多樣的。典型的有SAR圖像、原始回波、非聚焦圖像(多普勒波束銳化圖像)、距離多普勒域數(shù)據(jù)等。通道數(shù)要求則至少為兩通道。

其次是數(shù)據(jù)預(yù)處理步驟，該步是至關(guān)重要的，直接影響到算法后續(xù)步驟的效果。本步驟主要包含基線時(shí)移去除、通道間幅相誤差校正。其中基線時(shí)移去除需根據(jù)算法的要求而定，并非必須進(jìn)行處理。對(duì)于典型的DPCA,ATI方法必須去除基線帶來(lái)的時(shí)移相位，對(duì)于STAP算法，該相位則必須保留。實(shí)際處理中往往從數(shù)據(jù)中估計(jì)該相位，并進(jìn)行補(bǔ)償。比較典型的去除方法有：(1)SAR圖像插值及配準(zhǔn)；(2)去除不同通道的距離多普勒域信號(hào)干涉相位的線性項(xiàng)等。除時(shí)移相位以外，還需要對(duì)通道間的幅相誤差進(jìn)行校正，這一步通常對(duì)于各方法都是必需的步驟。通道間的幅相誤差主要是由系統(tǒng)在設(shè)計(jì)和制造期間造成的，常用的處理方法有Ender提出的數(shù)字均衡方法[29]。數(shù)字均衡法在二維頻域?qū)?shù)據(jù)進(jìn)行操作，可將幅相誤差、基線時(shí)移一起去除，因此對(duì)于DPCA等方法而言較為便利。當(dāng)應(yīng)用STAP時(shí)，需要先估計(jì)時(shí)移相位，再利用數(shù)字均衡去除幅相誤差和基線時(shí)移，最后再將時(shí)移相位補(bǔ)償回?cái)?shù)據(jù)當(dāng)中。

圖13 最終檢測(cè)結(jié)果輸出Fig.13 Final detection results

圖14 多通道算法主要處理流程Fig.14 Flowchart of multi-channel algorithm

第3步是雜波抑制，該步是多通道檢測(cè)的核心步驟。在預(yù)處理工作完成后，多通道間數(shù)據(jù)都得到很好的配準(zhǔn)。因此對(duì)于靜止目標(biāo)，其幅度和相位可以認(rèn)為是不變的，經(jīng)DPCA,STAP處理可以去除數(shù)據(jù)中的地雜波信號(hào)，只保留下動(dòng)目標(biāo)信號(hào)。由于地雜波被去除，相比于單通道算法，可以同時(shí)檢測(cè)雜波內(nèi)和雜波外的動(dòng)目標(biāo)。這大大拓寬了動(dòng)目標(biāo)的檢測(cè)范圍，極大地提升GMTI性能。由于ATI采用的是相位信息(共軛相乘)，理論上來(lái)講并不具備真正意義上的雜波抑制能力。所以雜波抑制主要由DPCA和STAP來(lái)實(shí)現(xiàn)。

第4步為檢測(cè)和虛警抑制。在雜波抑制后，往往存在殘余地雜波影響，因此需要CFAR檢測(cè)器來(lái)檢測(cè)動(dòng)目標(biāo)。檢測(cè)器的類型是較為豐富的，根據(jù)利用信息的不同，可以粗略分為幅度信息檢測(cè)、相位信息檢測(cè)、幅度相位雙參數(shù)檢測(cè)。最后再利用如聚類等后處理技術(shù)來(lái)進(jìn)一步去除虛警，即可獲得檢測(cè)結(jié)果。

第5步為在獲得檢測(cè)結(jié)果的基礎(chǔ)上，求解動(dòng)目標(biāo)的運(yùn)動(dòng)參數(shù)。這里主要用到的方法是ATI方法。動(dòng)目標(biāo)的距離向速度可以直接由干涉相位求出，方位向運(yùn)動(dòng)通常利用匹配濾波器組來(lái)進(jìn)行估計(jì)。最后利用距離向速度即可得到動(dòng)目標(biāo)的真實(shí)坐標(biāo)。

