基于數字變極化探測系統目標極化散射特性研究

趙國強 李璋峰 孫厚軍 呂 昕

（北京理工大學信息與電子學院，北京100081）

引 言

傳統的單脈沖探測器大多采用和差網絡或者中頻和差電路來獲得和差信號，所帶來的問題是引入了差損，使雷達系統中接收機的噪聲系數惡化、通道間的幅度相位一致性不易測量和校準，以及無法兼容更多的波束修正算法等.同時，傳統的多脈沖探測器多采用固定極化、收發同極化的方式獲取目標信息，目標識別只能采用高分辨距離像及散射中心等方法，丟失了極化域的信息，容易受到干擾和假目標的欺騙.

隨著數字技術及收發組件小型化技術的不斷發展，可以利用多通道系統、數字波束形成、變極化等新技術，克服上述問題.

數字變極化單脈沖探測技術是在信號處理模塊得到和差信號，發射時在空間完成極化合成，接收時采用“虛擬極化”的方法對各通道進行幅相加權處理，獲得回波中的極化信息.該系統可用于目標、雜波等多極化、全極化特性研究實驗.同時，近些年來，極化散射熵的原理被廣泛應用于各種極化雷達系統，如星載極化合成孔徑雷達［1-5］，其屬于一類重要的極化信息.

本文主要針對數字變極化單脈沖系統中的全極化信息獲取，簡要介紹和分析數字變極化的原理和實現、基于頻率步進信號的高分辨一維距離像的合成，以及獲得極化散射熵H和平均散射角α在距離像中的分布，并分析其在地雜波背景下用于目標檢測和識別的可行性.

1 數字變極化探測原理

1.1 數字變極化單脈沖探測系統組成

此處給出數字變極化單脈沖系統簡單的原理組成框圖，如圖1所示.

圖1 四子陣變極化單脈沖系統原理框圖

通過對信號發生模塊和幅相控制模塊的調整，可以實現發射通道的校準和各種發射極化形式的合成；通過數據采集和處理模塊，可以對各路回波數據進行幅相加權，實現接收通道校準和“虛擬極化”接收.

1.2 基于四單元線極化子陣的極化合成原理

變極化單脈沖系統實現的關鍵在于得到單脈沖天線和差波束，同時形成對天線極化的控制.系統的天線是一種基于四個線極化子陣的變極化平面陣列天線.該天線由四個線極化子陣組成，各子陣呈扇形旋轉對稱結構，極化方向為斜45°和135°，如圖2所示.發射時，通過控制各子陣的饋電幅度和相位實現不同的發射極化形式，即圖中的幅度An和相位φn（n＝1，2，3，4）.實現線極化和圓極化發射形式（傳播方向垂直紙面向外）的幅相關系如表1所示.

圖2 四子陣變極化天線示意圖

表1 各種發射極化的幅相加權關系

接收時，采用虛擬極化的方法對各子陣的接收信號進行基帶幅相加權，得到不同的接收極化（如水平、垂直線極化等）.

以發射水平極化形式，虛擬極化接收水平和垂直極化為例，說明是如何對各通道回波數據進行幅相加權的.發射水平極化形式時，四個天線子陣的極化形式可用圖2中實線箭頭來表示，而虛線箭頭表示回波中的水平分量和垂直分量.

圖3 發射極化和接收分量的簡要表示

設回波中的水平和垂直分量分別為ErH、ErV，Rn表示第n個通道接收到的回波，那么：

RH、RV分別表示“虛擬接收”的水平極化分量和垂直極化分量，有：

式（5）和式（6）表明：在發射水平極化形式的情況下，將四個通道接收的回波數據相加，可以得到回波中的水平分量；先對2、3通道接收的數據進行-π的相位加權，再將四個通道數據相加，可以得到回波中的垂直分量.

1.3 高分辨一維距離像的原理

系統中采用頻率步進信號體制，通過對脈沖回波的逆快速傅里葉變換（Inverse Fast Fourier Transform，IFFT）分析處理，獲得距離高分辨的效果［6］.

設頻率步進信號脈沖重復周期為Tr，脈沖寬度為τ，起始頻率為f0，步進為Δf，頻率步進數為N，光速為c.頻率步進發射信號為［7］

本振信號為

距離為R的目標回波信號為

回波信號與本振混頻后得到

式（10）中，第一個指數項是常數，第二個指數項可以看成一個頻域函數，對其作IFFT運算并求模，可以得到高分辨距離像.

