杜選民，曾 賽

（1.上海船舶電子設(shè)備研究所，上海 201108；2.水聲對抗技術(shù)重點實驗室，上海 201108）

0 引言

合成孔徑聲吶（Synthetic Aperture Sonar,SAS）依靠小孔徑基陣沿方位向移動形成虛擬的大孔徑，對子陣獲得的回波信號進行相干處理獲得高分辨二維斜距面聲圖像[1-2]。SAS 圖像的距離向分辨率與發(fā)射信號帶寬有關(guān)，帶寬越大，距離向分辨率越高；方位向分辨率與方位多普勒帶寬相關(guān)，多普勒帶寬越大，方位向分辨率越高。自20 世紀(jì)60 年代美國Raython 公司提出SAS 技術(shù)以來，經(jīng)過半個多世紀(jì)的發(fā)展，SAS 技術(shù)已經(jīng)逐漸發(fā)展成熟并走向工程應(yīng)用，廣泛用于水下沉底小目標(biāo)的探測與識別。

由于水下沉底小目標(biāo)具有尺度小、強度弱、散射不均勻、周圍干擾目標(biāo)多等特點，導(dǎo)致SAS 在水下沉底小目標(biāo)的探測識別過程中仍然面臨著漏警和虛警問題。首先，條帶SAS 沿直線航跡掃測，這就使得聲吶僅在有限的方位角范圍內(nèi)觀測沉底小目標(biāo)，僅能獲取被測目標(biāo)在部分方位或姿態(tài)下的回波信號，在一定的波束角條件下，合成孔徑相干積累的距離或時間有限，限制了成像分辨率的進一步提高；其次，由于水下目標(biāo)散射聲場空間指向的不均勻性，在有限的觀測角范圍內(nèi)存在探測不到目標(biāo)的可能性，給條帶SAS 圖像的解釋及目標(biāo)識別帶來困難；再者，目標(biāo)深度或高度信息對于水下小目標(biāo)的識別有重要價值，在條帶SAS 基礎(chǔ)上延伸出的干涉合成孔徑技術(shù)雖然可以獲得海底地形地貌的三維曲面高程圖像，但并不是真正意義上的三維成像，即無法分辨相同距離-方位單元內(nèi)不同高度的散射中心，并且由于干涉合成孔徑體制需要采用兩條接收陣，增加了系統(tǒng)的硬件復(fù)雜度和成本[3]。

圓周合成孔徑聲吶（Circular Synthetic Aperture Sonar,CSAS）[4]借鑒了圓跡合成孔徑雷達[5-7]（Circular Synthetic Aperture Radar,CSAR）觀測體制，基于圓形運動孔徑測量水下目標(biāo)回波數(shù)據(jù)，采用層析成像處理獲得目標(biāo)全孔徑聲學(xué)圖像，是條帶SAS 的一種改進。其基本原理是聲吶在目標(biāo)上方一定高度處，以被測目標(biāo)或被測區(qū)域為中心按一定半徑進行圓周運動；在運動過程中，聲吶波束始終照射同一場景區(qū)域，同時獲取被測目標(biāo)或區(qū)域在不同方位角和掠射角下的回波數(shù)據(jù)；在數(shù)據(jù)處理階段，沿高度向構(gòu)建一系列斷層，對每個斷層分別進行層析成像[8-13]，從而獲得二維成像圖像序列，然后對序列圖像進行相干疊加獲得目標(biāo)區(qū)域的三維圖像。

CSAS 可以在多個方面彌補條帶SAS 的不足[14]：（1）CSAS 對被測目標(biāo)及環(huán)境的全角度回波進行相干成像，能夠獲得目標(biāo)的三維聲圖像，降低了因目標(biāo)散射聲場各向異性、圖像疊掩導(dǎo)致的漏警問題；（2）CSAS 最大化利用了測量孔徑，能夠獲得更高成像分辨率；（3）CSAS 具備真正的三維成像能力，有利于提高對識別目標(biāo)的置信度。

本文對國內(nèi)外CSAS 成像技術(shù)的研究進展進行了概述，首先介紹了CSAS 成像的基本概念與分辨率特性，然后分析了國內(nèi)外CSAS 試驗研究進展，接著對CSAS 成像關(guān)鍵技術(shù)研究現(xiàn)狀進行了分析，最后對CSAS 成像技術(shù)進行了總結(jié)與展望。

