作者中心
专家审稿
责编办公
编辑办公
-
摘要: 弹载合成孔径雷达(SAR)可对观测区域进行二维高分辨率成像，获得丰富的地貌特征以及目标的尺寸、形状特征，进而选择打击点并提高打击精度和效率。与传统的机载/星载SAR成像体制相比，弹载SAR由于其探测距离远、大机动曲线突防和多平台协同作战的特点，给雷达成像技术带来了新的挑战：导弹末制导阶段处于二维甚至三维加速的大斜视工作模式，飞行轨迹与传统的SAR成像模式不同，这会带来距离方位的严重耦合，成像质量退化严重；在攻击飞行段，导弹的天线波束直接指向目标区域，弹载SAR将工作在前视状态，传统的SAR成像技术难以获取目标二维高分辨图像。针对弹载SAR存在的这些问题，该文立足弹载SAR作战需求，从曲线轨大斜视成像、前视成像和协同成像方面介绍了弹载雷达成像的关键技术和发展现状，展望未来弹载雷达成像技术的发展趋势。Abstract: The missile-borne SAR may create high-resolution two-dimensional images of the observation area to gather detailed geomorphological information and information on the size and shape of the target, thereby helping to choose the attack place and enhancing assault precision and effectiveness. Compared with conventional airborne and satellite-based SAR imaging systems, missile-borne SAR brings new problems to radar imaging technology due to its characteristics of long-range detection, large maneuver curve raid, and multiplatform cooperative operations. The missile attack stage is in two- or three-dimensional accelerated high-forward squint imaging mode. The flight trajectory differs from the general SAR imaging mode, resulting in the severe coupling of distance orientation and deteriorating imaging quality. The ballistic SAR will operate in a forward-looking mode during the attack flight stage, which will blur the images and reduce their clarity. The missile beam antenna will also be pointing directly toward the target area. With these issues in mind, this paper introduces the key technologies and development status of ballistic SAR imaging in terms of curved-track large oblique imaging, forward-looking imaging, and cooperative imaging based on military requirements and anticipates the future development trend of this technology.
-
1. 引言
早期雷达成像系统受制于体积和处理时效性的限制，多用于机载平台和星载平台[1-3]，随着高速存储硬件、快速数字信号处理以及多核并行架构等工程化技术的迅速发展，雷达信号处理的实时性得到大幅提高[4,5]，雷达成像系统也逐步向多功能、微型化、智能化方向发展，这给超声速战机、弹道导弹等对实时性要求极高的高机动平台成像制导技术的应用提供了基础。弹载合成孔径雷达(SAR)成像技术具有全天时、全天候、远距离、主动成像等优势，极大提升高机动平台对高价值目标探测、识别和精准打击能力，是国家安全领域的重大战略需求。在未来新型作战环境下，弹载成像技术所面临的作战目标、环境、任务将会发生显著变化，高速、高机动空中和空间隐身目标大量涌现，强地物杂波广泛分布，有源干扰、无源干扰等先进干扰手段被大量应用，诸多因素使精确制导武器的探测和作战环境日趋严苛[6,7]。以高机动平台为载体的雷达成像系统，能有效地实现精确制导武器在恶劣天气条件下对目标的远距离探测识别、高速突防与精确打击，是对国家作战力量的有利提升。
目前，弹载合成孔径雷达制导技术是合成孔径雷达技术和精确制导技术相结合的一个高新科技，是提高命中精度、缩短发射准备时间和增加目标选择能力的重要技术，它将对未来武器发展和作战效能提高产生巨大影响[8-10]。然而，雷达成像技术的应用和平台的类型密切相关，平飞小角度单基平台的成像构型已远远不能满足弹载雷达成像制导的作战需求。高机动变轨曲线、大斜视角和多基协同探测制导等导弹作战模式给弹载雷达成像技术带来了新的挑战。其中等效斜距模型不匹配、回波距离方位耦合严重、前视成像困难等问题严重制约了弹载雷达成像技术的应用，这些也是人们急需攻克的关键技术难点。
基于以上背景，本文从导弹的作战需求出发，结合雷达成像技术的发展过程，从两个方面分析弹载雷达成像在探测制导中的发展现状：由平飞小角度斜视成像向高机动曲线轨迹大斜视成像发展；由斜视合成孔径成像向前视超分辨雷达成像发展。本文详细阐述了不同成像模式在实际应用中面临的技术挑战，牵引出未来弹载雷达成像技术的应用发展方向，并为相关从业人员提供参考。
2. 弹载成像需求分析
制导精度直接决定了导弹的作战效能，传统的弹载雷达主要采用电视制导、红外制导、激光制导、惯性制导等技术。但这些制导技术不同程度地受制于强光的干扰、云雾和天气干扰、热源干扰和惯导精度误差干扰，制导精度下降。雷达成像制导可以在全天时、全天候、远距离探测目标并获取高分辨图像，可以有效避免上述问题，实现目标识别、匹配、精准打击。
不同于某一种雷达成像方法，弹载雷达成像制导技术需要随着弹体的作战程序及时改变，是一种复合制导方式。如图1所示，通用的制导模式可以概述为[11]：
阶段1：高速平飞段。通过宽带成像雷达，在远距离对目标进行大范围搜索，对地面场景和目标进行高分辨成像，判定目标的大致位置。此阶段导弹处于斜视观测状态，斜视角越大，越有利于后续弹体实现轨道拉偏，但是大大增加了成像处理难度。
阶段2：曲线机动阶段。此阶段需要导弹实现弹道调整、主动规避和突防任务，并且要求雷达始终跟踪所选目标或区域。因此该阶段不仅面临大斜视成像难题，还面临导弹的曲线机动弹道对成像的影响。
阶段3：俯冲前视阶段。此阶段为导弹打击的最后阶段，导弹快速前向接近目标，并实现精确打击。因此该阶段不仅面临前视成像难题，还面临导弹俯冲弹道对成像的影响。
对于高机动平台，观测能力和观测范围关乎执行任务的效能，前视二维高分辨成像有利于对目标精准识别和快速打击。协同双基SAR可以弥补单基SAR成像技术无法前视的缺陷，通过在多个平台配置雷达，以及多平台数据链信息共享，对雷达信号相干积累，获取雷达前视区域的SAR图像。因其独特的协同观测体制，协同双基SAR还具有多角度观测和被动接受静默等特性[12-14]，有利于对地物目标的识别并有效降低成本和增加接收机的隐蔽性。此外，多平台合作、高精度打击、攻击部自主寻的已成为新的现代战争形势，协同双基SAR技术可以进一步强化导弹全天候复杂战场环境作战能力。双基弹载协同成像示意图如图2所示。
综上所述，弹载成像技术是包含大斜视成像、曲线轨迹成像、前视超分辨成像、多平台协同成像等技术的复合成像技术。
3. 弹载成像技术发展现状
3.1 弹载大斜视成像发展
传统SAR成像技术多应用于星载成像和机载成像，主要通过平飞小斜视角观测实现不同时刻散射信息的最大累积，以获得较高的方位分辨率。然而弹载成像主要服务于匹配制导和巡航等雷达平台作战功能，并以目标打击为最终目的，因此传统平飞小斜视角不再适用于弹载成像，同时也无法完成远程目标的持续探测任务。
为实现高速突防目标打击，导弹需要具备曲线运动轨迹，完成弹道调整、主动规避和突防任务，并且实现雷达始终精确跟踪所选目标或区域。因此曲线机动阶段的弹载成像需要具备曲线运动轨迹、高速高机动和大斜视等特性条件。一方面，与传统直线匀速轨迹成像相比，伴有高速高机动特性的曲线轨迹会明显地改变雷达回波的信号频谱表征，使得信号处理方式也产生较大变化，最终导致相位信号模型表征模型失配。另一方面，为满足远程目标探测制导需求，弹载SAR成像采用的大斜视角成像模式使得回波信号距离-方位耦合严重加剧，导致传统小斜视成像算法难以有效解耦，残余的距离-方位耦合分量具有较强的二维空变性。此外，在大斜视成像模式下，距离-方位的解耦后的多普勒中心残留项会随着距离单元变化，最终影响方位的聚焦。因此，斜距表征失真校正、距离-方位有效解耦合和多普勒空变参数校正是曲线机动阶段成像需要研究的关键问题。
3.1.1 曲线弹道的信号模型表征
在弹载SAR成像技术中，由于导弹的高机动曲线弹道特性，对其运动模型的精准表征是弹载SAR成像的关键问题之一，能够为后续的成像聚焦、运动误差补偿、几何畸变校正、目标检测识别等技术提供精确的信号模型支撑。弹载平台高机动特性导致其斜距模型耦合了平台的三维加速度，不仅导致斜距模型表征精度不够引起失真，还使得表征模型难以与导弹的运动特性相匹配从而影响图像聚焦。因此，三维加速度的有效解耦是提升斜距模型表征精度的关键技术手段。
对曲线轨迹单基SAR成像中瞬时斜距模型构建，直接思路是将理想直线轨迹分量与三维加速度分量分离，通过泰勒展开实现数学模型表征，这种斜距等效近似方法既能保证频谱精度，也能将加速度对斜距的影响分离。沿着该思路，北京航空航天大学Wang等人[15]提出了改进的等效斜视斜距模型(Modified Equivalent Squint Range Model, MESRM)，成像结果如图3所示。从图3可以看出，基于MESRM成像，对边缘场景的聚焦具有良好的效果。此外，西安电子科技大学Bao等人[16]也提出了一种改进的双曲斜距模型(Modified Advanced Hyperbolic Range Model, MAHRM)，也具有较好的聚焦效果。
然而上述等效方法仅适用于加速度不大的平稳轨迹成像，针对弹载曲线大斜视成像，弹道伴随较大的加速度导致较大曲率，等效模型的精度不满足要求，难以得到良好的成像效果。因此，西安电子科技大学Li等人[17]提出了改进的4阶等效斜距模型(Improved Fourth-order Equivalent Slant Range Model, IERM4)，如图4所示。从图4可以看出，传统斜距模型引入的误差容易导致边缘点的聚焦效果不理想，而结合IERM4的成像法对边缘点的良好聚焦仍然有效。与此同时，国防科技大学Deng等人[18]提出的基于误差投影的等效斜距模型(Error-Projection-based Equivalent Range Model, EPERM)也有具有良好的聚焦效果。
虽然等效模型的精度进一步得到了提升，但是在三维加速度耦合严重的情况下，时变加速度会引起回波信号多普勒参数的剧烈变化，造成方位频谱的展宽和扭曲，如图5所示。在此基础上，西安电子科技大学Li等人[19]提出基于加速度分离的等效斜距模型(Acceleration-separation-based Equivalent Range Model, ASERM)，将瞬时斜距等效为理想的匀速直线斜距模型与含加速度的运动误差扰动模型结合的形式，由于加速度误差分量由2阶拓展到6阶，从而将加速度对斜距的影响分离。此外，与EPERM相比，ASERM的模型精度更高，如图6所示，这样更能满足高速平台时变加速度轨迹成像需求。因此，高精度的等效模型对于弹载SAR成像算法的设计具有重要意义。
图 5 时变加速度对频谱的影响示意图Figure 5. Schematic diagram of the effect of time-varying acceleration on the spectrum
图 6 EPERM和ASERM的斜距误差和相位误差结果对比Figure 6. Comparison of the results of slant distance error and phase error of EPERM and ASERM3.1.2 大斜视成像的解耦滤波校正
弹载SAR成像面临的另一个问题主要是由高速运动和大斜视角观测的特点引起的，特别是在曲线机动阶段，当速度高到一定程度时，雷达平台收发同一脉冲的位置分离，导致传统的“一步一停”假设可能不再成立，因此“一步一停”的模型假设需要重新进行分析和讨论。由于“一步一停”模型假设是由合成孔径时间、中心距离、斜视角、平台速度等多参量共同决定的，在实际的工程应用中可以通过给出的这些系统参数，计算出其相位误差是否满足“小于
π/4 ”的边界条件，如果满足，则“一步一停”模型假设依然可以应用。传统SAR成像技术，都需要进行距离-方位解耦合。距离方位解耦合的频域算法通常包括RD算法、ω-k算法、CS算法和PFA算法等。在小斜视角度观测条件下，回波信号距离-方位耦合的空变性较小，因此成像处理简单，如图7(a)所示。然而在大斜视角度观测条件下，不仅使得回波信号方位频谱折叠，导致传统成像算法无法直接处理，还会使回波信号距离-方位耦合严重加剧，致使成像处理难度加大，如图7(b)所示。因此，一般会先采用时域走动校正的方法将斜拉谱校正成二维正交谱，从而避免方位谱折叠和进一步降低距离方位耦合。
针对以上问题西安电子科技大学余涛[20]提出了一种结合SPECAN处理的子孔径高阶相位校正方法(High-order Phase Correction Approach, HPCA)，校正了多普勒调频率的1阶和2阶方位空变，如图8所示。
北京航空航天大学Sun等人[21]提出了一种适用于子孔径成像的ω-k算法，采用方位重采样的方法消除多普勒调频率的方位空变特性，并采用SPECAN处理将子孔径数据聚焦在多普勒域，克服了子孔径时域聚焦需要大量补零的问题，如图9所示。
国防科技大学An等人[22]提出了一种扩展非线性变标算法，采用高阶近似处理，通过选择缩放系数，使用一种改进的方位角操作方法，将方位角压缩率均衡，提高了大斜视角下的SAR数据成像分辨率。该团队还提出了一种扩展的两步聚焦方法[23]，引入了一种非线性距离预处理方法，来消除大斜视角对方位粗聚焦的影响，用于处理大斜视SAR数据，能够在一定程度上获得高分辨大场景SAR图像。西安电子科技大学Li等人[19]提出了逆映射滤波极坐标格式算法，并且对高速平台时变加速度轨迹SAR成像具有较好的聚焦效果，如图10所示。
电子科技大学Huang等人[24]提出了一种耦合了三维加速度的大斜视SAR高精度成像算法。通过泰勒级数扩展距离历程，提出二维非均匀快速傅里叶变换(2D-NUFFT)，具有较好的聚焦效果。北京理工大学Zeng等人[25]提出了一种改进的子孔径机动平台大斜视成像方法，如图11所示。该方法在方位频域进行分块处理以校正方位空变的距离单元走动(Range Cell Migration, RCM)，并采用方位NCS校正多普勒参数的方位空变，然而存在着子孔径分块相位不连续的问题。
西安电子科技大学Xing等人[26]针对大斜视SAR提出了一种新的基于方位角重采样的频谱处理方法， 走动校正有效地解决了频谱混叠问题，通过方位重采样解决了方位空变问题，实现高精度成像，如图12所示。大斜视曲线轨迹SAR成像处理流程如图13所示。图14展示了单基雷达大斜视角成像实测数据处理结果。