最后是將檢測(cè)結(jié)果及動(dòng)目標(biāo)信息在圖片中進(jìn)行標(biāo)注，輸出GMTI結(jié)果。通常包含的信息有動(dòng)目標(biāo)的真實(shí)位置，運(yùn)動(dòng)方向，以及運(yùn)動(dòng)參數(shù)。

以上就是主要的處理流程。

3.2.2 實(shí)際數(shù)據(jù)處理

高分3號(hào)SAR系統(tǒng)的天線采用相控陣體制，長(zhǎng)15 m，寬1.5 m。它可以在方位向分為兩個(gè)子板進(jìn)行接收?；诖隧?xiàng)功能，高分3號(hào)的觀測(cè)模式中也設(shè)計(jì)了雙通道GMTI實(shí)驗(yàn)?zāi)Ｊ?。該模式下，雷達(dá)處于條帶正側(cè)視情況，利用整個(gè)天線進(jìn)行發(fā)射，兩塊子板進(jìn)行接收[27]。

為了對(duì)前面介紹的流程進(jìn)行驗(yàn)證，選取了其中一景數(shù)據(jù)進(jìn)行處理。該數(shù)據(jù)采集于2018年，照射區(qū)域?yàn)閺V西省。數(shù)據(jù)格式為兩通道的單視復(fù)圖像，其像素尺寸為1.12 m×2.59 m，系統(tǒng)對(duì)應(yīng)的有效基線為3.75 m。數(shù)據(jù)采集時(shí)的衛(wèi)星速度為7569.5 m/s，綜合基線等參數(shù)可以計(jì)算出最大可檢測(cè)速度為28.26 m/s(101.7 km/h)。該參數(shù)也覆蓋了大部分地面動(dòng)目標(biāo)的速度。兩通道數(shù)據(jù)均為滿采樣，因而可以直接用于多通道SAR-GMTI處理。由于整景圖像數(shù)據(jù)量大，且為了更好的顯示效果，這里對(duì)其中一個(gè)子塊進(jìn)行處理。圖15為選擇的小子塊區(qū)域的SAR圖像，縱向?yàn)榉轿幌?，水平為距離向。

選擇此場(chǎng)景的原因主要有以下幾點(diǎn)。首先在圖像中部可以看到一條很明顯的高速路，即廣昆高速。該道路走向沿距離向，因此動(dòng)目標(biāo)信號(hào)主要表現(xiàn)為偏移效應(yīng)，且由于目標(biāo)沿距離向運(yùn)動(dòng)，適合于多通道算法處理。其次，在該道路的上下方被山包圍，沒(méi)有密集的城市區(qū)域，因此可以保證大部分動(dòng)目標(biāo)都在該道路上。通過(guò)動(dòng)目標(biāo)信號(hào)是否可以重定位于該高速路上即可對(duì)算法的處理效果進(jìn)行評(píng)估。

圖15 雙通道SAR數(shù)據(jù)中選擇的小場(chǎng)景區(qū)域Fig.15 Selected small scene in SAR data

圖16 預(yù)處理前后兩通道數(shù)據(jù)頻譜的干涉圖Fig.16 Interferograms of spectrum before and after preprocessing

因?yàn)楦叻?號(hào)僅具備兩個(gè)通道，所以處理方案選擇如下：(1)利用DPCA+CFAR檢測(cè)器實(shí)現(xiàn)動(dòng)目標(biāo)檢測(cè)；(2)利用ATI對(duì)檢測(cè)到的動(dòng)目標(biāo)完成測(cè)速工作。

首先對(duì)兩通道數(shù)據(jù)進(jìn)行預(yù)處理，包括去除基線時(shí)延相位以及通道間的幅相誤差校正。這里采用的方法是Ender提出的數(shù)字均衡方法。將通道1、通道2數(shù)據(jù)變換到二維頻域，并且做干涉處理。得到二維頻譜的干涉相位如圖16(a)所示，

圖16中水平和豎直方向分別對(duì)應(yīng)于距離頻率和方位頻率軸。從圖16(a)中可以清楚地看到，干涉相位沿方位向整體呈現(xiàn)出有規(guī)律的相位變化，即前述基線時(shí)延相位。應(yīng)用數(shù)字均衡方法，得到預(yù)處理后的頻譜干涉相位如圖16(b)。可以看到，處理后該相位被去除，頻譜的干涉相位位于零相位附近(綠色)，達(dá)到了預(yù)處理步驟的預(yù)期效果。然后對(duì)兩通道數(shù)據(jù)應(yīng)用DPCA方法，得到雜波抑制后的DPCA圖像如圖17所示。