對于數字變極化單脈沖系統，合成正交極化形式分時發射，對四個子陣接收數據虛擬極化合成得到同極化和交叉極化接收回波，可以得到目標的全極化回波，結合上述原理，對全極化回波進行IFFT處理，可以得到目標的全極化高分辨一維距離像.

1.4 極化散射熵的概念

目標極化分解理論是雷達極化學中重要的理論之一，當前的極化理論大體分為兩類：一類稱為相干極化分解，包括Pauli基分解［8］、Krogager分解［9］及Cameron分解［10］，其基本原理是將目標極化散射矩陣分解成幾類基本散射體（如球體、二面角、三面角等）的線性組合；另一類是基于目標極化散射二階統計特性的非相干分解，如S.R.Cloude通過對目標極化相干矩陣特征值分解，提出的著名H/α極化分解［11］，A.Freeman提出的“奇次-偶次-漫散射”分解方法［12］等.

熵是描述自然界混亂的程度，1997年，Cloude將“熵”的概念引入極化理論中，定義了散射熵H和平均散射角α，用于目標的散射特性分析.

H的值在［1，0］之間，描述了目標散射的隨機性.H＝0時，相干矩陣只有一個特征值不為0，目標只有一種主要散射機理，此時處于完全極化狀態；H值較低時，三個特征值中有一個較大，其余兩個很小以致可以忽略，目標接近完全極化；隨著H的增大，去極化程度增加，說明目標散射由幾種散射過程組成，不再認為僅存在一個占主要地位的散射機理；當H值較高時，三個特征值比較接近，目標接近完全非極化；在H＝1的極限情況下，所能獲得的極化信息為0，目標的散射完全隨機，處于完全非極化狀態［11，13］.

α在0°和90°之間，反映了目標的主要散射機理.當α＝0°時，表示目標的主要散射機理是各向同性的表面散射，如平靜水面或者均勻導體球的散射；隨著α的增加，反映出的散射機理變為各向異性的表面散射，如布拉格表面散射；當α＝45°時，表示偶極子散射模型，如來自一片各向異性微粒的散射；在α＝90°的極限時，表示二面角散射［11，13］.

對于地表背景下有人造目標的情況來說，地表的去極化效應相對人造目標要大，即地表的極化散射熵比人造目標的熵值高，同時，人造目標多由平坦的表面和尖銳的棱角（如二面角），即平均散射角多接近0°和90°，而天然目標則不存在這些特性，這些區別就可以應用于在地雜波背景下的目標檢測與識別.

2 實驗和分析

我們對地面二面角和卡車目標進行了實驗.照射角度、卡車擺放姿態和地表背景如圖4所示.卡車車長6m，實驗采用頻率步進信號，步進Δf＝5MHz，頻率步進數N＝128，分辨率約為0.23m.

圖4 實驗場景

分時發射水平極化和垂直極化波時，“虛擬極化”合成同極化和交叉極化接收，處理回波數據得到線極化基下全極化高分辨一維距離像.調整各子陣間饋電的相位差，分時發射左旋圓極化和右旋圓極化，可以得到圓極化基下全極化高分辨一維距離像.同時，對兩種發射極化形式下獲得的全極化數據進行極化散射熵H和平均散射角α的提取，得到其在高分辨距離的分布（圖中所示為波門內的高分辨距離），如圖5和圖6所示.

圖5中實線是二面角極化散射熵，圖5（a）中的虛線是二面角高分辨距離像（High Resolution Range Profile，HRRP），圖5（b）中的虛線是平均散射角.從圖5（a）中發射線極化情況下散射熵值H在高分辨距離的分布可以看出：在22m處左右，散射熵值明顯低于其他的距離范圍，其對應著高分辨距離像中的尖峰處，即二面角目標.從圖5（b）中發射圓極化情況下極化散射熵H和平均散射角α在高分辨距離中的分布可以看出：在22m處，具有極低熵值，較高的平均散射角，根據文獻［11］中關于散射熵和平均散射角九個區的劃分，可認為其處于低散射熵的多次散射區（二面角）和部分的平面散射區.

