視頻合成孔徑雷達(dá)技術(shù)發(fā)展現(xiàn)狀綜述

摘 要： 視頻合成孔徑雷達(dá) （video synthetic aperture radar， ViSAR） 由于能夠連續(xù)觀測(cè)目標(biāo)區(qū)域的變化，在許多領(lǐng)域得到了廣泛的應(yīng)用。首先梳理了國(guó)內(nèi)外ViSAR相關(guān)的研究動(dòng)態(tài)，分析了ViSAR高幀率成像以及動(dòng)目標(biāo)陰影形成的原理；然后系統(tǒng)地闡述了國(guó)內(nèi)外ViSAR系統(tǒng)及其處理技術(shù)的研究進(jìn)展，對(duì)成像算法、運(yùn)動(dòng)補(bǔ)償算法以及動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)等方面的研究進(jìn)展進(jìn)行了梳理和總結(jié)；最后總結(jié)了目前ViSAR相關(guān)的發(fā)展，并對(duì)未來(lái)ViSAR技術(shù)的潛在研究方向進(jìn)行了展望。

關(guān)鍵詞： 合成孔徑雷達(dá); 高幀率成像; 視頻合成孔徑雷達(dá); 動(dòng)目標(biāo)檢測(cè)

中圖分類(lèi)號(hào)： TN 95

文獻(xiàn)標(biāo)志碼： A

DOI：10.12305/j.issn.1001-506X.2024.08.13

Review of the development status for ViSAR techniques

YAN Shangqu， FU Yaowen^*， ZHANG Wenpeng， YANG Wei， YU Ruofeng， ZHANG Fatong

（College of Electronic Science and Technology， National University of Defense Technology， Changsha 410073， China）

Abstract： Video synthetic aperture radar （ViSAR） has been widely used in many fields due to its ability to continuously observe changes in the target area. Firstly， the research trends related to ViSAR at home and abroad are reviewed， and the principles of high frame rate imaging and shadow formation of moving targets in ViSAR are analyzed. Secondly， the research progress of ViSAR systems and their processing technologies of both domestical and international is systematically elaborated， and the research progress in imaging algorithms， motion compensation algorithms， and moving target detection and tracking technologies is summarized. Finally， the current developments related to ViSAR are summarized， and potential research directions for future ViSAR technology are discussed.

Keywords： synthetic aperture radar （SAR）; high frame rate imaging; video synthetic aperture radar （ViSAR）; moving target detection

0 引 言

20世紀(jì)50年代，美國(guó)數(shù)學(xué)家Carl Wiley研究阿特拉斯液體洲際彈道導(dǎo)彈時(shí)發(fā)現(xiàn)如果對(duì)多普勒頻移進(jìn)行處理，能改善雷達(dá)方位向的分辨率。根據(jù)這一原理，可利用雷達(dá)的運(yùn)動(dòng)來(lái)合成等效長(zhǎng)的方位向長(zhǎng)孔徑，并獲得目標(biāo)區(qū)域的二維地表圖像。這一思想后來(lái)被發(fā)展成合成孔徑雷達(dá)（synthetic aperture radar， SAR）技術(shù)^［1］。SAR技術(shù)具備全天候、全天時(shí)、高分辨率以及可穿透云霧等優(yōu)點(diǎn)^［2-3］，經(jīng)過(guò)多年的發(fā)展，現(xiàn)已作為一種主動(dòng)的航天、航空遙感手段，被廣泛地應(yīng)用于地形測(cè)繪^［4］、資源普查^［5］、目標(biāo)偵察^［6］以及戰(zhàn)場(chǎng)態(tài)勢(shì)感知等民用或軍用領(lǐng)域^［7］。但傳統(tǒng)SAR僅能獲取目標(biāo)成像區(qū)域的靜態(tài)二維（距離和方位）平面信息，無(wú)法得到更豐富的場(chǎng)景信息。因此，研究人員通過(guò)對(duì)SAR的深入研究，提出不同的方案，來(lái)獲取更多的場(chǎng)景信息。其中，干涉SAR（interferometric SAR， InSAR）可獲取目標(biāo)成像區(qū)域的高度信息，InSAR通過(guò)SAR復(fù)圖干涉得到干涉相位，來(lái)獲取目標(biāo)的高度信息，從而實(shí)現(xiàn)對(duì)成像區(qū)域內(nèi)高程信息的檢測(cè)^［8］。極化SAR（polarimetric SAR， PolSAR）利用多種極化方式獲取成像區(qū)域內(nèi)多種散射信息，使SAR圖像由近似“黑白”的圖像向 “彩色”圖像發(fā)展^［9］。視頻SAR（video SAR， ViSAR）將視頻顯示技術(shù)與SAR成像技術(shù)相結(jié)合，通過(guò)對(duì)目標(biāo)成像區(qū)域的凝視獲取該區(qū)域的連續(xù)幀圖像，并且最終以“視頻”的形式展示，使SAR圖像由“靜態(tài)”向“動(dòng)態(tài)”發(fā)展，是目前SAR技術(shù)中最為前沿的課題之一^［10-15］。

美國(guó)桑迪亞國(guó)家實(shí)驗(yàn)室（Sandia National Laboratory， SNL）于2003年首次提出了ViSAR的概念。ViSAR可通過(guò)實(shí)時(shí)調(diào)整雷達(dá)波束來(lái)對(duì)地面目標(biāo)區(qū)域進(jìn)行長(zhǎng)時(shí)間凝視，同時(shí)對(duì)接收的回波信號(hào)進(jìn)行持續(xù)成像，來(lái)形成連續(xù)的高幀率圖像，并且將SAR技術(shù)與視頻顯示技術(shù)進(jìn)行結(jié)合，高效地展示出地面的變化情況，同時(shí)利用觀察者對(duì)運(yùn)動(dòng)目標(biāo)的敏感性提升對(duì)場(chǎng)景動(dòng)態(tài)信息的分析能力。當(dāng)ViSAR的成像分辨率與幀率分別達(dá)到0.2 m和5 Hz時(shí)，觀察者能更為準(zhǔn)確地對(duì)地面動(dòng)目標(biāo)進(jìn)行實(shí)時(shí)檢測(cè)與跟蹤^［16-17］。作為一種新型的對(duì)地探測(cè)技術(shù)，ViSAR大致可分為兩類(lèi)，一類(lèi)是高頻ViSAR;另一類(lèi)是非高頻ViSAR。高頻ViSAR技術(shù)通過(guò)提高工作頻率來(lái)提高成像幀率，其工作頻段位于太赫茲頻段，最大的優(yōu)勢(shì)在于成像延遲和合成孔徑積累時(shí)間較短，易于實(shí)現(xiàn)對(duì)成像場(chǎng)景的持續(xù)實(shí)時(shí)監(jiān)測(cè)，并且高頻ViSAR的雷達(dá)天線尺寸較小，有利于搭載至無(wú)人機(jī)等小型平臺(tái)。但由于高頻ViSAR的工作頻率較高，受大氣衰減影響較大，其工作距離較短，并且其極高的實(shí)時(shí)性也對(duì)處理算法的效率提出了一定的要求。非高頻ViSAR技術(shù)采用孔徑重疊模式提高成像幀率，其最大優(yōu)勢(shì)在于不需要較高的工作頻率，可適用于目前大多數(shù)的SAR系統(tǒng)。此外，非高頻ViSAR的相關(guān)算法以及系統(tǒng)較為成熟，能提供較長(zhǎng)的工作距離。但選擇使用孔徑重疊模式，務(wù)必需要較長(zhǎng)的積累時(shí)間，造成一定的成像延時(shí)，實(shí)時(shí)性較差，可能無(wú)法滿足對(duì)成像場(chǎng)景的實(shí)時(shí)監(jiān)測(cè)^［18-19］。

本文主要圍繞這兩類(lèi)ViSAR的相關(guān)技術(shù)展開(kāi)討論，梳理了國(guó)內(nèi)外相關(guān)的研究動(dòng)態(tài)，對(duì)兩類(lèi)ViSAR系統(tǒng)的高幀率成像以及動(dòng)目標(biāo)陰影形成原理進(jìn)行分析;對(duì)成像算法、運(yùn)動(dòng)補(bǔ)償算法以及動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)等方面的研究進(jìn)展進(jìn)行了梳理和總結(jié)，并且在此基礎(chǔ)上對(duì)該技術(shù)未來(lái)的發(fā)展趨勢(shì)進(jìn)行了展望。

1 ViSAR系統(tǒng)原理

圖1為經(jīng)典條帶SAR成像幾何的示意圖，載機(jī)以固定高度H、飛行速度V沿直線軌跡進(jìn)行勻速飛行，P_r為雷達(dá)天線相位中心 （antenna phase center， APC），P_n為測(cè)繪帶中任意一個(gè)點(diǎn)目標(biāo)。根據(jù)SAR成像理論可知，條帶SAR距離向分辨率^［20］可表示為

ρ_r=c2B_r（1）

式中：B_r為距離向帶寬;c為光速。同時(shí)，方位向分辨率可表示為

ρ_a=VB_a（2）

式中：B_a為多普勒帶寬。

在ViSAR體制中，因需要對(duì)目標(biāo)成像區(qū)域進(jìn)行長(zhǎng)時(shí)間持續(xù)觀測(cè)，并要以動(dòng)態(tài)的形式反映成像區(qū)域內(nèi)的運(yùn)動(dòng)狀態(tài)，ViSAR系統(tǒng)通常工作于聚束模式下^［21］。在聚束模式下，為了滿足對(duì)地面目標(biāo)區(qū)域的持續(xù)觀測(cè)需求，在載機(jī)平臺(tái)飛行的過(guò)程中，需實(shí)時(shí)地調(diào)整雷達(dá)波束，使其持續(xù)指向目標(biāo)成像區(qū)域，獲得持續(xù)觀測(cè)所需的回波信息以進(jìn)行成像。當(dāng)照射時(shí)間增加時(shí)，合成孔徑積累角也會(huì)對(duì)應(yīng)地增大，這樣可形成更大的多普勒帶寬B_a，從而達(dá)到比條帶模式距離向分辨率更高的方位向分辨率。因此，在目前的研究中，為了便于對(duì)幀率進(jìn)行分析和對(duì)目標(biāo)成像區(qū)域進(jìn)行監(jiān)測(cè)，ViSAR成像大都采用圓周軌跡聚束模式^［22-25］。

圖2為圓周軌跡聚束模式示意圖，平臺(tái)以固定的高度沿圓周軌跡飛行，同時(shí)不斷地調(diào)整雷達(dá)波束的指向來(lái)保證飛行過(guò)程中成像區(qū)域始終在雷達(dá)的波束范圍之內(nèi)。ViSAR的距離向分辨率^［26］可表示為

ρ_r=c2B_rcos φ（3）

同時(shí)，在聚束模式中，ViSAR的方位向分辨率^［27］可表示為

ρ_a=λ2Δθcos θ_sq（4）

式中：Δθ為方位向積累角;λ為波長(zhǎng);θ_sq為斜視角。一般來(lái)說(shuō)，為了使SAR圖像不出現(xiàn)壓縮展寬等現(xiàn)象，需要保持ρ_r=ρ_a，即保持距離向和方位向分辨率一致。因此，合成孔徑積累角也需要滿足以下條件：

Δθ=B_rλc=B_rf_c（5）

式中：f_c為雷達(dá)工作頻率。

1.1 高頻ViSAR基本原理

根據(jù)式（4）可知，當(dāng)雷達(dá)的工作頻率f_c增大時(shí)，ViSAR僅需要較小的Δθ就可以達(dá)到較高的地面方位向分辨率。對(duì)于速度恒定為V的載機(jī)平臺(tái)來(lái)說(shuō)，對(duì)應(yīng)的合成孔徑時(shí)間T_s也會(huì)相對(duì)應(yīng)減小。當(dāng)忽略成像所需的時(shí)間時(shí)，每幀SAR圖像的合成孔徑時(shí)間T_s為

