邢孟道 林 浩 陳濺來 孫光才 嚴棒棒

①(西安電子科技大學雷達信號處理國家重點實驗室 西安 710071)

②(中南大學航空航天學院 長沙 410083)

1 引言

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

機載SAR平臺憑借強靈活性、高重訪頻率等優(yōu)勢應用于多個領域，然而機載SAR運行高度較低，受大氣湍流以及其它氣象因素的影響較大，航線會偏離理想直線軌跡飛行造成運動誤差，破壞SAR回波信號的相干性，導致SAR成像出現(xiàn)散焦。因此，基于飛機姿態(tài)等測量數(shù)據(jù)的運動補償技術以及基于雷達回波數(shù)據(jù)的自聚焦技術是其研究的核心問題[9-11]，運動補償算法和自聚焦算法的精度決定著其最后成像質量。相比于機載SAR，以星載為平臺的SAR系統(tǒng)運行軌道高且運動平臺平穩(wěn)，運動誤差可忽略。需要指出的是，受地球曲率影響[12]，長時間觀測和高軌道的運行造成運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性是影響成像質量的首要因素。與前兩者比較，以導彈為載體的彈載SAR系統(tǒng)具有大機動、提前觀測、實時成像等優(yōu)勢。由于其軌道的大機動和大斜視等情況，現(xiàn)有的大部分SAR成像算法難以滿足高精度和高實時性的需求，所以針對該平臺運動特性以及實際需求，歸納總結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關鍵難點問題。如何根據(jù)其運動特性建立高精度斜距模型并以此研究相應的成像算法是其核心研究方向。

綜上所述，多種平臺具有各自的運動特性，其成像算法面臨的核心問題有所差異。因此，本文針對多平臺SAR成像算法，首先簡要介紹了雷達回波模型的建立，然后根據(jù)“機載、星載、彈載”3種SAR平臺的不同特點以及優(yōu)勢，對其各自的成像算法研究進展進行了重點性地闡述，總結了各自算法目前面臨的主要難點，最后對未來成像算法發(fā)展趨勢進行了展望。

2 合成孔徑雷達回波模型

2.1 斜距模型

最初的合成孔徑雷達搭載在飛機上，且飛機的運動被規(guī)劃為理想的勻速直線軌跡，即線性軌跡。隨著技術與需求的發(fā)展，SAR的載體平臺延伸到了導彈平臺和衛(wèi)星平臺等，即為彈載SAR和星載SAR等。當雷達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)、線頻調變標算法(Chirp Scaling Algorithms,CSAs)、距離徙動算法(Range Migration Algorithms,RMA)和頻率變標算法(Frequency Scaling Algorithms,FSAs)等。但在很多情形下，雷達平臺不可能完全工作在理想的線性軌跡，即非線性軌跡，原因包括非主動因素和主動因素[13]。

圖1為典型線性軌跡幾何模型，其中雷達沿著X方向以速度v飛行，r為場景中心距離，φ為斜視角，波束指向中心的運動參數(shù)為vtm,xn為目標點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

理想情況下的機載SAR以及低軌道短時間觀測的星載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

實際情況中機載/星載SAR的飛行軌跡可能是非線性的。針對機載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)為非線性軌跡導致的誤差項。實際運動情況復雜，Δr(tm)一般沒有具體的表達式，不利于SAR多普勒運動參數(shù)和誤差的估計。為了解決問題，文獻[14,15]通過分析誤差幾何模型與多普勒參數(shù)的對應關系提出了一種“非空變運動誤差補償模型”，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誤差，只能在小測繪帶和低分辨下實現(xiàn)對非線性軌跡的精確補償。隨著分辨率和測繪帶的提高，Δr(tm)引入的剩余空變包絡誤差對成像影響越來越大，對此文獻[16]提出了一種“距離空變的運動誤差補償模型”，可通過空變誤差的校正實現(xiàn)大測繪帶高分辨非線性軌跡補償。然而在超高分辨情形下，Δr(tm)形式會變得更復雜，存在嚴重的2維耦合空變，此時上述的1維空變斜距誤差模型不再適用，對應的運動補償或自聚焦精度會降低。文獻[17]研究一種新的2維空變誤差補償模型，同時考慮非空變運動誤差，距離空變運動誤差，耦合運動誤差以及方位空變運動誤差，可實現(xiàn)更高分辨的成像。

針對星載非線性軌跡成像，為了應對實際情況中“停-走-?！蹦Ｐ偷氖?，文獻[18]建立了原始雙程斜距模型，該模型理論上絕對準確，但其屬于雙基構型且不具備顯式的數(shù)學表達式，不利于后續(xù)多普勒參數(shù)分析和成像方法的研究。文獻[18,19]更進一步地提出了一種中心時間等效的斜距模型，將雙基構型等效為嚴格單基構型，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式，不利于成像方法的研究。為了滿足顯式數(shù)學表達式的需求，文獻[20-23]提出了高階多項式斜距模型，階數(shù)越高，精度越高，為后續(xù)成像方法研究奠定了基礎，然而相應地也會增加成像處理的難度。上述3個斜距模型均從非線性軌跡的固有特性出發(fā)對斜距進行精確建模，對成像幾何關系依賴性很大。為了應對未來靈活軌跡情況，文獻[24]提出一種基于運動補償原理的斜距模型，從運動補償?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，補償?shù)粽`差斜距歷程實現(xiàn)線性軌跡校正。

考慮斜視情況，文獻[25]提出一種改進的斜視距離模型(Advanced Hyperbolic RangE model,AHRE)，能夠更好地描述星載SAR星地相對運動幾何，更適合長合成孔徑中高軌道SAR信號建模和成像算法。針對任意波段，分辨率和軌道高度的中高軌道SAR信號建模，文獻[26]又提出了一種多項式逼近距離模型，其精度更高，普適性更強。對于寬帶信號成像時，“走-停-走”模型不再適用，因此針對寬帶信號文獻[27]提出了一種新的針對寬帶的軌跡模型，其對應斜距歷程為