图 13 大斜视曲线轨迹SAR成像处理流程Figure 13. High squint curve trajectory SAR imaging processing flow
图 14 单基大斜视角(75°)成像实测数据实时处理结果Figure 14. Real time processing results of single base large squint angle (75°) imaging measured data3.1.1节提到的NCS等算法，都是在尝试用不同的方式在频域实现回波的二维解耦合，从而利用FFT (Fast Fourier Transform)/IFFT (Inverse Fast Fourier Transform)运算快速成像，这些算法可以归结为频域成像算法。频域成像算法需要对回波数据建立精确的信号表征模型，进而基于该模型进行二维解耦，然而在大斜视曲线SAR成像构型中，斜视角越大，三维加速度越复杂，回波中存在的距离方位耦合就越严重，频域成像算法逐渐失效。时域算法是另一种SAR成像算法，并且理论上适用于任何轨迹，可以理想地解决距离-方位耦合问题。时域成像算法以后向投影(Back-Projection, BP)算法为核心，通过精确计算雷达平台与目标点的瞬时斜距，进行相位补偿和相干累积。因此，时域算法适用于任意雷达平台轨迹、任意斜视角的成像模型[27,28]。在高机动平台曲线轨迹和大斜视角成像模型中，时域成像算法可以突破传统频域算法中回波信号二维方位耦合的限制，实现高精度成像。过去几十年中，相关领域内的学者已经开展了对时域成像算法的研究工作。
BP算法可以在任意成像坐标系下成像，但是其依赖“点对点”的成像积分，导致时域成像计算复杂度过高。如何提高时域成像的运算效率一直是人们研究的重点，1999年，研究学者Yegulalp[29]提出快速后向投影(Fast BP, FBP)算法，将时域成像算法应用到极坐标成像系，并利用孔径长度与角度采样之间的线性关系，利用子孔径降低角度采样数，提升成像速度，之后需要将极坐标的子孔径图像转换到统一的直角坐标系，进行相干累加的融合处理。后来Ulander等人[30]提出了基于极坐标系发展而来的快速分解后向投影(Fast Factorized BP, FFBP)算法，通过逐级相邻孔径插值融合的成像构型方法，进一步缩短了成像时间，同时具有接近BP的成像精度，如图15所示。
西安电子科技大学Zhang等人[31]提出了一种加速的FBP (Accelerated FBP, AFBP)算法，利用
sinθ 和方位波数谱kx 之间的傅里叶变换关系，采用子孔径波束谱(kr,kx) 融合方式，进一步提高时域成像速度，如图16所示。基于直角坐标频谱融合的思想，西安电子科技大学Dong等人[32]提出了直角坐标分解后向投影(Cartesian Factorized BP, CFBP)算法，相比传统极坐标图像融合，CFBP成像精度更高，如图17所示。
相比于原始BP算法可以直接在地平面成像的特点，上述快速时域成像算法将成像平面定义在斜平面，后续仍需要斜地转换和几何校正的处理，这无疑牺牲了时域算法的灵活性。虽然时域成像算法摆脱了雷达平台轨迹和斜视角的限制，受到了人们的广泛关注，但是其成像的实时性还有待提高。此外，时域成像算法严重依赖对瞬时斜距的精确计算，因此对平台惯导系统精度要求较高，这也一定程度上限制了时域成像算法的应用。不同时域成像算法的处理流程如图18所示。
图 18 不同时域成像算法处理流程Figure 18. Processing flow of different time-domain imaging algorithms3.2 弹载前视成像发展
由于导弹正前方区域距离与多普勒分辨特性方向一致，且存在多普勒对称模糊现象，传统斜视合成孔径成像技术无法获取前视区域的二维高分辨图像[33]，开展寻的式制导工作。此外，弹体在成像过程中保持斜视观测，在末制导阶段，必须由斜视姿态转换至前视姿态，才能实现对目标有效识别、精准打击的作战需求。传统的雷达前视成像方法如多普勒波束锐化(Doppler Beam Sharpening, DBS)虽然能够实现前视锐化显示，由于天线方向图的能量分布随机不集中和天线低通滤波的特性，导致作用威力受限以及回波目标的高频信息存在缺失[34]，要实现雷达方位向高分辨，人们需要从回波数据提供的少量信息中求解成像场景中的大量信息，病态问题的存在导致成像方位分辨率受限[35-37]。实孔径雷达受限于信号本身和天线能力，在机动平台上难以获得令人满意的前视分辨。因此，如何实现雷达正前视区的高分辨成像，正成为弹载雷达成像技术中亟需解决的难题。为此，本节介绍几种可行的雷达前视成像技术，分别是微波关联成像技术、扫描雷达解卷积成像技术、协同前视雷达成像技术。
3.2.1 单基前视成像技术
3.2.1.1 微波关联成像技术
通过波前调制，实现前视区域目标分辨的技术，是近年来新兴的前视成像技术。微波关联成像是其中的典型代表，它是通过时空不相关的探测信号形成随机辐射场，获得目标的差异性回波，进而实现对目标位置的反演。借鉴光学成像中的“鬼成像”[38,39]，中国科学技术大学的王东进等人[40,41]于2010年首次提出了微波关联成像的概念。该方法基于微波的时空二维随机辐射场获得目标的分布特征。微波关联成像的流程框图与成像示意图[42]如图19所示。
针对微波关联成像，学者主要在以下3个方面开展了相关研究：
(1) 成像机理研究
在成像机理研究方面，主要集中在对关联成像分辨能力与影响因素的研究上。中国科学技术大学的马远鹏[43]采用成像面积与独立辐射场样本数之比来定义凝视关联成像的平均分辨率。国防科技大学的李东泽[44]适用采用相关法时关联成像的空间模糊函数定义关联成像的基本分辨能力。国防科技大学的查国峰[45]研究了影响关联成像的成像质量的因素，分析了信号波形、阵列构型等因素。国防科技大学的Li等人[46]提出利用关联成像对三维空间散射系数进行反演，将关联成像的成像维度扩展至三维。
(2) 随机辐射场的构造方式
随机辐射场的构造方式方面的研究大致可分为3类。
第1类，主要通过辐射单元对发射信号进行随机调制实现随机辐射源的构造，包括随机调频、随机调幅和随机调相等。
第2类是对辐射单元的空间布局优化以及发射信号进行优化与设计。其中，中国科学技术大学的孟青泉[47]基于阵元分布熵最小准则，采用遗传算法对随机辐射源进行优化设计。中国科学技术大学的Liu等人[48]提出了一种基于正交基反演的辐射源发射信号设计方法，该方法的基本思想是使辐射源产生的辐射场尽可能地逼近一组标准正交基，从而产生尽可能正交的辐射场，提高关联成像能力。中国科学技术大学的张健霖[49]对辐射源的设计理论进行了详尽的研究，研究了口面源辐射与口面源的辐射过程，给出了积分形式和矩阵形式的成像方程，建立了辐射源参数与辐射场之间的关系。并提出一种以观测矩阵条件数为目标函数、基于模拟退火算法的观测矩阵优化方法。
第3类是利用某些特殊材料实现随机辐射场的构造。上海交通大学的Yang等人[50]提出可以利用等离子透镜构造随机辐射场。西安交通大学的张安学等人[51]指出可以利用超材料天线对信号的不同频率具有不同的调制的特性来构造随机辐射场。
(3) 关联成像算法
在关联成像算法方面，常用的方法有4种：匹配滤波法[52]、伪逆法[53,54]、正则化方法[55]和压缩感知方法[56]。匹配滤波法计算速度快但成像分辨率低；伪逆法即最小二乘法，在辐射场矩阵条件数较大时，该方法的成像效果对噪声和模型误差的鲁棒性很差；正则化方法是对最小二乘方法增加正则项改进得来的，可以提高成像对噪声的鲁棒性。由于微波关联成像的模型与压缩感知理论比较吻合，因此，目标在某一域内稀疏的条件下，压缩感知的稀疏恢复算法就可以应用到微波凝视关联成像中。主要算法有：基追踪算法(Basis Pursuit)[57]、稀疏贝叶斯学习(Sparse Bayesian Learning, SBL)[58]、光滑范数算法(Smoothed L0．Norm, SLO)[59]、欠定系统聚焦求解算法(FOCal Underdetermined System Solver, FOCUSS)[60]、正交匹配追踪算法(Orthogonal Matching Pursuit, OMP)[61]等，这些算法已经广泛应用于关联成像，在成像场景稀疏的情况下可以取得不错的成像效果[62-65]。微波关联成像仿真结果三维和二维示意图分别如图20、图21所示。
在内外场实验方面，西安电子科技大学的许然[64]公布了一项在微波暗室条件下的单/多角反射器微波关联成像实验，验证了微波关联技术具备超分辨成像能力，实验结果如图22、图23所示。西安电子科技大学的卢夏雷[66]设计了一个外场实测实验，考察了基于超材料的微波关联成像在真实的环境下的成像效果。该实验以两个大的角反射器为目标，成像效果如图24所示：其中的A, B为角反，C是距离雷达大约110 m处的大楼，D是平台上左侧的一个排气管道。
3.2.1.2 扫描雷达解卷积成像技术
超分辨成像是指在实际的回波数据处理中，利用回波参数，在保证足够的成像精度的前提下，对回波进行数学运算，将场景中目标的回波能量进行聚焦，重构目标的散射特性，获取灰度与成像区散射特性分布相对应的可视图像[67]。
经过距离脉压和距离走动校正之后，回波信号在某一距离单元上的方位向可以看作目标散射率分布函数与天线方向图函数的卷积[68]。解卷积算法流程图和运动平台前视成像几何构型如图25所示。
对于实孔径雷达，回波信号方位向数据服从天线图矩阵和场景目标的卷积关系，回波信号方位向卷积模型如图26所示[69]。
由于天线方向图矩阵为低秩矩阵，场景目标点的反演存在着“病态性”问题。为了使解卷积的“病态性”问题转换成“良性”问题求解，有如下的求解方式：
(1) 截断奇异值算法
前视雷达超分辨成像转换为相应的解卷积问题，我们将扫描雷达方位角的超分辨率任务转化为相应的解卷积问题，通过最小二乘法优化得到目标散射系数的解。在求解的过程中，并在代数理论框架下使用截断奇异分解法(Truncated Singular Value Distribution, TSVD)解决该问题[69-73]，所提算法将天线的观测矩阵做奇异值分解，通过在奇异值的取值范围内选择合适的截断参数进行噪声抑制，得到前视超分辨成像结果，所提算法效率高，运算复杂度低，但是分辨率较低且容易将微弱目标当成噪声抑制掉。截断参数的选择直接影响前视成像的质量，现有解决截断参数选择的关键问题的方法有广义交叉验证方法[74,75]和L曲线参数估计方法[76,77]。
(2) 正则化算法
正则化算法是一类有效缓解反卷积病态性的规整化方法[78]，通过引入前视成像场景区域的目标以及噪声的先验信息，再根据最大后验概率准则推导适合于正则化目标函数来抑制噪声的同时实现超分辨估计，在业内引起广泛关注。根据特定的场景问题，西安电子科技大学的Chen等人[79]和电子科技大学的Huang等人[80]提出了基于稀疏目标的概率密度服从拉普拉斯分布，噪声的概率密度服从高斯分布假设，利用贝叶斯模型下的拟牛顿迭代实现前视超分辨成像。文献[79]的仿真结果如图27所示，其中图27(a)表示常规解卷积模型下的实波束成像，图27(b)表示常规解卷积模型下的TSVD结果，图27(c)表示常规解卷积模型的IAA(Iterative Adaptive Approach)方法，图27(d)表示常规解卷积模型下的贝叶斯方法，图27(e)表示多普勒解卷积模型实波束成像，图27(f)表示基于多普勒解卷积模型的TSVD方法，图27(g)表示多普勒解卷积模型的IAA方法，图27(h)表示多普勒反褶积模型的贝叶斯方法。实验结果说明所提方法比传统方法具有更好的分辨率提升和噪声抑制能力。此外针对传统算法在高机动平台上失效的问题，所提算法能够有效地解决高机动平台上多普勒模糊的问题。针对不同的成像场景，引入目标的先验信息不同，文献[81]提出了一种成像场景先验信息限制为目标服从泊松分布和噪声服从广义高斯分布，采用自适应的算法选择稀疏权重因子，实现了不同的场景下高分辨前视成像，结果如图28所示。其中图28(a)表示实波束成像，图28(b)表示Tikhonov正则化方法，图28(c)表示基于泊松分布的最大后验概率模型方法，图28(d)表示自适应选取稀疏参数γ=0.80时所提方法，图28(e)表示自适应选取稀疏参数γ=1.20时所提方法，图28(f)表示自适应选取稀疏参数γ=0.95时所提方法。结果表明所提方法所引入广义高斯分布的场景先验信息，提高了不同场景下前视高分辨成像的质量。电子科技大学的Li等人[82]提出了稀疏目标服从泊松分布的RL前视超分辨算法，南京邮电大学的Chen等人[83]提出了正则化L1范数的迭代收缩阈值前视超分辨成像算法。针对前视图像边缘突变问题，电子科技大学的Zhang等人[84]提出稀疏全变差前视超分辨成像算法，所提算法表明全变差模型更适用于目标轮廓突变的情况。南京大学的Yang等人[85]提出了混合范数约束的全变差前视超分辨成像算法。为平衡噪声以及图像边缘突变两者对前视成像的影响大小，电子科技大学的Huo等人[86]提出了平衡Tikhonov和全变差模型的解卷积前视超分辨成像算法，根据不同目标轮廓的尖锐还是平滑情况，调整Tikhonov和全变差之间的惩罚因子，所提方法具有良好的目标轮廓适应能力。电子科技大学的Tuo等人[87]提出了L2范数的图像平滑，再用L1范数的噪声抑制来联合使用得到前视超分辨图像。电子科技大学的Zhang等人[88]提出了一种改进的正则化迭代自适应方法用于扫描雷达角度超分辨率，基于IAA需要进行矩阵反转，越来越多的协方差矩阵的条件数导致IAA的不理想问题，对角线负荷方法被引入来解决这个不理想的问题。国防科技大学的Jiang等人[89]在方位角采样率较低，缺乏足够的样本，传统的方法无法准确估计离网目标的情况下，提出了一种内插迭代自适应方法与频谱开窗相结合的方法来估计离网目标，并抑制高频噪声，与传统方法相比，该方法具有更高的角度分辨率和定位精度。
3.2.1.3 单脉冲前视成像技术
如图29所示，单脉冲技术通过交叠的多个天线波束同时接收信号，仅需发射一个脉冲信号，通过判断天线波束间的回波强度差异，就可以得到目标方位位置信息。单脉冲技术通过扫描，就能获得场景内多个目标在实波束中的准确方位信息，因此该技术可以被应用于雷达成像中，称为单脉冲成像技术[90]。相比如实波束成像，单脉冲成像技术可以提升实波束图像中的特征点清晰度，提升目标方位估计精确度，进而显著改善实波束图像的质量。由于单脉冲成像技术不依赖于目标的多普勒信息，当成像场景位于雷达前方(SAR, DBS)等技术无法有效作用的角度范围时，利用单脉冲前视成像技术实现成像质量的提升。单脉冲和-差比幅成像的算法流程图如图30所示。
在单脉冲成像技术领域中，学者主要从以下3个方面开展研究。
(1) 单脉冲成像性能分析与评价
相比SAR, DBS等多普勒分辨技术，单脉冲技术无法真正地分辨处于波束内且在同一距离单元中的多个目标，因此，对单脉冲成像技术获得的图像性能需要进行针对性评价。南京航空航天大学的吴迪等人[91]从单脉冲和差比的概率密度函数出发，根据目标图像位置失真、分辨率以及图像信噪比3个指标对单脉冲的成像质量进行衡量，并指出决定这3个指标的因素分别为和差比均值与目标实际位置的平方误差、和差比方差、均值区域脉冲积累次数。
(2) 单脉冲成像质量的提升
由于单脉冲技术采用多个通道，难免存在多通道间的误差，进而导致最终图像质量的下降，针对该问题，南京航空航天大学的吴迪等人[92]提出了一种用于单脉冲成像的自聚焦算法，该方法通过在雷达回波信号中挑选出的孤立强散射点来估计实际的单脉冲鉴角曲线，并通过不断迭代优化，提高了估计精度，有效改善了成像质量，该方法的自然焦实验结果如图31所示。针对单脉冲前视成像技术中的波束内且在同一距离单元的多目标分辨问题，文献[93-96]通过引入最大似然匹配提取器实现对多目标的精确估计，有效改善了图像的质量，文献[96]对点目标进行的一组仿真实验结果如图32所示。哈尔滨工业大学的Xie等人[97]提出了基于多普勒域超分辨率的单脉冲成像技术，利用目标与雷达平台相对运动引起的多普勒梯度差对不同方位的目标进行分离。