T_s=R_aλ2ρ_av（6）

同時(shí)，ViSAR的獨(dú)立幀率F_s為T(mén)_s的倒數(shù)，即：

F_s=2ρ_avcR_af_c（7）

式中：R_a為雷達(dá)距離成像中心的斜距。獨(dú)立幀率的定義為ViSAR系統(tǒng)每秒鐘可獲得的SAR幀圖像的個(gè)數(shù)，即單幀SAR圖像的合成孔徑時(shí)間T_s的倒數(shù)。對(duì)一個(gè)ViSAR系統(tǒng)而言， F_s由地面方位向分辨率ρ_a、載機(jī)飛行速度V、雷達(dá)工作頻率f_c以及R_a共同決定。其中，ρ_a與R_a受成像應(yīng)用的限制，通常無(wú)法改變。如需提高ViSAR系統(tǒng)幀率，只能提高載機(jī)飛行速度V或雷達(dá)工作頻率f_c。通常采用提高雷達(dá)工作頻率f_c的方式來(lái)達(dá)到高幀率的需求。SAR成像必須經(jīng)過(guò)一個(gè)合成孔徑時(shí)間T_s才能形成所需的方位向分辨率，那么對(duì)應(yīng)地，成像就會(huì)有T_s的延遲時(shí)間。根據(jù)獨(dú)立幀率F_s和合成孔徑時(shí)間T_s的關(guān)系可知，獨(dú)立幀率越高，合成孔徑時(shí)間越短，成像延遲時(shí)間越低，系統(tǒng)的實(shí)時(shí)性也越高。同時(shí)，根據(jù)美國(guó)國(guó)防部高級(jí)研究計(jì)劃局（Defense Advanced Research Projects Agency， DARPA）和SNL的研究表明，ViSAR的成像分辨率以及幀率需分別到達(dá)0.2 m和5 Hz，才能通過(guò)肉眼實(shí)現(xiàn)對(duì)地面目標(biāo)的實(shí)時(shí)跟蹤與監(jiān)測(cè)^［28-29］。

在此，以成像分辨率0.2 m、作用距離2 km、載機(jī)飛行速40 m/s為例，根據(jù)式（7）計(jì)算f_c與F_s之間的關(guān)系，計(jì)算結(jié)果如圖3所示。從圖3的計(jì)算結(jié)果可知，ViSAR的獨(dú)立幀率要達(dá)到5 Hz，f_c則需要在187.4 GHz以上，這個(gè)頻段已經(jīng)屬于太赫茲波段，相對(duì)于Ku與Ka波段的雷達(dá)來(lái)說(shuō)，該波段更易受到大氣衰減的影響。

根據(jù)圖4所示的不同頻段下的大氣衰減曲線可知，在越高的工作頻率下，大氣衰減是越大的，但在94 GHz、220 GHz、340 GHz、580 GHz等頻段內(nèi)，大氣對(duì)電磁波的吸收較弱，因此這幾個(gè)頻帶被稱(chēng)為“大氣窗口”^［30］。結(jié)合圖3的計(jì)算結(jié)果以及目前的硬件水平來(lái)看，為了滿足0.2 m的分辨率以及5 Hz的獨(dú)立幀率，高頻ViSAR系統(tǒng)的雷達(dá)工作頻率應(yīng)在220 GHz以及340 GHz附近。

1.2 非高頻ViSAR基本原理

對(duì)于X波段、K波段以及Ka波段的非高頻雷達(dá)系統(tǒng)，為了實(shí)現(xiàn)5 Hz的幀率，需要通過(guò)孔徑重疊模式來(lái)提高幀率，以達(dá)到ViSAR系統(tǒng)的要求。

圖5為孔徑重疊模式的原理示意圖，從圖中可知，在相鄰幀圖像之間，有部分的數(shù)據(jù)是重疊的，只需更新小部分的數(shù)據(jù)就可得到下一幀的圖像，從而提高幀率。使用孔徑重疊模式得到的ViSAR系統(tǒng)的幀率稱(chēng)之為交疊幀率，其表達(dá)式為

F_l=2ρ_avcR_a（1-γ）f_c（8）

式中：γ（0≤γ＜1）表示兩幀孔徑之間的重疊率。除第一幀SAR圖像之外，形成一幀圖像所需的時(shí)間為T(mén)_l=（1-γ）T_s。

由式（8）可知，在一個(gè)ViSAR系統(tǒng)的其他參數(shù)不變的情況下，可以通過(guò)提高孔徑重疊率γ提高系統(tǒng)成像的幀率。在理論上，雷達(dá)每接收一個(gè)脈沖均可形成一幀新的SAR圖像。因此，脈沖重復(fù)頻率（pulse repetition frequency， PRF）的數(shù)值是孔徑重疊模式下ViSAR可達(dá)到的最大交疊幀率的數(shù)值。另外，采用孔徑重疊模式成像還可以增加相鄰幀圖像之間的相干性^［31］，讓相鄰圖像之間有更強(qiáng)的連續(xù)性，有助于觀察者的判斷以及后續(xù)的處理。但是，過(guò)高的孔徑重疊率γ會(huì)導(dǎo)致相鄰幀圖像的變化較小，造成較高的信息冗余。因此，選擇合適的孔徑重疊率γ也是非高頻ViSAR系統(tǒng)設(shè)計(jì)中的重要一環(huán)^［32］。

1.3 動(dòng)目標(biāo)陰影形成原理

ViSAR圖像序列的動(dòng)目標(biāo)陰影可用于地面動(dòng)目標(biāo)檢測(cè)與跟蹤，本節(jié)將詳細(xì)描述ViSAR圖像陰影成像的原理。在ViSAR體制中，雷達(dá)的工作頻率較高，目標(biāo)較小的運(yùn)動(dòng)就會(huì)使目標(biāo)成像發(fā)生較大的偏移和散焦。其次，動(dòng)目標(biāo)自身的遮擋會(huì)導(dǎo)致目標(biāo)在地面真實(shí)位置的回波能量較弱，在成像結(jié)果中會(huì)出現(xiàn)真實(shí)反映動(dòng)目標(biāo)位置以及狀態(tài)信息的陰影。

圖6為動(dòng)目標(biāo)陰影形成原理示意圖，在合成孔徑時(shí)間T_s內(nèi)，車(chē)輛從A點(diǎn)運(yùn)動(dòng)到B點(diǎn)，A點(diǎn)為起始時(shí)刻車(chē)尾的位置，B點(diǎn)為結(jié)束時(shí)刻車(chē)頭的位置。在整個(gè)T_s內(nèi)，車(chē)輛的陰影區(qū)域于A點(diǎn)開(kāi)始，至B點(diǎn)終止。O₁為動(dòng)目標(biāo)沿運(yùn)動(dòng)方向的陰影強(qiáng)度剖面（shadow intensity profile， SIP）的起點(diǎn)，一般在背景為均勻介質(zhì)的模型中，陰影的強(qiáng)弱與雷達(dá)波束照射的時(shí)間成正比。r_s表示O₁距離SIP起點(diǎn)的距離。r表示SIP上任意一點(diǎn)P到O₁的距離。動(dòng)目標(biāo)開(kāi)始被遮擋時(shí)的時(shí)刻t_s可表示為

t_s=r-r_s-lv_t（9）

式中：l表示動(dòng)目標(biāo)在運(yùn)動(dòng)方向上的長(zhǎng)度;v_t表示動(dòng)目標(biāo)的運(yùn)動(dòng)速度。同樣，結(jié)束遮擋的時(shí)刻t_e可表示為

t_e=r-r_sv_t（10）

根據(jù)式（9）和式（10）可知，SIP上任意一點(diǎn)P被遮擋的時(shí)間t為：t=t_e-t_s=l/v_t。由于合成孔徑時(shí)間T_s是確定的，因此需要對(duì)P點(diǎn)的SIP進(jìn)行修正，保證一幀圖像內(nèi)的有效遮擋時(shí)間在［0，T_s］內(nèi)，其修正函數(shù)的表達(dá)式為

C（t）=t， 0≤t≤T_s

T_s， T_s＜t（11）

設(shè)地面成像區(qū)域的強(qiáng)度為1，則可通過(guò)式（11）計(jì)算SIP：

S（P）=T_s-C（t_e-t_s）T_s=1-C（t_e-t_s）T_s（12）

從式（12）中可知，當(dāng)C（t_e-t_s）與T_s的比值越大時(shí)，S（P）越小，即陰影越明顯。根據(jù)T_s=R_aλ/2ρ_av可知，波長(zhǎng)越短，雷達(dá)載頻就越大，T_s越小，陰影成像的效果越好。此外，目標(biāo)的運(yùn)動(dòng)速度v_t越小，陰影成像的效果也越明顯，陰影檢測(cè)也越容易。

2 ViSAR系統(tǒng)研究進(jìn)展

2.1 國(guó)外研究進(jìn)展

SNL于2009年公布了其ViSAR系統(tǒng)的專(zhuān)利。在該專(zhuān)利中，SNL采用孔徑重疊模式來(lái)進(jìn)行ViSAR系統(tǒng)的設(shè)計(jì)與成像，并且SNL開(kāi)發(fā)了先進(jìn)的ViSAR算法，同時(shí)擁有多項(xiàng)ViSAR模式的專(zhuān)利，實(shí)現(xiàn)了革命性的情報(bào)獲取方式^［31］。同時(shí)，SNL在其官網(wǎng)上公布了他們所研發(fā)的ViSAR系統(tǒng)的三段成像結(jié)果^［33］，圖7為公布數(shù)據(jù)中其中一段SAR視頻的截圖。

圖7為一空軍基地大門(mén)的ViSAR成像結(jié)果，其成像結(jié)果包含了運(yùn)動(dòng)車(chē)輛通過(guò)大門(mén)的場(chǎng)景。從圖7（b）中的紅框放大細(xì)節(jié)可明顯看出，當(dāng)運(yùn)動(dòng)目標(biāo)停止移動(dòng)時(shí)，目標(biāo)的反射能量呈現(xiàn)在陰影頂部。當(dāng)目標(biāo)開(kāi)始移動(dòng)時(shí)，陰影就會(huì)再次出現(xiàn)在其真實(shí)位置。同時(shí)，圖7中位于道路中的陰影全部為移動(dòng)車(chē)輛的真實(shí)位置，這也給基于陰影的動(dòng)目標(biāo)檢測(cè)奠定了理論基礎(chǔ)。此外，圖7也清楚地顯示了基地大門(mén)周?chē)矬w的精細(xì)細(xì)節(jié)，展示了ViSAR成像的高分辨以及高幀率能力。

加拿大國(guó)防研究及發(fā)展中心（Defence Research and Development Canada， DRDC）自2007年起開(kāi)始對(duì)ViSAR進(jìn)行立項(xiàng)，并在2010年對(duì)其展開(kāi)了大量的研究工作，把其研究重心放在如何提高ViSAR成像的圖像質(zhì)量中。在文獻(xiàn)［14］中，DRDC基于X波段的雷達(dá)系統(tǒng)，通過(guò)孔徑重疊模式來(lái)實(shí)現(xiàn)ViSAR成像，并且該中心通過(guò)對(duì)相鄰幀圖像的累積求和來(lái)減少散斑以及填充陰影，以達(dá)到增加后續(xù)幀圖像對(duì)比度的目的。

DRDC通過(guò)圓周軌跡聚束模式共成像了53幀圖像。如圖8所示，第10幀圖像是在圍繞目標(biāo)成像區(qū)域旋轉(zhuǎn)約10°后累積形成的，第53幀圖像是在旋轉(zhuǎn)約55°后累積形成的。從3個(gè)成像結(jié)果的對(duì)比中可明顯得出，經(jīng)過(guò)多幀累積之后的SAR圖像噪聲更少、目標(biāo)的輪廓更加清晰。這也證實(shí)了相鄰幀圖像的累積求和能提高成像分辨率。