其中，xn為點目標橫向位置，r為場景中心距離，t和tm分別為快時間和慢時間，φ為斜視角。

針對彈載非線性軌跡，其平臺平飛階段是帶大斜視的線性軌跡，文獻[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。其俯沖階段是復雜非線性軌跡，為了后續(xù)更深入的研究，文獻[31]提出了一種4階斜距模型，驗證了復雜斜距歷程展開得到4階的精確性，但是復雜的斜距表達式限制了高分辨成像算法的應用，如波數(shù)域成像算法等。為了簡化復雜的斜距模型，文獻[32]基于AHRE模型提出了改進的雙曲線斜距方程(Modified AHRE,MAHRE)，進一步提高了模型的精度。文獻[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用提供一定的研究基礎。

多平臺SAR軌跡的非線性使得雷達回波的時域/頻域形式變得復雜，不再統(tǒng)一，難以在時域/頻域進行相干積累，必須依賴精確的多項式斜距模型，對回波參數(shù)進行等效、重構、補償，將其等效為傳統(tǒng)線性軌跡，然后進行后續(xù)處理，實現(xiàn)成像。

2.2 成像模式

隨著SAR天線技術方面的快速發(fā)展，特別是有源相控陣天線技術的進步，SAR系統(tǒng)對天線波束指向的控制已從機械控制方式轉變?yōu)殡娍刂品绞剑ㄊ赶蛟絹碓届`活，實現(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)的滑動聚束模式(Sliding spotlight)和循序掃描地形觀測模式(Terrain Observation by Progressive Scans SAR,TOPS SAR)。

條帶SAR可以對地面的一個條帶區(qū)域進行成像，條帶長度取決于雷達移動距離，方位向分辨率由天線方位孔徑長度決定；聚束SAR可以對地面某一固定感興趣區(qū)域進行長時間觀測，增加了合成孔徑時間，從而突破方位向分辨率受天線孔徑尺寸約束的限制，實現(xiàn)對場景的高分辨成像，但是其成像場景較??；Scan SAR通過控制天線波束在距離向周期性地掃描，可對大測繪帶場景成像，成像幅寬較大，但是寬測繪帶的獲取是以犧牲方位向分辨率為代價的。

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

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

滑動聚束SAR和TOPS SAR的觀測幾何如圖3所示。類似于聚束模式，滑動聚束SAR的天線波束也隨平臺運動而反向轉動，但其波束射線并不指向場景中心的固定點，而是指向場景遠處的某一點，使波束較慢地掃過所需的成像區(qū)域，從而在增加對單點目標觀測時間的同時，也增加了觀測場景的寬度。滑動聚束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，而觀測場景又比聚束式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的改進模式，它在數(shù)據(jù)錄取過程中，通過天線波束主動地從后往前掃描，使地面上的每一個點目標均被完整的天線方向圖照射，因此，TOPS SAR在保持Scan SAR寬測繪帶成像能力的同時，有效緩解了Scan SAR模式下圖像的扇貝效應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]，其實質是一種掃描模式的聚束方式，結合了Scan模式和聚束模式的特點[36]，可實現(xiàn)高分寬幅的目的；(3)可變PRF SAR，利用DBF[37]技術在距離向增加接收通道的方法增大觀測范圍，利用變PRF的方法來消除成像區(qū)域內的盲區(qū)，達到高分寬幅目的。

3 機載合成孔徑雷達成像

機載合成孔徑雷達將雷達搭載在飛機上，飛行高度通常在數(shù)百米到數(shù)千米之間，位于大氣層的對流層，大氣湍流現(xiàn)象較為明顯。因此，機載SAR成像主要面臨的問題是大氣湍流對成像精度的影響，即運動誤差對成像精度的影響。目前針對機載合成孔徑雷達成像算法的研究，主要集中在以下幾個研究熱點和方向。

3.1 運動補償算法

前文提到，大氣擾動等影響會使得飛機的運動偏離理想的直線軌跡，導致雷達回波存在運動誤差。利用慣性導航系統(tǒng)(Inertial Navigation System,INS)或全球定位系統(tǒng)(Global Position System,GPS)實時記錄的平臺位置和運動信息，理論上能夠計算出飛機的運動誤差并實現(xiàn)精確的運動補償。然而在大部分情形下，無人機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動補償?shù)男枨??；诶走_回波數(shù)據(jù)的運動補償方法無需INS和GPS數(shù)據(jù)，通過從雷達回波中估計運動誤差并完成運動補償[9,14]，由于通過從雷達回波數(shù)據(jù)中估計誤差，該類運動補償方法通常被稱為自聚焦方法。綜上所述，無論是基于慣導數(shù)據(jù)的運動補償方法，還是基于雷達回波數(shù)據(jù)的自聚焦方法，如何獲得運動誤差是機載高分辨成像的核心問題。圖4為運動補償前后的成像結果，結果表明運動補償能夠大幅度提升機載SAR的成像質量。

下面將集中討論基于雷達回波數(shù)據(jù)的運動誤差估計以及運動補償方法。根據(jù)對運動誤差的建模是否具有解析形式，運動誤差估計方法一般分為參數(shù)化和非參數(shù)化兩類方法[9,38]。參數(shù)化方法采用多項式相位模型將運動誤差建模成高階多項式的形式，比如對比度最優(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)化方法無需對運動誤差進行解析建模，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用最為廣泛的算法，并基于它們衍生出了大量的改進算法。其中，MDA的基本原理是將方位全孔徑數(shù)據(jù)劃分為多個子孔徑數(shù)據(jù)，并根據(jù)子圖像之間的偏移估計相位誤差。PGA的基本原理是采用各類估計器比如最大似然(Maximum Likelihood,ML)來估計相位誤差，并通過迭代估計與補償?shù)牟呗灾鸩降販p少相位誤差。應當指出的是，MDA通過多項式建模一般只能估計低階相位誤差，在實際的數(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通常能夠成功應用于具有強散射點雷達回波的運動誤差估計。綜上所述，PGA相比于MDA的誤差估計精度更高，然而在低信雜比情形下的誤差估計精度可能會大幅下降[42]。

圖4 X波段1 m分辨率機載運動補償前后成像結果圖Fig.4 1 m resolution imaging results of airborne SAR before and after motion compensation in X band