1 CSAS 基本原理

1.1 水聲層析成像

CSAS 成像原理與醫(yī)學(xué)層析[15]成像一致，其理論基礎(chǔ)是空域傅里葉變換[16]，本質(zhì)上是通過測量空間目標(biāo)圖像的波數(shù)譜或空間頻率譜（與目標(biāo)圖像互為傅里葉變換對）數(shù)據(jù)實現(xiàn)成像。根據(jù)傅里葉變換的性質(zhì)，成像分辨率由波數(shù)譜或空間頻率譜數(shù)據(jù)獲取范圍確定，范圍越大，分辨率越高。水聲層析成像原理簡述如下：首先，假設(shè)被測目標(biāo)分布在二維平面內(nèi)，建立水聲層析成像測量的目標(biāo)回波信號模型，如圖1 所示，以被測成像空間區(qū)域的中心O為 原點建立平面直角坐標(biāo)系xOy，聲吶到被測區(qū)域中心的距離為R0，聲波入射方向與x軸的夾角為θ，即聲吶運動方位角。

圖1 CSAS 層析成像原理 Fig.1 Principle of CSAS imaging

當(dāng)聲吶與被測目標(biāo)之間的距離滿足遠場條件時，采用平面波近似，聲吶在θ方位角采集的回波信號可以表述為：

其中：p0(t)是聲吶主動發(fā)射信號；c是水中聲速；q（x,y）為目標(biāo)外形及其內(nèi)部結(jié)構(gòu)特征反射特性圖像分布，它的物理意義是能產(chǎn)生幾何亮點的目標(biāo)外形輪廓及內(nèi)部強回聲結(jié)構(gòu)的空間分布。在式（1）中，相對延遲距離s是散射點矢量r（x,y）沿θ方向的投影距離，s=xcosθ+ysinθ。對pθ(t)進行一維傅里葉變換，可以得到：

其中：Q0(ω)為主動發(fā)射信號頻率譜；波數(shù)k=ω/c。

對q（x,y）進行二維傅里葉變換，可以得到空間頻率譜：

令kx=2kcosθ、ky=2ksinθ，代入式（3），并與式（2）比較，可以得到：

式（4）建立了時域回波信號pθ(t)的一維頻率譜與被測目標(biāo)或被測區(qū)域反射特性圖像q（x,y）的二維空間波數(shù)譜之間的數(shù)學(xué)關(guān)系，從而可以獲得全方位角的空間頻率譜?；夭ㄐ盘栕V與二維空間譜之間的關(guān)系如圖2 所示。

圖2 回波信號譜與二維空間譜之間的關(guān)系 Fig.2 Relation between echo signal spectrum and 2D spatial spectrum

如果聲吶沿部分圓周進行測量，從方位角θ1運動到方位角θ2，則被測目標(biāo)或被測區(qū)域的空間譜數(shù)據(jù)分布如圖2 中的扇形圓環(huán)部分。通過二維傅里葉反變換可以得到被測目標(biāo)或被測區(qū)域成像結(jié)果，即：

1.2 CSAS 分辨率分析

條帶SAS 方位向和距離向的成像分辨率分別為[17]

其中：R0為聲吶到被測目標(biāo)的距離，λ為中心頻率對應(yīng)的波長；B為信號帶寬；Lsa為合成孔徑長度。

將合成孔徑角θsa≈ 2asin (Lsa/2/R0)代入式（6），則有δ x=λ/ [4 sin (θsa/2)]，方位向分辨率決定于觀測方位角范圍，通過增大觀測方位角，可以提高分辨率。若θsa=π，則δ x=λ/4，即在理論上，水聲層析成像的方位向分辨率可以達到亞波長量級。

點擴散函數(shù)能夠描述聲吶的成像性能，通過公式推導(dǎo)可以得到CSAS 的點擴散函數(shù)[18]：

由式（8）可以看出，基于圓形運動軌跡的水聲層析成像系統(tǒng)方位向的分辨率在窄帶條件下取決于工作頻率，寬帶條件下取決于工作帶寬，并與距離向的分辨率相當(dāng)。

2 典型CSAS 試驗研究進展

CSAS 的概念源于CSAR，一經(jīng)提出，便引起多國研究機構(gòu)的關(guān)注。從CSAS 成像原理分析到CSAS 試驗研究，國內(nèi)外研究機構(gòu)做了大量的研究工作。