2012年，美國(guó)國(guó)防部高級(jí)研究計(jì)劃署（Defense Advanced Research Projects Agency，DARPA）的ViSAR項(xiàng)目開(kāi)始實(shí)施，該項(xiàng)目旨在開(kāi)發(fā)出具有穿透云層及煙塵、同時(shí)具有高分辨率和高幀率的ViSAR成像系統(tǒng)^{［12，29］}。在短短數(shù)年之間，DARPA聯(lián)合雷神、貝宜系統(tǒng)有限公司等多家美國(guó)國(guó)防公司設(shè)計(jì)出了231.5～235 GHz的ViSAR系統(tǒng)，并在2018年年底公布了其ViSAR系統(tǒng)成像的結(jié)果^［34］。

從圖9（a）的ViSAR系統(tǒng)結(jié)構(gòu)示意圖可知，DARPA所設(shè)計(jì)的235 GHz“L”型一發(fā)四收ViSAR系統(tǒng)能在豎直方向上實(shí)現(xiàn)干涉，獲得成像區(qū)域的高度信息，同時(shí)在水平方向上也可實(shí)現(xiàn)動(dòng)目標(biāo)的檢測(cè)。圖9（b）和圖9（c）為DARPA在德克薩斯州米德洛錫安進(jìn)行機(jī)載實(shí)驗(yàn)的ViSAR成像結(jié)果中的兩幀圖像，從成像結(jié)果可以清晰地看出各目標(biāo)以及其陰影的圖像特征。DARPA的ViSAR項(xiàng)目成功地證明了235 GHz雷達(dá)系統(tǒng)的可行性，并展示了以低圖像延遲和高SAR幀率生成實(shí)時(shí)精細(xì)分辨率的SAR圖像的能力。

表1為SNL與DARPA兩個(gè)實(shí)驗(yàn)室研發(fā)的ViSAR系統(tǒng)的具體參數(shù)對(duì)比，從表中的對(duì)比也可以得出高頻ViSAR系統(tǒng)和非高頻ViSAR系統(tǒng)之間的差異。

美國(guó)通用原子航空系統(tǒng)公司（General Atomics Aero-nautical Systems Incorporated， GA-ASI）于2013年開(kāi)始對(duì)圓周軌跡聚束模式下的非高頻ViSAR系統(tǒng)進(jìn)行研究，同時(shí)提出采用反向投影（back projection， BP）算法結(jié)合移位寄存器來(lái)實(shí)現(xiàn)孔徑的循環(huán)位移以及成像處理，最終的交疊幀率達(dá)到了4 Hz^［35］。

德國(guó)弗勞恩霍夫（Fraunhofer-Gesellschaft， FhG）協(xié)會(huì)于2013年開(kāi)展太赫茲關(guān)鍵器件研究，并研制了型號(hào)為MIRANDA-300的太赫茲雷達(dá)成像系統(tǒng)。該系統(tǒng)的工作頻率為300 GHz，其分辨率達(dá)到了3.7 mm^［36］。2016年，F(xiàn)hG研制出了新一代MIRANDA-300 ViSAR成像系統(tǒng)，并進(jìn)行了成像實(shí)驗(yàn)，其雷達(dá)系統(tǒng)與成像結(jié)果如圖10所示，成像結(jié)果也很好地驗(yàn)證了太赫茲ViSAR系統(tǒng)的高分辨成像能力^［37-40］。

2017年開(kāi)始，部分亞洲國(guó)家也開(kāi)始對(duì)ViSAR進(jìn)行仿真驗(yàn)證與研究。韓國(guó)延世大學(xué)對(duì)多輸入多輸出調(diào)頻連續(xù)波（multiple input and multiple output frequency modulated continuous wave， MIMO-FMCW）ViSAR系統(tǒng)進(jìn)行了研究，并設(shè)計(jì)出了多輸入多輸出調(diào)頻連續(xù)波ViSAR（multiple input and multiple output ViSAR， MIMO ViSAR）系統(tǒng)^［41］，達(dá)到了ViSAR體制成像幀率的要求^［42］。

本節(jié)對(duì)國(guó)外ViSAR系統(tǒng)的發(fā)展路徑作了詳細(xì)分析，現(xiàn)對(duì)其進(jìn)行總結(jié)概括，如表2所示。

2.2 國(guó)內(nèi)研究進(jìn)展

ViSAR的概念最早由國(guó)外提出，但國(guó)內(nèi)各研究機(jī)構(gòu)對(duì)其極為重視，系統(tǒng)理論的研究與機(jī)載實(shí)驗(yàn)也在相繼開(kāi)展中，并且已經(jīng)取得了一些實(shí)質(zhì)性進(jìn)展。

2014年，文獻(xiàn)［43］設(shè)計(jì)了一款雷達(dá)工作頻率范圍在336.6～343.8 GHz的FMCW-SAR系統(tǒng)，其成像結(jié)果在方位向上可達(dá)到較高的分辨率。圖11為FMCW-SAR系統(tǒng)示意圖，該系統(tǒng)總共由四大模塊組成：信號(hào)發(fā)生器、chirp源、收發(fā)器以及信號(hào)處理單元。該系統(tǒng)以340 GHz的中心頻率、7.2 GHz的帶寬進(jìn)行FMCW模式的工作，并且其成像結(jié)果驗(yàn)證了太赫茲雷達(dá)系統(tǒng)的成像能力。同時(shí)，還對(duì)太赫茲雷達(dá)的三維成像技術(shù)以及太赫茲ViSAR的成像技術(shù)進(jìn)行了相關(guān)研究。

2015年，文獻(xiàn)［44］首次提出了星載ViSAR模式。星載ViSAR系統(tǒng)工作于聚束模式與孔徑重疊模式下，該系統(tǒng)對(duì)采集到的回波數(shù)據(jù)按照90%的重疊率進(jìn)行分割，接著對(duì)所有數(shù)據(jù)進(jìn)行成像處理，最終成功地得到了連續(xù)的視頻幀圖像序列。一年后，文獻(xiàn)［45］在文獻(xiàn)［44］星載ViSAR模式的基礎(chǔ)上設(shè)計(jì)了基于雙站模式的天基ViSAR系統(tǒng)，同時(shí)詳細(xì)研究了ViSAR成像性能與各參數(shù)之間的關(guān)系。該ViSAR系統(tǒng)采用靜止軌道上的SAR衛(wèi)星作為信號(hào)發(fā)射源，利用低軌上的SAR順序接收成像區(qū)域的回波信號(hào)，這樣能使系統(tǒng)具備較強(qiáng)的反輻射攻擊能力，同時(shí)能適用于較多的工作模式。文獻(xiàn)［45］的仿真結(jié)果表明，天基ViSAR系統(tǒng)可以較為正確地反映目標(biāo)的運(yùn)動(dòng)情況，能為后續(xù)的基于星載ViSAR的動(dòng)目標(biāo)檢測(cè)提供重要依據(jù)。

2016年，文獻(xiàn)［46］通過(guò)合理地設(shè)計(jì)和對(duì)緊湊器件的應(yīng)用，成功地設(shè)計(jì)了機(jī)載FMCW-SAR系統(tǒng)。基于該高性能的FMCW-SAR系統(tǒng)，通過(guò)對(duì)原始數(shù)據(jù)進(jìn)行預(yù)處理、擴(kuò)展有限狀態(tài)自動(dòng)機(jī)（finite state automata， FSA）并行實(shí)現(xiàn)以及對(duì)圖像數(shù)據(jù)的再處理，實(shí)現(xiàn)了ViSAR成像。在FMCW-SAR系統(tǒng)的處理上還進(jìn)行了準(zhǔn)確的耗時(shí)測(cè)試，并進(jìn)行了多次機(jī)載實(shí)驗(yàn)，獲得了最終的FMCW-SAR視頻成像結(jié)果。圖12（a）為FMCW-SAR系統(tǒng)的處理板，在FMCW-SAR視頻的處理過(guò)程中，F(xiàn)PGA讀取存儲(chǔ)卡中的原始數(shù)據(jù)，并將回波數(shù)據(jù)傳輸?shù)接米鲾?shù)據(jù)緩沖區(qū)的DDR3sdram中。在對(duì)幀數(shù)據(jù)進(jìn)行緩沖后，數(shù)字信號(hào)處理芯片通過(guò)擴(kuò)展的FSA處理相應(yīng)的原始數(shù)據(jù)。處理后的圖像數(shù)據(jù)通過(guò)網(wǎng)絡(luò)傳輸?shù)接?jì)算機(jī)上。最后，在計(jì)算機(jī)上顯示相應(yīng)的幀圖像。下一幀的數(shù)據(jù)也以同樣的方式進(jìn)行處理和傳輸。圖12（b）為FMCW-SAR系統(tǒng)處理后的ViSAR成像結(jié)果，其成像場(chǎng)景為800 m×3 000 m的城鎮(zhèn)。從成像結(jié)果中可明顯看出，成像區(qū)域道路清晰而連續(xù)，同時(shí)建筑結(jié)構(gòu)比較集中，耕地面積不同的農(nóng)田也比較容易區(qū)分^［47］。

文獻(xiàn)［48-49］分別在2016年詳細(xì)分析了條帶式高頻ViSAR與孔徑重疊模式ViSAR在不同平臺(tái)速度下的成像幀率、成像分辨率與雷達(dá)工作頻率的關(guān)系，為后續(xù)開(kāi)發(fā)ViSAR系統(tǒng)的參數(shù)設(shè)計(jì)提供了一定參考。

2018年，文獻(xiàn)［50］設(shè)計(jì)了一種220 GHz的ViSAR系統(tǒng)，該系統(tǒng)采用一發(fā)一收的天線布局，發(fā)射信號(hào)為線性調(diào)頻連續(xù)波信號(hào)。該系統(tǒng)可達(dá)到最大為4.8 GHz的信號(hào)帶寬，信號(hào)的輸出功率約為20 mW，并可通過(guò)成像試驗(yàn)實(shí)現(xiàn)5 Hz的獨(dú)立幀率，成像分辨率約為3.2 cm。圖13為該ViSAR系統(tǒng)的示意框圖^［50］。

2021年，文獻(xiàn)［51］根據(jù)ViSAR系統(tǒng)的技術(shù)指標(biāo)分析報(bào)告計(jì)算出了ViSAR系統(tǒng)中數(shù)字處理器件各個(gè)模塊的主要參數(shù)，并依據(jù)參數(shù)設(shè)計(jì)出了ViSAR數(shù)字處理組件的PCB板。圖14為所設(shè)計(jì)的ViSAR數(shù)字處理組件的實(shí)物圖。通過(guò)測(cè)試，該系統(tǒng)可以實(shí)現(xiàn)2路SAR信號(hào)的產(chǎn)生、4路中頻信號(hào)的采集和數(shù)據(jù)預(yù)處理，并且可以與多個(gè)外置模塊（如慣導(dǎo)、伺服和頻綜等）協(xié)同完成整個(gè)合成ViSAR系統(tǒng)的控制、數(shù)據(jù)采集和狀態(tài)監(jiān)控等功能^［51］。

本節(jié)對(duì)國(guó)內(nèi)ViSAR系統(tǒng)的發(fā)展作了詳細(xì)分析，現(xiàn)對(duì)其進(jìn)行總結(jié)概括，如表3所示。

3 ViSAR處理技術(shù)研究進(jìn)展

ViSAR的出現(xiàn)從某種意義上來(lái)講就是為了更加精確地進(jìn)行地面機(jī)動(dòng)目標(biāo)的實(shí)時(shí)監(jiān)測(cè)與跟蹤，并且由于其合成孔徑時(shí)間短，有利于動(dòng)目標(biāo)的陰影成像，因此基于陰影的動(dòng)目標(biāo)檢測(cè)是ViSAR的最大應(yīng)用之一。此外，如何效率更高、更穩(wěn)定地進(jìn)行高幀率持續(xù)成像，以及對(duì)ViSAR系統(tǒng)進(jìn)行運(yùn)動(dòng)補(bǔ)償，也是ViSAR的研究重點(diǎn)。本節(jié)將對(duì)ViSAR的成像算法、運(yùn)動(dòng)補(bǔ)償以及動(dòng)目標(biāo)檢測(cè)這3個(gè)方面來(lái)詳細(xì)分析ViSAR處理技術(shù)的研究現(xiàn)狀。