(3) 单脉冲三维成像
结合对俯仰维的角度估计，单脉冲成像可推广至三维前视成像。中国航天科工集团第二研究院的张超峰等人[98]分析了前视三维成像基本原理，并且通过RELAX算法改善了散射点间相互干扰对散射点横向位置测量精度的影响，提高了散射点横向位置估计精准度。厦门大学的Li等人[99]利用最大似然估计方法估计各散射体的径向范围，然后，利用相位比较技术分别得到各散射体的水平波程差和垂直波程差。最后，利用三维坐标、径向距离、水平波程差和垂直波程差之间的关系，重建目标的三维图像，采用该方法的点目标仿真实验结果如图33所示。西安现代控制技术研究所的李小雷等人[100]提出了一种基于虚拟孔径的单脉冲三维成像方法，该方法首先通过逆散射法估计观测区域的目标分布，然后构建沿方位维分布的虚拟孔径，接着方位与俯仰维进行多普勒分析与单脉冲测角，实现方位与俯仰维的高精度成像，然而该方法依赖于较长时间的积累并且计算复杂度较高。西安电子科技大学的胡艳芳等人[101]提出了一种抗交叉眼干扰的单脉冲三维成像，该方法首先利用ISAL技术实现目标在距离和方位维的分辨，然后利用单脉冲技术获取目标三维像，并根据目标团聚现象来剔除交叉眼干扰引起的奇异点，该方法仿真实验结果如图34所示。
3.2.2 协同前视雷达成像技术
微波关联成像技术和扫描雷达解卷积技术能够在一定程度上实现单基雷达前视成像。然而，目前微波关联成像技术需要采用阵列随机调制信号的方法来实现，阵列的孔径与排布方式、检测波形的随机调制方式、目标类型、噪声以及目标运动等因素都直接影响着微波关联成像的质量。解卷积技术在方位向未作能量积累，相对合成孔径雷达技术对系统SNR要求更高，并且存在运算量过大的缺陷。基于上述问题，这两种单基雷达前视成像技术未能广泛应用。协同SAR通过收发分置，能够使得雷达前视区域距离和多普勒分辨方向不再重合，具有前视高分辨能力，因此目前是弹载平台应用中一种有效的前视寻的制导方案。弹载协同成像可以通过合理的构型设计降低成像过程对导弹的位置和运动限制，使导弹具备正前视高分辨成像能力，有效提升复杂情况下导弹工作能力，完善导弹的快速侦查识别打击一体化作战体系、增强导弹突防和精准打击能力，具有非常重要的研究意义和实用价值。
在协同弹载飞行过程中，存在高机动、前视和曲线轨迹等特征。因此在信号处理过程中，主要存在2个问题。
(1) 协同弹载SAR空时频同步。空时频同步严重影响成像聚焦质量和位置偏移，其中固定误差会造成目标偏移，线性误差会造成图像散焦，随机误差会造成信噪比下降，导致雷达图像散焦、检测识别失效和定位失准。国内外学者充分讨论了各种空时频技术方案以保证协同SAR系统的性能[102-106]，讨论了现有各种时钟的时间同步精度性能，分析了协同SAR频率源相位噪声对距离和相位的影响以及晶体振荡器相位噪声对协同SAR系统及成像的影响。
(2) 协同弹载SAR复杂轨迹成像算法设计。目前协同SAR成像算法从信号处理域的角度可以分为频域算法和时域算法。频域算法因其运算量小，硬件资源需求低，是目前协同SAR成像中应用最广泛的成像算法。弹载协同成像一般具备曲线轨迹，成像时必须考虑加速度的影响，并且前视时回波二维参数耦合空变现象严重，距离徙动空变、距离弯曲空变和方位多普勒参数空变更为显著，使得导弹获取高分辨前向区域SAR图像极为困难。时域算法以后向投影算法(Back Projection Algorithm, BPA)为代表，无需参数解耦空变校正，理论上能获取最优协同SAR图像。尽管时域算法运算量远超频域算法，难以工程应用，但是随着更多时域扩展算法的提出和硬件水平的上升，其快速算法有望成为主流的协同SAR成像算法。
时频同步相位误差主要分为线性相位误差、二次相位误差和高频相位误差。线性相位误差会造成目标像点在方位向的偏移，从而造成SAR图像的畸变；二次相位误差会造成主瓣的展宽、主瓣峰值的下降以及副瓣电平的升高；高频相位误差会造成副瓣抬高，降低图像信噪比；所以二次相位误差和高频相位误差都会造成SAR图像的散焦。因此，对于协同SAR成像来说，同步技术至关重要。
弹载协同SAR回波信号具有二维耦合空变性质，无法应用单基算法直接成像。早期的研究中，研究者大多采取协同等效单基的思路，代表方法是DMO (Dip Move Out)方法。该方法基于地震学理论[107]，通过SMILE算子卷积，使用单基SAR算法实现成像，但成像适用范围较小。随后，为扩大等效方法的适用范围，相关学者提出了基线中心点单站等效方法[108]、二次多项式等效方法[109]以及双曲线等效方法[110]等，使得成像性能得到了一定改善，但仍局限于基线不变的协同构型[111]。德国学者基于LBF协同频谱提出了RD算法[112]，利用一个优化模型，得到了更精确的时间多普勒响应，能够准确聚焦协同SAR数据[113]。后续德国学者[114]与电子科技大学的研究人员[115,116]基于改进的LBF如WLBF (Weighted LBF, WLBF), ILBF (Ideal LBF)，提出了改进的RD算法，CS，
ω-k 等算法，但其本质是求取等效驻相点，其中固有的多普勒贡献误差的问题没有解决，无法适应如高斜视、高机动的复杂协同构型。针对这一问题，国内众多学者基于3阶MSR协同频谱提出了改进的RD[117]、CS[118-120]以及改进的NCS[121-124]等成像算法，取得了较好的成像效果。电子科技大学杨建宇等人提出了一种扩展的方位向非线性调频变标(Non-Linear Chirp Scaling, NLCS)算法来处理国内第1幅前视协同SAR实测数据，获得的SAR图像如图35所示。
对于协同SAR，北京理工大学Zeng等人[124]提出了基于级数反演的协同SAR成像NLCS改进算法，实现了不同距离徙动校正以及有效距离向和方位向调频速率的均衡。得到的实测数据成像结果如图36所示。
西安电子科技大学Meng等人[122]以扩展的NCS算法获取了协同前视SAR图像，如图37所示，与光学图基本吻合，可作为后续检测识别的基础。该团队提出基于修正的协同等效距离模型，提出了一种空变相位滤波成像算法(Space-Variant Phase Filtering Imaging Algorithm, SVPFIA)，该算法在倾斜转换过程中可以实现运动误差、波前弯曲和几何畸变的局部联合补偿，从而得到无畸变的SAR地面图像[125]。该团队提出一种改进的Omega-K成像算法，通过线性距离徙动校正实现了基于级数反演(Method of Series Reversion, MSR)方法的二维FS的最大化利用，并通过高阶多项式拟合实现了二维FS在双基地范围内的线性化，该算法避免了无补零的方位混叠，并利用频率聚焦位置研究了空间动态相位的模型，能够显著提高协同前视SAR图像质量[123]。
图 37 西电协同前视SAR实测数据成像结果Figure 37. Imaging results of measured data of Xidian cooperative forward looking SAR但在弹载协同SAR中，高速机动特性导致的基线和成像平面时变，大斜视角造成距离和方位的相位空变加深，机载的模型无法应用，需要重新构建精确的回波模型和设计高性能的成像算法。此外需要根据实际应用背景，在算法处理能力和实时性方面做出权衡。
时域成像算法是协同SAR成像算法的另一趋势，但时域成像算法的实时性较低，一直是限制其大规模应用的主要原因。为了提高时域算法的实时性，一种加权的BP算法[126]被提出，通过对天线相位中心进行等效，抑制方位向空变，但等效驻相点的引入仅在星载平台合理，处理高机动平台数据时算法聚焦性能下降。为解决这一问题，FFBP算法被推广到基线不变的弹载协同SAR成像中[127]，但需要平台间保持相对的空间位置。图38为协同时域FFBP算法流程图。
国防科技大学Feng等人[127]针对弹载协同前视合成孔径雷达(Bistatic Forward Looking SAR, BFSAR)的数据聚焦问题，提出了一种扩展的快速因子分解反投影(Fast Factorized Back Project, FFBP)算法。该算法基于子孔径处理技术，以减少计算量，但在参考发射机和接收机轨迹的椭圆极坐标上表示子图像，处理结果如图39所示。该算法在一定程度上能够得到逼近原始BP算法的成像结果，很大程度降低了运算量，有望应用于弹载协同SAR实时。
针对在直角坐标下的快速时域算法，西安电子科技大学Li等人[128]提出一种直角坐标快速因式分解反投影算法(Cartesian Fast Factorized Back Projection, CFFBP)，通过非插值处理实现子图像合并，并将适应性良好的数据驱动运动补偿(Data-Driven Motion Compensation, DDMC)与CFFBP相结合，提出了一种新的适用于协同前视SAR的笛卡儿快速时域(Cartesian Fast Time-Domain, CFTD)处理框架从而使所提出的算法在精度和效率上都能达到较高的性能，该算法处理协同SAR实测数据结果如图40所示。
4. 弹载雷达成像未来发展趋势
弹载雷达成像技术因探测距离远、探测精度高以及不受天气影响等优势，在导弹制导领域具备极高的应用价值。然而，现有弹载雷达成像技术无法适应未来高超声速导弹，导致雷达丧失对目标的高精度成像能力[4]。同时，导弹面对的战场环境复杂化，杂波类型多样化，并且欺骗式干扰、压制式干扰、主瓣干扰、副瓣干扰等电磁干扰复杂交织，为导弹的精确制导带来更大的困难。针对以上问题，弹载雷达不仅要完成远程探测、稳定跟踪、对抗复杂干扰、精确制导打击的使命任务，还需具备多平台协同、多功能、多任务、稳健精细化信息处理和智能决策能力，实现从单一感知到感知打击智能一体化的演变[129]。因此，未来弹载雷达成像技术发展趋势有智能化弹载成像制导技术、异源/多源探测弹载数据融合技术、多平台协同成像技术、时敏/半时敏目标探测技术、弹载视频SAR成像技术、弹载雷达成像抗干扰技术、弹载雷达成像制导评估仿真技术等先进技术。
4.1 智能化弹载成像制导技术
随着机械化战争向信息化战争、智能化战争的转变，弹载雷达所需处理的信息量越来越大，此时传统的弹载雷达成像探测、识别、抗干扰等方法局限性越来越明显，尤其在处理异构、多域、高维度信息方面，对弹载雷达成像制导提出了新的挑战。因此，开发高效的、基于数据驱动的智能化弹载成像处理方法已经成为弹载雷达成像制导领域的重要研究方向及研究热点[130]，雷达成像制导技术正从传统的“信息+制导”向“智能+自导”方向转型。智能化弹载成像制导技术的发展方向包括以下几个方面：(1)环境感知技术，通过智能化手段对弹载雷达获取信息进行训练积累、归纳和学习，快速发现杂波、干扰、目标特征，对环境态势进行判断评估，提高导弹的环境适应性；(2)目标信息智能感知与识别，利用弹载雷达获取的信息，精准感知并提取目标复数信息或特征，并建立弹载雷达智能决策目标描述数据集，准确判决和识别目标，是导弹智能判决攻击目标的关键；(3)智能干扰对抗技术，为适应未来弹载雷达抗干扰的需要，通过智能化感知学习后，提取到弹载雷达当前所处的电磁环境信息，从而智能化决策、调整工作参数，并选择最优抗干扰途径，提升导弹的抗干扰性能。
4.2 异源/多源探测弹载数据融合技术
随着遥感探测技术的发展和成像系统架构的提升，弹载平台搭载的传感器可以同时具备多种不同的模式[131,132]，如微波、激光、红外、光学探测、视频、立体相机等。目前，单一探测方式存在抗干扰能力差、识别精度不佳、适应性弱等问题，复合融合探测方式可以提升系统的可靠性，减少识别信息的不确定性，有效增强探测系统的抗干扰性能和伪装识别能力。弹载雷达多源遥感融合技术的发展方向包括以下几个方面：(1)开展多源信息融合技术研究，提取不同类型的传感器信息共性特点和差异性，形成异源信息匹配融合理论；(2)开展多源雷达融合硬件架构设计，集成多模成像与多模融合架构，实现一体化成像融合硬件设计；(3)开展多源图像融合解译技术研究，最大限度利用不同图像的差异性，获取对目标更为全面本质的认知，实现复杂区域目标的精准识别和信息提取。
4.3 多平台协同成像技术
随着以往单平台成像雷达在现代战争中的局限性越来越明显，发展多平台协同成像制导对提升导弹在复杂战场环境下的精确打击能力和生存能力具有重要意义[111]。多平台协同成像能够获取多角度的高价值目标雷达图像，其前视成像优势保证了导弹的自主寻的能力，有利于提升我国对目标快速精准打击的毁伤能力。另外，可以通过结合不同平台例如星、机、弹的优势，建立起适应性广、灵活性强、观测力深的制导体系，为保证导弹最终打击效果提供多重保障。多平台协同成像技术的发展方向包括以下几个方面：(1)开展复杂多平台间高精度空时频同步技术研究，通过搭建多平台间稳健通信链路，确保多平台间具有一致相干性，为后续高精度成像处理垫定基础；(2)开展协同多平台高精度实时成像算法设计，通过结合频域算法实时性高和时域算法精度高这两种算法的优势，采取硬件并行加速技术，实现多平台对关重区域协同高精度实时成像；(3)开展多平台协同成像高精度实时运动补偿技术，设计多平台高精度实时运动误差补偿算法，提高雷达图像聚焦深度。
4.4 时敏/半时敏目标探测技术
随着复杂的现代战场环境下时敏/半时敏目标的出现，如何对其进行有效探测与打击，是实现战场侦察、高精度制导的关键问题。时敏目标既可以是列入计划的重要目标，也可以是未预料的临时出现的目标。时敏目标往往处在复杂多变的环境中，在战场上时隐时现，状态转换频繁[133]。同时，时敏目标大多为运动目标，定位差，跟踪难。特别是在杂波背景下，时敏目标与背景的对比度不高，探测难、识别难，这对现有的弹载SAR成像制导系统提出了更严苛的要求。时敏/半时敏目标探测技术的发展方向包括以下几个方面：(1)开展多平台时敏探测和跟踪，研究基于平方根中心差分滤波的边配准边跟踪方法，实现高精度和鲁棒性强的时敏目标跟踪检测；(2)开展智能时敏目标识别技术研究，通过模型自学习高响应特征，保证高检测速率，利用智能识别算法的特征提取网络结构，实现复杂背景条件下的时敏目标自适应跟踪识别。
4.5 弹载视频SAR成像技术
随着射频器件水平及数字技术的不断提升，视频SAR成像技术被用于获取更丰富的场景信息，它能够弥补现有弹载传感器的不足，并且在机动目标检测、跟踪方面展现出巨大的应用潜力，对未来信息化平台发展有着巨大的战略意义[134]。视频SAR成像技术，通过对地面成像区域的持续照射，并对接收回波进行持续成像处理，形成高帧率的连续帧图像，进而有效呈现出地面的变化情况，实现机动目标的实时跟踪。弹载视频SAR成像技术的发展方向包括以下几个方面：(1)针对机动目标实时检测，需要弹载平台对固定建筑/目标进行实时成像，不仅需要设计满足应用场景需求的器件，还要配置合理的系统参数实现信号的高效处理；(2)针对机动目标实时跟踪，不仅需要发展高效的视频SAR成像处理技术，还要配备高精度的目标识别算法，为后续的匹配制导做准备；(3)针对机动目标实时定位，利用视频SAR的高帧率特性进行持续成像处理，可以将机动目标的变化状态反映出来，以提高导弹作战灵活性、定位精度和打击精度。
4.6 弹载雷达成像抗干扰技术
随着数字射频存储(Digital Radio Frequency Memory, DRFM)技术的快速发展，大量新型干扰技术被研究出来并已经应用在国内外的典型平台上[135]。干扰机能快速截获雷达发射信号，根据提取的载频、重频、波达方向等参数，产生灵活多变的干扰信号，对雷达实施精准干扰，严重制约了雷达的战场生存能力[136]。弹载雷达成像抗干扰技术的发展方向包括以下几个方面：(1)开展复杂调制波形多域多维联合设计，联合空域、时域、频域和极化域信息，同时改变雷达发射波形在载频、重频、相位等多维参数，以对抗复合干扰；(2)开展基于环境感知的自适应波形设计，通过对不同干扰样式的主动认知，采取有“针对性”的抗干扰波形设计，实现环境感知-精准辨识-有效对抗-反馈调整的自适应抗干扰波形设计方法；(3)开展智能抗干扰技术，设计小型模型，利用知识蒸馏、低秩剪枝等方式轻量化模型、减少模型参数量、提高算法运行速度，挖掘雷达信号的深度鲁棒特征。