在低分辨小測繪帶情況下，2維耦合空變運動誤差可以近似建模成1維非空變的數(shù)學形式[11,40]，即對雷達照射場景中的每一個目標而言，它們的運動誤差形式完全一致，采用統(tǒng)一的誤差補償函數(shù)即可實現(xiàn)對整個場景的運動補償。

隨著分辨率的提高以及測繪帶的擴大等，運動誤差的距離空變特性將會變得更為明顯，運動誤差的非空變近似建模不再成立。文獻[9]提出了一種基于多普勒調頻率估計(采用MDA)的自聚焦方法，該方法將距離全孔徑劃分為多個距離子塊，通過估計距離空變的多普勒調頻率來估計距離空變的運動誤差。由于該方法沿用了MDA進行運動誤差估計的思路，無法精確估計載機的高頻運動誤差，且為實現(xiàn)較高的精度需要進行多次迭代估計與補償。因此，文獻[14]提出了一種基于PGA的無人機載SAR自聚焦方法，該方法對RCMC后的全孔徑數(shù)據(jù)在距離向進行分塊處理，利用PGA對每個距離塊進行相位誤差估計，最后采用局部最大似然(Local Maximum-Likelihood,LML)估計提高距離空變誤差估計的精度和穩(wěn)健性。文獻[17,43]推導了超高分辨情況下運動誤差的2維空變復雜形式，并重點分析了其對方位散焦、剩余距離徙動(Residual Range Cell Migration,RRCM)、距離散焦的影響。其中文獻[43]指出了高精度的徙動校正算法(如RMA和PFA)會破壞方位相位誤差(Azimuth Phase Error,APE)和剩余距離徙動線性關系，并進一步推導了APE和剩余RCM之間的映射關系，根據(jù)估計得到的APE計算出剩余RCM，完成對APE和剩余RCM的精確補償。文獻[17]更深入的考慮了距離散焦對成像的影響，該方法在方位頻域估計1維APE并根據(jù)先驗信息計算得到波束域的2維相位誤差，最后在波束域補償2維相位誤差，有效克服了距離散焦對成像的影響。

進一步，隨著雷達方位波束寬度的增大，不僅需要考慮運動誤差的距離空變特性，還需要考慮運動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會出現(xiàn)散焦現(xiàn)象，嚴重降低了SAR圖像質量。目前主要有3類算法能夠較好地補償方位空變的運動誤差[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，能夠實現(xiàn)精確的誤差補償，但是計算量較大。第2類算法能夠較好地兼顧計算效率和補償精度，適用范圍廣。第3類算法在補償精度要求較高的情形下，計算量較大。文獻[45]在SATA的基礎上提出了一種改進的子孔徑方位空變誤差補償方法，進一步提高了方位空變誤差補償?shù)木取Ｔ摲椒▽ψ涌讖絻鹊倪\動誤差進行線性近似逼近，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，以上寬波束運動補償方法均需要INS/GPS提供高精度的測量數(shù)據(jù)，目前的研究文獻還沒有公開報道過關于從雷達回波中估計方位空變運動誤差的方法。另外，以上算法均基于正側視工作模式這一假設，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算法將無法對斜視或大斜視數(shù)據(jù)進行精確的距離徙動校正。

一般而言，RCMC是運動誤差估計的前提，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，結合時域RCMC的運動誤差估計與補償也是另外一個切實可行的解決途徑。時域算法中的后向投影(Back Projection,BP)算法[46]被認為是實現(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，對此眾多學者對結合BP的自聚焦技術展開了研究，文獻[47]提出了一種新的自聚焦方法，將PGA嵌入到BP算法中。Ponce等人對圓周SAR提出了一種結合BP成像的自動對焦技術對殘余相位誤差進行補償[48]。文獻[49]提出了一種基于最大圖像清晰度準則的自聚焦方法，利用圖像清晰度準則即最大圖像銳度來估計相位誤差。除此之外，計算效率低也是BP面臨的主要問題之一，因此，目前通常結合快速分級后向投影(Fast Factorized BP,FFBP)算法實現(xiàn)對機載SAR的運動誤差估計與補償[50-53]，其運算復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一般被認為是超高分辨率SAR，其發(fā)射信號的帶寬通常需要達到3～4 GHz，而據(jù)目前公開的文獻報道，單個子帶能發(fā)射的最大帶寬為1.5 GHz且對硬件水平的要求較高。因此，目前的超高分辨率SAR通常采用步進頻的工作模式，通過發(fā)射多個具有不同中心頻率的窄帶子脈沖信號，并對多個窄帶回波信號進行帶寬合成，得到寬帶信號[54]。圖5給出了帶寬合成前后的成像圖，對比可以看出帶寬合成后的圖像的局部細節(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。步進頻信號的發(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)模式利用多個通道在同一時刻發(fā)射多個子帶信號，而異步收發(fā)模式是通過一個通道在一個脈沖重復周期內分時發(fā)射多個子帶信號[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]，實際發(fā)射的多子帶信號之間通常會存在著幅度和相位的差異。若直接對多子帶信號進行頻帶拼接，可能會嚴重降低頻帶合成的質量，主要表現(xiàn)為距離剖面的主瓣展寬和旁瓣拉升。文獻[56,57]將相鄰子帶之間的相位差異歸結為由兩類誤差組成，第1類誤差為子帶內的高階相位誤差，而第2類誤差為相鄰子帶間的低階相位誤差。文獻[56]采用基于圖像對比度最優(yōu)的方法分別估計出了子帶內的高階相位誤差以及子帶間的低階相位誤差。文獻[57]同樣采用圖像對比度最優(yōu)的方法估計子帶內的高階相位誤差，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)射帶寬以及更長的合成孔徑時間，使得運動誤差對成像的影響會變得更為嚴重[54]，主要表現(xiàn)為首先，運動誤差的距離空變特性變得更為嚴重，不僅相位誤差的距離空變特性會進一步惡化，甚至包絡誤差也會表現(xiàn)為隨距離嚴重空變。其次，即使在窄波束情形下，長合成孔徑時間也可能會引入不可忽略的方位空變的相位誤差。文獻[54]提出了一種超高分辨率2維空變的運動補償方法，該方法重點論述和證明了當分辨率提升到一定程度時，必須要考慮運動誤差帶來的距離空變的包絡誤差，并采用Chirp-Z變換有效校正了距離空變的包絡誤差，提高了成像分辨率或距離測繪帶。圖6為采用Two-step運動補償后[14]的RCMC結果，圖6(a)對應的帶寬為1.2 GHz，圖6(b)對應的帶寬為3.6 GHz，對比圖中的包絡線可以看出，當分辨率不是特別高時比如帶寬小于1.2 GHz，距離空變的包絡誤差可以忽略不計，然而隨著分辨率的提升比如帶寬達到為3.6 GHz，則必須要考慮距離空變的包絡誤差對成像的影響。圖7為采用文獻[54]所提方法進行運動補償后3.6 GHz帶寬的RCMC結果。文獻[58]提出了一種聯(lián)合子帶誤差估計與寬帶誤差估計的超高分辨率運動補償方法，采用單個子帶信號對運動誤差進行粗估計，利用多子帶帶寬合成后的寬帶信號對運動誤差進行精估計。文獻[42]通過兩步處理提升了超高分辨率和寬測繪帶下運動誤差估計的精度，該方法的第1步是估計并補償了RMA額外引入的距離空變的包絡誤差，提升了PGA的估計精度，第2步是自動判別和剔除PGA估計錯誤的相位誤差，提升了基于最小二乘(Least Square,LS)或加權最小二乘(Weighted LS,WLS)準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果，其中圖9為局部細節(jié)圖，可以看出高壓電塔的細節(jié)輪廓很清晰。應當指出的是，由于文獻[42]所提方法沒有考慮距離散焦對運動誤差估計的影響，因此，在較大斜視角模式或者運動誤差較大的情形下，該方法對運動誤差估計的精度會有所下降甚至失效。