3.1 成像算法研究進(jìn)展

目前，聚束模式下的ViSAR成像算法主要有兩大類(lèi)：時(shí)域成像算法以及頻域成像算法。時(shí)域成像算法中最為基礎(chǔ)的是反向投影（back projection， BP）算法^［35］。BP算法雖成像精度高、成像處理過(guò)程簡(jiǎn)單，但其計(jì)算量較大，實(shí)時(shí)性較差。因此，文獻(xiàn)［52］提出了一種用于ViSAR成像的快速BP（fast BP， FBP）算法。該算法將成像場(chǎng)景進(jìn)行劃分，分為興趣區(qū)域（region of interest， ROI）和一般區(qū)域（general region， GR），在不同的區(qū)域使用不同的孔徑長(zhǎng)度進(jìn)行成像，重點(diǎn)提升ROI的分辨率，并通過(guò)遞歸思想降低ViSAR成像的計(jì)算復(fù)雜度^［52］。圖15為迭代FBP算法的說(shuō)明。

此外，Bishop等^［10］利用GPU中單精度比雙精度運(yùn)算更快的特性，對(duì)BP算法中的距離公式進(jìn)行了二階Taylor展開(kāi)，并使用Taylor三階系數(shù)估計(jì)成像誤差，提高了成像算法的計(jì)算效率^［10］。

根據(jù)文獻(xiàn)［53］的推導(dǎo)，差分范圍ΔR相對(duì)于點(diǎn)（x，y，z）=（0，0，0）的Taylor展開(kāi)式為

ΔR=ΔR^（0）+ΔR^（1）+ΔR^（2）+ΔR^（3）+…（13）

式中：ΔR^（0）=0;ΔR^（1）=-xx_ar-yy_ar-zz_ar。當(dāng)（x_a，y_a，z_a）為雷達(dá)平臺(tái)的實(shí)際坐標(biāo)，r為雷達(dá)天線到點(diǎn)目標(biāo)的距離時(shí)，ΔR^（2）可表達(dá)為

ΔR^（2）=-xyx_ay_ar³-yzy_az_ar³-xzz_ax_ar³+x²2·

（y_a²+z_a²）r³+y²2·（x_a²+z_a²）r³+z²2·（y_a²+x_a²）r³（14）

最后，用式（13）和式（14）代替平方根，推導(dǎo)出三階項(xiàng)以估計(jì)相位誤差。根據(jù)文獻(xiàn)［10］所推導(dǎo)的ΔR^（3），ΔR^（3）是由常數(shù)項(xiàng)、線性項(xiàng)、二次項(xiàng)以及三次項(xiàng)組成，根據(jù)ΔR^（3）所確定的散焦相位誤差為

?=4πfc·xy²2·x_a（（x_a²-2（y_a²+z_a²））r⁵（15）

圖16為文獻(xiàn)［10］在ViSAR系統(tǒng)上使用不同方法計(jì)算的實(shí)測(cè)成像結(jié)果：① 是使用平方根計(jì)算形成的，在圖像上方的邊緣所成像的道路幾乎為直線;② 為ΔR線性近似（一階項(xiàng)）成像的結(jié)果，圖像上方的道路明顯變得扭曲;③ 為使用二階項(xiàng)進(jìn)行計(jì)算所成的圖像，圖像上方的道路也較為筆直，與①難以區(qū)分。這驗(yàn)證了在圖形處理器上使用ΔR的二階近似能提高數(shù)據(jù)的計(jì)算效率，并能提升在大規(guī)模場(chǎng)景下實(shí)時(shí)處理ViSAR數(shù)據(jù)的能力。

針對(duì)天基ViSAR系統(tǒng)的成像問(wèn)題，文獻(xiàn)［45］提出一種大視角下重疊孔徑模式的并行運(yùn)算的濾波BP（filtering BP， FBP）重建算法。該算法首先將回波信號(hào)劃分成若干個(gè)子孔徑，并且為了實(shí)現(xiàn)子孔徑疊加，幀周期需為子孔徑長(zhǎng)度的整數(shù)倍。接著，在單個(gè)子孔徑內(nèi)進(jìn)行距離向壓縮和插值，之后進(jìn)行回波相位補(bǔ)償，最后對(duì)每個(gè)子孔徑的成像進(jìn)行并行計(jì)算，得到由子孔徑合成的單幀全分辨率圖像^{［45，54］}。最后由該算法得到的ViSAR成像結(jié)果正確地反映了地面目標(biāo)的運(yùn)動(dòng)情況，能為基于天基ViSAR的運(yùn)動(dòng)目標(biāo)檢測(cè)提供依據(jù)^［55］。

但上述的成像結(jié)果會(huì)有主瓣展寬、旁瓣較高的問(wèn)題。因此，Hawley等^［56］利用ViSAR相鄰幀數(shù)據(jù)的重疊特性，提出通過(guò)對(duì)子孔徑圖像進(jìn)行疊加成像來(lái)進(jìn)行旁瓣抑制的算法。在孔徑重疊模式中，生成ViSAR連續(xù)幀圖像時(shí)會(huì)存在歷史相位重疊的問(wèn)題，造成一定的重復(fù)處理。Hawley等先使用BP算法從不重疊的子孔徑中形成過(guò)采樣的SAR圖像，在得到子孔徑圖像之后再相干地求和產(chǎn)生全分辨率的圖像，這樣可以控制旁瓣的窗口。在圖像求和時(shí)對(duì)子孔徑進(jìn)行加權(quán)，可以為每個(gè)子孔徑產(chǎn)生兩個(gè)或更多的加權(quán)圖像，這些圖像可以通過(guò)線性組合來(lái)近似任何期望的孔徑加權(quán)。在該方法中，實(shí)現(xiàn)了與相位歷史數(shù)據(jù)加權(quán)幾乎相同的旁瓣控制，并為每一幀形成一個(gè)新的圖像，節(jié)省了計(jì)算成本。圖17和圖18分別為連續(xù)子孔徑相干求和、BP成像與加權(quán)亞孔徑組合方法成像的比較結(jié)果。從兩圖的對(duì)比可以看出，圖17中的連續(xù)子孔徑相干求和的結(jié)果有著明顯的交叉范圍偽影。圖18（a）為對(duì)原始相位歷史進(jìn)行加權(quán)并使用BP算法來(lái)形成使用整個(gè)加權(quán)相位歷史的圖像的結(jié)果，圖18（b）為18個(gè)子孔徑圖像相干求和的結(jié)果，由圖可以清楚地看到周期性的旁瓣偽影，圖18（c）為二次窗口近似進(jìn)行相干求和的結(jié)果，該方法使用方位角上6個(gè)子孔徑中的每一個(gè)子孔徑的3個(gè)加權(quán)子孔徑圖像。除了峰值響應(yīng)的兩側(cè)都有一個(gè)小的旁瓣偽影之外，很難與圖18（a）進(jìn)行區(qū)分。

極坐標(biāo)格式算法（polar format algorithm， PFA）是ViSAR頻域成像算法中最有代表性的一種，由SNL實(shí)驗(yàn)室的Walker提出^［57］。頻域算法基于二維匹配濾波的原理，通過(guò)對(duì)回波信號(hào)的快速傅里葉變換（fast Fourier transform， FFT），將其轉(zhuǎn)化為頻域內(nèi)的復(fù)振幅和相位信息，再通過(guò)相位補(bǔ)償、插值等處理方法，實(shí)現(xiàn)快速成像。PFA則利用平面波假設(shè)原理，將信號(hào)在波數(shù)域內(nèi)的分布近似為簡(jiǎn)單的極坐標(biāo)分布，再使其頻譜信號(hào)重采樣為直角分布，通過(guò)二維FFT得到最終的SAR圖像。同時(shí)，PFA更適用于聚束模式的SAR成像^［58］。

美國(guó)SNL的Doerry等^［59］提出了一種基于一維Chirp-Z變換的極坐標(biāo)實(shí)時(shí)成像算法，該算法先通過(guò)硬件改變系統(tǒng)的采樣率和采樣時(shí)間，避免插值運(yùn)算，實(shí)現(xiàn)實(shí)時(shí)的運(yùn)動(dòng)補(bǔ)償，之后采用Chirp-Z變換對(duì)補(bǔ)償后的信號(hào)進(jìn)行成像處理，這樣進(jìn)一步提高了成像算法的效率，并且適用于高速運(yùn)動(dòng)場(chǎng)景。

在此研究的基礎(chǔ)上，2017年，Zuo等^［60］通過(guò)自主設(shè)計(jì)的太赫茲調(diào)頻連續(xù)波SAR（frequency modulated continuous wave SAR， FMCW-SAR）系統(tǒng)采集了實(shí)驗(yàn)數(shù)據(jù)，并提出了一種基于PFA的ViSAR成像算法，驗(yàn)證了太赫茲ViSAR的高幀率成像能力^［60］。文獻(xiàn)［60］在傳統(tǒng)PFA成像算法中的笛卡爾坐標(biāo)系中預(yù)定義了一個(gè)二維譜矩陣，然后通過(guò)對(duì)極坐標(biāo)系中分布的子孔徑的二維譜進(jìn)行插值運(yùn)算，可以將其填充到預(yù)定義的矩陣中，即可計(jì)算出子孔徑二維譜的最小封閉矩形。最后，對(duì)基于最小封閉矩形的預(yù)定義矩陣得到的二維譜進(jìn)行二維FFT，得到笛卡爾坐標(biāo)系上固定方向的ViSAR幀圖像，這樣就可避免重復(fù)的插值計(jì)算。圖19為該算法的過(guò)程示意圖。

頻域成像算法中的圖像插值運(yùn)算會(huì)導(dǎo)致成像的效率不高，因此文獻(xiàn)［61］提出了一種僅需二維FFT、無(wú)需圖像插值就能實(shí)現(xiàn)的ViSAR成像算法。該成像算法的流程為：① 對(duì)回波信號(hào)進(jìn)行距離向預(yù)處理（去調(diào)頻與去斜處理）;② 根據(jù)分辨率匹配的條件，計(jì)算分辨率匹配角以及對(duì)應(yīng)的幀孔徑角，并以此計(jì)算最長(zhǎng)共同子序列（longest common subsequence， LCS）下的幀波數(shù)譜分布，同時(shí)生成插值索引表和權(quán)值系數(shù)表;③ 按孔徑重疊率和幀孔徑角劃分合適的幀孔徑數(shù)據(jù)，并依據(jù)插值表得到LCS下的幀波數(shù)譜;④ 對(duì)幀波數(shù)譜進(jìn)行二維線性Chirp-Z變換（two-dimensional Chirp-Z transform， 2D-CZT），得到單幀的地面輸出坐標(biāo)系（ground output coordinate system， GOCS）圖像;⑤ 對(duì)下一幀數(shù)據(jù)重復(fù)上述步驟，得到連續(xù)幀圖像。傳統(tǒng)與改進(jìn)后ViSAR成像的PFA過(guò)程如圖19所示。

Jiang等^［62］針對(duì)PFA算法中的二維插值影響計(jì)算速度這一缺點(diǎn)，提出了一種基于Chirp Scaling的太赫茲ViSAR成像算法。該算法利用了太赫茲ViSAR的合成小角特性和線性調(diào)頻的固有特性，采用兩步Chirp Scaling算法代替PFA中的二維插值，以獲得類(lèi)似的聚焦效果，成像效率更高。

英國(guó)倫敦大學(xué)的Pu等^［63］為了減少ViSAR的采樣量，將圖像處理表述為一個(gè)低Tubal-Rank張量恢復(fù)問(wèn)題。該文獻(xiàn)所提出的算法是對(duì)矩陣感知問(wèn)題中正交矩陣追蹤算法的一種改進(jìn)，能夠有效重建目標(biāo)張量，而不需要任何關(guān)于預(yù)先指定或預(yù)先估計(jì)的張量秩值的先驗(yàn)信息。為此，該算法需先迭代估計(jì)目標(biāo)張量的基張量和權(quán)值張量，利用線性映射觀測(cè)張量與估計(jì)張量之間的殘差，并將殘差作為停止條件。最終，證明了該算法在采樣效率方面優(yōu)于現(xiàn)有的ViSAR成像算法。從聯(lián)合采樣和計(jì)算效率的角度來(lái)看，與其他低秩張量恢復(fù)算法相比，該算法是最佳的選擇，并從理論上證明了所提方法的收斂性和正確性。

