0 引言
合成孔径雷达(Synthetic Aperture Radar，SAR)成像是一种重要的高分辨率对地观测技术手段[1]，因具有全天时全天候工作的特点，近年来得到了迅速发展和广泛关注。SAR成像能通过目标散射函数重构等方式，获取观测目标电磁散射信息，有助于目标特性分析、分类与识别。目前，SAR技术已广泛用于农作物评估、灾情预报、地表形变监测、海洋测绘等民用领域，并在反恐救援、战场侦察、战略预警等军用领域发挥着越来越重要的作用。
为了满足不断增长的军用和民用需求，SAR技术沿着多个方向演化，成像结果表征由单色向彩色(极化SAR)、平面向立体(干涉、层析SAR)、静态向动态演化(视频SAR)。未来，SAR成像还将向兼具彩色、立体和动态表征能力的方向进一步演进[2]。
曲线合成孔径雷达(Curvilinear Synthetic Aperture Radar，CLSAR)技术便是雷达合成孔径流形演化的主要代表。其利用平台的曲线运动，获取观测区域的三维成像能力，具有宽方位观测能力和高分辨率等条带合成孔径雷达不可比拟的优势，是合成孔径雷达三维成像技术领域的新兴技术。因此CLSAR一经提出就引起了多个国家研究机构的关注，尤其是CLSAR中特殊一类——圆周合成孔径雷达(Circular Synthetic Aperture Radar，CSAR)从最初系统理论研究到近年来可行性试验研究，国内外的研究机构都做了大量工作。美国空军实验室(Air Force Research Laboratory，AFRL)[3]、德国宇航中心(German Aerospace Center，DLR)[4]以及Ulm大学[5]、法国宇航局(French Aerospace Agency，ONERA)[6]等国外机构基于自主研制的SAR系统陆续开展了机载CSAR外场飞行试验，相关实验结果表明CSAR成像能够获得更为完整和精细的地物信息，同时美国的AFRL和德国的DLR还开展了HoloSAR三维成像飞行试验。国内中国科学院电子所[7]、国防科技大学[8-9]和中国电子科技集团第三十八研究所[10]等单位也利用自主研制的不同频段SAR系统开展了机载CSAR外场飞行试验，获得了高质量机载CSAR实测图像。
雷达遥感是城市观测的重要手段之一，但当今城市(尤其是处于亚热带/热带的城市、岛屿)绿化率高，在道路两侧和建筑区内栽种的大量绿植对道路、桥梁和建筑等信息获取造成不利影响。而低频雷达的良好叶簇穿透性，可以有效减小绿植叶簇遮蔽影响，获取更加准确的人造地物提取信息。采用高低双频结合曲线SAR系统，能充分利用低频雷达的透障成像优势和高频雷达的精细成像优势，不仅能更加全面准确地实现人造地物目标的分类识别，还将有利于对目标的高度等几何参数的提取。因此，近年来团队在已有CSAR系统基础上设计研制了一套机载Ku与L波段双频曲线SAR成像系统，并于2020年9月在陕西省渭南市蒲城县周边开展了一系列飞行试验。本文将飞行试验情况以及在二维高精度成像、多角度关联高程提取、三维曲线InSAR以及动目标检测等数据初步处理结果进行介绍。
1 系统与试验
1.1 系统
所设计双频段SAR系统具有Ku波段与L波段高低频收发模块，能同时对同一目标区域进行观测。其中Ku波段收发部分采用一发三收连续波体制；L波段收发部分则拥有分别为水平极化与垂直极化双天线结构，利用“乒乓”发射，能录取全极化数据。系统其他功能指标如表1所示。
表1 系统主要功能参数
波段带宽接收通道信号体制Ku1.2GHz900MHz600MHz一发三收调频连续波L300MHz200MHz双通道线性调频脉冲信号
不同飞行平台在实际飞行中受到的颠簸和扰动不尽相同，如对于高波段信号，还需要考虑机体振动对成像的影响。为了丰富所录取数据结构，同时验证前期所提运动补偿算法的通用性，本次试验采取了不同类型飞行平台，分别为直升机平台Bell 407 GXI与小型固定翼通用飞机Cessna 172。系统天线部分右照，悬挂于机腹处，如图 1所示。
(a) Bell 407 GXI 直升机
(b) Cessna 172 固定翼小型通用飞机
图1 系统搭载的小型有人机平台
1.2 试验