圖6 采用Two-step進行運動補償后的RCMC結果Fig.6 The results of RCMC after motion compensation by Two-step algorithm

圖7 采用文獻[54]所提方法進行運動補償后的RCMC結果Fig.7 The results of RCMC after motion compensation by the algorithm in Ref.[54]

3.3 大斜視成像算法

為了實現(xiàn)對區(qū)域外的場景進行監(jiān)視和快速重訪，顯著提高SAR的靈活性，擴大其應用范圍，SAR工作于斜視模式?；谶@一特殊構型導致其回波數(shù)據(jù)存在距離向與方位向的一次耦合即距離走動，距離單元徙動RCM變得異常明顯，使得RCMC的實現(xiàn)變得更為復雜，對應的成像算法也變得更復雜。文獻[59,60]提出了非線性變標(Nonlinear Chirp Scaling,NCS)算法，考慮了二次距離脈壓項(Secondary Range Compression,SRC)的空變性，但未考慮高次項的空變性，能夠實現(xiàn)小斜視情況下的RCMC;RMA[61]可以無近似條件實現(xiàn)目標點的精準RCMC，但其波數(shù)支撐區(qū)受斜視角限制，無法實現(xiàn)大斜視全分辨率；為了應對大斜視情況，文獻[62]提出了一種擴展的非線性變標(Extended NCS,ENCS)算法，其采用級數(shù)反演方法(Method of Series Reversion,MSR)[63]引入了空變的高階項，提高了大斜視情況下的圖像2維聚焦深度；同時文獻[64]提出了改進的RMA算法，通過“旋轉頻譜”的預處理，增大了波數(shù)支撐區(qū)的有效范圍，可實現(xiàn)大斜視高分辨率成像；上述算法都基于“傾斜2維頻譜”，無法避免實現(xiàn)過程中補零操作帶來的額外運算負擔，同時無法有效的解決更大斜視時帶來的頻譜折疊問題。圖10為采用文獻[64]所提的改進RMA算法實現(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，通常采用基于走動校正的“正交譜”處理算法。然而線性走動校正會引入方位空變問題：(1)徙動的方位空變：位于同一個距離單元內的點目標，它們的二次距離單元徙動(Quadratic Range Cell Migration,QRCM)各自不同；(2)相位的方位空變：同一距離單元信號的方位調頻率各自不同。文獻[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景數(shù)據(jù)。為了提高方位聚焦深度，文獻[28,66]提出了一種方位NCS算法，引入了方位向擾動函數(shù)，校正了方位調頻率的方位空變性。隨著分辨率提高以及測繪帶擴大，QRCM方位空變現(xiàn)象越來越明顯，上述的徙動校正算法會使邊沿點目標存在嚴重的剩余RCM，導致圖像散焦。對此，文獻[29]提出了改進的NCS算法，同時考慮相位和QRCM方位空變性，其在距離脈壓及QRCM校正之前對信號進行距離NCS處理校正RCM，然而其算法推導過程中存在多處近似且處理過程比較復雜，不利于實時成像。文獻[67]提出了方位FNCS算法也可實現(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下，并沒有考慮到運動誤差。

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

非理想或者慣導精度不足情況下，SAR平臺的運動誤差會給徙動校正帶來很大的影響，導致成像算法精度變低甚至失效。隨著斜視角的增大，運動誤差的2維耦合性越強，形式更為復雜，如何有效的將徙動校正算法和運動誤差補償算法結合起來是個難點。文獻[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，推導并分析了RMA處理后誤差的形式，但并未考慮剩余誤差包絡的空變性，處理測繪帶寬帶以及斜視情況有限；為了解決該問題，文獻[16]提出了一種基于RMA的改進魯棒性自聚焦算法，分析了“誤差模型”先驗信息，利用局部最大似然加權SPGA(Local Maximum Likelihood-Weighted SPGA,LML-WSPGA)估計并反演出距離空變誤差，最后分兩步去實現(xiàn)了誤差的精確補償，提高了成像質量。文獻[68]提出了一種結合極坐標格式算法(Polar Format Algorithm,PFA)和對比度(Phase Adjustment by Contrast Enhancement,PACE)的自聚焦算法，也考慮了誤差的空變性。上述補償算法都是基于RMA或PFA實現(xiàn)的，無法解決前面提到的頻譜折疊問題。對此，文獻[69]提出了一種基于方位重采樣的運動補償算法，走動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，最后結合常規(guī)的運動補償算法實現(xiàn)高精度運動補償。如圖11所示，其為50°大斜視情況下，結合方位重采樣的實測數(shù)據(jù)處理結果。

