智能SAR系統概念和體系架構研究

常文勝，江 濤，胡學成

(南京電子技術研究所，江蘇 南京 210039)

0 引言

為應對復雜地理和電磁環境對雷達探測性能的影響，美國空軍研究實驗室(AFRL)及其國防高級研究計劃局(DARPA)先后資助多項研究，從基于知識的雷達(KB-Radar)、知識輔助的傳感器信號處理與專家推理到知識輔助雷達(KA-Radar)，提升雷達適應環境的能力。2006年，文獻[1]提出了認知雷達的概念，認知雷達是引入并模仿生物認知特性的新一代智能雷達系統，具有完善的接收和發射自適應特征，通過與環境的不斷交互和學習，獲取環境信息，結合先驗知識和推理，閉環優化調整發射通道和接收通道的參數，提高雷達在復雜、時變及未知電磁環境與地理環境下的對目標的探測性能。2014年，文獻[2]結合認知雷達概念給出了認知雷達的系統架構和處理架構。但上述基于認知雷達的智能雷達系統研究均針對的是常規目標探測雷達，由于常規目標探測雷達與SAR的目標對象、信息獲取方式、信號處理方式及對載體平臺需求的差異性較大，基于常規目標探測雷達的認知雷達系統架構并不完全適用于SAR系統。文獻[3～5]僅針對SAR系統的發射信號、信息獲取方式等局部點的自適應優化開展了相應的研究。

本文結合“認知”概念，從SAR系統應用與發展出發，探討智能SAR系統概念，給出智能SAR系統的體系架構。

1 SAR系統應用與發展

經典的SAR成像模式是基于勻速直線運動的正側視成像，成像模式為條帶、聚束、掃描。早期的SAR系統安裝在有人飛機上，作為偵察設備使用。早期的經典SAR系統的技術特征如表1所示。

表1 早期經典SAR系統的技術特征

由于SAR具備全天時、全天候、廣視域的優點，引起了各功能系統和平臺的關注，對SAR系統在不同平臺上的應用提出了需求；科技人員對SAR原理研究的不斷深入，從二維到多維、從靜止目標到運動目標，不斷拓展著SAR系統的功能。在需求和科學研究的牽引下，到目前為止，SAR系統的功能和應用已十分豐富，具體如表2所示。

表2目前SAR系統的技術特征

平臺平臺運動方式波束與航線關系成像模式圖像使用信息提取有人偵察飛機適應平臺和適應成像相結合前側視正側視后側視條帶、聚束、掃描、滑動聚束、圓周、TOP干涉、MTI偵察或測繪半自動圖像智能處理系統衛星適應平臺和適應成像相結合前側視正側視后側視條帶、聚束、掃描、滑動聚束、Mosaic、TOP、干涉、三維偵察或測繪半自動圖像智能處理系統大、中、小各類無人機適應平臺為主,適應成像為輔前側視正側視后側視條帶、聚束、掃描、滑動聚束、圓周、TOP、干涉、三維、MTI偵察或測繪或目標指示半自動圖像智能處理系統戰斗機適應平臺前側視前視條帶、聚束、滑動聚束、MTI目標指示或打擊半自動圖像智能處理系統導彈適應平臺前側視前視條帶、聚束、MTI目標打擊自動

圖1 雙基前視成像示意圖

1.1 波束與航線關系

由表2可知，目前SAR系統或SAR功能幾乎已應用到了所有的空基與天基平臺上，波束與航線的關系在需求的牽引下由最有利于成像的正側視擴展為前側視、正側視、后側視乃至于前視，需要強調的是常規單基SAR系統由于在平臺前進方向的切線上不能形成有效的合成孔徑，從而不能實現平臺前進方向的合成孔徑高分辨成像，但采用如圖1所示的雙基成像，則可實現相對接收站的前視成像[6]。

1.2 成像模式

成像模式在經典的條帶、聚束、掃描模式的基礎上發展出了滑動聚束、Mosaic、圓跡、TOP、干涉、三維等成像模式及基于SAR圖像的MTI(運動目標檢測)模式(如圖2～圖4所示)：

圖2 經典的掃描模式和標準的TOP模式

1)經典掃描模式等寬幅成像模式

圖2(a)為經典的掃描模式示意圖，通過天線俯仰向波束在不同距離子帶間的輪換拓展成像幅寬，不同距離子帶利用的方位向波束不一致，有的距離子帶是方位向中心波束照射，有的距離子帶是方位向3 dB波束寬度的邊緣波束照射的，從而導致不同距離子帶的回波強弱不同，影響了整體圖像的層次感；在經典掃描模式的基礎上發展出了TOP模式[7]。標準的TOP模式工作示意圖如圖2(b)所示，俯仰向波束切換到相應的距離子帶時，方位向波束進行一個小角度的掃描，從而使得每個距離子帶所利用的方位向波束是一致的，提升了整體圖像的層次感。