飞行试验起降点为位于陕西省渭南市蒲城县南的内府机场，试验观测区域为机场周边具有特点的场景。为了节约飞行成本，一个飞行架次需完成多个观测点的双频曲线轨迹数据录取工作。为了最大化数据观测角度，飞行设计航线以圆周为代表的曲线轨迹为主，同时规划了若干机动曲线轨迹。如图2所示，航迹由A-E的成像场景分别为隐蔽目标观测区、环形路口动目标监视区、T形路口动目标监视区、机场机库区以及卤阳湖公园区。飞行场高为1 900 m，任务轨迹飞行平均速度为45 m/s。
(a) 飞行航线设计
(b) 实际飞行轨迹
图2 某批次飞行轨迹
试验完成的数据录取任务可分以下两类：
1) 以观测静止地物目标为主的重航过数据录取任务，目标场景包括树林、城镇、小土丘等。该类任务数据将用于基于CLSAR的高精度成像算法、三维成像、地物目标分类鉴别、曲线InSAR等技术研究。
2) 以动目标观测为主的多通道数据录取任务，目标场景包括环形路口、T形路口、公园湖面。该类数据将用于基于CLSAR的动目标识别跟踪、动目标重构、水面目标识别跟踪技术等研究之中。
2 数据处理方法及实验结果
2.1 高精度二维成像算法
平地假设是直线SAR成像处理中一个常用基本假设，即假设成像场景为一平面，没有地形起伏，目标具有统一高度，均位于平面内。然而，在实际SAR成像探测中，观测场景不可避免地存在地形起伏。当起伏幅度较小时，以平地假设进行成像可以满足聚焦精度要求，此时可以忽略地形起伏的影响；但当地形起伏幅度较大时，则会产生叠掩、收缩等图像几何畸变。在窄带SAR中，由于合成孔径较短，当因地形起伏使成像平面偏离点目标位置实际高度位置时，成像结果中点目标投影会偏离实际位置，对于整个图像则表现为距离向发生形变。然而，对于CLSAR成像模式，由于飞行轨迹不断变化，其相对的距离向也是不断变化的，此时不同方向的形变直接累加处理，将导致图像严重散焦。
针对这个问题，通常采取结合利用成像区域的DEM数据减小地形起伏误差对成像的不利影响。现有机载SAR成像时，所参考的场景DEM主要通过激光雷达获取。由于激光雷达成本高、激光穿透性与SAR使用的微波波段不同、平台飞行高度有限等方面的局限性，因此仅仅依赖激光雷达获取场景DEM将会影响CLSAR技术的进一步推广应用，尤其是一些需要实时获取场景图像的军事应用中。若能够直接利用成像处理技术减小缺少DEM数据带来的影响，则可以有助于实现成像处理的一体化，拓展CLSAR成像探测的应用范围。
目前已有基于CLSAR的DEM提取方法主要基于子孔径图像间的相关性，而本次实验数据处理中则采用多层聚焦的思想。该方法以不同区域为中心，进行局部聚焦，获取不同聚焦深度的CLSAR图像，接着进行多层聚焦融合，获取到高精度二维CLSAR聚焦图像。其基本流程如图3所示，具体可分为如下四步：
图3 基于多层聚焦的CLSAR成像方法
1) 根据系统参数、成像几何以及所需图像质量，将完整的曲线孔径数据按观测方位角等分为若干个子孔径数据；
2) 采用高分辨率快速成像算法以及运动补偿方法，对子孔径数据进行处理，获取相应的子图像；
3) 分别以完整场景中位于不同高度层的局部区域为基准，进行子图像配准叠加，获取以不同高度聚焦平面的成像结果；
4) 对获取的多幅局部聚焦度不同的图像进行融合处理，获取最后的成像结果。
图4～图6给出了某架次飞行试验录取的实测数据初步处理结果。图4与图5都为同一场景对应的不同波段成像结果图。由于Ku波段天线波束窄于L波段，故成像场景相对较小，但是所能获取的图像分辨率远高于L波段。两图右侧都给出场景中的停车场成像结果与俯视光学图像对比，可见车辆轮廓清晰完整，具有较强的辨别性，可较容易区分图中的轿车、卡车等目标。图6为L波段大场景成像结果。图东北方停靠着一列运煤火车，其金属方形车厢的后向散射远强于其他地物目标，即使位于成像场景边缘，未能被偏离该方位的曲线孔径照射到，但在成像结果中依旧表现出强目标特性。后续团队将基于这些数据深入开展图像解译研究。
图4 实测数据处理结果一(左图：L波段(2.8 km×2.8 km) ；中图：Ku波段(1.2 km×1.2 km)；右图：停车场区域局部放大图及对应现场光学图像)
图5 实测数据处理结果二(左图：L波段(2.4 km×2.4 km)；中图：Ku波段(1 km×1 km)；右图：停车场区域局部放大图及非实时遥感图(来源Google地图))
图6 实测数据处理结果三(左图：L波段(2.8 km×2.8 km)；右图：火车局部放大图及局部车厢对应的光学图像)
2.2 多角度关联