3.2 高幀率運(yùn)動(dòng)補(bǔ)償算法研究進(jìn)展

在實(shí)際的成像實(shí)驗(yàn)中，由于載機(jī)平臺(tái)時(shí)常會(huì)受到大氣環(huán)境等因素的影響，雷達(dá)APC總會(huì)偏離理想位置^［64］。其次，由于ViSAR的工作頻率較高，微小的載機(jī)平臺(tái)位置誤差也會(huì)引起較大的相位誤差，必須考慮ViSAR系統(tǒng)的運(yùn)動(dòng)補(bǔ)償^［65］。本節(jié)對(duì)已經(jīng)公開(kāi)的ViSAR運(yùn)動(dòng)補(bǔ)償文獻(xiàn)進(jìn)行分析及總結(jié)。

Linnehan等^［66］針對(duì)圓周軌跡聚束模式下的ViSAR系統(tǒng)難以聚焦的問(wèn)題進(jìn)行了研究，提出通過(guò)偽點(diǎn)散射體方法進(jìn)行相位梯度的估計(jì)，解決了載機(jī)飛行帶來(lái)的場(chǎng)景旋轉(zhuǎn)和坐標(biāo)變換的問(wèn)題，在固定方向取得了良好的聚焦效果，并在圖像被編譯成SAR視頻之前對(duì)其進(jìn)行聚焦。該方法的第一步是對(duì)復(fù)雜圖像數(shù)據(jù)進(jìn)行線性相位校正，使偽相位歷史（pseudo-phase history， PPH）域中的能量以域軸為中心。頻譜居中后，將圖像進(jìn)行旋轉(zhuǎn)，以便將水平軸定向，并可以應(yīng)用相位梯度自聚焦（phase gradient autofocusing， PGA）成像算法。同時(shí)，將這個(gè)圖像方向指定為遠(yuǎn)距離像（far range up， FRU）。接著，使用零填充的FFT將圖像轉(zhuǎn)換到PPH域。然后，使用簡(jiǎn)單的最近鄰方法分別旋轉(zhuǎn)插值頻譜的實(shí)部和虛部，再通過(guò)逆FFT將旋轉(zhuǎn)后的數(shù)據(jù)轉(zhuǎn)換回圖像域，從而不丟失PGA算法所需的相位信息。針對(duì)圖像水平方向上的方位角模糊，應(yīng)用了文獻(xiàn)［27］所描述的傳統(tǒng)PGA算法。經(jīng)過(guò)多次迭代后，自動(dòng)聚焦向量被充分估計(jì)，以減輕點(diǎn)目標(biāo)的模糊響應(yīng)，此時(shí)在PPH域可以使用雙線性插值將聚焦的FRU圖像幅度旋轉(zhuǎn)回基本方向（cardinal direction up， CDU）。這樣，聚焦的SAR幀的像素將與原始的反向投影過(guò)程進(jìn)行匹配，并可以編譯成一個(gè)ViSAR圖像序列。

針對(duì)大斜視情況下的高頻ViSAR振動(dòng)補(bǔ)償問(wèn)題，文獻(xiàn)［67］提出了一種適用于斜視模式的振動(dòng)相位誤差補(bǔ)償成像算法。該算法首先在時(shí)域中校正信號(hào)的大距離徒動(dòng)，之后再在頻域中校正因多普勒Keystone變換引起的距離徒動(dòng)，從而實(shí)現(xiàn)對(duì)因載機(jī)平臺(tái)振動(dòng)引起的相位誤差的運(yùn)動(dòng)補(bǔ)償。該算法能在斜視角為30°時(shí)對(duì)成像場(chǎng)景進(jìn)行運(yùn)動(dòng)補(bǔ)償，并且成像質(zhì)量較好。

文獻(xiàn)［68］分析了因載機(jī)平臺(tái)引起的ViSAR振動(dòng)的誤差閾值與振動(dòng)頻率的關(guān)系，并提出了針對(duì)ViSAR平臺(tái)的高頻振動(dòng)的補(bǔ)償方案。為了減少高頻微小振動(dòng)的影響，該方案采用了隔振技術(shù)，通過(guò)在振動(dòng)源和其他元器件之間的振動(dòng)傳輸通道上加裝彈性元件以減少振動(dòng)的影響。接下來(lái)，利用平臺(tái)上的多種傳感器來(lái)測(cè)量載機(jī)平臺(tái)的各種運(yùn)動(dòng)數(shù)據(jù)，計(jì)算出平臺(tái)的運(yùn)動(dòng)誤差并進(jìn)行粗補(bǔ)償。最后，基于回波數(shù)據(jù)，采用PGA算法進(jìn)行精補(bǔ)償，完成對(duì)相位誤差的估計(jì)和補(bǔ)償，同時(shí)從復(fù)圖像域出發(fā)，將散焦的圖像聚焦和加窗，完成對(duì)相位梯度的估計(jì)與補(bǔ)償。該方案能以較高精度實(shí)現(xiàn)ViSAR的運(yùn)動(dòng)補(bǔ)償，同時(shí)能隔絕大部分的高頻振動(dòng)。仿真和實(shí)際實(shí)驗(yàn)驗(yàn)證了該補(bǔ)償方案的有效性。

針對(duì)太赫茲ViSAR的運(yùn)動(dòng)補(bǔ)償問(wèn)題，文獻(xiàn)［30］提出了一種適用于高頻ViSAR的運(yùn)動(dòng)補(bǔ)償算法，此算法可大幅減少計(jì)算復(fù)雜度，更加符合ViSAR系統(tǒng)的實(shí)時(shí)性。該算法在二維重采樣之后進(jìn)行空變誤差的補(bǔ)償，相較于其他的算法能極大地提高補(bǔ)償算法的計(jì)算效率，同時(shí)該算法可在二維重采樣時(shí)與PFA算法相結(jié)合并進(jìn)行成像，進(jìn)一步提高了運(yùn)動(dòng)補(bǔ)償與成像算法的效率。

此外，文獻(xiàn)［69］研究了一種ViSAR地面移動(dòng)目標(biāo)聚焦的框架，可提供更為清晰的動(dòng)目標(biāo)陰影。該框架首先使用BP成像算法獲取SAR視頻，然后使用基于深度學(xué)習(xí)跟蹤器跟蹤多個(gè)移動(dòng)目標(biāo)的陰影，并最終通過(guò)所提出的移動(dòng)目標(biāo)BP（moving target BP， mt-BP）算法對(duì)移動(dòng)目標(biāo)進(jìn)行重新聚焦。在該框架下，該算法可以對(duì)多個(gè)移動(dòng)目標(biāo)進(jìn)行綜合檢測(cè)、跟蹤、成像，大大提高了ViSAR系統(tǒng)的動(dòng)目標(biāo)檢測(cè)能力^［69］。

3.3 動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)研究進(jìn)展

在ViSAR處理技術(shù)中，動(dòng)目標(biāo)的檢測(cè)與跟蹤是最重要的應(yīng)用場(chǎng)景。在常規(guī)的SAR動(dòng)目標(biāo)檢測(cè)和跟蹤中，基于SAR的地面動(dòng)目標(biāo)檢測(cè)（SAR-based ground moving target indication， SAR-GMTI）技術(shù)的解決方法是解決SAR動(dòng)目標(biāo)檢測(cè)與跟蹤的主流方案，但是SAR-GMTI技術(shù)存在最小檢測(cè)速度限制以及不能檢測(cè)靜止目標(biāo)等問(wèn)題，此外還對(duì)檢測(cè)目標(biāo)的雷達(dá)散射截面（radar cross section， RCS）有著一定的要求，因此在實(shí)際的戰(zhàn)場(chǎng)情況中有著較大缺陷。研究人員發(fā)現(xiàn)，在ViSAR體制中，多普勒頻移會(huì)使ViSAR圖像序列中的運(yùn)動(dòng)目標(biāo)在實(shí)際位置上留下陰影，且相鄰的SAR幀圖像之間具有很強(qiáng)的相關(guān)性。因此，較多的研究人員提出了將ViSAR圖像序列中動(dòng)目標(biāo)的陰影作為特征來(lái)進(jìn)行動(dòng)目標(biāo)的檢測(cè)與跟蹤。

Jahangir^［70］提出了一種將動(dòng)目標(biāo)陰影作為背景分布中的異常值來(lái)進(jìn)行動(dòng)目標(biāo)跟蹤的新穎方法，該方法在較弱的動(dòng)目標(biāo)陰影成像中的檢測(cè)結(jié)果非常優(yōu)異。經(jīng)過(guò)實(shí)際驗(yàn)證，該方法可在最遠(yuǎn)10 km的距離內(nèi)通過(guò)陰影探測(cè)到移動(dòng)的目標(biāo)。

美國(guó)SNL實(shí)驗(yàn)室的Raynal等^［71］詳細(xì)地分析了ViSAR的靜態(tài)目標(biāo)以及動(dòng)目標(biāo)陰影形成的過(guò)程，同時(shí)從數(shù)學(xué)角度提供了ViSAR的任意運(yùn)動(dòng)的非特定目標(biāo)的陰影尺寸和強(qiáng)度的理論公式。此外，也利用中值濾波算法對(duì) SAR視頻中的相干斑噪聲進(jìn)行空間濾波，以提高陰影雜波比，并且給出了濾波后計(jì)算檢測(cè)概率和虛警概率的公式^［72］。

文獻(xiàn)［73］基于美國(guó)SNL實(shí)驗(yàn)室公布的ViSAR數(shù)據(jù)提出了一種低虛警率的ViSAR動(dòng)目標(biāo)檢測(cè)與跟蹤方法。該方法利用了ViSAR圖像序列的空間與時(shí)間的特征，通過(guò)圖像序列的數(shù)據(jù)匹配與相干斑濾波進(jìn)行ViSAR圖像序列的預(yù)處理，再利用背景差分以及對(duì)稱(chēng)差分進(jìn)行動(dòng)目標(biāo)陰影的檢測(cè)處理與跟蹤，同時(shí)利用圖像序列的空間域信息抑制虛警率，實(shí)現(xiàn)ViSAR的動(dòng)目標(biāo)檢測(cè)與跟蹤，最終利用該方法成功檢測(cè)動(dòng)目標(biāo)的正確率達(dá)到了85%。

文獻(xiàn)［74］采用孔徑重疊模式生成了TerraSAR-X星載SAR收錄的荷蘭某地的ViSAR幀圖像，并以此作為數(shù)據(jù)集，針對(duì)星載ViSAR提出了一種ViSAR動(dòng)目標(biāo)恒虛警率（constant 1 alarm rate， CFAR）檢測(cè)方法。該方法首先對(duì)ViSAR每幀的回波數(shù)據(jù)進(jìn)行成像、幾何校正與圖像匹配等預(yù)處理，再利用生成的參考圖像計(jì)算ViSAR幀圖像的單幀變化因子，根據(jù)每幀的變化因子確定單幀檢測(cè)的虛警概率與檢測(cè)門(mén)限。緊接著，對(duì)每一幀圖像進(jìn)行檢測(cè)，同時(shí)根據(jù)潛在運(yùn)動(dòng)目標(biāo)的速度、運(yùn)動(dòng)時(shí)間、圖像分辨率等確定檢測(cè)門(mén)限，得到最后的運(yùn)動(dòng)目標(biāo)檢測(cè)結(jié)果。在一定的條件下，檢測(cè)概率可達(dá)90%以上。