2.1 國外研究進展

Soumekh[5]于20 世紀(jì)90 年代首次提出了CSAR基本信號模型，標(biāo)志著CSAR 研究的開端。此后,多國水下機構(gòu)開展了CSAS 的原理試驗。

1995 年，澳大利亞國防研究機構(gòu)賓克利夫斯（Defence Research Agency Bincleaves,ARAB）采用圓形測量軌跡，利用計算機斷層掃描（Computed Tomography,CT）成像原理對水中的石塊以及圓柱目標(biāo)進行了二維成像。2001 年，澳大利亞湯姆森馬可尼聲吶公司為澳大利亞海軍開發(fā)了水雷聲成像聲吶原型樣機AMI，旨在幫助澳大利亞海軍在渾濁水域識別水雷目標(biāo)，在該原型樣機中，采用了圓軌跡測量模式，對圓柱形水雷目標(biāo)進行了二維成像。2005 年，澳大利亞國防科技組織（Defence Science and Technology Organization,DSTO）開展了水下目標(biāo)圓跡層析成像理論和試驗研究[19]，利用傅里葉中心切片定理，該組織成員對實測的水聲數(shù)據(jù)進行了二維成像，試驗中采用高頻150 kHz 和低頻40 kHz的頻率在自由場條件下對Manta 水雷各個姿態(tài)角下的回波數(shù)據(jù)進行采集。試驗用Manta 水雷如圖3 所示，其尺寸為：頂部與底部直徑分別為 49 和98 cm，高為47 cm。成像處理后得到的結(jié)果如圖4所示。此后，DSTO 開展了對沉底Manta 水雷的CSAS 成像試驗，并取得了較好的成像效果。

圖3 試驗用Manta 水雷 Fig.3 Manta mine used in trail

圖4 兩個不同頻率的Manta 水雷成像 Fig.4 Manta mine imaging with two different frequencies

2006 年，美國海軍研究局（Office of Naval Research,ONR）支持開展了基于無人水下航行器（Un-manned Undersea Vehicle,UUV）平臺的CSAS 原理樣機研究，該項目進行了湖上沉底目標(biāo)成像試驗，采用主動聲信標(biāo)用于運動誤差補償[20]，試驗取得較好的成像結(jié)果。2011 年，美國海軍水面戰(zhàn)中心（Naval Surface Warfare Center,NSWC）支持Marston 等開展有限孔徑的圓合成孔徑數(shù)據(jù)處理研究[21]；2013 年，為深入開展CSAS 成像算法和補償算法研究，NSWC 專門建造了試驗水池以及水下圓形導(dǎo)軌用于實驗的測量[22]，獲得了沉底水雷和掩埋雷的二維成像結(jié)果。2014～2016 年，美國海軍研究局（ONR）持續(xù)支持華盛頓大學(xué)應(yīng)用物理實驗室開展CSAS 項目研究，項目組采用REMUS 600 UUV 搭載小型合成孔徑獵雷聲吶（Small Synthetic Aperture Minehunter，SSAM）沿不同高度做圓周測量或螺旋線測量，獲得了典型水下目標(biāo)的三維圖像[23]，效果非常好，圖5 為“梯子”目標(biāo)和自行車目標(biāo)的成像結(jié)果。通過對美國在CSAS 領(lǐng)域中的研究現(xiàn)狀分析可知，其在CSAS 領(lǐng)域處于國際領(lǐng)先地位。

圖5 水下實驗?zāi)繕?biāo)及其三維成像結(jié)果 Fig.5 Underwater experimental targets and their 3D imaging results

2008 年，挪威國防研究機構(gòu)（Norwegian Defense Research Establishment,NDRE）支持開展基于HUGIN1000 UUV 平臺的單航次層析成像試驗[24]與運動補償研究，相關(guān)研究結(jié)果在國際會議上以摘要形式發(fā)表[25]。

2016 年，加拿大研究機構(gòu)利用Kraken 海洋機器人系統(tǒng)搭載AquaPix Multispectral 合成孔徑聲吶，開展了CSAS 原理研究[26]。其在水池中利用旋轉(zhuǎn)平臺對鋁制圓柱目標(biāo)進行了二維成像研究，并根據(jù)圓跡回波的角度頻率譜分析了鋁制目標(biāo)的彈性特征。