4.7 弹载雷达成像制导评估仿真技术
弹载SAR成像制导技术在装备研制前需要对弹载SAR成像导引头进行试验鉴定和评估[137]。弹载雷达成像制导评估技术可以缩短成像雷达作战系统的研发周期，减少开发成本，降低项目风险，是检验导引头成像制导效果的重要环节。弹载雷达成像制导评估仿真技术的发展方向包括以下几个方面：(1)开展针对复杂战场环境下的弹载SAR成像导引头仿真系统的设计与建模，需要考虑复杂战场背景下，多种杂波与干扰信号存在的情况下，仿真多种杂波、干扰信号、目标信号等复杂成像制导环境模拟、回波信号采集、信号处理等过程；(2)开展内场数字实验、半实物仿真实验、挂飞试验及飞行试验等弹载雷达成像制导试验，获得大量的内外场试验数据；(3)开展内外场联合的弹载雷达成像制导试验性能评估技术研究，充分考虑成像制导性能指标，利用统计、智能等多种手段，以检验弹载雷达系统的成像制导效果，为导弹定型及实际使用提供理论依据。
5. 结语
本文从导弹作战需求角度出发，介绍了弹载雷达成像探测技术中3种主要演变态势：由平飞小角度斜视成像向高机动曲线轨迹大斜视成像发展、由斜视合成孔径成像向前视超分辨雷达成像发展、由单基雷达成像向双/多基协同成像发展；着重分析了不同成像模式下存在的信号模型失配、回波距离方位耦合严重、前视分辨率低等难点问题；从单/协同信号表征模型、频/时域成像算法、前视成像算法等角度梳理了弹载成像技术的发展历程和当前的技术路径；最后，本文进一步从多平台、互决策、多模式、动目标成像、高分辨、抗干扰等角度探究了雷达成像技术的未来发展趋势，旨在为该领域的研究人员提供部分思路与参考。
-
图 5 时变加速度对频谱的影响示意图
Figure 5. Schematic diagram of the effect of time-varying acceleration on the spectrum
图 6 EPERM和ASERM的斜距误差和相位误差结果对比
Figure 6. Comparison of the results of slant distance error and phase error of EPERM and ASERM
图 13 大斜视曲线轨迹SAR成像处理流程
Figure 13. High squint curve trajectory SAR imaging processing flow
图 14 单基大斜视角(75°)成像实测数据实时处理结果
Figure 14. Real time processing results of single base large squint angle (75°) imaging measured data
图 18 不同时域成像算法处理流程
Figure 18. Processing flow of different time-domain imaging algorithms
图 37 西电协同前视SAR实测数据成像结果
Figure 37. Imaging results of measured data of Xidian cooperative forward looking SAR
-
[1] KOVALY J J. Synthetic Aperture Radar[M]. Dedham: Artech House, 1976. [2] SKOLNIK M I. Radar Handbook[M]. 2nd ed. New York: McGraw-Hill, 1990. [3] 保铮, 邢孟道, 王彤. 雷达成像技术[M]. 北京: 电子工业出版社, 2005.BAO Zheng, XING Mengdao, and WANG Tong. Radar Imaging Technique[M]. Beijing: Publishing House of Electronics Industry, 2005. [4] 李悦丽. 弹载合成孔径雷达成像技术研究[D]. [博士论文], 国防科学技术大学, 2008.LI Yueli. The imaging techniques of missile-borne synthetic aperture radar[D]. [Ph. D. dissertation], National University of Defense Technology, 2008. [5] 黄世奇, 禹春来, 刘代志, 等. 成像精确制导技术分析与研究[J]. 导弹与航天运载技术, 2005(5): 20–25. doi: 10.3969/j.issn.1004-7182.2005.05.005HUANG Shiqi, YU Chunlai, LIU Daizhi, et al. Analysis and research on imaging precision guidance technology[J]. Missiles and Space Vehicles, 2005(5): 20–25. doi: 10.3969/j.issn.1004-7182.2005.05.005 [6] 陈定昌, 袁起, 范金荣. 精确制导武器发展趋向[J]. 现代防御技术, 2000, 28(4): 41–47, 57. doi: 10.3969/j.issn.1009-086X.2000.04.007CHEN Dingchang, YUAN Qi, and FAN Jinrong. The development tread of the precision guided weapon[J]. Modern Defence Technology, 2000, 28(4): 41–47, 57. doi: 10.3969/j.issn.1009-086X.2000.04.007 [7] 范金荣. 21世纪前20年精确制导技术发展预测[J]. 现代防御技术, 2003, 31(1): 30–33. doi: 10.3969/j.issn.1009-086X.2003.01.008FAN Jinrong. A prediction of precision guidance technology in the earlier 20 years of the 21st century[J]. Modern Defence Technology, 2003, 31(1): 30–33. doi: 10.3969/j.issn.1009-086X.2003.01.008 [8] 秦玉亮, 王建涛, 王宏强, 等. 弹载合成孔径雷达技术研究综述[J]. 信号处理, 2009, 25(4): 630–635. doi: 10.3969/j.issn.1003-0530.2009.04.023QIN Yuliang, WANG Jiantao, WANG Hongqiang, et al. Overview on missile-borne synthetic aperture radar[J]. Signal Processing, 2009, 25(4): 630–635. doi: 10.3969/j.issn.1003-0530.2009.04.023 [9] 高晓冬, 王枫, 范晋祥. 精确制导系统面临的挑战与对策[J]. 战术导弹技术, 2017(6): 62–69, 75. doi: 10.16358/j.issn.1009-1300.2017.06.11GAO Xiaodong, WANG Feng, and FAN Jinxiang. The challenges and development paths for precision guidance system[J]. Tactical Missile Technology, 2017(6): 62–69, 75. doi: 10.16358/j.issn.1009-1300.2017.06.11 [10] 陈浩川, 张彬, 张振华. 精确制导多体制探测技术新进展[J]. 遥测遥控, 2017, 38(6): 23–29. doi: 10.3969/j.issn.2095-1000.2017.06.005CHEN Haochuan, ZHANG Bin, and ZHANG Zhenhua. New development of multi-system and multi-band detection technology for precision guidance[J]. Journal of Telemetry,Tracking and Command, 2017, 38(6): 23–29. doi: 10.3969/j.issn.2095-1000.2017.06.005 [11] 原涛. 弹载SAR实时成像信号处理机设计[D]. [硕士论文], 西安电子科技大学, 2013.YUAN Tao. Design of missile-borne SAR real-time imaging signal processing system[D]. [Master dissertation], Xidian University, 2013. [12] JACKSON M C. The geometry of bistatic radar systems[J]. IEE Proceedings F-Communications, Radar and Signal Processing, 1986, 133(7): 604–612. doi: 10.1049/ip-f-1.1986.0097 [13] SAHR J D and LIND F D. The Manastash Ridge radar: A passive bistatic radar for upper atmospheric radio science[J]. Radio Science, 1997, 32(6): 2345–2358. doi: 10.1029/97RS02454 [14] CAI Jun and MCMECHAN G A. Ray-based synthesis of bistatic ground-penetrating radar profiles[J]. Geophysics, 1995, 60(1): 87–96. doi: 10.1190/1.1443766 [15] WANG Pengbo, LIU Wei, CHEN Jie, et al. A high-order imaging algorithm for high-resolution spaceborne SAR based on a modified equivalent squint range model[J]. IEEE Transactions on Geoscience and Remote Sensing, 2015, 53(3): 1225–1235. doi: 10.1109/TGRS.2014.2336241 [16] BAO Min, XING Mengdao, WANG Yong, et al. Two-dimensional spectrum for MEO SAR processing using a modified advanced hyperbolic range equation[J]. Electronics Letters, 2011, 47(18): 1043–1045. doi: 10.1049/el.2011.1322. [17] LI Zhenyu, LIANG Yi, XING Mengdao, et al. An improved range model and Omega-k-based imaging algorithm for high-squint SAR with curved trajectory and constant acceleration[J]. IEEE Geoscience and Remote Sensing Letters, 2016, 13(5): 656–660. doi: 10.1109/LGRS.2016.2533631 [18] DENG Bin, LI Xiang, WANG Hongqiang, et al. Fast raw-signal simulation of extended scenes for missile-borne SAR with constant acceleration[J]. IEEE Geoscience and Remote Sensing Letters, 2011, 8(1): 44–48. doi: 10.1109/LGRS.2010.2050675 [19] LI Yachao, SONG Xuan, GUO Liang, et al. Inverse-mapping filtering polar formation algorithm for high-maneuverability SAR with time-variant acceleration[J]. Signal Processing, 2020, 171: 107506. doi: 10.1016/j.sigpro.2020.107506 [20] 余涛. 改进高机动平台曲线轨迹SAR频域成像算法研究[D]. [硕士论文], 西安电子科技大学, 2019.YU Tao. Study on improved frequency-domain imaging algorithms for SAR mounted on high maneuvering platforms with curve tracks[D]. [Master dissertation], Xidian University, 2019. [21] SUN Liwei, YU Ze, LI Chunsheng, et al. An imaging algorithm for spaceborne high-squint L-band SAR based on time-domain rotation[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2019, 12(12): 5289–5299. doi: 10.1109/JSTARS.2019.2953836 [22] AN Daoxiang, HUANG Xiaotao, JIN Tian, et al. Extended nonlinear chirp scaling algorithm for high-resolution highly squint SAR data focusing[J]. IEEE Transactions on Geoscience and Remote Sensing, 2012, 50(9): 3595–3609. doi: 10.1109/TGRS.2012.2183606 [23] AN Daoxiang, HUANG Xiaotao, JIN Tian, et al. Extended two-step focusing approach for squinted spotlight SAR imaging[J]. IEEE Transactions on Geoscience and Remote Sensing, 2012, 50(7): 2889–2900. doi: 10.1109/TGRS.2011.2174460 [24] HUANG Bang, ZHANG Shunsheng, WANG Wenqin, et al. High-precision imaging algorithm for highly squinted SAR with 3D acceleration[J]. IEEE Access, 2019, 7: 130399–130409. doi: 10.1109/ACCESS.2019.2940283 [25] ZENG Tao, LI Yinghe, DING Zegang, et al. Subaperture approach based on azimuth-dependent range cell migration correction and azimuth focusing parameter equalization for maneuvering high-squint-mode SAR[J]. IEEE Transactions on Geoscience and Remote Sensing, 2015, 53(12): 6718–6734. doi: 10.1109/tgrs.2015.2447393 [26] XING Mengdao, WU Yufeng, ZHANG Y D, et al. Azimuth resampling processing for highly squinted synthetic aperture radar imaging with several modes[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(7): 4339–4352. doi: 10.1109/TGRS.2013.2281454 [27] 李浩林. 