為了對(duì)低RCS的動(dòng)目標(biāo)進(jìn)行檢測(cè)，文獻(xiàn)［75］提出了一種新的低RCS動(dòng)目標(biāo)檢測(cè)方法，并將其成功應(yīng)用到了K波段的ViSAR系統(tǒng)中。該方法首先對(duì)ViSAR圖像序列進(jìn)行非相干平均以減少散斑噪聲，接著對(duì)圖像序列進(jìn)行集合校正與圖像配準(zhǔn)，然后選擇一組相鄰的圖像計(jì)算一個(gè)表示靜態(tài)場(chǎng)景的參考圖像，之后將目標(biāo)區(qū)域的每個(gè)SAR圖像與參考圖像分割成比例圖像，抑制圖像的靜態(tài)部分，突出正在發(fā)生變化的部分。最后，采用CFAR檢測(cè)方法對(duì)動(dòng)目標(biāo)陰影進(jìn)行檢測(cè)。為了提高對(duì)噪聲和剩余雜波的魯棒性，該方法還采用了聚類(lèi)算法，將可疑目標(biāo)分成唯一的聚類(lèi)，并刪除了那些與動(dòng)目標(biāo)陰影不匹配的聚類(lèi)，提高了動(dòng)目標(biāo)檢測(cè)的精度。

文獻(xiàn)［76］利用動(dòng)目標(biāo)陰影在ViSAR圖像序列中的強(qiáng)相關(guān)性，提出了一種利用背景補(bǔ)償和背景分割來(lái)進(jìn)行動(dòng)目標(biāo)檢測(cè)的方法。該方法將美國(guó)Sandia實(shí)驗(yàn)室的ViSAR數(shù)據(jù)作為數(shù)據(jù)集，先對(duì)每幀圖像進(jìn)行尺度不變特征變換（scale-invariant feature transform， SIFT），并利用隨機(jī)抽樣一致性（random sample consensus， RANSAC）算法進(jìn)行背景補(bǔ)償，之后再采用CattePM（Perona-Malik， PM）擴(kuò)散模型抑制相干斑噪聲。最后，通過(guò)灰度熵提取出動(dòng)目標(biāo)的陰影，獲得僅包含陰影的二值圖像，對(duì)相鄰幀圖像背景建模并進(jìn)行差分，結(jié)合三幀間差分法分離出多個(gè)動(dòng)目標(biāo)陰影，實(shí)現(xiàn)多目標(biāo)的運(yùn)動(dòng)檢測(cè)。該算法最終的精度達(dá)到856%。文獻(xiàn)［77］通過(guò)建立ViSAR仿真模型，分析了動(dòng)目標(biāo)的回波特性，并采用圖像統(tǒng)計(jì)技術(shù)，成功地檢測(cè)出每幀SAR圖像中的運(yùn)動(dòng)目標(biāo)。

文獻(xiàn)［78］針對(duì)目標(biāo)運(yùn)動(dòng)時(shí)產(chǎn)生的模糊陰影的問(wèn)題，提出了一種基于關(guān)節(jié)角化相關(guān)濾波器（joint kernelized correlation filter， JKCF）的運(yùn)動(dòng)目標(biāo)跟蹤框架。該框架基于JKCF的特征訓(xùn)練，將ViSAR圖像序列中的陰影與相應(yīng)的距離-多普勒譜中的能量相結(jié)合，對(duì)目標(biāo)進(jìn)行跟蹤。針對(duì)跟蹤漂移和塌陷的問(wèn)題，采用交互處理方法，基于置信度評(píng)估，增強(qiáng)目標(biāo)定位和特征更新。通過(guò)融合初始化和特征更新策略，可以顯著提高跟蹤的成功率和精度。

上述的傳統(tǒng)目標(biāo)檢測(cè)方法較易受到圖像中復(fù)雜背景的干擾，并且有人工提取特征的主觀性。因此，國(guó)內(nèi)外較多的研究人員將深度學(xué)習(xí)的方法應(yīng)用到ViSAR的動(dòng)目標(biāo)檢測(cè)中。文獻(xiàn)［79］首次提出了一種基于卷積神經(jīng)網(wǎng)絡(luò)（convolution neural network， CNN）的陰影檢測(cè)與跟蹤的動(dòng)目標(biāo)檢測(cè)方法，該方法基于SAR圖像中動(dòng)目標(biāo)的陰影特征，對(duì)一系列從時(shí)間和空間子孔徑SAR圖像中提取出的潛在候選動(dòng)目標(biāo)進(jìn)行CNN跟蹤分類(lèi)。通過(guò)對(duì)該算法的仿真實(shí)驗(yàn)和性能分析，驗(yàn)證了該算法的有效性。

文獻(xiàn)［80］借助美國(guó)Sandia實(shí)驗(yàn)室的ViSAR數(shù)據(jù)，提出了一種基于滑窗密度聚類(lèi)、雙向長(zhǎng)短期記憶（bi-long short term memory， Bi-LSTM）網(wǎng)絡(luò)與快速區(qū)域CNN（faster region-based CNN， Faster R-CNN）相結(jié)合的方法，對(duì)動(dòng)目標(biāo)陰影進(jìn)行檢測(cè)。該方法利用滑動(dòng)密度聚類(lèi)算法和Bi-LSTM網(wǎng)絡(luò)減少漏警，并用Faster R-CNN進(jìn)行動(dòng)目標(biāo)陰影的追蹤。表4為基于實(shí)測(cè)數(shù)據(jù)的檢測(cè)性能對(duì)比，可以看出文獻(xiàn)［80］所提方法具有較優(yōu)秀的性能，能實(shí)現(xiàn)ViSAR動(dòng)目標(biāo)檢測(cè)與追蹤。文獻(xiàn)［81］基于動(dòng)目標(biāo)的能量和陰影的雙域（信號(hào)域與圖像域）聯(lián)合檢測(cè)思想，分別通過(guò)Faster R-CNN和航跡關(guān)聯(lián)兩種技術(shù)實(shí)現(xiàn)了ViSAR動(dòng)目標(biāo)檢測(cè)與跟蹤，給出了機(jī)載實(shí)測(cè)數(shù)據(jù)處理結(jié)果，并進(jìn)行了詳細(xì)分析^［81］。

針對(duì)ViSAR動(dòng)目標(biāo)陰影特征不明顯、配準(zhǔn)難度大與虛警概率高等問(wèn)題，文獻(xiàn)［82］提出一種基于改進(jìn)的Faster R-CNN的ViSAR動(dòng)目標(biāo)檢測(cè)方法，并通過(guò)其課題組自制的Mini-SAR系統(tǒng)獲取的實(shí)測(cè)ViSAR數(shù)據(jù)驗(yàn)證了該方法的有效性。該方法在Faster R-CNN的最后一層（卷積池化層）引入特征金字塔結(jié)構(gòu)，以提高對(duì)ViSAR圖像特征的利用。接著，使用K-means聚類(lèi)方法對(duì)ViSAR圖像序列進(jìn)行預(yù)處理，得到一組合理的ancho box設(shè)置數(shù)值，這能有效地提高該算法針對(duì)ViSAR運(yùn)動(dòng)目標(biāo)的檢測(cè)率。圖20所示為文獻(xiàn)［82］提出的改進(jìn)的Faster R-CNN算法的流程圖，最終的檢測(cè)結(jié)果的正確率達(dá)到了87.2%，漏檢率為12.8%。

此外，文獻(xiàn)［83］將CVPR2019中精度最高的算法“SiamMask”應(yīng)用于ViSAR圖像的動(dòng)目標(biāo)跟蹤。實(shí)驗(yàn)結(jié)果表明，SiamMask算法在處理測(cè)試數(shù)據(jù)方面的性能優(yōu)于其他傳統(tǒng)算法。同時(shí)，由于動(dòng)目標(biāo)的陰影不會(huì)散焦或移位，SiamMask算法同時(shí)可以用于動(dòng)目標(biāo)的跟蹤。

文獻(xiàn)［84］提出了一種新的深度學(xué)習(xí)網(wǎng)絡(luò) “ShadowDeNet”來(lái)對(duì)ViSAR進(jìn)行動(dòng)目標(biāo)陰影檢測(cè)。該網(wǎng)絡(luò)利用了5種主要的框架來(lái)保證其優(yōu)越的檢測(cè)性能：① 直方圖均衡陰影增強(qiáng)（histogram equalization shadow enhancement， HESE）用于增強(qiáng)陰影顯著性，便于特征提取;② Transformer自注意機(jī)制（transformer self-attention mechanism， TSAM）用于聚焦感興趣區(qū)域，抑制雜波干擾;③ 形狀變形自適應(yīng)學(xué)習(xí)（shape deformation adaptive learning， SDAL）用于學(xué)習(xí)移動(dòng)變形目標(biāo)陰影以克服運(yùn)動(dòng)速度變化;④ 語(yǔ)義引導(dǎo)的自適應(yīng)學(xué)習(xí)（semantic guided anchor-adaptive learning， SGAAL）用于優(yōu)化陰影的位置和形狀;⑤ 在線硬挖掘（online hard-example mining， OHEM）用于選擇典型的困難負(fù)樣本以提高背景識(shí)別能力。同時(shí)，進(jìn)行了廣泛的消融實(shí)驗(yàn)，以確認(rèn)上述每個(gè)模塊的有效性。實(shí)驗(yàn)結(jié)果表明，與其他5種方法（Faster R-CNN、特征金字塔網(wǎng)絡(luò)（feature pyramid network， FPN）、YOLO（you only look once， YoLO）v3、RetinaNet、CenterNet）相比，Sha-dowDeNet具有最先進(jìn)的性能，并且ShadowDeNet只是在一個(gè)可接受的范圍內(nèi)犧牲了檢測(cè)速度。

4 結(jié)束語(yǔ)

ViSAR可以生成傳統(tǒng)SAR體制沒(méi)有的高幀率、高分辨率的連續(xù)SAR圖像序列，并且可將其以更直觀的動(dòng)態(tài)形式展示出來(lái)，獲得成像區(qū)域內(nèi)目標(biāo)的時(shí)間維度信息，提高了對(duì)場(chǎng)景的動(dòng)態(tài)監(jiān)測(cè)能力。因此，ViSAR在動(dòng)目標(biāo)檢測(cè)與跟蹤領(lǐng)域有著強(qiáng)大的應(yīng)用潛力，是目前各國(guó)大力研究的重點(diǎn)。本文首先分析了ViSAR系統(tǒng)的基本原理;然后綜述了國(guó)內(nèi)外ViSAR系統(tǒng)與相關(guān)處理技術(shù)的研究進(jìn)展。根據(jù)目前國(guó)內(nèi)外ViSAR公開(kāi)的報(bào)道以及文獻(xiàn)資料來(lái)看，ViSAR在以下幾個(gè)方面還需繼續(xù)深入研究。

（1） 太赫茲ViSAR系統(tǒng)的研究

因太赫茲波段具備較高的多普勒帶寬，基于太赫茲的ViSAR系統(tǒng)無(wú)需子孔徑成像合成，只需很短的合成孔徑時(shí)間，就能進(jìn)行高分辨率、高幀率的全動(dòng)態(tài)ViSAR圖像序列生成。但由于太赫茲波段的特性也決定了太赫茲ViSAR系統(tǒng)的發(fā)展需要研發(fā)更高靈敏度、更穩(wěn)定的太赫茲頻段器件，提升太赫茲ViSAR系統(tǒng)的可行性;然后需設(shè)計(jì)更加緊湊合理的太赫茲ViSAR系統(tǒng)結(jié)構(gòu)，使之能更為方便地放置在無(wú)人機(jī)等輕便平臺(tái)。

（2） ViSAR處理技術(shù)的研究

成像技術(shù)、運(yùn)動(dòng)補(bǔ)償算法以及動(dòng)目標(biāo)檢測(cè)與跟蹤技術(shù)是目前ViSAR處理技術(shù)的核心。為了提升ViSAR成像算法的普適性，還需在ViSAR的大場(chǎng)景成像、曲線模式成像以及大斜視角成像等方面進(jìn)行深入研究;然后，研發(fā)適合高幀頻的ViSAR運(yùn)動(dòng)補(bǔ)償自聚焦算法也是支撐ViSAR技術(shù)蓬勃發(fā)展的重點(diǎn);另外，ViSAR體制可將SAR-GMTI技術(shù)與基于動(dòng)目標(biāo)陰影的檢測(cè)技術(shù)進(jìn)行結(jié)合，對(duì)地面的非穩(wěn)態(tài)運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)，更加精確地進(jìn)行地面機(jī)動(dòng)目標(biāo)的實(shí)時(shí)監(jiān)測(cè)與跟蹤。同時(shí)，需加強(qiáng)對(duì)ViSAR連續(xù)幀圖像中不同速度的動(dòng)目標(biāo)形成的陰影的分析，并結(jié)合人工智能算法對(duì)動(dòng)目標(biāo)進(jìn)行檢測(cè)與跟蹤。

（3） ViSAR技術(shù)拓展研究

ViSAR系統(tǒng)因需提供連續(xù)的視頻幀圖像，目前只適用于對(duì)固定區(qū)域的連續(xù)監(jiān)測(cè)上，并應(yīng)工作于聚束模式下。ViSAR體制雖可提供距離、方位、時(shí)間的三維信息，但為了提高觀測(cè)精度，可將干涉測(cè)量技術(shù)或PolSAR技術(shù)等與ViSAR技術(shù)結(jié)合在一起，使ViSAR技術(shù)具備更全面的優(yōu)勢(shì)。

參考文獻(xiàn)

［1］LOVE A. In memory of Carl A［J］. IEEE Antennas and Propagation Society Newsletter， 1985， 27（3）： 17-18.