曲线SAR可通过多角度从多个方位对目标区域进行观测，具有对场景区域三维成像的能力。在曲线SAR模式下，位于观测区域的目标在不同方位角度进行观测时，由于目标所在的真实高度与成像高度平面之间存在高度差，对其进行成像时，会投影到成像高度平面的不同位置，形成几何形变[11-13]。根据此特征，可以将多个角度的子孔径进行关联，利用子孔径之间的相关性来获得观测场景的DEM信息[14]。
曲线SAR模式几何示意图如图 7所示，以地面水平面OXY为成像平面，构建空间直角坐标系OXYZ。OZ作为高度轴，雷达平台绕观测中心O在高度H的平面上作曲线运动，运动轨迹为红色曲线。
图7 CLSAR模式示意图
从图7可以看出,成像目标P所在的高度平面与其真实所在的平面存在高度差，这将导致子孔径图像发生几何形变。子孔径在平面位置与其实际位置的偏移量[13]为
(1)
式中，φA为子孔径A的方位角，θA为子孔径A的下视角，Δh为目标P所在的高度平面与其真实所在的平面存在高度差。可以看出，子孔径的几何形变与目标的实际高程和成像平面高程差值有关，二者差值越大，子孔径的几何形变越大。同时，雷达平台的下视角θ和方位角φ也会影响子孔径图像的几何形变。对于目标P在子孔径B上的成像平面相对于其在子孔径A上的位置偏移[13]为
(2)
式中，φB为子孔径B的方位角，θB为子孔径B的下视角，ΔxB为子孔径B在平面位置与其实际位置的水平方向偏移量，ΔyB为相对应的垂直方向偏移量。可以看出，子孔径图像间的几何形变与子孔径之间的方位夹角有关，子孔径间的方位夹角越大，子孔径之间的几何形变也会越大。同时，子孔径图像间的相关性也会随着子孔径间方位夹角的增大而降低[13]。
根据曲线SAR子孔径之间的差异性和相关性对观测区域DEM信息进行提取，具体流程如下：
1) 曲线SAR回波数据划分。将曲线SAR回波数据划分成多个圆弧，再将每个圆弧划分成若干子孔径数据。
2) 子孔径数据成像。通过后向投影(BP)算法将子孔径回拨数据进行成像。
3) 子孔径图像高度向投影。通过将子孔径图像向高度向投影，可以消除曲线SAR子孔径间几何形变变化对相关性的影响，如图8所示。
图8 子孔径图像高度向投影示意图
4) 子孔径图像相关性计算。在子孔径图像序列中，选取相邻的两个子孔径图像与圆弧中心位置的子孔径图像按照对应成像高度进行归一化互相关，按照此相关计算的原则，遍历全部子孔径图像。按照高度轴方向计算每一层高度子孔径图像间的相关系数，统计出相关系数随高度轴的变化，最后选取相关系数最大时所对应的高度值作为该位置的真实高程。
5) DEM融合。通过相关计算得到的子孔径相关系数，得到对应的子孔径DEM信息，将圆弧上所有的DEM信息进行融合得到该圆弧上的DEM信息。将所有圆弧的DEM信息进行融合，得到全方位的DEM。
图9～图11为Ku波段实测数据的实验结果，观测区域为一小岛，从图中可以清楚地看出观测区域的轮廓的同时，整个图像相对清晰，噪点相对更低，与光学测绘的地形相匹配，DEM的三维视图与真实地形接近。通过定量分析，对建筑物的测量结果显示与光学测绘的结果相接近，准确性较高，结果相对稳定，误差更小。
图9 Ku波段实测数据湖中心小岛曲线SAR成像
图10 湖中心小岛观测区域光学图片
图11 曲线SAR子孔径相关法DEM提取结果
2.3 曲线InSAR
合成孔径雷达干涉测量技术(Synthetic Aperture Radar Interferometry, InSAR)将合成孔径雷达成像技术与干涉测量技术成功地进行了结合，利用传感器高度、雷达波长、波束视向及天线基线距之间的几何关系，可以精确地测量出图像上每一点的三维位置和变化信息。
目前，常规LSAR干涉测量只能实现单角度的“雷达照相”，获得成像场景某一个视角的DEM。除此之外，常规LSAR成像结果会随着成像场景的地形起伏而变化，导致反演的DEM与真实DEM存在较大差异。为此，本文将根据曲线SAR可对指定场景进行长时间、宽角度持续观察的特点，研究基于子孔径曲线SAR干涉测量方法。
图12为曲线InSAR空间模型，可得到基线与场景的几何关系，如图13所示，其干涉原理与直线InSAR一致，难点在于基线等效相位中心的估计。
图12 曲线SAR干涉空间模型
图13 InSAR几何模型
通过曲线SAR的宽角度观测，我们可以获取成像场景更多信息。基于此，进行子孔径DEM数据融合，可获得成像场景更加精确的DEM。曲线InSAR处理的基本流程如图14所示。
图14 曲线InSAR干涉测量流程图
曲线InSAR处理基本流程可分为四步：