4 彈載合成孔徑雷達成像

由于具有高的飛行速度以及大機動的特點，彈載SAR平臺又稱為高速機動平臺，可實現(xiàn)提前觀測的需求。根據(jù)導彈的飛行階段以及運動特性，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到目標，因此也受到了國內外研究人員的廣泛關注。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后續(xù)的匹配制導工作具有積極的意義。

圖10 X波段0.1 m大斜視成像結果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動和大斜視觀測的特點所引起的。傳統(tǒng)成像算法的提出通?；凇巴?走-?！钡募僭O，即認為雷達收發(fā)同一個脈沖的位置相同，而平臺的高速運動特點導致雷達平臺收發(fā)同一脈沖的位置分離，導致傳統(tǒng)的“停-走-?！蹦Ｐ筒辉俪闪?。大斜視觀測一方面會導致方位頻譜出現(xiàn)折疊的現(xiàn)象，導致傳統(tǒng)頻域成像算法無法直接處理大斜視數(shù)據(jù)，另外大斜視觀測模式下的距離與方位耦合更為嚴重，增加了成像處理的難度。因此，大斜視成像一般采用時域走動校正的方法將大斜視頻譜校正為正側視頻譜，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，但因此也會引入多普勒參數(shù)方位空變的問題，導致傳統(tǒng)基于“方位平移不變”假設的成像方法失效。彈載SAR實時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[71]詳細分析了子孔徑成像的優(yōu)勢并提出了相應的成像算法，但沒有考慮多普勒參數(shù)空變的問題。文獻[72]詳細分析了正側視模式下高速運動平臺下采用“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[73,74]采用時域線性走動校正的方法來消除大斜視成像中距離方位的耦合，但也會因此引入嚴重的方位空變。因此，文獻[73]提出了一種結合SPECAN處理的子孔徑高階相位校正方法(High-order Phase Correction Approach,HPCA)，校正了多普勒調頻率的1階和2階方位空變。而文獻[74]對子孔徑數(shù)據(jù)采用頻率非線性變標(Frequency-Nonlinear-Chirp-Scaling,FNCS)的方法對多普勒參數(shù)(多普勒中心和多普勒調頻率)的方位空變特性進行校正。文獻[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，克服了子孔徑時域聚焦需要大量補零的問題。文獻[76]詳細分析了大斜視寬幅成像下多普勒中心2維空變對成像的影響，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，提高了方位聚焦質量。如圖12，比較其多普勒中心空變校正前后成像結果，可以看到結果得到很大的改善。

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°大斜視成像結果Fig.12 1.36 m resolution imaging results in 65° of squint mode in Ku band

前面提到對于平飛段大斜視成像，時域線性走動校正會引入方位空變。然而對于俯沖曲線軌跡大斜視成像，俯沖曲線軌跡的運動特點使得雷達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，首先需要采用時域線性走動的方法對雷達回波進行處理，但因此也會改變雷達回波固有的方位空變特性(改善或惡化)。目前，針對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更高，但子孔徑算法更有利于實時處理。文獻[77,78]提出了一種特定加速度情形下的近似斜距模型，能夠避免采用級數(shù)反演的方法獲得2維頻譜，2維頻譜表達式更為簡潔，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，但沒有考慮大機動和大場景等可能帶來的多普勒參數(shù)方位空變的問題。文獻[79]提出了一種改進的子孔徑機動平臺大斜視成像方法，該方法在方位頻域進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[80]提出了一種基于級聯(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果。文獻[81]提出了一種基于局部直角坐標和子區(qū)域處理的機動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的需求，文獻[82,83]提出了適用于俯沖曲線軌跡平臺的多模式統(tǒng)一成像算法。與直線軌跡平臺的多模式統(tǒng)一成像不同，俯沖曲線軌跡平臺多模式的頻譜混疊不僅與波束控制有關，而且與雷達平臺的加速度直接相關。文獻[82]通過分析表明了在某些情形下加速度對頻譜混疊的影響會更大，并提出了一種將加速度考慮進來的改進的“Two-step”方法，消除了方位頻譜混疊對成像的影響。在此基礎上，文獻[83]采用方位NCS進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。應當指出的是，俯沖曲線軌跡的雷達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，通常需要引入時域線性走動的方法，但因此也會改變雷達回波固有的方位空變特性，甚至會進一步惡化方位空變。然而上述針對俯沖曲線軌跡大斜視成像的算法未考慮時域線性走動校正對方位空變的調制機理，可能會增加后續(xù)方位空變校正的難度或降低現(xiàn)有算法對方位空變校正的性能。