［2］MOREIRA A， PRATS-IRAOLA P， YOUNIS M， et al. A tutorial on synthetic aperture radar［J］. IEEE Geoscience and Remote Sensing Magazine， 2013， 1（1）： 6-43.

［3］保錚， 邢孟道， 王彤. 雷達(dá)成像技術(shù)［M］. 北京： 電子工業(yè)出版社， 2005.

BAO Z， XING M D， WANG T. Radar imaging technology［M］. Beijing： Publishing House of Electronics Industry， 2005.

［4］李濤， 唐新明， 高小明， 等. SAR衛(wèi)星業(yè)務(wù)化地形測(cè)繪能力分析與展望［J］. 測(cè)繪學(xué)報(bào)， 2021， 50（7）： 891-904.

LI T， TANG X M， GAO X M， et al. Analysis and outlook of the operational topographic surveying and mapping capability of the SAR satellites［J］Acta Geodaetica et Cartographica Sinica， 2021， 50（7）： 891-904.

［5］方臣， 胡飛， 陳曦， 等. 自然資源遙感應(yīng)用研究進(jìn)展［J］. 資源環(huán)境與工程， 2019， 33（4）： 563-569.

FANG C， HU F， CHEN X， et al. Advances in application of remote sensing to natural resources［J］. Resources Environment amp; Engineering， 2019， 33（4）： 563-569.

［6］黃國(guó)滿， 程春泉， 趙爭(zhēng)， 等. 機(jī)載SAR遙感測(cè)圖技術(shù)及應(yīng)用［J］. 測(cè)繪科學(xué)， 2019， 44（6）： 105-113.

HUANG G M， CHENG C Q， ZHAO Z， et al. Mapping technology and application of airborne SAR［J］. Science of Surveying and Mapping， 2019， 44（6）： 105-113.

［7］范西昆， 何麗娜. 美軍地面戰(zhàn)場(chǎng)態(tài)勢(shì)感知系統(tǒng)發(fā)展啟示［J］. 現(xiàn)代雷達(dá)， 2018， 40（5）： 5-7， 12.

FAN X K， HE L N. The development of U. S ground battlefield situational awareness system and its implications［J］. Modern Radar， 2018， 40（5）： 5-7， 12.

［8］明婧. 多基線干涉SAR高精度高程反演方法研究［D］. 成都： 電子科技大學(xué)， 2020.

MING J. A research of high-precision elevation reconstruction method on multi-baseline interferometric SAR［D］. Chengdu： University of Electronic Science and Technology of China， 2020.

［9］楊祥立. 多極化SAR圖像相干斑濾波與變化檢測(cè)研究［D］. 武漢： 武漢大學(xué)， 2020.

YANG X L. Speckle reduction and change detection multi-polarization SAR images［D］. Wuhan： Wuhan University， 2020.

［10］BISHOP E， LINNEHAN R， DOERRY A. Video-SAR using higher order Taylor terms for differential range［C］∥Proc.of the IEEE Radar Conference， 2016.

［11］PALM S， WAHLEN A， STANKO S， et al. Real-time onboard processing and ground based monitoring of FMCW-SAR videos［C］∥Proc.of the 10th European Conference on Synthetic Aperture Radar， 2014.

［12］HUANG X J， DING J X， GUO Q H. Unsupervised Image Registration for VIDEO SAR［J］. IEEE Journal of Selected Topics in Applied Earth Observation and Remote Sensing， 2021， 14（1）： 1075-1083.

［13］WALLACE H B. DARPA MMW system programs and how they drive compound semiconductor technology needs［C］∥Proc.of the IEEE Compound Semiconductor Integrated Circuit Symposium， 2015.

［14］DAMINI A， BALAJI B， PARRY C， et al. A videoSAR mode for the X-band wideband experimental airborne radar［C］∥Proc.of the SPIE-the International Society for Optical Engineering， 2010： 135-145.

［15］DAMINI A， MANTLE V， DAVIDSON G. A new approach to coherent change detection in VideoSAR imagery using stack averaged coherence［C］∥Proc.of the IEEE Radar Conference， 2013.

［16］WELLS L， SORENSEN K， DOERRY A， et al. Developments in SAR and IFSAR systems and technologies at sandia national laboratories［C］∥Proc.of the IEEE Aerospace Conference， 2003： 1085-1095.

［17］WALLACE H B. Development of a video SAR for FMV through clouds［C］∥Proc.of the SPIE Open Architecture/Open Business Model Net-Centric Systems and Defense Transformation， 2015： 64-65.

［18］肖忠源， 張振華， 馬曉萌. 視頻SAR發(fā)展現(xiàn)狀研究［C］∥第三屆航天電子戰(zhàn)略研究論壇， 2017： 37-40.

XIAO Z Y， ZHANG Z H， MA X M. Research on the development of video SAR［C］∥Proc.of the 3rd Aerospace Electronics Strategy Research Forum， 2017： 37 -40.

［19］CERUTTI-MAORI D， KLARE J， BRENNER A R， et al. Wide-area traffic monitoring with the SAR/GMTI system PAMIR［J］. IEEE Trans.on Geoscience and Remote Sensing， 2008， 46（10）： 3019-3030.

［20］ROSEN P A， HENSLEY S， JOUGHIN I R， et al. Synthetic aperture radar interferometry［J］. Proceedings of the IEEE， 2000， 88（3）： 333-382.

［21］YAN H， MAO X H， ZHANG J D， et al. Frame rate analysis of video synthetic aperture radar （ViSAR）［C］∥Proc.of the IEEE International Symposium on Antennas and Propagation， 2016： 446-447.

［22］邢孟道， 林浩， 陳濺來(lái)， 等. 多平臺(tái)合成孔徑雷達(dá)成像算法綜述［J］. 雷達(dá)學(xué)報(bào)， 2019， 8（6）： 732-757.

XING M D， LIN H， CHEN J L， et al. A review of imaging algorithms in multi-platform-borne synthetic aperture radar［J］. Journal of Radars， 2019， 8（6）： 732-757.

［23］范文娜. 基于電磁模型的大斜視SAR成像研究［D］. 西安： 西安電子科技大學(xué)， 2019.

FAN W N. Research on highly squinted SAR imaging based on electromagnetic model［D］. Xi’an： Xidian University， 2019.

［24］HU R Z， MIN R， PI Y M. A video-SAR imaging technique for aspect-dependent scattering in wide angle［J］. IEEE Sensors Journal， 2017， 17（12）： 3677-3688.

［25］胡睿智. 視頻合成孔徑雷達(dá)成像理論與關(guān)鍵技術(shù)研究［D］. 成都： 電子科技大學(xué)， 2018.

HU R Z. Research on imaging theory and key technology of video synthetic aperture radar［D］. Chengdu： University of Electronic Science and Technology of China， 2018.

［26］SOUMEKH M. Synthetic aperture radar signal processing［M］. New York： Wiley， 1999.

［27］JAKOWATZ C V J， WAHL D E， EICHEL P H， et al. Spotlight-mode synthetic aperture radar： a signal processing approach： a signal processing approach［M］. New York： Springer， 2012.

［28］HARMONY D W， BICKEL D L， MARTINEZ A. A velocity independent continuous tracking radar concept［R］. Albuquerque： Sandia National Lab， 2011.

［29］WALLACE H， GORMAN J， MALONEY P. Video synthetic aperture radar （ViSAR）［R］. Arlington： Defense Advanced Research Projects Agency， 2012.

［30］左峰. 視頻合成孔徑雷達(dá)成像算法研究［D］. 成都： 電子科技大學(xué)， 2019.

ZUO F. Research on video synthetic aperture radar imaging algorithm［D］. Chengdu： University of Electronic Science and Technology of China， 2019.

［31］BIELEK T P， THOMPSON D G， WALKER B C. Synthetic aperture design for increased SAR image Rate［P］. U.S.： Patent 7498968， 2009-03-03.

［32］GU C F， CHANG W G. An efficient geometric distortion correction method for SAR video formation［C］∥Proc.of the IEEE International Conference on Modern Circuits and Systems Technologies， 2016.

［33］SANDIA NATIONAL LABORATORIES. Eubank gate and traffic VideoSAR［EB/OL］. ［2023-01-10］. https：∥www.sandia.gov/radar/video/index.html.

［34］KIM S H， FAN R， DOMINSKI F. ViSAR： a 235 GHz radar for airborne applications［C］∥Proc.of the IEEE Radar Confe-rence， 2018： 1549-1554.

［35］MILLER J， BISHOP E， DOERRY A. An application of back projection for video SAR image formation exploiting a subaperature circular shift register［C］∥Proc.of SPIE-the International Society for Optical Engineering， 2013： 66-79.

［36］STANKO S， CARIS M， WAHLEN A， et al. Millimeter resolution with radar at lower terahertz［C］∥Proc.of the IEEE International Radar Symposium， 2013： 235-238.

［37］CARIS M， STANKO S， PALM S， et al. 300 GHz radar for high resolution SAR and ISAR applications［C］∥Proc.of the IEEE International Radar Symposium， 2015： 577-580.

［38］STANKO S， PALM S， SOMMER R， et al. Millimeter resolution SAR imaging of infrastructure in the lower THz region using MIRANDA-300［C］∥Proc.of the IEEE European Microwave Conference， 2016： 1505-1508.

［39］PALM S， SOMMER R， CARIS M， et al. Ultra-high resolution SAR in lower terahertz domain for applications in mobile mapping［C］∥Proc.of the IEEE German Microwave Confe-rence， 2016： 205-208.

［40］PALM S， SOMMER R， TESSMANN A， et al. Ultra-high resolution imaging of facades and vertical infrastructure by carborne SAR and airborne CSAR［J］. ISPRS Annals of Photogrammetry， Remote Sensing and Spatial Information Sciences， 2019： 129-136.

［41］KIM S， YU J， JEON S Y， et al. Signal processing for a multiple-input， multiple-output （MIMO） video synthetic aperture radar （SAR） with beat frequency division frequency-modulated continuous wave （FMCW）［J］. Remote Sensing， 2017， 9（5）： 491.

［42］KIM S. SAR video generation of MIMO video SAR with beat frequency division FMCW［C］∥Proc.of the IEEE International Conference on Signal Processing and Communication Systems， 2017.

［43］ZHANG B， PI Y M， LI J. Terahertz imaging radar with inverse aperture synthesis techniques： system structure， signal processing， and experiment results［J］. IEEE Sensors Journal， 2014， 15（1）： 290-299.

［44］ZHAO S T， CHEN J， YANG W， et al. Image formation method for spaceborne video SAR［C］∥Proc.of the IEEE Asia-Pacific Conference on Synthetic Aperture Radar， 2015： 148-151.