1) 子孔径划分。针对曲线InSAR系统的轨迹数据，合理划分子孔径。
2) BP算法成像。由于曲线InSAR的复杂运动轨迹带来严重的距离方位耦合，故采用时域类算法对子孔径数据进行成像。
3) 干涉处理。主要包括配准、去平地、相位解缠绕等步骤。
4) 高程反演与DEM融合。通过基线与场景的几何关系，反演出子孔径高程数据。进行融合，得到曲线InSAR的DEM数据。
对L波段重轨曲线InSAR测量数据进行干涉处理，结果如图15所示。
图15 InSAR数据处理结果
图15(a)为成像场景的遥感图像，图15(b)为子孔径回波数据的BP成像结果，成像场景大小为2 000 m×2 000 m。我们分别提取不同入射方向的3个子孔径数据进行干涉处理，得到图15(c)、(d)、(e)。图15(f)为图15(e)的解缠绕结果。图15(g)为高程反演得到的DEM数据。
2.4 动目标
CLSAR可以实现场景大方位角观测，因此能与地面动目标指示(Ground Moving Target Indication，GMTI)相结合以具备动目标侦察探测功能[15]。相比于传统直线SAR-GMTI，CLSAR-GMTI的优势在于：
1) 具有长时间持续跟踪运动目标的能力。获取动目标的完整运行轨迹，以生成更具价值的情报信息。
2) 具有更好的动目标检测性能。CLSAR的多角度持续跟踪，便于多帧联合信息处理，从而去除虚假目标，降低虚警率。
与静止杂波不同，运动目标在SAR图像上具有多普勒频偏、成像位置偏移、方位压缩函数不匹配引起的散焦等特点，单通道CLSAR-GMTI技术主要利用这些特征进行动目标处理，但一般只适用于多普勒频偏大于杂波多普勒展宽的快速运动目标[16]。因此，为克服该类方法的局限性，采取多通道处理技术可以拓宽应用范围至慢速运动目标，而本单位自研的机载Ku波段SAR系统采取一发三收的工作模式，便于实现多通道SAR-GMTI。
利用多通道回波数据进行动目标检测，主要面临慢速动目标信息受杂波等影响的困难[17]。针对该问题，本次实验处理采取结合杂波抑制干扰(Clutter Suppression Interference, CSI)[18]与松弛算法(Relaxation-Based Cyclic, RELAX)[19]的方法实现高效的动目标检测与高精度的动目标参数估计。接着进行多目标轨迹跟踪与轨迹重构，获取到高精度的动目标运动轨迹。
其基本流程如图16所示，具体可分为以下四步：
图16 CLSAR模式下动目标轨迹重构方法
1) 根据系统参数、成像几何等特征进行子孔径划分。以通道1为参考通道，进行通道间的配准与通道均衡，消除通道误差。
2) 采用CSI-RELAX方法以及恒虚警率(Constant False Alarm Rate，CFAR)检测方法，对各个子孔径回波数据进行处理，获取相应的动目标检测集合。
3) 采取相位特征辅助的近邻搜索方法与一步预测法进行多子孔径轨迹跟踪，获取目标的运动轨迹结果。
4) 利用成像几何与频谱参数进行参数估计，在真实SAR图像中实现动目标轨迹重构。
图17～图18为某架次飞行试验录取的动目标实测数据处理结果，对应场景为图4中Ku波段所获取的环岛路口SAR图像。图17为某一曲线孔径观测下动目标检测结果，其中静止杂波基本被抑制，而动目标信息得以凸显。图18为获取的运动目标轨迹重构结果(绿色)，与真实GPS数据(红色)相比，位置估计平均误差为23.75 m，估计精度在可接受范围内。城市路网区域结构多样，复杂的非均匀杂波背景为GMTI带来诸多挑战。除此之外，由于实际目标的运动不是单一的匀速运动，后续团队将开展基于各类复杂运动的目标检测与重构研究。
(a) RD域原始数据
(b) GMTI检测结果
图17 某一子孔径动目标检测结果
图18 合作目标的轨迹重构结果
3 结束语
本文首先介绍了团队近年研制的机载双频曲线SAR系统，该系统具有三通道Ku波段以及全极化L波段数据采集能力，然后展示了该系统在2020年9月于陕西开展的一系列机载双频曲线SAR飞行试验以及获取的初步数据结果。已完成的工作是团队在原有CSAR研究基础上的延伸，后续将针对曲线SAR理论算法和应用，如曲线路径规划、非平面曲线三维成像、曲线孔径下目标散射特性等，进行更深入的探索研究。
[1] 黄晓涛, 陈乐平, 范崇祎,等. 低频叶簇穿透雷达成像技术[J]. 电波科学学报,2020,35(4):469-485.