机载SAR快速后向投影成像算法研究[D]. [博士论文], 西安电子科技大学, 2015.LI Haolin. Study on fast back-projection algorithms for airborne SAR imaging[D]. [Ph. D. dissertation], Xidian University, 2015. [28] ZHOU Song, YANG Lei, ZHAO Lifan, et al. Quasi-polar-based FFBP algorithm for miniature UAV SAR imaging without navigational data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2017, 55(12): 7053–7065. doi: 10.1109/TGRS.2017.2739133 [29] YEGULALP A F. Fast backprojection algorithm for synthetic aperture radar[C]. 1999 IEEE Radar Conference. Radar into the Next Millennium, Waltham, USA, 1999: 60–64. [30] ULANDER L M H, HELLSTEN H, and STENSTROM G. Synthetic-aperture radar processing using fast factorized back-projection[J]. IEEE Transactions on Aerospace and Electronic Systems, 2003, 39(3): 760–776. doi: 10.1109/TAES.2003.1238734 [31] ZHANG Tao, LIAO Guisheng, LI Yachao, et al. A two-stage time-domain autofocus method based on generalized sharpness metrics and AFBP[J]. IEEE Transactions on Geoscience and Remote Sensing, 2022, 60: 5205413. doi: 10.1109/TGRS.2021.3068789 [32] DONG Qi, SUN Guangcai, YANG Zemin, et al. Cartesian factorized backprojection algorithm for high-resolution spotlight SAR imaging[J]. IEEE Sensors Journal, 2018, 18(3): 1160–1168. doi: 10.1109/JSEN.2017.2780164 [33] 李悦丽, 梁甸农, 黄晓涛. 一种单脉冲雷达多通道解卷积前视成像方法[J]. 信号处理, 2007, 23(5): 699–703. doi: 10.3969/j.issn.1003-0530.2007.05.013LI Yueli, LIANG Diannong, and HUANG Xiaotao. A multi-channel deconvolution based on forword-looking imaging method in monopulse radar[J]. Signal Processing, 2007, 23(5): 699–703. doi: 10.3969/j.issn.1003-0530.2007.05.013 [34] 陈洪猛. 机载广域监视雷达高分辨成像方法研究[D]. [博士论文], 西安电子科技大学, 2016.CHEN Hongmeng. Study of high resolution imaging for airborne wide area surveillance radar[D]. [Ph. D. dissertation], Xidian University, 2016. [35] 胡体玲, 李兴国. 单脉冲探测技术的发展综述[J]. 现代雷达, 2006, 28(12): 24–29. doi: 10.16592/j.cnki.1004-7859.2006.12.006HU Tiling and LI Xingguo. Research on development of monopulse detection technology[J]. Modern Radar, 2006, 28(12): 24–29. doi: 10.16592/j.cnki.1004-7859.2006.12.006 [36] LÖHNER A K. Improved azimuthal resolution of forward looking SAR by sophisticated antenna illumination function design[J]. IEE Proceedings - Radar, Sonar and Navigation, 1998, 145(2): 128–134. doi: 10.1049/ip-rsn:19981731 [37] YOUNIS M and WIESBECK W. Antenna system for a forward looking SAR using digital beamforming on-receive-only[C]. IEEE 2000 International Geoscience and Remote Sensing Symposium. Taking the Pulse of the Planet: The Role of Remote Sensing in Managing the Environment, Honolulu, USA, 2000: 2343–2345. [38] CHENG Jing and HAN Shensheng. Incoherent coincidence imaging and its applicability in X-ray diffraction[J]. Physical Review Letters, 2004, 92(9): 093903. doi: 10.1103/PhysRevLett.92.093903 [39] GONG Wenlin and HAN Shensheng. The influence of axial correlation depth of light field on lensless ghost imaging[J]. Journal of the Optical Society of America B, 2010, 27(4): 675–678. doi: 10.1364/JOSAB.27.000675 [40] 王东进, 徐浩, 陈卫东, 等. 微波凝视成像的方法[P]. 中国, 201110000699.8, 2011.WANG Dongjin, XU Hao, CHEN Weidong, et al. Microwave gaze correlation imaging[P]. CN, 201110000699.8, 2011. [41] 王东进, 杨予昊, 郭圆月, 等. 用于悬停平台的对地凝视成像系统[P]. 中国, 201110000522.8, 2011.WANG Dongjin, YANG Yuhao, GUO Yuanyue, et al. Ground staring imaging system for hovering platform[P]. CN, 201110000699.8, 2011. [42] 阮锋, 卢夏雷, 郭亮, 等. 基于超材料天线的超分辨关联成像的改进[J]. 系统工程与电子技术, 2021, 43(12): 3510–3517. doi: 10.12305/j.issn.1001-506X.2021.12.12RUAN Feng, LU Xialei, GUO Liang, et al. Improvement of super-resolution correlated imaging based on metamaterial antenna[J]. Systems Engineering and Electronics, 2021, 43(12): 3510–3517. doi: 10.12305/j.issn.1001-506X.2021.12.12 [43] 马远鹏. 基于时空两维随机辐射场的微波凝视关联成像初探[D]. [博士论文], 中国科学技术大学, 2013.MA Yuanpeng. Preliminary research on microwave staring correlated imaging based on temporal-spatial stochastic radiation fields[D]. [Ph. D. dissertation], University of Science and Technology of China, 2013. [44] 李东泽. 雷达关联成像技术研究[D]. [博士论文], 国防科学技术大学, 2014.LI Dongze. Radar coincidence imaging technique research[D]. [Ph. D. dissertation], National University of Defense Technology, 2014. [45] 查国峰. 运动目标微波关联成像技术研究[D]. [博士论文], 国防科学技术大学, 2016.ZHA Guofeng. Microwave coincidence imaging technique research for moving target[D]. [Ph. D. dissertation], National University of Defense Technology, 2016. [46] LI Dongze, LI Xiang, CHENG Yongqiang, et al. Three dimensional radar coincidence imaging[J]. Progress in Electromagnetics Research M, 2013, 33: 223–238. doi: 10.2528/PIERM13081101 [47] 孟青泉. 微波高分辨凝视关联成像信息处理研究[D]. [博士论文], 中国科学技术大学, 2016.MENG Qingquan. The research on information processing in high resolution microwave staring correlated imaging[D]. [Ph. D. dissertation], University of Science and Technology of China, 2016. [48] LIU Bo and WANG Dongjin. Orthogonal radiation field construction for microwave staring correlated imaging[J]. Progress in Electromagnetics Research M, 2017, 57: 139–149. doi: 10.2528/PIERM17042003 [49] 张健霖. 微波凝视关联成像辐射源设计理论研究[D]. [博士论文], 中国科学技术大学, 2021.ZHANG Jianlin. Theotical research on radiation source design of microwave staring correlated imaging[D]. [Ph. D. dissertation], University of Science and Technology of China, 2021. [50] YANG Haotian, ZHANG Linjian, GAO Yesheng, et al. Azimuth wavefront modulation using plasma lens array for microwave staring imaging[C]. 2015 IEEE International Geoscience and Remote Sensing Symposium (IGARSS), Milan, Italy, 2015. [51] 张安学, 张松林, 徐卓, 等. 一种单发射体制的雷达关联成像方法[P]. 中国, 201710132260.8, 2017.ZHANG Anxue, ZHANG Songlin, XU Zhuo, et al. A radar correlation imaging method for single-emission system[P]. CN, 201710132260.8, 2017. [52] KATZ O, BROMBERG Y, and SILBERBERG Y. Compressive ghost imaging[J]. Applied Physics Letters, 2009, 95(13): 131110. doi: 10.1063/1.3238296 [53] ZHANG Chi, GUO Shuxu, CAO Junsheng, et al. Object reconstitution using pseudo-inverse for ghost imaging[J]. Optics Express, 2014, 22(24): 30063–30073. doi: 10.1364/OE.22.030063 [54] GONG Wenlin. High-resolution pseudo-inverse ghost imaging[J]. Photonics Research, 2015, 3(5): 234–237. doi: 10.1364/PRJ.3.000234 [55] 西安电子科技大学, 中国电子科技集团公司第五十四研究所. 一种基于广义全变差正则化的雷达关联成像方法[P]. 