［45］梁健， 張潤(rùn)寧， 包敏鳳. 天基視頻SAR系統(tǒng)設(shè)計(jì)及成像算法研究［J］. 中國(guó)空間科學(xué)技術(shù)， 2016， 36（6）： 22-28.

LIANG J， ZHANG R N， BAO M F. Research on spaceborne video SAR system design and image formation algorithm［J］. Chinese Space Science and Technology， 2016， 36（6）： 22-28.

［46］GU C F， CHANG W G， LI X Y， et al. The formation of high-resolution FMCW SAR video［C］∥Proc.of the IEEE Progress in Electromagnetic Research Symposium， 2016： 496-499.

［47］GU C F， CHANG W G. An efficient geometric distortion correction method for SAR video formation［C］∥Proc.of the IEEE International Conference on Modern Circuits and Systems Technologies， 2016.

［48］宋曉燊， 禹衛(wèi)東. 條帶式VideoSAR參數(shù)依賴(lài)關(guān)系的推導(dǎo)及應(yīng)用［J］. 中國(guó)科學(xué)院大學(xué)學(xué)報(bào)， 2016， 33（1）： 121-127.

SONG X S， YU W D. Derivation and application of stripmap VideoSAR parameter relations［J］. Journal of University of Chinese Academy of Sciences， 2016， 33（1）： 121-127.

［49］YAN H， MAO X H， ZHANG J D， et al. Frame rate analysis of video synthetic aperture radar （ViSAR）［C］∥Proc.of the IEEE International Symposium on Antennas and Propagation， 2016： 446-447.

［50］李大圣， 吳福偉， 孫俊， 等. 一種220 GHz波段太赫茲合成孔徑成像雷達(dá)［J］. 微波學(xué)報(bào)， 2018， 34（4）： 55-59.

LI D S， WU F W， SUN J， et al. Terahertz synthetic aperture imaging radar based on 220 GHz band［J］. Journal of Microwave Science， 2018， 34（4）： 55-59.

［51］鄭南南. 視頻SAR信號(hào)產(chǎn)生與采集處理組件設(shè)計(jì)［D］. 西安： 西安電子科技大學(xué)， 2021.

ZHENG N N. Design of video SAR Signal Generation and acquisition module［D］. Xi’an： Xidian University， 2021.

［52］SONG X S， YU W D. Processing video-SAR data with the fast back projection method［J］. IEEE Trans.on Aerospace and Electronic Systems， 2016， 52（6）： 2838-2848.

［53］RIGLING B D， MOSES R L. Taylor expansion of the differential range for monostatic SAR［J］. IEEE Trans.on Aerospace and Electronic Systems， 2005， 41（1）： 60-64.

［54］MOSES R L， ASH J N. An autoregressive formulation for SAR back projection imaging［J］. IEEE Trans.on Aerospace and Electronic Systems， 2011， 47（4）： 2860-2873.

［55］梁健， 張潤(rùn)寧. GEO-LEO雙站視頻SAR系統(tǒng)若干問(wèn)題研究［J］. 現(xiàn)代雷達(dá)， 2017， 39（3）： 17-20.

LIANG J， ZHANG R N. A study on key technologies of spaceborne video SAR system based on GEO-LEO bistatic model［J］. Modern Radar， 2017， 39（3）： 17-20.

［56］HAWLEY R W， GARBER W L. Aperture weighting technique for video synthetic aperture radar［C］∥Proc.of SPIE-the International Society for Optical Engineering， 2011： 67-73.

［57］WALKER J L. Range-Doppler imaging of rotating objects［J］. IEEE Trans.on Aerospace and Electronic Systems， 1980， AES-16（1）： 23-52.

［58］ZHU D Y， ZHU Z D. Range resampling in the polar format algorithm for spotlight SAR image formation using the Chirp-Z-transform［J］. IEEE Trans.on Signal Processing， 2007， 55（3）： 1011-1023.

［59］DOERRY A W. Forming rotated SAR images by real-time motion compensation［R］. Albuquerque： Sandia National Lab， 2012.

［60］ZUO F， LI J. A persistent imaging method for video-SAR in terahertz band［C］∥Proc.of the IEEE International Applied Computational Electromagnetics Society Symposium， 2017.

［61］HU R Z， MIN R， PI Y M. Interpolation-free algorithm for persistent multi-frame imaging of video-SAR［J］. IET Radar， Sonar amp; Navigation， 2017， 11（6）： 978-986.

［62］JIANG J W， LI Y W， ZHENG Q B. A THz video SAR imaging algorithm based on chirp scaling［C］∥Proc.of the CIE International Conference on Radar， 2021： 656-660.

［63］PU W， WU J J， HUANG Y L， et al. ORTP： a video SAR imaging algorithm based on low-tubal-rank tensor recovery［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing， 2022， 15（1）： 1293-1308.

［64］KANTOR J M. Minimum entropy autofocus correction of residual range cell migration［C］∥Proc.of the IEEE Radar Conference， 2017： 11-16.

［65］JIA G W， CHANG W G， ZHANG Q L， et al. The analysis and realization of motion compensation for circular synthetic aperture radar data［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing， 2016， 9（7）： 3060-3071.

［66］LINNEHAN R， MILLER J， BISHOP E， et al. An autofocus technique for video-SAR［C］∥Proc.of the 20th Conference on Algorithms for Synthetic Aperture Radar Imagery， 2013： 56-65.

［67］孫偉， 孫進(jìn)平， 張遠(yuǎn)， 等. 大斜視直升機(jī)載太赫茲ViSAR振動(dòng)補(bǔ)償成像算法［J］. 北京航空航天大學(xué)學(xué)報(bào)， 2016， 42（12）： 2755-2761.

SUN W， SUN J P， ZHANG Y， et al. High squint helicopter-borne terahertz ViSAR vibration compensation imaging algorithm［J］. Journal of Beijing University of Aeronautics and Astronautics， 2016， 42（12）： 2755-2761.

［68］趙雨露， 張群英， 李超， 等. 視頻合成孔徑雷達(dá)振動(dòng)誤差分析及補(bǔ)償方案研究［J］. 雷達(dá)學(xué)報(bào)， 2015， 4（2）： 230-239.

ZHAO Y L， ZHANG Q Y， LI C， et al. Vibration error analysis and motion compensation of video synthetic aperture radar［J］. Journal of Radars， 2015， 4（2）： 230-239.

［69］YANG X Q， SHI J， ZHOU Y Y， et al. Ground moving target tracking and refocusing using shadow in video-SAR［J］. Remote Sensing， 2020， 12（18）： 3083.

［70］JAHANGIR M. Moving target detection for synthetic aperture radar via shadow detection［C］∥Proc.of the IET International Conference on Radar Systems， 2007.

［71］RAYNAL A M， BICKEL D L， DOERRY A W. Stationary and moving target shadow characteristics in synthetic aperture radar［C］∥Proc.of the 18th Conference on Radar Sensor Technology， 2014： 413-427.

［72］RAYNAL A M， DOERRY A W， MILLER J A， et al. Shadow probability of detection and 1 alarm for median-filtered SAR imagery［R］. Albuquerque： Sandia National Lab， 2014.

［73］何志華， 陳興， 于春銳， 等. 一種穩(wěn)健的視頻SAR動(dòng)目標(biāo)陰影檢測(cè)與跟蹤處理方法［J］. 電子與信息學(xué)報(bào)， 2022， 44（11）： 3882-3890.

HE Z H， CHEN X， YU C R， et al. A robust moving target shadow detection and tracking method for VideoSAR［J］. Journal of Electronics and Information Science， 2022， 44（11）： 3882-3890.

［74］李錦偉， 張升， 李財(cái)品. 一種星載視頻SAR動(dòng)目標(biāo)恒虛警檢測(cè)方法［C］∥第六屆高分辨率對(duì)地觀測(cè)學(xué)術(shù)年會(huì)， 2019： 58-80.

LI J W， ZHANG S， LI C P. A CFAR detection method for spaceborne video SAR moving targets［C］∥Proc.of the 6th Annual Conference of High Resolution Earth Observation， 2019： 58 -80.

［75］WANG H， CHEN Z S， ZHENG S C. Preliminary research of low-RCS moving target detection based on Ka-band video SAR［J］. IEEE Geoscience and Remote Sensing Letters， 2017， 14（6）： 811-815.

［76］聊蕾， 左瀟麗， 云濤， 等. 基于圖像序列的VideoSAR動(dòng)目標(biāo)檢測(cè)方法［J］. 雷達(dá)科學(xué)與技術(shù)， 2016， 14（6）： 563-567， 573.

LIAO L， ZUO X L， YUN T， et al. An approach to detect moving target in VideoSAR imagery sequence［J］. Radar Science and Technology， 2016， 14（6）： 563-567， 573.

［77］GOU L T， ZHU D Y， LI Y. A novel moving target detection method for VideoSAR［C］∥Proc.of the IEEE International Applied Computational Electromagnetics Society Symposium， 2019.

［78］ZHONG C， DING J S， ZHANG Y H. Video SAR moving target tracking using joint kernelized correlation filter［J］. IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing， 2022， 15： 1481-1493.

［79］ZHANG Y， YANG S Y， LI H B， et al. Shadow tracking of moving target based on CNN for video SAR system［C］∥Proc.of the IEEE International Geoscience and Remote Sensing Symposium， 2018： 4399-4402.

［80］丁金閃. 視頻SAR成像與動(dòng)目標(biāo)陰影檢測(cè)技術(shù)［J］. 雷達(dá)學(xué)報(bào)， 2020， 9（2）： 321-334.

DING J S. Focusing algorithms and moving target detection based on video SAR［J］. Journal of Radars， 2020， 9（2）： 321-334.

［81］丁金閃， 仲超， 溫利武， 等. 視頻合成孔徑雷達(dá)雙域聯(lián)合運(yùn)動(dòng)目標(biāo)檢測(cè)方法［J］. 雷達(dá)學(xué)報(bào)， 2022， 11（3）： 313-323.

DING J S， ZHONG C， WEN L W， et al. Joint detection of moving target in video synthetic aperture radar［J］. Journal of Radars， 2022， 11（3）： 313-323.

［82］閆賀， 黃佳， 李睿安， 等. 基于改進(jìn)快速區(qū)域卷積神經(jīng)網(wǎng)絡(luò)的視頻SAR運(yùn)動(dòng)目標(biāo)檢測(cè)算法研究［J］. 電子與信息學(xué)報(bào)， 2021， 43（3）： 615-622.

YAN H， HUANG J， LI R A， et al. Research on video SAR moving target detection algorithm based on improved faster region-based CNN［J］. Journal of Electronics and Information Technology， 2021， 43（3）： 615-622.

［83］LIANG Z H， LIANG C J， ZHANG Y， et al. Tracking of moving target based on SiamMask for video SAR system［C］∥Proc.of the IEEE International Conference on Signal， Information and Data Processing， 2019.

［84］BAO J Y， ZHANG X L， ZHANG T W， et al. ShadowDeNet： a moving target shadow detection network for video SAR［J］. Remote Sensing， 2022， 14（2）： 320.

作者簡(jiǎn)介

顏上取（1997—），男，博士研究生，主要研究方向?yàn)槔走_(dá)智能信息處理。

付耀文（1976—），男，研究員，博士，主要研究方向?yàn)樾畔⑷诤稀⒗走_(dá)信號(hào)處理與目標(biāo)識(shí)別。

張文鵬（1989—），男，講師，博士，主要研究方向?yàn)槔走_(dá)信號(hào)處理、時(shí)頻分析、信號(hào)分解。

楊 威（1985—），男，副教授，博士，主要研究方向?yàn)樾畔⑷诤稀⒍嗄繕?biāo)追蹤。

余若峰（1993—），男，博士研究生，主要研究方向?yàn)橹悄芨兄c處理。

張法桐（1999—），男，碩士研究生，主要研究方向?yàn)槲⑿⌒蜔o(wú)人機(jī)載SAR成像及運(yùn)動(dòng)補(bǔ)償。