與原始SAR圖像比較，可以發(fā)現(xiàn)整個(gè)場(chǎng)景中的山脈、建筑等地雜波都被很好地去除。同時(shí)可以發(fā)現(xiàn)許多動(dòng)目標(biāo)信號(hào)，分布于廣昆高速所在位置的上下兩側(cè)。這也證明了距離向速度引起目標(biāo)在方位向發(fā)生偏移的結(jié)論。

除動(dòng)目標(biāo)信號(hào)及噪聲以外，讀者可以看到圖像中還有類似山脈走向的信號(hào)。這些信號(hào)經(jīng)分析可能的來(lái)源是山脈背對(duì)照射方向形成的陰影區(qū)。這是因?yàn)镈PCA是復(fù)信號(hào)進(jìn)行差分，而陰影區(qū)域?qū)儆诘蜕⑸鋮^(qū)，相干斑隨機(jī)噪聲為主要信號(hào)源。因此無(wú)法實(shí)現(xiàn)強(qiáng)靜止目標(biāo)做差分的效果。

對(duì)DPCA圖像應(yīng)用CFAR檢測(cè)器來(lái)檢測(cè)動(dòng)目標(biāo)，即可得到如圖18所示的二值化的檢測(cè)結(jié)果，并用紅圈標(biāo)注動(dòng)目標(biāo)。由于目標(biāo)信號(hào)僅占幾個(gè)像素，相對(duì)于整個(gè)場(chǎng)景太小，因此為了更好的顯示效果，將其中一個(gè)動(dòng)目標(biāo)檢測(cè)結(jié)果進(jìn)行局部放大。對(duì)應(yīng)于下方箭頭所指的白色框區(qū)域。

在獲得二值化的檢測(cè)結(jié)果后，即可對(duì)動(dòng)目標(biāo)進(jìn)行速度估計(jì)。將預(yù)處理后的數(shù)據(jù)共軛相乘并提取相位信息，獲得的ATI干涉相位如圖19所示。

與圖18類似，這里對(duì)動(dòng)目標(biāo)信號(hào)利用紅圈進(jìn)行標(biāo)注，同時(shí)對(duì)下方同一動(dòng)目標(biāo)進(jìn)行放大顯示?？梢园l(fā)現(xiàn)圖像中整個(gè)靜止場(chǎng)景都在零相位附近，相位噪聲主要由相干斑隨機(jī)噪聲引起。仔細(xì)觀察可以發(fā)現(xiàn)，在圖中可以看到廣昆高速。這是因?yàn)榈缆穼儆诘蜕⑸鋮^(qū)，因此相干斑噪聲產(chǎn)生了隨機(jī)的干涉相位，不在零附近。由此可以看到廣昆高速的形狀。放大圖片對(duì)應(yīng)于下方的一個(gè)動(dòng)目標(biāo)，動(dòng)目標(biāo)由黑色橢圓標(biāo)注。可以看到該目標(biāo)的相位相對(duì)于背景并不為零，且整個(gè)目標(biāo)所占像素的相位都呈現(xiàn)出相近的相位值。利用該相位即可獲得動(dòng)目標(biāo)的距離向速度，通常需要對(duì)動(dòng)目標(biāo)信號(hào)的所有像素值做平均來(lái)估計(jì)干涉相位。這樣的好處是可以減小隨機(jī)相位噪聲的影響。

圖17 DPCA結(jié)果Fig.17 DPCA results

圖18 CFAR結(jié)果Fig.18 CFAR results

利用前面得到的二值化檢測(cè)結(jié)果提取每個(gè)動(dòng)目標(biāo)的干涉相位，由此計(jì)算動(dòng)目標(biāo)的距離向速度值。在此基礎(chǔ)上即可得到動(dòng)目標(biāo)的真實(shí)坐標(biāo)，結(jié)合速度的符號(hào)可以得到其運(yùn)動(dòng)的方向。將上述信息在SAR圖像中進(jìn)行標(biāo)注，得到輸出的GMTI最終結(jié)果，如圖20所示。