中国, 201810573957.3, 2018.Xidian University and The 54th Research Institute of CETC. A radar correlation imaging method based on generalized total variation regularization[P]. CN, 201810573957.3, 2018. [56] CHENG Yongqiang, ZHOU Xiaoli, XU Xianwu, et al. Radar coincidence imaging with stochastic frequency modulated array[J]. IEEE Journal of Selected Topics in Signal Processing, 2017, 11(2): 414–427. doi: 10.1109/JSTSP.2016.2615275 [57] 宋洋洋. 基于压缩感知的关联成像信号处理方法研究[D]. [硕士论文], 北京邮电大学, 2017.SONG Yangyang. Study of the ghost iamging signal processing methods based on the compressive sensing[D]. [Master dissertation], Beijing University of Posts and Telecommunications, 2017. [58] 钱婷婷. 块稀疏目标凝视关联成像技术研究[D]. [硕士论文], 中国科学技术大学, 2018.QIAN Tingting. Research on staring correlated imaging of block sparse target[D]. [Master dissertation], University of Science and Technology of China, 2018. [59] 韩亚东. 时空辐射场弱随机性下的微波关联稀疏成像方法研究[D]. [硕士论文], 西安电子科技大学, 2020.HAN Yadong. Research on microwave correlated sparse imaging in weak randomness of temporal-spatial radiation field[D]. [Master dissertation], Xidian University, 2020. [60] 罗春生. 运动目标微波关联稀疏成像技术研究[D]. [硕士论文], 中国科学技术大学, 2016.LUO Chunsheng. Research on microwave correlated sparse imaging of moving target[D]. [Master dissertation], University of Science and Technology of China, 2016. [61] TROPP J A and GILBERT A C. Signal recovery from random measurements via orthogonal matching pursuit[J]. IEEE Transactions on Information Theory, 2007, 53(12): 4655–4666. doi: 10.1109/TIT.2007.909108 [62] 何学智. 微波凝视关联成像的信息处理方法与仿真[D]. [博士论文], 中国科学技术大学, 2013.HE Xuezhi. The information processing methods and simulations in microwave staring correlated imaging[D]. [Ph. D. dissertation], University of Science and Technology of China, 2013. [63] 于慧. 稀疏目标的关联成像算法研究[D]. [硕士论文], 中国科学技术大学, 2014.YU Hui. Research on sparse imaging algorithms for correlated imaging systems[D]. [Master dissertation], University of Science and Technology of China, 2014. [64] 许然. 提高雷达成像质量的若干新体制和新方法研究[D]. [博士论文], 西安电子科技大学, 2015.XU Ran. Study on new systems and techniques for improving radar imaging performances[D]. [Ph. D. dissertation], Xidian University, 2015. [65] 蒋峥. 微波凝视关联成像辐射场的空间相关性和运动补偿的研究[D]. [博士论文], 中国科学技术大学, 2021.JIANG Zheng. Research on spatial correlation and motion compensation of radiation field of microwave staring correlated imaging[D]. [Ph. D. dissertation], University of Science and Technology of China, 2021. [66] 卢夏雷. 超材料天线雷达前视成像技术研究[D]. [硕士论文], 西安电子科技大学, 2021.LU Xialei. Research on forward-looking imaging technology of metamaterial antenna radar[D]. [Master dissertation], Xidian University, 2021. [67] 查月波. 基于凸优化的雷达超分辨成像理论与方法研究[D]. [博士论文], 电子科技大学, 2016.ZHA Yuebo. Radar super resolution imaging theory and methods study based on convex optimization[D]. [Ph. D. dissertation], University of Electronic Science and Technology of China, 2016. [68] 陈洪猛, 李明, 王泽玉, 等. 基于多帧数据联合处理的机载单通道雷达贝叶斯前视成像[J]. 电子与信息学报, 2015, 37(10): 2328–2334. doi: 10.11999/JEIT150153CHEN Hongmeng, LI Ming, WANG Zeyu, et al. Bayesian forward-looking imaging for airborne single-channel radar based on combined multiple frames data[J]. Journal of Electronics &Information Technology, 2015, 37(10): 2328–2334. doi: 10.11999/JEIT150153 [69] MAO Deqing, YANG Jianyu, ZHANG Yongchao, et al. Angular superresolution of real aperture radar using online detect-before-reconstruct framework[J]. IEEE Transactions on Geoscience and Remote Sensing, 2022, 60: 5109317. doi: 10.1109/TGRS.2021.3139355 [70] HUANG Yulin, ZHA Yuebo, WANG Yue, et al. Forward looking radar imaging by truncated singular value decomposition and its application for adverse weather aircraft landing[J]. Sensors, 2015, 15(6): 14397–14414. doi: 10.3390/s150614397 [71] LENTI F, NUNZIATA F, MIGLIACCIO M, et al. Two-dimensional TSVD to enhance the spatial resolution of radiometer data[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(5): 2450–2458. doi: 10.1109/TGRS.2013.2261303 [72] LENTI F, NUNZIATA F, MIGLIACCIO M, et al. 2D TSVD to enhance the resolution of radiometer data[C]. 2012 IEEE International Geoscience and Remote Sensing Symposium, Munich, Germany, 2012: 6091–6094. [73] WU Yang, ZHANG Yin, ZHANG Yongchao, et al. TSVD with least squares optimization for scanning radar angular super-resolution[C]. 2017 IEEE Radar Conference (RadarConf), Seattle, USA, 2017: 1450–1454. [74] CRAVEN P and WAHBA G. Smoothing noisy data with spline functions[J]. Numerische Mathematik, 1978, 31(4): 377–403. doi: 10.1007/BF01404567 [75] WANG Zhou and BOVIK A C. Mean squared error: Love it or leave it? A new look at signal fidelity measures[J]. IEEE Signal Processing Magazine, 2009, 26(1): 98–117. doi: 10.1109/MSP.2008.930649 [76] VOGEL C R. Non-convergence of the L-curve regularization parameter selection method[J]. Inverse Problems, 1996, 12(4): 535–547. doi: 10.1088/0266-5611/12/4/013 [77] HANSEN P C, JENSEN T K, and RODRIGUEZ G. An adaptive pruning algorithm for the discrete L-curve criterion[J]. Journal of Computational and Applied Mathematics, 2007, 198(2): 483–492. doi: 10.1016/j.cam.2005.09.026 [78] 王子曦. 基于正则化的雷达前视超分辨成像算法工程应用分析[J]. 电子技术与软件工程, 2021(17): 89–92.WANG Zixi. Engineering application analysis of radar forward looking super-resolution imaging algorithm based on regularization[J]. Electronic Technology &Software Engineering, 2021(17): 89–92. [79] CHEN Hongmeng, LI Yachao, GAO Wenquan, et al. Bayesian forward-looking superresolution imaging using Doppler deconvolution in expanded beam space for high-speed platform[J]. IEEE Transactions on Geoscience and Remote Sensing, 2022, 60: 5105113. doi: 10.1109/TGRS.2021.3107717 [80] HUANG Yulin, ZHA Yuebo, ZHANG Yin, et al. Real-beam scanning radar angular super-resolution via sparse deconvolution[C]. 2014 IEEE Geoscience and Remote Sensing Symposium, Quebec City, Canada, 2014: 3081–3084. [81] ZHANG Yin, LI Changlin, MAO Deqing, et al. Bayesian superresolution method of forward-looking imaging with generalized Gaussian constraint[C]. IGARSS 2018 - 2018 IEEE International Geoscience and Remote Sensing Symposium, Valencia, Spain, 2018: 5128–5131. [82] LI Dongye, HUANG Yulin, and YANG Jianyu. Real beam radar imaging based on adaptive Lucy-Richardson algorithm[C]. 2011 IEEE CIE International Conference on Radar, Chengdu, China, 2011: 1437–1440. [83] CHEN Shaoli and YANG Min. An adaptive fast iterative shrinkage threshold algorithm[C]. 2017 29th Chinese Control and Decision Conference (CCDC), Chongqing, China, 2017: 2190–2194. [84] ZHANG Qiping, ZHANG Yin, HUANG Yulin, et al. TV-sparse super-resolution method for radar forward-looking imaging[J]. IEEE Transactions on Geoscience and Remote Sensing, 2020, 58(9): 6534–6549. doi: 10.1109/TGRS.2020.2977719 [85] YANG Junfeng, ZHANG Yin, and YIN Wotao. A fast alternating direction method for TVL1-L2 signal reconstruction from partial Fourier data[J]. IEEE Journal of Selected Topics in Signal Processing, 2010, 4(2): 288–297. doi: 10.1109/JSTSP.2010.2042333 [86] HUO Weibo, TUO Xingyu, ZHANG Yin, et al. Balanced tikhonov and total variation deconvolution approach for radar forward-looking super-resolution imaging[J]. IEEE Geoscience and Remote Sensing Letters, 2022, 19: 3505805. doi: 10.1109/LGRS.2021.3072389 [87] TUO Xingyu, ZHANG Yin, HUANG Yulin, et al. A hybrid norm regularization approach for radar forward-looking angle super-resolution imaging[C]. 