[2] 杨建宇. 雷达对地成像技术多向演化趋势与规律分析[J]. 雷达学报,2019, 8(6):669-692.
[3] BOSS N, ERTIN E, MOSES R. Autofocus for 3D Imaging with Multipass SAR[C]∥Proceedings of SPIE-The International Society for Optical Engineering, Orlando, FL:SPIE,2010:1-11.
[4] PONCE O, IRAOLA P P, PINHEIRO M, et al. Fully Polarimetric High-Resolution 3-D Imaging with Circular SAR at L-Band[J]. IEEE Trans on Geoscience and Remote Sensing,2014,52(6):3074-3090.
[5] PALM S, SOMMER R, JANSSEN D, et al. Airborne Circular W-Band SAR for Multiple Aspect Urban Site Monitoring[J].IEEE Trans on Geoscience and Remote Sensing,2019,57(9):6996-7016.
[6] ORIOT H, CANTALLOUBE H. Circular SAR Imagery for Urban Remote Sensing[C]∥European Conference on Synthetic Aperture Radar (EUSAR), Friedrichshafen,Germany:IEEE,2008:205-208.
[7] 洪文, 王彦平, 林赟,等. 新体制SAR三维成像技术研究进展[J]. 雷达学报,2018,7(6):5-26.
[8] 安道祥, 陈乐平, 冯东,等. 机载圆周SAR成像技术研究[J]. 雷达学报,2020,9(2):221-242.
[9] CHEN Leping,AN Daoxiang,HUANG Xiaotao. A Backprojetion-Based Imaging for Circular Synthetic Aperture Radar[J]. IEEE Journal Selected Topics Applied Earth Observations and Remote Sensing,2017,10(8):3547-3555.
[10] 张佳佳, 姚佰栋, 孙龙, 等. 低频圆周SAR系统设计与试验验证[J]. 电子技术与软件工程,2017(15):111-113.
[11] PALM S, ORIOT H M, CANTALLOUBE H M. Radargrammetric DEM Extraction over Urban Area Using Circular SAR Imagery[J]. IEEE Trans on Geoscience and Remote Sensing,2012,50(11):4720-4725.
[12] 刘婷,林赟,谭维贤,等.圆迹SAR模式DEM提取方法[J].中国科学院研究生院学报,2013,30(1):47-52.
[13] 张金强,索志勇,李真芳,等. 圆迹SAR子孔径图像序列联合相关DEM提取方法[J].系统工程与电子技术,2018,40(9):1939-1944.
[14] LI Yishi, CHEN Leping, AN Daoxiang, et al. A Novel Dem Extraction Method Based on Chain Correlation of CSAR Subaperture Images[J]. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing,2021(99):1.
[15] PAGE D,OWIRKA G,NICHOLS H,et al.Circular SAR GMTI[C]∥Proceedings of Algorithms for Synthetic Aperture Radar Imagery XXI, Baltimore,MD:SPIE,2014:1-9.
[16] 范崇祎. 单/双通道低频SAR/GMTI技术研究[D].长沙: 国防科技大学,2012.
[17] GE Beibei, CHEN Leping, AN Daoxiang, et al. Parameter Estimation of Moving Target in Dual-Channel Circular Synthetic Aperture Radar[C]∥Proceedings of the 2019 IEEE Asia-Pacific Microwave Conference, Singapore:IEEE,2019:1381-1383.
[18] LIU Ying, ZHUANG Long, HAO Ming,et al. Ground Moving Target Imaging Based on Joint CSI-MD Method[C]∥Asia-Pacific Conference on Synthetic Aperture Radar (APSAR), Xiamen, China:IEEE,2019:1-6.
[19] LI J, ZHENG D, STOICA P. Angle and Waveform Estimation via RELAX[J]. IEEE Trans on Aerospace and Electronic Systems,1997,33(3):1077-1087.