2014 年，印度海軍物理與海洋測繪實驗室展開水下目標(biāo)聲層析重建研究，對回波采用后向投影重建，得到了較為精確的目標(biāo)外形輪廓[27]。

2.2 國內(nèi)研究進展

國內(nèi)開展CSAR 成像技術(shù)研究的單位眾多[28-41]，而開展CSAS 成像技術(shù)研究的單位較少。從2016年開始，上海船舶電子設(shè)備研究所在國內(nèi)率先開展CSAS 成像技術(shù)的理論研究與試驗驗證工作[3-4]，已完成了原理樣機的研制，突破了一系列關(guān)鍵技術(shù)，正在開展工程應(yīng)用研究。通過水池試驗對CSAS 的成像原理進行了驗證。如圖6 所示為Benchmark 潛艇目標(biāo)的二維成像結(jié)果，從中可以看出，潛艇模型的指揮臺、肋板以及外形結(jié)構(gòu)均得到了重建，并且與真實的結(jié)構(gòu)一致。圖7 為立體架目標(biāo)的三維成像結(jié)果，通過三維層析成像處理，能夠精確反演得到三維小球模型的三維立體像結(jié)構(gòu)，每層小球個數(shù)與實際模型吻合，而且小球間距與實際吻合。項目組開展了湖上試驗，獲得了水底目標(biāo)的二維和三維圖像，如圖8 和圖9 所示。

圖6 Benchmark 目標(biāo)模型二維成像結(jié)果 Fig.6 Two dimensional imaging result of Benchmark model

圖7 水下立體架及其成像結(jié)果 Fig.7 The underwater 3D frame and its imaging result

圖8 湖上試驗的沉底目標(biāo)及其二維成像結(jié)果 Fig.8 Bottom target in lake trial and its 2D imaging result

圖9 湖上試驗沉底目標(biāo)的三維成像結(jié)果 Fig.9 Bottom target in lake trial and its 3D imaging result

3 CSAS 關(guān)鍵技術(shù)

國內(nèi)外的多次試驗已經(jīng)證實了CSAS 成像效果的優(yōu)異性，但其優(yōu)勢是建立在復(fù)雜的硬件系統(tǒng)和算法之上。下面從成像算法、運動補償、三維成像與后置處理4 個方面對CSAS 成像技術(shù)的現(xiàn)狀進行分析。

3.1 成像算法

由于CSAS 采用的是特殊的曲線孔徑，導(dǎo)致基于直線孔徑的條帶合成孔徑聲吶的成像算法[42-47]（距離-多普勒算法、C-S 算法、ω-k算法）不再適用于CSAS 成像。

CSAS 成像一般分為兩大類，一類是時域法[2-4]，代表性的時域算法有后向反投影（Back Projection,BP）算法、濾波反投影（Filter Back Projection,FBP）算法、因式分解快速后向投影（Fast Factorized Back Projection,FFBP）算法、互相關(guān)法和共焦成像算法等；另一類是頻域法[40,48]，代表性的頻域算法有極坐標(biāo)算法[49]、傅里葉重建算法和基于子孔徑的頻域算法[50-53]。

時域成像算法中，BP/FBP 算法由于成像精度高、成像模式簡單、運動補償容易、無運動軌跡限制等優(yōu)點而成為CSAS 常用的成像算法。但由于CSAS 的成像孔徑遠大于SAS 的成像孔徑，使得回波數(shù)據(jù)量較大，基于BP/FBP 算法的CSAS 成像存在計算量大、成像效率低的缺點。因此，BP/FBP算法通常用于衡量CSAS 其他算法的性能。