2021 IEEE Radar Conference (RadarConf21), Atlanta, USA, 2021: 1–5. [88] ZHANG Yongchao, ZHANG Yin, HUANG Yulin, et al. Angular superresolution for scanning radar with improved regularized iterative adaptive approach[J]. IEEE Geoscience and Remote Sensing Letters, 2016, 13(6): 846–850. doi: 10.1109/LGRS.2016.2550491 [89] JIANG Xiaoqing, LI Yueli, FAN Chongyi, et al. An interpolated iterative adaptive approach for scanning radar imaging[C]. 2019 IEEE International Conference on Signal Processing, Communications and Computing (ICSPCC), Dalian, China, 2019: 1–4. [90] 吴迪, 朱岱寅, 朱兆达. 机载雷达单脉冲前视成像算法[J]. 中国图象图形学报, 2010, 15(3): 462–469. doi: 10.11834/jig.20100317WU Di, ZHU Daiyin, and ZHU Zhaoda. Research on nomopulse forward-looking imaging algorithm for airborne radar[J]. Journal of Image and Graphics, 2010, 15(3): 462–469. doi: 10.11834/jig.20100317 [91] 吴迪, 朱岱寅, 田斌, 等. 单脉冲成像算法性能分析[J]. 航空学报, 2012, 33(10): 1905–1914.WU Di, ZHU Daiyin, TIAN Bin, et al. Performance evaluation for monopulse imaging algorithm[J]. Acta Aeronauticaet Astronautica Sinica, 2012, 33(10): 1905–1914. [92] 吴迪, 杨成杰, 朱岱寅, 等. 一种用于单脉冲成像的自聚焦算法[J]. 电子学报, 2016, 44(8): 1962–1968. doi: 10.3969/j.issn.0372-2112.2016.08.027WU Di, YANG Chengjie, ZHU Daiyin, et al. An autofocusing algorithm for monopulse imaging[J]. Acta Electronica Sinica, 2016, 44(8): 1962–1968. doi: 10.3969/j.issn.0372-2112.2016.08.027 [93] 李皓. 基于单脉冲雷达的多目标检测方法与仿真[D]. [硕士论文], 北京理工大学, 2016.LI Hao. Simulation of detection for multiple unresolved targets with monopluse radar[D]. [Master dissertation], Beijing Institute of Technology, 2016. [94] 杨洋, 李悦丽. 单脉冲前视成像多目标分辨算法[J]. 信号处理, 2016, 32(9): 1055–1064. doi: 10.16798/j.issn.1003-0530.2016.09.07YANG Yang and LI Yueli. Multi-targets discrimination algorithm in monopulse forward-looking imaging[J]. Journal of Signal Processing, 2016, 32(9): 1055–1064. doi: 10.16798/j.issn.1003-0530.2016.09.07 [95] ZHANG Xin, WILLETT P K, and BAR-SHALOM Y. Monopulse Radar detection and localization of multiple unresolved targets via joint bin Processing[J]. IEEE Transactions on Signal Processing, 2005, 53(4): 1225–1236. doi: 10.1109/TSP.2005.843732 [96] YANG Yang and LI Yueli. A maximum likelihood extractor for forward-looking imaging of multiple unresolved targets in monopulse radar[C]. 2016 CIE International Conference on Radar (RADAR), Guangzhou, China, 2016: 1–4. [97] XIE Junhao, FENG Xiaodong, YUAN Yeshu, et al. Application of monopulse techniques in angle-measuring of single-beam mechanical scanning radar[C]. 2010 3rd International Congress on Image and Signal Processing, Yantai, China, 2010: 2971–2974. [98] 张超峰, 刘丹, 程臻. 采用RELAX算法提高单脉冲三维成像横向分辨率[J]. 系统工程与电子技术, 2008, 30(11): 2063–2065. doi: 10.3321/j.issn:1001-506X.2008.11.007ZHANG Chaofeng, LIU Dan, and CHENG Zhen. Improvement in lateral resolution of mono-pulse 3-D imaging radar using RELAX algorithm[J]. Systems Engineering and Electronics, 2008, 30(11): 2063–2065. doi: 10.3321/j.issn:1001-506X.2008.11.007 [99] LI Yuhan, QI Wei, DENG Zhenmiao, et al. Monopulse instantaneous 3D imaging for wideband radar system[J]. Journal of Systems Engineering and Electronics, 2021, 32(1): 53–67. doi: 10.23919/JSEE.2021.000007 [100] 李小雷, 蔡雨, 袁军, 等. 一种单孔径毫米波单脉冲雷达前视三维SAR成像算法[J]. 弹箭与制导学报, 2019, 39(3): 125–129. doi: 10.15892/j.cnki.djzdxb.2019.03.028LI Xiaolei, CAI Yu, YUAN Jun, et al. A three-dimensional imaging algorithm for forward-looking SAR of single aperture millimeter wave monopulse radar[J]. Journal of Projectiles,Rockets,Missiles and Guidance, 2019, 39(3): 125–129. doi: 10.15892/j.cnki.djzdxb.2019.03.028 [101] 胡艳芳, 陈伯孝, 吴传章. 基于单脉冲三维成像的抗交叉眼干扰方法[J]. 系统工程与电子技术, 2022, 44(4): 1188–1194. doi: 10.12305/j.issn.1001-506X.2022.04.15HU Yanfang, CHEN Baixiao, and WU Chuanzhang. Anti-cross-eye jamming method based on monopulse radar 3-D imaging[J]. Systems Engineering and Electronics, 2022, 44(4): 1188–1194. doi: 10.12305/j.issn.1001-506X.2022.04.15 [102] ZOFFOLI S, CRISCONIO M, MUSSO C, et al. A small glance to earth from spaceglance to Earth from space[C]. The 3rd Interenational Symposdium of the IAA on Small Satelites for Earth Observation, Berlin, Germany, 2001: 99–103. [103] WEIB M. Synchronisation of bistatic radar systems[C]. 2004 IEEE International Geoscience and Remote Sensing Symposium, Anchorage, USA, 2004: 1750–1753. [104] KRIEGER G and YOUNIS M. Impact of oscillator noise in bistatic and multistatic SAR[J]. IEEE Geoscience and Remote Sensing Letters, 2006, 3(3): 424–428. doi: 10.1109/LGRS.2006.874164 [105] LIU Kesheng. An analysis of some problems of bistatic and multistatic radars[C]. 2003 International Conference on Radar, Adelaide, Australia, 2003: 429–432. [106] YOUNIS M, MERZIG R, and KRIEGER G. Performance prediction of a phase synchronization link for bistatic SAR[J]. IEEE Geoscience and Remote Sensing Letters, 2006, 3(3): 429–433. doi: 10.1109/LGRS.2006.874163 [107] D’ARIA D, GUARNIERI A M, and ROCCA F. Focusing bistatic synthetic aperture radar using dip move out[J]. IEEE Transactions on Geoscience and Remote Sensing, 2004, 42(7): 1362–1376. doi: 10.1109/TGRS.2004.830166 [108] 闫鸿慧, 王岩飞, 于海锋, 等. 一种基于距离补偿的分布式小卫星双基SAR成像方法[J]. 电子与信息学报, 2005, 27(5): 771–774.YAN Honghui, WANG Yanfei, YU Haifeng, et al. An imaging method of distributed small satellites bistatic SAR based on range distance compensation[J]. Journal of Electronics &Information Technology, 2005, 27(5): 771–774. [109] 汤子跃, 张守融. 双站合成孔径雷达系统原理[M]. 北京: 科学出版社, 2003.TANG Ziyue and ZHANG Shourong. Principle of Bi-station Synthetic Aperture Radar System[M]. Beijing: Science Press, 2003. [110] QIU Xiaolan, HU Donghui, and DING Chibiao. Focusing bistaitc images use RDA based on hyperbolic approximating[C]. 2006 CIE International Conference on Radar, Shanghai, China, 2006: 1–4. [111] 梅海文. 双/多基地SAR成像与定位方法研究[D]. [博士论文], 西安电子科技大学, 2019.MEI Haiwen. Imaging algorithm and position method study on bistatic/multistatic SAR[D]. [Ph. D. dissertation], Xidian University, 2019. [112] LOFFELD O, NIES H, PETERS V, et al. Models and useful relations for bistatic SAR processing[J]. IEEE Transactions on Geoscience and Remote Sensing, 2004, 42(10): 2031–2038. doi: 10.1109/TGRS.2004.835295 [113] RIGLING B D and MOSES R L. Polar format algorithm for bistatic SAR[J]. IEEE Transactions on Aerospace and Electronic Systems, 2004, 40(4): 1147–1159. doi: 10.1109/TAES.2004.1386870 [114] WANG R, LOFFELD O, NEO Y L, et al. Extending Loffeld’s bistatic formula for the general bistatic SAR configuration[J]. IET Radar, Sonar & Navigation, 2010, 4(1): 74–84. doi: 10.1049/iet-rsn.2009.0099 [115] WU Junjie, YANG Jianyu, HUANG Yulin, et al. Focusing bistatic forward-looking SAR using chirp scaling algorithm[C]. 