除此之外，文獻[84]提出了一種適用任何已知軌跡的SAR的BP成像算法，無需對斜距模型進行任何近似，可以實現(xiàn)高分辨成像。但在投影過程中，需要對所有像素點的斜距歷程逐次進行計算，需要消耗較多處理時間。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算法具有更高的運算效率，但其多級運算形式不利于并行運算，在條件允許下，一般采用更適合并行運算的FBP算法。文獻[87]從斜距歷程形式出發(fā)，提出一種基于場景劃分的快速后投影成像算法，在FBP算法的基礎上進行改進，將全場景分為若干個子場景，對同一塊子場景中的像素點通過平面波假設進行距離徙動近似，解決了FBP算法成像需要逐點計算斜距的問題，進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平臺與目標的相對運動形成大的多普勒帶寬，從而實現(xiàn)方位高分辨率成像。而單基前視成像受雷達平臺與目標之間的相對運動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，國內外提出了一些新的體制和技術以改善單基SAR前視成像的分辨率：(1)從信號處理上提高雷達成像分辨率，超分辨成像的方法對實波束雷達數(shù)據(jù)進行處理能夠提高實波束成像的分辨率，主要方法包括基于正則化的超分辨方法[88]，基于統(tǒng)計優(yōu)化的超分辨方法[89]，量子關聯(lián)成像技術[90]和帶寬外推方法[91]等，這類方法對孤立的單目標或多目標具有很好的超分辨成像效果，但對于場景中復雜的面目標無法實現(xiàn)超分辨成像，甚至有可能放大噪聲而降低圖像質量；(2)可以從雷達體制上提高雷達成像分辨率，采用大陣列天線的前視成像通過多個通道發(fā)射信號同時多個通道接收回波信號，能夠有效增加等效孔徑長度，提升了雷達成像的分辨率能力，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)平臺分置使得雷達平臺對目標形成了大多普勒帶寬效應，提高了雷達前視成像的分辨能力。西安電子科技大學的邢孟道團隊[95]在機動平臺雙基前視成像這一方向做了大量的工作，詳細分析了該構型下的系統(tǒng)特性，提出了相應的彈道設計方法[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，只能對平臺一側的帶狀區(qū)域成像，測繪帶有限，不利于雷達獲取全方位的場景圖像，因此采取波束掃描[100]方式進行大范圍觀測。由于波束掃描的作用，測繪區(qū)域隨掃描角度變化而變化，使得接收回波形式更為復雜，具體表現(xiàn)為更為嚴重的距離方位耦合性以及對應多普勒運動參數(shù)變化。為滿足彈載實時成像需求，需要建立合適精確的數(shù)學模型簡化算法復雜度，在合理近似條件下推導信號的精確表達式，并提出先進的成像算法。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空變。傳統(tǒng)的RD算法并未考慮線性距離走動和多普勒中心的空變，只能處理小測繪帶短時間低分辨場景。為此，文獻[70]提出了一種改進的子孔徑RD成像算法，通過距離分塊校正線性走動空變，并依賴數(shù)學模型精確推導多普勒中心空變形式，然后進行補償校正，提高寬測繪帶成像能力。

5 星載合成孔徑雷達成像

星載SAR飛行軌跡平穩(wěn)，覆蓋范圍廣、可以遠程監(jiān)視運動目標、且具有強的抗摧毀能力，因此其在海洋觀測、全球地理測繪、軍事觀測等方面得到了廣泛的應用。為了能夠看得更清晰看得更遠，高分辨率大測繪帶成像算法一直是星載SAR的研究熱點。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

高分辨寬測繪帶(High-Resolution and Wide-Swath,HRWS)模式的多通道合成孔徑雷達(Multi-Channel SAR,MC-SAR)成像系統(tǒng)是星載SAR系統(tǒng)一個重要發(fā)展趨勢[101]，其利用空域維度信息進行高分辨成像處理，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頻率(Pulse Repetition Frequency,PRF)，而星載SAR寬測繪帶的需求則要求PRF不能過大。因此，單通道星載SAR中的方位高分辨率和寬測繪帶是一對矛盾，而多通道SAR體制則可以有效地解決這一矛盾從而實現(xiàn)高分辨寬測繪帶對地觀測。由于星載SAR多通道[102]成像需要對多個通道的回波信號進行聯(lián)合處理，其對通道之間的一致性要求非常高，但通道之間通常會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通道之間的誤差進行精確估計和補償。另外，每個通道接收的雷達回波都表現(xiàn)為方位欠采樣(多普勒譜模糊)，需要對多個通道的數(shù)據(jù)進行無模糊多普勒譜重構。因此，無模糊多普勒重構也是多通道SAR成像過程中得一個關鍵步驟。

早期的多通道誤差校正主要考慮恒定的幅度和相位誤差，其中兩種比較經典的方法是基于子空間和基于相鄰通道互相關的校正方法[103-105]。文獻[34,106]進一步考慮了距離采樣時間誤差、距離空變相位誤差和基線測量誤差對多通道方位重構的影響。文獻[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償殘余的常數(shù)相位誤差、基線測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[106]提出了一種基于加權最小熵(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對距離分塊后的數(shù)據(jù)進行相位誤差估計，并根據(jù)每個距離塊的相位誤差采用LML估計距離空變的相位誤差。應當指出的是，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，在子空間劃分時可能會降低噪聲子空間和信號子空間的正交性。針對該問題，文獻[107]提出了一種改進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技術能估計出不同基帶頻率下模糊分量的準確信息，提高了通道誤差估計的精度。

在完成通道誤差估計與補償后，由于每個通道的回波信號都存在多普勒譜模糊，需要對多個通道的回波信號進行方位信號重構獲得多普勒無模糊信號。目前主要有兩種經典的多通道方位信號重構方法：傳遞函數(shù)法(Transfer function algorithm)[108]和空時自適應處理(Space-Time Adaptive Processing,STAP)算法[109]，后者相比于前者對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，無法對強散射點形成足夠好的模糊抑制效果。文獻[34]在STAP方法的基礎上提出了一種基于多個多普勒方向約束的解模糊方法，能夠對場景中的強散射點形成更好的模糊抑制效果。文獻[110]在進一步考慮地面高程下提出了一種改進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數(shù)滿足一定的條件(認為模糊個數(shù)隨基帶頻率恒定不變)，具有一定的局限性。文獻[111]提出了一種基于多普勒譜估計的多通道SAR方位信號重構方法，該方法通過空間譜估計方法估計出不同基帶頻率的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的圖像質量。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。

對于多通道SAR系統(tǒng)，動目標成像聚焦越來越受到人們的關注。對動目標的斜距速度估計是動目標重定位和成像處理的關鍵步驟。已有不少文獻[112-114]等對動目標斜距速度估計進行了研究和討論。當動目標的多普勒譜偏移超過半個PRF時，動目標將產生速度模糊現(xiàn)象。為了解決這個問題，文獻[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，文獻[117,118]提出了一些其它動目標參數(shù)估計及斜距模糊速度求解方式。由于低PRF和單個通道回波存在多普勒譜模糊，這些算法并不適合對基于沿方位多個接收孔徑的高分辨寬測繪帶多通道SAR系統(tǒng)進行動目標斜距速度估計。對于低PRF情況，文獻[119]提出了一種基于壓縮感知(Compressed Sensing,CS)的動目標運動參數(shù)估計算法。該算法適用當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。對于傳統(tǒng)SAR系統(tǒng)，文獻[120-122]等已經分別對動目標聚焦成像處理算法進行研究和討論。由于每個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接收孔徑的高分辨寬測繪帶多通道SAR系統(tǒng)。文獻[123]針對多通道SAR系統(tǒng)提出了一種動目標聚焦算法，其對動目標的信號特點進行詳細討論。