為了解決BP/FBP 算法計算量大、成像效率低的問題，學(xué)術(shù)界通常從兩個方面開展研究。（1）通過硬件并行化處理提高BP/FBP 計算效率，如利用圖形處理器（Graphics Processing Unit,GPU）[54]結(jié)合BP 算法，能顯著提高CSAS 成像效率，其缺點在于提升了硬件成本。（2）改進BP 算法，較為成功的是FFBP 算法。FFBP 算法的核心思想是犧牲部分圖像分辨率達到提升計算效率的目的，其通過對圓形孔徑進行子孔徑分解達到計算效率提升的目的，但FFBP 算法需要對子圖像進行插值，會引入插值誤差，孔徑的劃分會影響插值誤差，且誤差會不斷累積放大，最終影響成像質(zhì)量。對數(shù)據(jù)進行頻域處理是提升CSAS 成像計算效率的有效途徑，其中典型的算法是傅里葉中心切片定理（Fourier Slice Theorem,FST）。FST 算法通過對回波數(shù)據(jù)進行波數(shù)域插值后完成對二維圖像的重建，大大提升了計算效率。此外，極坐標(biāo)算法亦是計算效率較高的頻域算法。FST 算法的缺點是只能對觀測場景中心及其較小的鄰域場景進行高效成像，隨著觀測場景的增加，算法對內(nèi)存需求急劇增加、插值運算誤差放大導(dǎo)致成像分辨率下降。非均勻快速傅里葉變換（Nonuniform Fast Fourier Transform,NUFFT）算法[53]通過對全體回波數(shù)據(jù)插值替換FST 算法的內(nèi)插方法，從而減小了插值誤差，提升了成像效率，但成像結(jié)果會有主瓣展寬、旁瓣升高的缺點。

CSAS 的點擴散函數(shù)特性表明其二維成像具有高旁瓣的特點，旁瓣形狀為環(huán)狀，通過加窗[33]、低通濾波均無法抑制或降低旁瓣，反而犧牲了成像分辨率和信號相位，導(dǎo)致聚焦失敗?；贚p范數(shù)[55]圖像特征增強的CSAR 成像方法為降低CSAS 二維圖像旁瓣提供了思路，該方法將成像問題轉(zhuǎn)化為最優(yōu)化求解問題，降低了旁瓣，但會導(dǎo)致主瓣展寬，影響成像精度。

3.2 運動補償算法

CSAS 運動平臺在觀測過程中易受到水流的影響而偏離理想運動軌跡[56]，從而產(chǎn)生運動誤差。從運動誤差的特征來看，可以分為平動（縱蕩、橫蕩、垂蕩）誤差和轉(zhuǎn)動（縱搖、橫搖、橫滾）誤差兩大類[57]。平動誤差會導(dǎo)致聲吶基陣相位中心偏離理想運動軌跡，產(chǎn)生距離單元徙動（Range Cell Migration,RCM），從而使相位誤差增大，嚴(yán)重影響成像質(zhì)量；轉(zhuǎn)動誤差會導(dǎo)致聲吶發(fā)射陣波束腳印偏離目標(biāo)場景區(qū)域中心，當(dāng)波束腳印較窄時，易導(dǎo)致目標(biāo)場景偏出聲吶輻射范圍，無法獲取目標(biāo)有效回波。轉(zhuǎn)動誤差通常可以通過寬波束發(fā)射或運動云臺控制來補償，平動誤差則必須進行傳感器數(shù)據(jù)修正或回波數(shù)據(jù)補償。

相比于條帶SAS，CSAS 運動誤差呈現(xiàn)出新的特征，一是合成孔徑增大，且孔徑為曲線，更易形成誤差；二是誤差呈現(xiàn)嚴(yán)重的二維空變性[58]，即場景中的每個目標(biāo)遭受的運動誤差各不相同，難以進行統(tǒng)一補償，而條帶合成孔徑誤差可以分為方位向誤差和距離向誤差分別進行補償。

CSAS 的運動誤差特性導(dǎo)致對其進行圖像聚焦具有很大的挑戰(zhàn)性。其成圖所需的相干積分孔徑比同范圍的線性掃描積分孔徑大一個數(shù)量級，圓形積分孔徑的高度非線性導(dǎo)致聚焦依賴于水中散射體的高度，在圖像自動對焦問題中，這種特性會導(dǎo)致導(dǎo)航誤差與目標(biāo)真實位置之間的強耦合。除了運動誤差會導(dǎo)致圖像聚焦模糊之外，水體聲速非均勻也會導(dǎo)致成圖模糊[59-60]。