2011 IEEE RadarCon (RADAR), Kansas, USA, 2011: 1036–1039. [116] WU Junjie, PU Wei, HUANG Yulin, et al. Bistatic forward-looking SAR focusing using ω-k based on spectrum modeling and optimization[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing, 2018, 11(11): 4500–4512. doi: 10.1109/jstars.2018.2873645 [117] WONG F H, CUMMING I G, and NEO Y L. Focusing bistatic SAR data using the nonlinear chirp scaling algorithm[J]. IEEE Transactions on Geoscience and Remote Sensing, 2008, 46(9): 2493–2505. doi: 10.1109/TGRS.2008.917599 [118] ZHONG Hua and LIU Xingzhao. An effective focusing approach for azimuth invariant bistatic SAR processing[J]. Signal Processing, 2010, 90(1): 395–404. doi: 10.1016/j.sigpro.2009.07.005 [119] SUN Zheng, ZHANG Wei, and ZHANG Shunsheng. An improved CS imaging algorithm for spaceborne/airborne hybrid bistatic SAR[C]. 2011 IEEE CIE International Conference on Radar, Chengdu, China, 2011. [120] WU Junjie, SUN Zhichao, LI Zhongyu, et al. Focusing translational variant bistatic forward-looking SAR using keystone transform and extended nonlinear chirp scaling[J]. Remote Sensing, 2016, 8(10): 840. doi: 10.3390/rs8100840 [121] MENG Ziqiang, LI Yachao, SONG Xiufeng, et al. Amplitude-phase discontinuity calibration for phased array radar in varying jamming environment[J]. IET Signal Processing, 2014, 8(7): 729–737. doi: 10.1049/iet-spr.2013.0308 [122] MENG Ziqiang, LI Yachao, XING Mengdao, et al. Property analysis of bistatic forward-looking SAR with arbitrary geometry[J]. Journal of Systems Engineering and Electronics, 2016, 27(1): 111–127. doi: 10.1109/JSEE.2016.00012 [123] LI Yachao, ZHANG Tinghao, MEI Haiwen, et al. Focusing Translational-Variant bistatic forward-looking SAR data using the modified Omega-K algorithm[J]. IEEE Transactions on Geoscience and Remote Sensing, 2022, 60: 5203916. doi: 10.1109/TGRS.2021.3063780 [124] ZENG Tao, WANG Rui, LI Feng, et al. A modified nonlinear chirp scaling algorithm for spaceborne/stationary bistatic SAR based on series reversion[J]. IEEE Transactions on Geoscience and Remote Sensing, 2013, 51(5): 3108–3118. doi: 10.1109/TGRS.2012.2219057 [125] DENG Huan, LI Yachao, LIU Mengqi, et al. A space-variant phase filtering imaging algorithm for missile-borne BiSAR with arbitrary configuration and curved track[J]. IEEE Sensors Journal, 2018, 18(8): 3311–3326. doi: 10.1109/JSEN.2018.2809508 [126] WANG Yuekun, LIU Yanyang, LI Zhenfang, et al. High-resolution wide-swath imaging of spaceborne multichannel bistatic SAR with inclined geosynchronous illuminator[J]. IEEE Geoscience and Remote Sensing Letters, 2017, 14(12): 2380–2384. doi: 10.1109/LGRS.2017.2765675 [127] FENG Dong, AN Daoxiang, and HUANG Xiaotao. An extended fast factorized back projection algorithm for missile-borne bistatic forward-looking SAR imaging[J]. IEEE Transactions on Aerospace and Electronic Systems, 2018, 54(6): 2724–2734. doi: 10.1109/TAES.2018.2828238 [128] LI Yachao, XU Gaotian, ZHOU Song, et al. A novel CFFBP algorithm with noninterpolation image merging for bistatic forward-looking SAR focusing[J]. IEEE Transactions on Geoscience and Remote Sensing, 2022, 60: 5225916. doi: 10.1109/TGRS.2022.3162230 [129] 江淮. 弹载合成孔径雷达成像处理算法研究[D]. [博士论文], 南京理工大学, 2017.JIANG Huai. Research on the imgaing algorithm of missle borne synthetic aperture radar[D]. [Ph. D. dissertation], Nanjing University of Science and Technology, 2017. [130] 陈伟, 孙洪忠, 齐恩勇, 等. 智能化时代雷达导引头信号处理关键技术展望[J]. 航空兵器, 2019, 26(1): 76–82. doi: 10.12132/ISSN.1673-5048.2018.0090CHEN Wei, SUN Hongzhong, QI Enyong, et al. Key technology prospects of radar seeker signal processing in intelligent age[J]. Aero Weaponry, 2019, 26(1): 76–82. doi: 10.12132/ISSN.1673-5048.2018.0090 [131] LIANG Wenkai, WU Yan, LI Ming, et al. A feature fusion-net using deep spatial context encoder and nonstationary joint statistical model for high-resolution SAR image classification[J]. IEEE Transactions on Geoscience and Remote Sensing, 2022, 60: 4407818. doi: 10.1109/TGRS.2021.3137029 [132] LIN Liupeng, LI Jie, SHEN Huanfeng, et al. Low-resolution fully polarimetric SAR and high-resolution single-polarization SAR image fusion network[J]. IEEE Transactions on Geoscience and Remote Sensing, 2022, 60: 5216117. doi: 10.1109/TGRS.2021.3121166 [133] 刘恩凡. 地面时敏目标探测制导技术探讨[J]. 飞航导弹, 2016(1): 87–91. doi: 10.16338/j.issn.1009-1319.2016.01.18LIU Enfan. Discussion on detection and guidance technology of time-sensitive ground target[J]. Aerodynamic Missile Journal, 2016(1): 87–91. doi: 10.16338/j.issn.1009-1319.2016.01.18 [134] 左峰. 视频合成孔径雷达成像算法研究[D]. [博士论文], 电子科技大学, 2020.ZUO Feng. Research on video synthetic aperture radar imaging algorithm[D]. [Ph. D. dissertation], University of Electronic Science and Technology of China, 2020. [135] 周畅, 汤子跃, 朱振波, 等. 抗间歇采样转发干扰的波形设计方法[J]. 电子与信息学报, 2018, 40(9): 2198–2205. doi: 10.11999/JEIT171236ZHOU Chang, TANG Ziyue, ZHU Zhenbo, et al. Anti-interrupted sampling repeater jamming waveform design method[J]. Journal of Electronics &Information Technology, 2018, 40(9): 2198–2205. doi: 10.11999/JEIT171236 [136] 全英汇, 方文, 沙明辉, 等. 频率捷变雷达波形对抗技术现状与展望[J]. 系统工程与电子技术, 2021, 43(11): 3126–3136. doi: 10.12305/j.issn.1001-506X.2021.11.11QUAN Yinghui, FANG Wen, SHA Minghui, et al. Present situation and prospects of frequency agility radar wave form countermeasures[J]. Systems Engineering and Electronics, 2021, 43(11): 3126–3136. doi: 10.12305/j.issn.1001-506X.2021.11.11 [137] 罗雪平, 曹运合, 胡奇, 等. SAR成像导引头干扰建模评估与仿真系统设计[J]. 系统仿真学报, 2021, 33(8): 1927–1937. doi: 10.16182/j.issn1004731x.joss.20-0240LUO Xueping, CAO Yunhe, HU Qi, et al. SAR imaging seeker interference modeling & evaluation and simulation system design[J]. Journal of System Simulation, 2021, 33(8): 1927–1937. doi: 10.16182/j.issn1004731x.joss.20-0240 期刊类型引用(11)
1. 沈明威，张永舒，李建霓，吴迪，朱岱寅. 基于空时级联单脉冲的多目标高效参数估计算法. 电子与信息学报. 2024(03): 952-959 . 
百度学术2. 马常昊，胡文惠，钟海超，文永刁，李岗，李铁. 融合Sobel算子的SAR图像结构优化方法. 探测与控制学报. 2024(02): 119-124 . 百度学术3. 李维新，李明，陈洪猛，左磊，王东，杨磊，辛东金. 针对回波数据异常时的雷达前视超分辨快速成像方法. 雷达学报. 2024(03): 667-681 . 
本站查看4. 于卫刚，徐少坤，吴昌松，袁翔宇. 基于特征提取的ISAR成像欺骗干扰评估方法研究. 航天电子对抗. 2024(03): 16-20 . 百度学术5. 江凯. 空天基合成孔径雷达多域抗干扰技术综述. 雷达科学与技术. 2024(04): 355-368 . 百度学术6. 毛德庆，杨建宇，杨明杰，张永超，张寅，黄钰林. IAA-Net：一种实孔径扫描雷达迭代自适应角超分辨成像方法. 雷达学报. 2024(05): 1073-1091 . 本站查看7. 闫莉，许高添，张廷豪. 基于改进混合坐标系的大斜视俯冲机动平台SAR快速时域成像算法. 电子学报. 2024(10): 3472-3481 . 百度学术8. 闫莉，张杰，王家东. 联合等效斜距模型和自聚焦的地面动目标成像. 航空学报. 2024(S1): 75-90 . 百度学术9. 刘可，李悦丽，戴永鹏，金添. 基于快速迭代插值多普勒频率估计的单脉冲前视成像技术. 雷达学报. 2023(06): 1138-1154 . 本站查看10. 刘裕洲，蔡天倚，李亚超，宋炫，王选琪，安培赟. 联合距离方位二维NCS的星弹双基前视SAR成像算法. 雷达学报. 2023(06): 1202-1214 . 本站查看11. 陈洪猛，余继周，张文杰，李亚超，李军，蔡良，鲁耀兵. 基于概率模型驱动的机载贝叶斯前视超分辨多目标成像方法. 雷达学报. 2023(06): 1125-1137 . 本站查看其他类型引用(10)
-
下载:
下载:
百度学术
计量
- 文章访问数: 2870
- HTML全文浏览量: 853
- PDF下载量: 761
- 被引次数: 21