圖3 聚束等高分辨成像模式示意圖

2)經典聚束模式等寬幅成像模式

圖3(a)為經典的聚束模式示意圖，控制波束始終跟蹤成像區域的中心，增大成像區域與雷達視線間的轉角，提升方位向分辨率，但方位成像區域受限于方位向波束寬度。針對聚束SAR的這一缺點發展出了滑動聚束SAR[8],其工作示意圖如圖3(b)所示，在成像過程中雷達波束始終照射遠離成像區域的某個虛擬的焦點，因而雷達波束在成像區域上以低于雷達方位向移動速度的速度移動，從而相對聚束SAR提升了方位向成像寬度；圖3(c)為Mosaic模式工作示意圖[9]，通過相控陣靈活的波束指向實現方位向和距離向的多點聚束，從而拓展聚束模式下的方位向和距離向成像區域；圖3(d)為圓跡SAR工作示意圖[10]，雷達平臺作360°圓周運動，波束始終指向同一場景區域，具有以下特點：①能夠獲取目標在各方向的散射特征，提高目標識別和地物分類精度；②拓寬波數域有效帶寬，理論分辨率達亞波長量級；③所形成的圓周合成孔徑能夠獲取目標的3維位置信息。

3)多天線SAR系統工作模式

基于多天線的順軌干涉或交軌干涉SAR系統，可實現基于SAR圖像的地面運動目標的檢測或地面高程的反演[11-12](如圖4(a)和圖4(b)所示)；采用垂直于平臺運動方向的大陣列或通過平臺的運動等效形成一個大陣列，則可實現對地面場景的真三維成像[13](如圖4(c)所示)。

1.3 平臺運動方式

SAR功能的擴展來自于需求的牽引，因此只有適應平臺的運動方式，才能發揮出平臺應有的功能，尤其是面向戰斗機或導彈等打擊平臺，必須能夠適應平臺的機動，實現機動軌跡成像[14](如圖5所示)。

圖4 多天線SAR系統工作示意圖

圖5 機動軌跡下SAR成像

1.4 圖像使用與信息提取方式

高分辨圖像雖然提供了目標的更多細節信息，但同時也提供了影響目標自動檢測的大量的無效信息，給目標的自動檢測帶來了較大的困難。雖然目前深度學習算法已經在基于光學圖像的目標檢測、識別與跟蹤領域取得了很大的進步和一定的成績，但仍然是針對特定的目標和特定的應用場景的。SAR圖像相對于光學圖像，具有如下特點：1)電磁頻譜不同，目標的響應特性不同；2)SAR圖像為相干成像，圖像中存在相干斑噪聲；3)光學圖像是基于角度分辨的圖像，SAR圖像是基于距離分辨的圖像，在有高度起伏時，容易發生迎坡縮短、迭掩等現象。SAR圖像與光學圖像之間的以上差異，為基于光學圖像的目標檢測、識別與跟蹤算法移植到SAR圖像上帶來了很大的困難，且受限于各種條件，目前的SAR 目標數據庫相對于應用于深度學習的標準數據庫，如 Image Net、MNIST 等，屬于小樣本數據庫，也限制了深度學習在SAR圖像信息提取中的應用。因此，直到目前為止，基于SAR圖像的目標檢測、識別與跟蹤等信息提取方面，仍然未能實現完全自動化。絕大部分SAR系統采用的均是需要人工參與的半自動圖像智能處理系統[15]，基于SAR圖像制導的導引頭是在先驗信息的支撐下，實現特定場景特定目標的自動匹配與識別。

1.5 小結

以上從波束與航線關系、成像模式、平臺的運動方式、圖像使用與信息提取方式等方面分析和總結了目前SAR系統的技術特征，可知：

1)目前SAR的系統工作模式已非常豐富，可針對不同的應用目的獲取不同程度的目標信息；

2)SAR系統功能的實現不僅僅關系到雷達系統自身，與平臺的配置方式、運動方式密切相關；

3)受限于SAR圖像的信息提取不能完全自動化，SAR系統目前未能形成一個完整的閉環調整系統。

2 智能SAR系統概念和體系架構

2.1 智能SAR系統概念

傳統的SAR系統，針對特定平臺的運動特性和運行軌跡，構建成像幾何，設計成像及運動補償算法，確立對應的工作模式，按照各工作模式分析計算雷達系統設計要素，確定系統架構和工作體制，分析成像處理所需的資源，完成雷達系統設計；在系統工作時，獲取確定的幾種不同分辨率的圖像，基于圖像實現目標信息的提取。可知傳統SAR系統從系統設計、系統工作、圖像處理、信息提取整個過程按照“流水”的方式進行，沒有從最優化目標信息獲取的本源出發，成像算法難以跟隨平臺的實時運動軌跡進行調整，硬件系統與算法的融合程度不高，存在工作模式固化、靈活度不夠、資源配置優化度低的缺點。