圖中動(dòng)目標(biāo)運(yùn)動(dòng)方向由顏色和三角箭頭指向表示，三角位置為真實(shí)坐標(biāo)?？梢钥吹絼?dòng)目標(biāo)基本都被重定位回廣昆高速上，由此驗(yàn)證了多通道方法的有效性。

3.3 高分3號(hào)雙通道凝視聚束模式研究

由3.2小節(jié)可得，多角度模式和多通道方法結(jié)合可以實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)。首先，雙通道可以為多角度SAR提供更強(qiáng)的雜波抑制功能。其次，由于多通道技術(shù)對(duì)動(dòng)目標(biāo)徑向速度敏感，因此從多角度觀察可以提高檢測(cè)性能。第三，多角度SAR的高分辨率特性使獲得分米級(jí)動(dòng)目標(biāo)聚焦圖像成為可能，這對(duì)目標(biāo)識(shí)別極為有利。

圖19 ATI干涉相位圖Fig.19 ATI phase map

圖20 GMTI輸出結(jié)果Fig.20 GMTI result

基于這些優(yōu)點(diǎn)，課題組與航天五院開展了模式論證和數(shù)據(jù)獲取工作。按照計(jì)劃，在進(jìn)行含有合作動(dòng)目標(biāo)的正式實(shí)驗(yàn)之前，首先要進(jìn)行非合作目標(biāo)的實(shí)驗(yàn)，以評(píng)估模式設(shè)計(jì)參數(shù)和數(shù)據(jù)，為正式實(shí)驗(yàn)做準(zhǔn)備。第1批非合作數(shù)據(jù)于2019年6月獲得，正式實(shí)驗(yàn)已于2019年11月份開展。由于正式實(shí)驗(yàn)數(shù)據(jù)仍在處理中，這里主要針對(duì)第1次非合作實(shí)驗(yàn)進(jìn)行介紹。

首次實(shí)驗(yàn)于2019年6月在北京懷柔區(qū)進(jìn)行。主要參數(shù)如表3所示。

這里有幾點(diǎn)需要注意。高分3號(hào)的凝視聚束模式方位觀測(cè)角為3.4°，相應(yīng)照射時(shí)間約15 s。與條帶雙通道模式(照射時(shí)間1 s)相比，這是一個(gè)相對(duì)較長(zhǎng)的時(shí)間，足以記錄目標(biāo)較為復(fù)雜的運(yùn)動(dòng)。

該區(qū)域的光學(xué)圖像如圖21所示。水平為距離向，垂直方向是方位向。從該圖可以看到有多條道路，包括高速公路和鐵路。這些道路可以提供足夠數(shù)量的動(dòng)目標(biāo)。此外，根據(jù)道路方向，可以保證獲得距離向運(yùn)動(dòng)目標(biāo)和方位向運(yùn)動(dòng)目標(biāo)。左邊是市區(qū)，可以看到很多建筑物。右邊是農(nóng)田。該場(chǎng)景相應(yīng)的SAR圖像如圖22所示。可以看到圖中紅圈標(biāo)注的道路圍成的三角形特征與光學(xué)圖片中的特征一致。

表3 實(shí)驗(yàn)參數(shù)Tab.3 Experiment parameters

圖21 照射場(chǎng)景光學(xué)圖片F(xiàn)ig.21 Optical image of scene

圖22 照射場(chǎng)景全孔徑SAR圖像Fig.22 Full aperture image of the scene

SAR圖像是通過(guò)BP算法生成，因?yàn)樵摲椒ㄝ^為靈活，且可以生成同一網(wǎng)格下子孔徑圖像。可以發(fā)現(xiàn)，SAR圖像中的場(chǎng)景與光學(xué)圖像場(chǎng)景一致，如左側(cè)的市區(qū)和中部區(qū)域的多條道路。讀者還可以注意到，在圖像的底部和上方區(qū)域存在模糊信號(hào)。這是因?yàn)榈?次實(shí)驗(yàn)中設(shè)置的PRF不夠高，導(dǎo)致靜止場(chǎng)景的模糊能量混了進(jìn)來(lái)。在下面的處理中，選取無(wú)模糊的部分進(jìn)行幅相校正后即可應(yīng)用DPCA,ATI方法。

