龔紫翼，王萬林

(中國空間技術研究院西安分院，西安 710000)

0 引言

運動平臺預警雷達的主要目的是檢測、跟蹤遠程低空或超低空飛行目標，為戰(zhàn)區(qū)作戰(zhàn)系統提供足夠的預警時間。它雖然也能夠檢測地面慢速運動目標，但是無法同時獲取目標的背景信息；而合成孔徑雷達(SAR)是一種全天候、全天時、穿透性強、分辨率高的微波成像雷達，能夠提供對地物背景的二維高分辨率圖像[1-3]。然而，傳統的SAR卻不具備對地面慢速運動目標的檢測和成像功能。因此，具有能夠同時獲取靜止場景圖像和檢測運動目標能力的多通道SAR/GMTI這種新體制雷達已逐漸成為各國軍事機構和研究機構廣泛關注的熱點領域之一。

單通道系統只能檢測快速目標，不能檢測慢速目標；雙通道系統雖然能檢測慢速目標，但是不能定位和測速；三通道以上系統既能檢測慢速目標，也能定位和測速。通道數目越多，系統對靜止雜波的抑制能力越強，就越容易檢測慢速目標，但為了降低成本，一般多采用三通道系統。對于三通道SAR/GMTI系統，由于任意兩個通道接收的數據都包含了地面靜止雜波和運動目標的空間和時間二維信息，因而不但可以利用兩個通道對消的方法對雜波進行有效抑制，實現對慢速目標的檢測，而且還可以利用兩兩對消結果的相位信息實現對慢速目標的定位和測速[4]。文獻[5-6]將由Dickey F R首先提出的偏置相位中心天線(DPCA)技術應用到基于兩兩通道對消的雙通道SAR/GMTI雷達中，由于這要求雷達重復頻率PRF與平臺運動速度v之間嚴格滿足DPCA條件d=2mv/PRF，而雷達系統因平臺運動不穩(wěn)定等原因往往會使這一條件不易滿足，勢必導致雜波對消性能變差。針對DPCA技術的這一不足，并為了進一步提高性能，文獻[7]同時對方位向和距離向進行二維處理，但是這種方法是基于距離-多普勒成像算法提出的，需要先測速后定位，測速范圍受到模糊限制，因而不能對快速目標進行精確測速和定位。文獻[8]提出了一種在多普勒頻譜模糊情況下的星載多通道高分寬幅SAR/GMTI系統的雜波抑制方法，但需要對樣本協方差矩陣進行特征分解并劃分雜波子空間與零空間。而本文針對方位去斜無模糊SAR圖像提出了兩種圖像域自適應雜波抑制方法，利用線性約束最小方差(LCMV)準則求解雜波抑制對消時的最優(yōu)權矢量。另外，若在二維處理前對圖像進行精確配準，還可以顯著提高處理性能[9]，為此，文獻[10]提出了一種基于快速傅里葉變換(FFT)的圖像配準技術，但是配準精度無法達到亞像素級別；文獻[11]提出了一種基于尺度不變特征變換的SAR圖像配準方法，但需要形成原始圖像的多級表示來獲取特征點，且方法中線性退火的過程需要較多迭代次數。本文的圖像配準方法利用不同的原理將圖像配準分為粗配準和精配準兩步依次進行，避免了多次迭代且能夠保證較高的配準精度。

本文以三通道SAR/GMTI雷達系統為研究對象，從距離壓縮和方位去斜SAR成像的概念出發(fā)，系統地推導了各通道動目標回波和靜止雜波的SAR復圖像信號模型，并在此基礎上提出了一種基于SAR圖像域的結合相位補償、圖像配準和多通道多像素自適應處理的動目標檢測方法。該方法包括距離壓縮-方位去斜SAR成像、相位補償、圖像配準、自適應雜波抑制、動目標檢測、定位和測速等步驟。最后，通過對三通道SAR/GMTI雷達系統機載校飛試驗數據的處理驗證了該算法的可行性。

1 方位去斜SAR成像

圖1給出了三通道SAR/GMTI雷達的空間幾何關系。雷達工作于正側視情況，即雷達平臺的運動方向與天線軸線的法線方向垂直。假設三通道之間的距離為d，而且發(fā)射時只有中間通道發(fā)射信號，接收所有3個通道均接收回波信號，因此，天線發(fā)射相位中心位于其幾何中心。不失一般性，設地面運動目標P在t=0時刻的位置坐標為(X0，Y0，0)，到飛行航線的垂直距離為R0，方位向速度為vx，距離向速度為vy，所以3個接收通道接收到來自目標P的基頻信號在距離快時間-方位慢時間域(tr-ta域)可以分別表示為：

圖1 多通道SAR/GMTI雷達的空間幾何關系

(1)

式中，n=1，2，3，分別表示3個接收通道，RT,Rn(ta;R0)=RT(ta;R0)+RRn(ta;R0)，分別為電磁波從發(fā)射通道到目標P，又從P散射回到3個接收通道的雙程斜距，ar(·)和aa(·)分別為雷達發(fā)射的線性調頻信號的窗函數和方位向窗函數，前者在不加權時為矩形窗，后者除濾波加權外，還與天線波束形狀有關，RT(ta;R0)和RRn(ta;R0)分別為發(fā)射通道和接收通道到目標P的距離，γ為發(fā)射的線性調頻信號的調頻率，c為電磁波的傳播速度。由于對距離向作匹配濾波(即距離壓縮)的系統匹配函數為：