總得而言，為了實現(xiàn)星載SAR寬測繪帶的高分辨成像，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

星載雷達成像模式主要由條帶、聚束、滑動聚束、TOPS SAR和掃描SAR組成。針對不同的成像模式，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算法(Frequency Scaling Algorithm,FSA)[126]、全孔徑處理的Two-step算法[127]、寬場景極坐標格式算法(WPFA)[128]、Stolt極坐標算法(SPA)和微分多普勒算法(DDA)[129]；針對滑動聚束模式，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算法(Baseband Azimuth Scaling,BAS)[132]，此處的“Two-step”與前文運動補償里的“Twostep”原理不同。針對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。

這些算法錯綜復雜，通常針對一種模式就要研制一個相應的處理器，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問題。德國DLR研究人員在TerraSAR-X系統(tǒng)中設計了多模式通用成像算法[136]，主要以CSA為核心模塊，能夠對條帶和掃描模式統(tǒng)一成像，但無法處理大斜視角下的成像問題，文獻[137]對上述算法進行了改進，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)，但是沒有提出針對性的運動補償算法。多模式統(tǒng)一成像的難點集中體現(xiàn)在尋找表征不同模式的影響因素上，國內西安電子科技大學的邢孟道團隊在研究表征不同模式的特性方面做了很多貢獻。文獻[138]提出了一種針對TOPS和滑動聚束的基于方位Deramp預處理的變標算法，利用Deramp操作等一系列實現(xiàn)解模糊和2維頻譜重構，以及方位變標去斜操作可實現(xiàn)兩種模式全孔徑統(tǒng)一成像，此時信號聚焦在頻域；為了提高算法高效性，文獻[139]提出了一種廣義的PFA算法(Generalized PFA,GPFA)，該算法結合了傳統(tǒng)PFA算法對信號處理的高效性和“Two-step”方法中解模糊的有效性?？紤]到算法更廣的通用性，文獻[140]提出了一種基于分數(shù)階傅里葉變換(FrFT)的統(tǒng)一處理算法(Unified Focusing Algorithm,UFA)，該算法可實現(xiàn)條帶、聚束、滑動聚束和TOPS SAR統(tǒng)一處理，極大的降低了硬件和軟件的研發(fā)成本。為了實現(xiàn)高分寬幅多模式統(tǒng)一成像，文獻[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)方位預處理算法，基于波束壓縮和帶寬壓縮的技術，在不改變信號角度-多普勒或空時平面特性情況下有效地降低BS-SAR信號混疊程度，使得空時頻解模糊的方法可以得到應用，最后與UFA算法進行結合，實現(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果。其中圖15為GF-3號錄取的1.5 m分辨率結果，圖16為Ku波段3.5 m分辨率結果，圖17為C波段1 m分辨率結果。

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導致方位回波信號的多普勒中心隨方位時間近似線性變化，并沒有考慮出現(xiàn)非線性變化的情況。實際上，各模式通過長時間照射相干積累提高方位分辨率的本質是相同的，因此對各模式進行統(tǒng)一建模，再總結各模式在這些性能上的異同，進而研究統(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，星載超高分辨率對目標的觀測時間更長，通常需要采用聚束或者滑動聚束的工作模式。由于滑動聚束相比于聚束模式能夠實現(xiàn)更強的覆蓋能力，超高分辨率滑動聚束成像問題受到了更多的關注。隨著分辨率的提升，雷達回波信號的方位頻譜模糊會變得更為嚴重，但同樣可以和高分辨率滑動聚束模式成像處理一樣，采用Two-step方法或基于子孔徑BAS的方法對雷達回波信號進行方位預處理，獲得方位頻譜無模糊信號。另外，星載弧線軌道隨著分辨率的提升會變得更為明顯，不能采用基于“方位平移不變”假設的傳統(tǒng)頻域算法來進行精確成像處理，還需進一步考慮信號的方位空變特性對成像的影響。文獻[142]提出了一種星載超高分辨率滑動聚束SAR成像方法，該方法將衛(wèi)星整個運動軌道進行分段處理，對每一段的雷達回波數(shù)據(jù)采用標準的成像算法進行成像處理，并指出該方法的關鍵之處在于如何對每段處理后的數(shù)據(jù)進行精確拼接(同一目標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[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[24]對超高分辨率的星載SAR數(shù)據(jù)進行了處理，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作誤差加以補償，類似于載機SAR數(shù)據(jù)處理當中的運動補償過程，圖18為文獻[24]給出的TerraSAR 0.16 m分辨率處理結果。文獻[144]提出了一種基于速度變標的超高分辨率滑動聚束成像算法，該方法通過類似于方位重采樣的操作對等效速度的方位空變特性進行校正，將曲線軌道等效為直線軌道，進一步提高了方位聚焦性能。在此基礎上，文獻[145]進一步對斜距模型和成像算法進行了相應的修正，使得其能夠對斜視數(shù)據(jù)進行精確的成像處理，提出了一種全孔徑超高分辨率斜視滑動聚束成像算法。與文獻[144]采用的子孔徑成像不同，文獻[145]采用的是全孔徑成像策略。