3.3.1 數(shù)據(jù)預(yù)處理

由于高分3號(hào)為兩通道數(shù)據(jù)，所以采用兩通道DPCA和ATI方法進(jìn)行處理。對(duì)于這兩種技術(shù)，如3.2.1節(jié)中介紹的，需要去除基線引起的時(shí)移相位，同時(shí)補(bǔ)償通道間的幅相誤差。而較為通用的方法是Ender[29]提出的數(shù)字均衡方法。與上一節(jié)中類似，我們將數(shù)字均衡法應(yīng)用于兩個(gè)通道生成的復(fù)圖像，但是處理結(jié)果發(fā)現(xiàn)該方法無(wú)法有效實(shí)現(xiàn)時(shí)移相位去除。兩通道圖像在處理前后的干涉相位圖如圖23所示，子圖23(a)為處理前的結(jié)果，圖23(b)為處理后的結(jié)果。

在圖23(a)中可以看到沿方位向的線性相位。經(jīng)處理后的圖23(b)中，可以看到圖像中部的相位約為零(綠色顏色)，但是沿方位向仍然存在一定的線性相位。這與我們的預(yù)期結(jié)果不相符。經(jīng)分析，產(chǎn)生這樣的結(jié)果的原因如下。由于高分3號(hào)的相控陣天線在聚束模式下是離散掃描的，即每經(jīng)過(guò)固定脈沖數(shù)量(Stationary Number of Pulses,SNP)后，波束的方位指向轉(zhuǎn)動(dòng)0.01°。然而，不同的波束指向(或不同的SNP下)，通道間的幅相誤差也不同，此誤差是時(shí)變的。當(dāng)利用SAR圖像作為輸入時(shí)，累計(jì)的誤差就導(dǎo)致產(chǎn)生了不理想的處理結(jié)果，引起性能下降。解決此問(wèn)題的方法是在回波域中對(duì)每一組SNP信號(hào)分別應(yīng)用數(shù)字均衡方法進(jìn)行誤差校正和基線相位去除。本文對(duì)第1組SNP信號(hào)應(yīng)用數(shù)字均衡法，得到處理前后的干涉相位圖像如圖24所示。

從圖24可以看到在校正后，線性相位與相位誤差被消除，回波的干涉相位集中在零相位(綠色顏色)。為了進(jìn)一步說(shuō)明不同SNP之間相位誤差的差異，本文提取了第1組和第11組SNP的補(bǔ)償相位。為了抑制相位噪聲，對(duì)信號(hào)沿距離向進(jìn)行了平均，得到補(bǔ)償相位如圖25所示。橫軸為多普勒，縱軸為干涉相位?？梢钥吹蕉叨及粋€(gè)線性項(xiàng)，但是二者的相位曲線也有明顯的差異，由此證明了相位誤差的時(shí)變性。

糾正每組SNP的相位誤差后，兩個(gè)通道的數(shù)據(jù)就被配準(zhǔn)，在成像后即可應(yīng)用DPCA和ATI方法。

3.3.2 數(shù)據(jù)初步結(jié)果

ATI使用通道1圖像乘以復(fù)共軛通道2圖像。由于兩個(gè)通道已得到配準(zhǔn)，因此靜止雜波具有零相位，動(dòng)目標(biāo)由于自身運(yùn)動(dòng)具有非零相位，利用該相位可以實(shí)現(xiàn)徑向速度估計(jì)。DPCA方法將復(fù)圖像相減來(lái)抑制地雜波。然后即可利用CFAR檢測(cè)器檢測(cè)動(dòng)目標(biāo)。凝視聚束模式觀測(cè)時(shí)間長(zhǎng)，圖像分辨率高，如果使用全孔徑SAR圖像，則目標(biāo)的距離走動(dòng)效應(yīng)會(huì)很嚴(yán)重。因此，這里對(duì)子孔徑圖像執(zhí)行ATI和DPCA。