圖6（a）中的虛線是卡車HH通道高分辨距離像.從圖6中兩種發射極化的散射熵值H在高分辨距離的分布可以看出：約在12～21m的目標卡車范圍內，熵值較其他區域明顯偏低，特別在19m處左右，熵值達到最小，對應于高分辨距離像中的最高峰，其對應于卡車車頭的強散射中心.從兩種發射極化的平均散射角α在高分辨距離中的分布可以看出：在12～21m的范圍內，α值的起伏比其他范圍更大，這是由于卡車多有平坦的表面和二面角，即α為0°和90°，所以，在這個范圍內的平均散射角α多為靠近0°或90°的值，從而導致α值起伏較大.圖6（d）中，對圓極化發射形式下的平均散射角α值對高分辨距離單元相鄰4個做平均（圖6（d）中下圖），其更清楚地反應了上述情況.

3 結 論

極化信息是目標回波中重要的信息，本文基于數字變極化探測系統，結合高分辨距離像和極化散射熵的相關原理，對地面目標回波中的極化散射熵進行了提取以及相應的分析，說明了該類極化信息提取在地面目標檢測和識別中的可用性.

實驗的地表背景并不是很復雜，下階段實驗中將在多種地形和地表背景中進行，如平地、丘陵和樹林、草地等等，同時，進一步處理回波數據，提取和分析低熵值強散射點的極化信息，對應其形狀和結構，以進一步地對目標進行分類和識別.

［1］范立生，高明星，楊 健，等.極化SAR遙感中森林特征的提取［J］.電波科學學報，2005，20（5）：553-556.FAN Lisheng，GAO Mingxing，YANG Jian，et al.Feature extraction of forested area based on polarimetric SAR［J］.Chinese Journal of Radio Science，2005，20（5）：553-556.（in Chinese）

［2］FENG Xu，JIN Yaqiu.Deorientation theory of polarimetric scattering targets and application to terrain surface classification［J］.IEEE Transactions on Geoscience and Remote Sensing，2005，43（10）：2351-2364.

［3］SCHNEIDE R Z，PAPATHANASSIOU K P，HAJNSEK I，et al.Polarimetric and interferometric characterization of coherent scatters in urban areas［J］.IEEE Transactions on Geoscience and Remote Sensing，2006，44（4）：971-984.

［4］CLOUDE S R，GOODENOUGH D G，CHEN H.Compact decomposition theory［J］.Geoscience and Remote Sensing Letters，2012，9（1）：28-32.

［5］GUO R，LIU Y B，WU Y H，et al.Applying H/αdecomposition to compact polarimetric SAR［J］.IET Radar，Sonar ＆ Navigation，2012，6（2）：61-70.

［6］WEHNER D R.High Resolution Radar［M］.Boston：Artech House，1995.

［7］毛二可，龍 騰，韓月秋.頻率步進雷達數字信號處理［J］.航空學報，2001，22（增刊）：19-25.MAO Erke，LONG Teng，HAN Yueqiu.Digital signal processing of stepped frequency radar［J］.Acta Aeronautica ET Astronautica Sinica，2001，22（Sup）：19-25.（in Chinese）

［8］BOERNER W M.Basics of SAR Polarimetry I［C］//Rader Polarimetry and Interferomety，Washington DC，2004.

［9］KROGAGER E.A new decomposition of radar target scattering matrix［J］.Electronic Letters，1990，26（18）：1525-1526.

［10］CAMERON W L，LEUNG L K.Feature motivated polarization scattering matrix decomposition［C］//IEEE International Radar Conference.Arlington，May 7-10，1990：549-557.

［11］CLOUDE S R，POTTIER E.A entropy based classification scheme for land application of polarimetric SAR［J］.IEEE Trans on GPS，1997，35（1）：68-78.

［12］FREEMAN A，DURDEN S T.A Three Component scattering model for polarimetric sar data［J］.IEEE Trans on GPS，1998，36（3）：963-973.

［13］郭 雷.寬帶雷達目標極化特征提取與核方法識別研究［D］.長沙：國防科技大學，2009.GUO Lei.Reserch on Wide Band Radar Target Polarimetric Feature Extraction and Kernel Method Recognition［D］.Changsha：National University of Defense Technology，2009.（in Chinese）