受蝙蝠回聲定位系統及認知過程的啟發，文獻[1]首次提出了認知雷達的概念，通過從發射、接收、處理構成一個動態的閉環反饋回路，對環境和目標信息實時感知和記憶，基于知識庫，實時優化雷達發射和接收處理模式，達到與目標及環境的最優匹配，并在與環境和目標的交互中持續不斷的學習，逐步持續提升雷達的智能化能力。實際上，蝙蝠在捕食過程中，不僅依據其捕食對象調整其發射的超聲波的幅度、頻率和時間間隔，還在不斷調整其飛行曲線，且經常進行群體性協作捕食，每個蝙蝠發射的超聲波并不會相互干擾。

針對傳統SAR系統的缺點，在蝙蝠回聲定位和捕食過程的啟發下，提出智能SAR系統的概念內涵如下：

1)自主感知外界環境或接收其它系統信息，解析戰場態勢，以任務或目標信息的獲取為目標，實時規劃或優化整個系統的運行方式，包含平臺的配置方式、各平臺的飛行軌跡、成像模式的設計。

2)成像處理及運動補償算法與系統深化融合，從系統層面完成成像處理流程，降低處理資源需求。以一組大斜視聚束高分辨成像參數為例，設作用距離150 km，分辨率0.3 m，聚束中心角60°，幅寬2 km,系統工作的中心頻率為10 GHz，按照以上設定參數計算，成像期間聚束照射區域共同的距離徙動超過15 km。若不從系統層面融合成像流程，考慮距離徙動的影響，距離向采樣點數需增加到幅寬所需的8倍以上，成像處理器不僅需完成8倍以上成像幅寬的距離脈壓，還需通過插值或頻域位移相位因子完成相應的徙動校正；若從系統層面進行考慮，通過采樣起始波門的變化完成成像期間聚束照射區域共同距離徙動的校正，而距離向采樣點數也僅需考慮成像幅寬、信號脈寬及成像區域內部的距離徙動差即可。

3)建立處理或信息提取端到系統規劃或設計端的閉環調整環路，依據成像結果或目標信息提取效果實現自適應動態閉環優化調整。

4)構建知識庫，建立知識、評估、更新的閉環，通過經驗的積累和知識的學習，實現能力自提升。

以上從目標信息提取的角度出發闡述了智能SAR系統的內涵，隨著SAR技術的發展和SAR系統效能的發揮，世界各國開始重視SAR干擾技術的研究，研制了大量的干擾設備，SAR系統面臨著越來越復雜的電磁環境，因此智能SAR系統還應能自主感知外界電磁環境，選擇合適的工作頻點和工作波形，增強主動抗干擾能力；基于知識庫依據成像結果或目標信息提取效果選擇合適的抗干擾策略，組織合理的抗干擾系統資源，實現良好的干擾抑制；通過知識庫的更新，提升系統的抗干擾能力。

2.2 智能SAR系統體系架構

如圖6所示，前視SAR成像需要至少兩個平臺協同完成，且多個平臺也可協同抗干擾或形成集群提升作戰效能，因此從網絡化和單系統兩個層面給出了智能SAR系統的體系架構。

網絡化智能SAR系統體系架構如圖6所示。全局決策中心依托動態知識庫，根據任務目標，實時規劃網絡化SAR系統平臺的幾何構型、各個SAR系統平臺的飛行軌跡、各個SAR系統的波束協同掃描方式及相關的工作參數，控制各個SAR系統協同工作；性能評估中心基于動態知識庫，依據成像結果及目標信息提取結果，對照任務目標實施性能評估，并將評估結果發給全局決策中心，形成反饋環路，全局決策中心依據性能評估結果實時優化調整平臺幾何構型、飛行軌跡、波束協同掃描方式及各系統的相關參數；動態知識庫依據性能評估中心的輸入及外源信息，實現知識的自迭代、自進化和自更新。全局決策中心、動態知識庫、性能評估中心并不是一個單獨存在于各個SAR系統之外的實體單元，而是可以依托在網絡中任何一個SAR系統中的功能模塊。