圖23 校正前后干涉相位圖Fig.23 ATI phase maps before and after correction

圖24 第1組SNP信號(hào)校正前后干涉相位圖Fig.24 ATI phase map of 1st SNP signal before and after correction

圖25 第1組和第11組SNP補(bǔ)償相位曲線Fig.25 Compensated phase of 1st and 11th SNP signal

ATI的結(jié)果如圖26所示?？梢钥吹?，該圖像的大部分區(qū)域?yàn)榫G色(零相位)，與預(yù)期相符。在左上方區(qū)域看到一個(gè)非零相位的區(qū)域。該區(qū)域?qū)?yīng)為建筑物產(chǎn)生的陰影，因此主要為相干斑噪聲信號(hào)為主，表現(xiàn)為非零相位。左下角非零相位是潛在動(dòng)目標(biāo)信號(hào)。

然后應(yīng)用DPCA技術(shù)，結(jié)果如圖27所示。對(duì)比左側(cè)的原始SAR圖像，從圖中可以看到大部分地雜波被消除了。而需要潛在動(dòng)目標(biāo)信號(hào)被保留下來(lái)。由此可以利用CFAR算法進(jìn)行目標(biāo)檢測(cè)。

上述處理結(jié)果也初步證明雙通道方法在凝視聚束雙通道數(shù)據(jù)上的有效性，為后續(xù)深入研究奠定了基礎(chǔ)。

4 結(jié)論與展望

圖26 ATI處理結(jié)果Fig.26 ATI result

本文詳細(xì)討論了近年來(lái)多角度SAR-GMTI的發(fā)展現(xiàn)狀。重點(diǎn)介紹了研究團(tuán)隊(duì)圍繞高分3號(hào)開展的研究。具體包含以下3點(diǎn)內(nèi)容。(1)將提出的對(duì)數(shù)背景差分檢測(cè)算法遷移到高分3號(hào)單通道凝視聚束模式。針對(duì)星載SAR動(dòng)目標(biāo)信噪比較低，引起的檢測(cè)虛警高的問(wèn)題，進(jìn)行了算法改進(jìn)。設(shè)計(jì)了3步檢測(cè)方案，并以實(shí)際數(shù)據(jù)進(jìn)行驗(yàn)證。(2)為實(shí)現(xiàn)多角度與多通道方法優(yōu)勢(shì)互補(bǔ)，回顧了主流的多通道算法。介紹了多通道方法的共性處理流程，然后處理了高分3號(hào)雙通道動(dòng)目標(biāo)數(shù)據(jù)。(3)在了解多通道方法的基礎(chǔ)上，進(jìn)一步介紹了雙通道凝視聚束SAR動(dòng)目標(biāo)實(shí)驗(yàn)的先導(dǎo)性研究。

圖27 原始SAR圖像與DPCA處理結(jié)果Fig.27 Original SAR image and DPCA result

未來(lái)的研究方向還包括在連續(xù)多角度數(shù)據(jù)的研究基礎(chǔ)上，實(shí)現(xiàn)離散多角度數(shù)據(jù)的綜合利用。在實(shí)際應(yīng)用中，往往存在獲取離散多個(gè)角度的數(shù)據(jù)，如衛(wèi)星平臺(tái)、大機(jī)動(dòng)平臺(tái)僅有可能在特定的幾個(gè)方位角度上獲取數(shù)據(jù)。因此，通過(guò)對(duì)連續(xù)的多角度數(shù)據(jù)的研究，以期為實(shí)際應(yīng)用中的離散化多角度數(shù)據(jù)的綜合利用提供支撐。

上述研究實(shí)現(xiàn)了單通道雷達(dá)系統(tǒng)運(yùn)動(dòng)目標(biāo)檢測(cè)功能拓展、多通道雷達(dá)系統(tǒng)運(yùn)動(dòng)目標(biāo)檢測(cè)性能提升的原理性驗(yàn)證。同時(shí)，也為在軌及規(guī)劃星載SAR單通道GMTI工程實(shí)現(xiàn)、未來(lái)星載多角度SAR時(shí)序動(dòng)態(tài)觀測(cè)新型工作模式設(shè)計(jì)等奠定可行性研究基礎(chǔ)。