針對CSAS 運動誤差的補償方式主要有兩種：（1）基于運動傳感器進行誤差粗補償[57,60-62]，如利用慣性導(dǎo)航系統(tǒng)（Inertial Navigation System,INS）或慣性測量單元（Inertial Measurement Unit,IMU）、多普勒測速儀（Doppler Velocity Log,DVL）和GPS 對運動平臺信息進行感知后修正運動偏航，基于運動傳感器的補償方法的補償精度取決于傳感器性能，其通常無法修正亞波長級別的運動誤差，但其優(yōu)點是實時性好，處理過程相對簡單，能夠完成對場景的粗略成像。（2）基于聲吶回波數(shù)據(jù)的運動補償[63-74]，其基本原理是運動誤差必然藏在回波結(jié)構(gòu)中，該方法能夠補償亞波長級別的誤差，實現(xiàn)對目標(biāo)的精確成像，補償精度高，適用性好，其缺點是處理過程繁瑣。根據(jù)使用回波的形式可以將基于回波信號的補償方法分為“微導(dǎo)航”和自聚焦兩類?！拔?dǎo)航”方法使用原始信號估計載體的運動信息，如偏移相位中心法（Displaced Phase Center,DPC）。自聚焦方法使用回波圖像域數(shù)據(jù)進行相位補償，如相位梯度自聚焦（Phase Gradient Autofocus,PGA）方法和偏移幀圖像自聚焦（Displace Frame Image Autofocus,DFIA）方法。

針對運動傳感器測量精度無法滿足亞波長運動補償需求的問題，在早期CSAS 試驗過程中，國外研究機構(gòu)通過在場景中布置主動聲信標(biāo)或水聽器進行載體運動軌跡重建[20]，計算運動誤差引入的相位誤差，補償原始信號回波，實現(xiàn)亞波長導(dǎo)航精度，從而完成對目標(biāo)的精確二維成像。該方法一般用于成像算法驗證，缺點是實用性較差，因為在真實的工作場景下，往往不允許在成像場景中布設(shè)合作信標(biāo)。值得指出的是，早期的CSAR 試驗依賴于成像場景中的各向同性散射體（非合作信標(biāo)）來完成運動補償[59]。其原理與合作信標(biāo)有所區(qū)別，CSAR依賴各向同性散射體補償?shù)谋举|(zhì)是在小的觀測場景半徑、掃描半徑比下點擴展函數(shù)（Point Spread Function,PSF）在圖像上近似均勻，而CSAS 的場景半徑、掃描半徑比較大，像差孔徑方差（Aberration Spatial Variance,ASV）很大導(dǎo)致點擴展函數(shù)非均勻。值得注意的是，CSAS 場景半徑與掃描半徑較大的原因在于觀測目標(biāo)位置不確定與載體導(dǎo)航積分漂移共同導(dǎo)致的[60]。

為了擺脫對觀測場景中主動信標(biāo)的依賴，采用子孔徑半相關(guān)方法進行CSAS 運動補償[75-76]，其本質(zhì)是通過譜相關(guān)對子孔徑圖像之間的最優(yōu)平移量進行估計，從而實現(xiàn)圖像對焦。該算法的缺點在于，其要求信號的相位一致性較好，且限于處理點目標(biāo)，在遠離點目標(biāo)的區(qū)域，圖像質(zhì)量會迅速下降。

為了解決CSAS 圖像中像差空間變異的問題，研究人員提出了一種利用局部二次相位誤差來估計運動誤差并進行校正的方法[77]，該方法使用一對一維方位濾波器生成斜視“偽條帶”圖[21,78-79]，在此基礎(chǔ)上，估計二次相位誤差的距離和角度的相關(guān)性并將其分解為導(dǎo)航誤差進行校正。由于斜視“偽條帶”圖是二維的，對于三維運動誤差估計，因此該方法是欠定的。

為了同時解決對主動信標(biāo)的依賴以及運動誤差導(dǎo)致空間畸變而引起的圖像像差問題，Cantalloube[80]提出了一種魯棒的圓周合成孔徑數(shù)據(jù)聚焦方法，即多點定位（Multilateration,MLAT）法。該方法利用多子孔徑相關(guān)技術(shù)對成像場景中的子圖像塊單獨聚焦，通過生成微導(dǎo)航方案，完成對斜距誤差的估計。由于沒有考慮導(dǎo)航誤差與聚焦平面（高度）誤差之間的強耦合關(guān)系，特定條件下該方法補償失效。

事實上，Callow 等已經(jīng)指出運動平臺的導(dǎo)航誤差與聚焦平面誤差都會導(dǎo)致CSAS 圖像散焦[76]，二者高度耦合，在進行運動估計時必須同時給出導(dǎo)航誤差估計值與散射體高度值（聚焦平面高度）。Ran等在條帶掃描數(shù)據(jù)聚焦處理中[81]，基于多點定位理論，通過加 權(quán)總最 小二乘（Weighted Total-Least-Squares,WTLS）方法同時估計了導(dǎo)航誤差和子圖像位置，為CSAS 圖像聚焦處理提供了參考。