圖6 網絡化智能SAR系統體系架構

網絡化智能SAR系統的主要應用場景如下：

1)雙(多)基協同前視或后視；

2)雙(多)基協同連續波工作，發射站后置，接收站前出，提升射頻隱身能力；

3)雙(多)基協同，實現瞬時多視角成像，提升目標快速識別能力；

4)蜂群協同，實現廣域高分寬幅成像監視；

5)分布式MIMO協同，提升干涉測高、三維成像及運動目標檢測、成像能力；

6)分布式相參，提升系統成像距離及成像分辨率

圖7 單系統智能SAR體系架構

單系統智能SAR體系架構如圖7所示。單系統決策中心依托動態知識庫，根據全局決策中心的指令或任務目標，結合感知通道感知到的環境信息，實時規劃系統的工作模式，包含成像模型的構建、平臺運動軌跡的規劃、波束的掃描模式、天線方向圖的重構方式、發射通道和接收通道工作參數的配置、工作波形的選擇、抗干擾策略的決策、成像及抗干擾算法的優化等。然后依據成像及運動補償的算法流程，結合系統的發射通道、接收通道，從系統層面分配成像及運動補償的處理流程，如算法流程中的時域乘法可在發射通道中實施，算法流程中的位移補償、徙動校正等可在接收通道中實施。性能評估中心基于動態知識庫，依據成像結果及目標信息提取結果，對照任務目標實施性能評估，并將評估結果發給單系統決策中心，形成反饋環路；對成像或目標信息提取結果的評估現階段或在相當長的一段時間內，需要人工交互才能完成良好的性能評估，隨著人工智能技術的進步，智能化水平將逐步達到無需人工參與的程度。動態知識庫以環境特征庫(地理環境、雜波環境、電磁環境)、算法庫、策略庫、評估庫為知識池，在知識池的基礎上將SAR系統的原理與實際應用場景結合，在學習SAR系統任務執行實例的基礎上，提煉、優化任務執行功能配置庫，并可通過仿真進行自主進化、自主提升；智能SAR系統區別于傳統SAR系統，將沒有工作模式的概念，整個系統的調度以任務執行系統功能配置庫為控制單元進行調度。在處理層面，通過高速數據通信鏈路將多個SAR系統的處理資源實現“云連接”，共享“處理云”的資源。

2.3 智能SAR系統關鍵技術

智能SAR系統既是設計理念，也是未來SAR系統的發展方向。作為設計理念，在現階段SAR硬件和軟件技術水平的基礎上，貫徹智能SAR系統的設計理念，提升SAR系統的能力；作為實際SAR系統的發展方向，從功能應用的實際需求出發，開展關鍵技術攻關。智能SAR系統涉及到的主要關鍵技術如下：

1)建立目標信息提取能力與SAR圖像性能邊界的映射關系。

目前對SAR圖像的評價指標主要有空間分辨率、峰值旁瓣比、積分旁瓣比、等效視數、輻射分辨率等指標，這些指標主要從圖像的角度反映了SAR圖像的性能，沒有從有利于目標信息提取的角度形成SAR圖像性能的評價指標。

2)多角度提升SAR圖像目標自動信息提取能力

基于SAR圖像的目標信息自動提取是智能SAR系統中非常關鍵的一環，是智能SAR系統閉環回路中的關鍵點。一方面SAR圖像與光學圖像有很大的差異，另一方面SAR圖像的樣本相對偏少。基于以上兩方面的考慮，一方面研究提升SAR圖像光學特性的方法，如通過多視角降低SAR圖像的角度敏感度、通過多個頻帶信息的融合提升SAR圖像目標的輪廓完整性、采用基于電磁散射模型的SAR成像方法等；一方面開展SAR圖像的精細化電磁仿真研究，基于精細化電磁仿真豐富SAR圖像的數據庫，提升基于深度學習的SAR圖像自動信息提取能力。

3)支撐智能SAR系統體系架構實現的先進基礎技術。

支撐智能SAR系統體系架構實現的先進基礎技術主要有以下幾個方面：①廣域高精度時、空、頻、相同步網絡，支撐網絡化智能SAR系統分布式MIMO和分布式相參能力的實現；②高速無線通信網絡，支撐“處理云”的實現；③頻率、極化、方向圖可重構天線，頻率、帶寬、功率、波形可調節發射通道及頻率、帶寬、采樣起始波門可調節接收通道支撐智能SAR系統自適應優化匹配目標信息的提取。

3 結束語

在認知雷達的基礎上，結合SAR系統特點和應用與發展，探討智能SAR系統的概念，分析了其內涵，從最優化目標信息提取的本源出發，給出了網絡化智能SAR系統和單系統智能SAR的體系架構，涵蓋了平臺配置方式、平臺運動軌跡、雷達系統等與成像密切相關的要素，分析了其涉及的關鍵技術，給未來SAR系統的發展提供了一條思路。■