5.4 中/高軌道長合成孔徑時間成像算法

圖17 C波段1 m聚束成像結果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，雷達平臺相對于目標的運動速度將會小的多，因此雷達對場景的觀測時間需大幅增長才能滿足預期分辨率的要求。目前而言，中/高軌道衛(wèi)星的合成孔徑時間通常在數(shù)十秒到數(shù)千秒之間，如此長的合成孔徑時間導致衛(wèi)星的曲線軌道非常明顯，雷達回波信號的距離空變和方位空變特性都非常嚴重。另外，中/高軌道衛(wèi)星的軌道高，雷達發(fā)射和接收同一信號的位置分離導致傳統(tǒng)基于“走-停-走”假設的成像模型不再成立。文獻[20,32]較早地推導出了基于四次多項式精確的2維頻譜以及基于該頻譜提出了一種CS算法。文獻[25]提出了一種適用于中軌道寬測繪帶SAR的NCS算法，進一步擴大距離測繪帶。文獻[21,146,147]分析了停走誤差和曲線軌跡對成像的影響，并提出了相應的頻域成像算法。為了進一步考慮長合成孔徑時間下嚴重的方位空變特性，文獻[148]將非線性變標(NCS)的思想從距離維擴展到方位維，提高了方位聚焦性能。西安電子科技大學的邢孟道團隊針對中/高軌道衛(wèi)星SAR做了大量的理論研究工作，文獻[149]對高軌道衛(wèi)星SAR的成像分辨能力進行了詳細的理論分析和評估。文獻[22]針對方位空變特性，采用方位頻域分子帶的方法消除方位空變對方位聚焦的影響，但子帶拼接不可避免地會出現(xiàn)柵瓣現(xiàn)象，降低了圖像質量。為了進一步提高以上算法地聚焦性能，文獻[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2維頻譜的方位空變特性進行分析，2維頻譜經過SVD后需由兩個特征量精確表示，所提算法先后使用兩次SVD依次補償這兩個特征分量，有效校正了信號的方位空變。文獻[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展到距離維，方位向處理仍然采用文獻[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多個特征分量的問題。需要指出的是，針對方位向SVD分解后存在3個及以上的特征分量的情形，以上基于SVD成像方法的精度會有所下降，若采用多次SVD的處理流程，則會導致成像處理流程變得更為復雜。

需要指出的是，上述成像算法僅適用于場景中靜止目標成像。由于中/高軌道衛(wèi)星與目標的距離較遠(約36000 km)，導致雷達回波信號的信噪比較低。因此為了提高中/高軌道衛(wèi)星SAR對動目標的檢測和成像性能，通常需要采用長合成孔徑時間觀測的模式。針對長合成孔徑時間下運動目標特別是艦船目標的成像主要面臨兩個嚴峻的挑戰(zhàn)：(1)運動目標在長合成孔徑時間下的平動特性異常復雜，嚴重影響了動目標長時間相參積累的性能，降低了動目標檢測的性能；(2)針對艦船目標成像，艦船目標在海面風浪的長時間影響下存在復雜的3維搖擺運動，使得艦船上各個散射點在方位向聚焦上存在嚴重的空變特性，給艦船目標長時間統(tǒng)一相參積累帶來了很大困難。目前針對復雜平動補償?shù)膭幽繕顺上穹椒ò▍?shù)估計方法[151,152]和非參數(shù)估計方法[153]，需要指出的是，參數(shù)化估計方法通常采用高維度匹配濾波的思想對動目標的運動參數(shù)進行估計，其精度較高但存在高維度搜索的問題。針對復雜3維搖擺的艦船目標成像方法主要包括基于非平穩(wěn)信號的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較短合成孔徑時間，在中/高軌道長合成孔徑時間下的精度較差甚至失效。因此，目前針對中/高軌道長合成孔徑時間下的動目標特別是艦船目標成像，對平動的補償應在提高效率的同時滿足精度要求，對3維搖擺的補償首先應重點提高其估計和補償精度。

6 結束語

多平臺合成孔徑雷達成像算法是雷達探測領域的主要研究方向之一，其研究進展有助于開拓雷達回波信息的可用維度，其研究基礎為進一步提升雷達探測與識別能力提供了有力的保障。近年來，隨著合成孔徑雷達技術的發(fā)展和硬件水平的提高，SAR系統(tǒng)朝著“搭載平臺多樣化、模式全面化、體制先進化”趨勢發(fā)展，“多源、多維度、多融合”的雷達數(shù)據(jù)對多平臺合成孔徑成像算法的要求變得更加嚴格。然而多平臺合成孔徑成像算法研究畢竟是一個集多平臺，多模式，多維度的SAR信號處理技術研究，還存在著很多有待解決的問題，從現(xiàn)有的研究狀況分析，可以預計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波形成技術的成熟發(fā)展與應用，尤其是微波光子技術方面，國內邢孟道團隊在微波光子SAR/ISAR成像算法領域投入了大量工作，實現(xiàn)了帶寬超過10 GHz的目標成像[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問題，一是超高分辨使得雷達信號的距離徙動特性更為嚴重，二是2維耦合運動誤差的空變特性對成像的影響更大。因此，未來對超高分辨成像算法的研究應重點集中在如何提升目前理想成像算法的距離徙動校正精度以及誤差估計與補償?shù)木取?/p>

(2)面向大遙感數(shù)據(jù)的高效時域成像：傳統(tǒng)的頻域成像算法形式復雜，比較依賴構建的斜距模型，通用性不強，隨著未來多平臺SAR的發(fā)展，運動軌跡多變復雜時便會失效。而時域成像算法(比如BP算法)原理簡單、適用性強，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，一是大運算量和大數(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合自聚焦算法。FBP和FFBP算法的提出對于運算效率的提高有著顯著的作用，然而面對未來TB級數(shù)據(jù)甚至PB級數(shù)據(jù)的發(fā)展，運算效率仍然是個問題，同時如何有效結合運動補償/自聚焦算法以提高成像質量依然是一個待解決的問題。因此，未來對時域成像算法的研究應重點集中在如何提高其效率以及運動補償成像精度。

(3)成像與識別一體化：隨著多平臺SAR發(fā)展趨勢看，目前的雷達體制仍然面臨著實現(xiàn)目標探測、成像與識別一體化的難題，尤其對于未來復雜的戰(zhàn)場環(huán)境。需要沿著雷達成像的靈活化、立體化、可視化的研究思路，重點研究：(a)面向對象的成像理論，包括以觀測場景為輸出坐標系的成像方法，以動目標為對象的SAR成像方法，以及面向場景的SAR圖像質量評估體系；(b)高分辨立體化成像，包括基于立體視角觀測的2維成像方法，解算目標3維信息的立體成像方法；(c)目標電磁特征可視化重構識別，包括目標電磁特征和可視化圖像獲取方法，結合深度學習網(wǎng)絡的目標類別判斷方法，以期實現(xiàn)多平臺SAR對目標的成像與識別一體化。