現(xiàn)有MLAT 算法基于的是子孔徑相關(guān)技術(shù)。由于子孔徑相關(guān)技術(shù)強烈依賴于圖像的目標(biāo)-雜波比，當(dāng)場景中存在極端各向異性散射體、目標(biāo)-雜波比很低或者波束在某些角度未覆蓋目標(biāo)時，基于子孔徑相關(guān)的參數(shù)估計模型會由于這些異常值的影響而導(dǎo)致誤差估計失敗，從而導(dǎo)致多點定位方法失效。為了降低多點定位算法對異常值的敏感性，Marston 等[60,82]通過引入正則化項，對噪聲解區(qū)域進行隔離和平滑插值處理，采用數(shù)據(jù)加權(quán)的正則化高斯-牛頓（Guass-Newton,G-N）方法求解全局非線性超定方程，同時給出了導(dǎo)航誤差和聚焦平面誤差，實現(xiàn)了圖像聚焦。此外，Marston 等[83]還針對子圖像相位誤差估計，提出了波數(shù)域廣義錐模型，較好地對圖像進行了相位補償，實現(xiàn)了圖像聚焦。

3.3 三維成像

單航過CSAS 波數(shù)譜支撐域為圓臺或傾斜圓臺三維結(jié)構(gòu)，波數(shù)譜三維結(jié)構(gòu)表明單航過CSAS 具備三維成像能力[3]。文獻[4]通過改變聚焦平面，仿真與試驗驗證了單航過CSAS 的三維成像能力。此外，基于投影共焦三維成像算法以及最小能量準(zhǔn)則參數(shù)估計的三維成像算法在單航過CSAR 中得到了驗證，為單航過CSAS 成像提供了依據(jù)。

為提升CSAS 三維成像的高度向分辨率，研究人員提出并試驗驗證了CSAS 多航過觀測模式。典型的多航過（Multi-Pass）模式分為三種：徑向多航過、高度向多航過和沿著高度向的螺旋上升式多航過。多航過模式增加了高度維的合成孔徑長度，通過垂直維高分辨算法實現(xiàn)高度維的高分辨，最終實現(xiàn)CSAS 的高分辨三維成像，文獻[23]、[83-85]也表明，壓縮感知（Compressed Sensing,CS）算法是抑制CSAS 高旁瓣、高度維高分辨率和三維成像的理想技術(shù)途徑。

水下航行器繞觀測目標(biāo)進行多航過測量，會導(dǎo)致測繪時間較長、不同航過數(shù)據(jù)難以對齊等問題，而且由于運動載體容易受到水文環(huán)境的影響，多航過測量時會形成運動平臺累積誤差，這會對多航過CSAS 三維成像的運動補償形成巨大挑戰(zhàn)。為了解決該問題，文獻[3]通過利用垂直短陣進行單航過測量，一次性解決了多航過測繪時間長、數(shù)據(jù)對齊難的問題，對高度向數(shù)據(jù)進行高分辨陣列處理，對水平向數(shù)據(jù)進行二維層析處理，對不同高度向數(shù)據(jù)進行相干處理獲得了水下目標(biāo)三維圖像。垂直短陣測量模式的缺點是工程使用受限。

此外，CSAS 三維成像圖像的渲染、表征與快速顯示[82]也是值得研究的課題。

3.4 后置處理

隨著人工智能技術(shù)的發(fā)展，許多機器學(xué)習(xí)和深度學(xué)習(xí)方法已經(jīng)應(yīng)用于前視聲吶、側(cè)掃聲吶和合成孔徑聲吶圖像的后置處理，如目標(biāo)的自動檢測、圖像分割、特征提取與識別[86-95]等，并取得了較好的處理效果。

與傳統(tǒng)的聲吶圖像相比，CSAS 圖像分辨率更高，具備三維特征，信息量更加豐富。在光學(xué)圖像處理領(lǐng)域獲得成功的深度學(xué)習(xí)方法在CSAS 圖像后置處理方面具有廣闊的應(yīng)用前景[96-97]。2020 年，美國海軍海上系統(tǒng)司令部（Naval Sea Systems Command）機器智能防御實驗室（Machine Intelligence Defense Lab）采用半監(jiān)督深度卷積自編碼-解碼網(wǎng)絡(luò)對CSAS 聲吶圖像進行了目標(biāo)檢測、分割和識別處理[98]，其基本思路是采用單支編碼（Single-Branch-Encoding,SBE）、多支解碼（Multi-Branch-Decoding,MBD）卷積網(wǎng)絡(luò)實現(xiàn)對CSAS 圖像目標(biāo)的檢測、跟蹤和分割，編碼器分支從CSAS 圖像中提取不同空間尺度的對比特征，一支解碼器分支以無監(jiān)督方式突出顯示視覺域顯著區(qū)域，其他解碼器分支通過監(jiān)督學(xué)習(xí)細節(jié)標(biāo)記圖像的前景和背景，將候選分割解決方案輸入深度解析網(wǎng)絡(luò)，得到最終目標(biāo)的輪廓，完成目標(biāo)分割和特征提取，實現(xiàn)目標(biāo)自動識別。結(jié)果顯示，該深度學(xué)習(xí)方法在其CSAS 圖像數(shù)據(jù)集上取得了顯著的分割與識別效果。

4 CSAS 存在的問題和發(fā)展趨勢

4.1 存在的問題

本文對CSAS 系統(tǒng)和試驗的研究進展進行了綜述，詳細分析了其關(guān)鍵技術(shù)的發(fā)展現(xiàn)狀，對比國內(nèi)外研究現(xiàn)狀，CSAS 技術(shù)尚存以下問題：

（1）成像算法有待進一步優(yōu)化。時域成像精度高但效率低，頻域成像算法計算效率高但算法復(fù)雜實時性較差。因此，亟待發(fā)展適合硬件并行處理的快速時域成像方法。此外，旁瓣抑制也是需要考慮的問題。

（2）運動補償方法有待進一步改進。運動補償是合成孔徑聲吶成像處理永恒的主題，CSAS 由于曲線孔徑引起的導(dǎo)航誤差與聚焦平面誤差高度耦合，尚不存在魯棒性的運動估計補償算法，需要在該方向持續(xù)研究[99]。

（3）三維成像技術(shù)有待優(yōu)化。CSAS 多航過測量方式導(dǎo)致高度維采樣稀疏非均勻且航過次數(shù)有限的情況下，高度維的分辨率將更多地依賴于陣列信號處理，由于高程采樣是時變的，需要考慮高程數(shù)據(jù)的對齊問題。如何用最少的航過次數(shù)實現(xiàn)高精度三維成像也是需要考慮的問題。此外，三維圖像的快速顯示與表征、基于方位角的圖像顯示也是值得研究的課題。

4.2 發(fā)展趨勢

從二維成像拓展到三維成像是SAS 成像技術(shù)的一次重要跨越。CSAS 三維成像解決了常規(guī)SAS中的成像疊掩問題，能夠?qū)崿F(xiàn)目標(biāo)的三維分辨，從而可以在復(fù)雜場景下對目標(biāo)進行三維定位、獲取垂直結(jié)構(gòu)等。未來CSAS 三維成像技術(shù)結(jié)合UUV 平臺技術(shù)，能夠大大提高對水下小目標(biāo)探測識別的工作效率，尤其是可以采用分階段搜索的方法。在目標(biāo)搜索階段，利用前視聲吶、側(cè)掃聲吶、合成孔徑聲吶等多種成像模式遠距離發(fā)現(xiàn)目標(biāo)；在目標(biāo)查證階段，利用聲吶層析成像獲取目標(biāo)的全方位精細圖像。

5 結(jié)論

由于CSAS 具有亞波長量級的二維平面分辨率、三維成像能力以及全方位觀測能力等優(yōu)勢而得到廣泛關(guān)注。本文分析了CSAS 成像原理和分辨率特征，詳述了CSAS 國內(nèi)外研究和試驗進展，從成像算法、運動補償、三維成像和后置處理等4 個方面綜述了CSAS 關(guān)鍵技術(shù)的研究進展，分析了其存在的問題和發(fā)展趨勢。隨著電子技術(shù)和信號處理技術(shù)的迅猛發(fā)展，CSAS 技術(shù)將得到進一步發(fā)展，并走向工程應(yīng)用。