(2)

因此，若距離向窗函數ar(·)為矩形窗，則3個接收通道回波信號sn(tr,ta;R0)經過距離壓縮后分別為：

(3)

式中，A為距離壓縮后目標的的信號幅度，Br為線性調頻信號的帶寬。由于3個接收通道目標回波信號的雙程斜距為：

(4)

其中，當n=1,2,3時，x分別為-d，0和d。因此，方位向匹配濾波(即方位去斜)的匹配函數為：

(5)

若方位向窗函數aa(·)也為矩形窗，則三個接收通道的目標回波信號sn(tr,ta;R0)經過方位去斜處理后，在距離快時間-方位頻域(tr-fa域)得到壓縮，表示為：

sinc{Ta[fa-(fa(X0)-fa(x)-fa(vx)-fa(vy))]}

(6)

式中，C為方位去斜后目標的信號幅度，Ta為用于SAR成像的方位向合成孔徑時間(即為由平臺運動引起的線性調頻信號調頻時間)，fa(X0)為動目標在tr-fa域上的實際方位位置，fa(x)為動目標由于天線位置差引起的方位位置偏移，fa(vx)，fa(vy)為動目標由于運動引起的方位位置偏移。由式(6)可知，無論是靜止目標還是運動目標，其在各接收通道的復數域圖像上既存在相位偏差，又存在圖像偏移，并且運動目標和靜止目標的圖像偏移量不相同，所以可利用這一特點來進行雜波抑制和動目標檢測。若設靜止目標回波即地雜波為cn(tr,fa;R0)，接收機噪聲為n，則經過SAR成像處理后第n個接收通道的復數域圖像信號為：

yn(tr,fa;R0)=cn(tr,fa;R0)+sn(tr,fa;R0)+nn

(7.a)

其中的雜波分量為：

(7.b)

SAR/GMTI雷達動目標檢測的關鍵問題就是如何有效濾除連片強地雜波。

2 動目標檢測、定位和測速

根據上節(jié)的理論分析可知，靜止目標和運動目標在各接收通道復數域圖像上同時存在圖像偏移和相位差，其中，運動目標由于運動的原因引起和靜止目標在復數域圖像上的偏移量不相同，而運動目標和靜止目標在各通道復數域圖像上的相位差卻是相同的，進而可以利用這一特性來進行雜波抑制、動目標檢測、定位和測速。所以多通道合成孔徑雷達動目標檢測技術除了SAR成像外，還包括相位補償、圖像配準、雜波抑制、動目標檢測、測速和定位等步驟，以下分別討論后幾個方面的問題。

2.1 相位補償

由于3個接收通道在方位向存在位置偏差，所以需要補償由這個位置偏差引入的相位差，才能有效地進行雜波抑制。由式(7)可得3個通道復數域圖像的相位為：

(8)

根據式(8)可得通道1和2，通道2和3的相位差分別為：

(9.a)

(9.b)

因此，利用通道1和2進行雜波抑制前應對通道1進行相位補償，而利用通道2和3進行雜波抑制前應對通道2進行相位補償，補償函數分別取為：

(10.a)

(10.b)

在利用3個通道復數域圖像數據進行兩兩對消抑制雜波時，即通道1和2對消時，將通道1數據與C1(tr,fa;R0)相乘，通道2和3對消時，將通道2數據與C2(tr,fa;R0)相乘，即可完成相位補償。

2.2 圖像配準

3個接收通道在方位向存在的位置偏差，不但給3個通道的復數域圖像引入了相位差，還造成圖像偏移，其值為fa(x)，即同一目標點在各個復數域圖像上的位置不同，這一點可以從式(7)得到證明。由式(7)還可知，由天線位置差引起的圖像偏移在距離向和方位向同時存在，只不過方位向的偏移量比距離向的要大得多。所以要有效抑制雜波，還必須對各個通道的復數域圖像進行圖像配準。圖像配準方法比較多，結合多通道SAR復數域圖像的強相關性特點，動目標檢測對圖像配準的高精度要求，以及工程實際等因素，這里采用基于二維快速傅里葉變換(2D-FFT)的頻域干涉相位相關的圖像配準方法[10]，考慮到配準精度，對該圖像配準方法進行補充改進：分兩步進行，即像素級的粗配準和亞像素級的精配準。

2.2.1 圖像粗配準

若兩圖像I1(x,y)和g2(x,y)，其中I1(x,y)為主圖像，兩圖像之間有一個偏移量(Δx,Δy)，即I2(x,y) =g1(x+Δx,y+Δy)，設I1(x,y)和I2(x,y)的二維傅里葉變換分別為F1(ε,η)和F2(ε,η)，根據傅里葉變換的性質有：

F2(ε,η)=F1(ε,η)exp[j(εΔx,ηΔy)]

(11)

則二維頻域中兩幅圖像歸一化互能量譜為：

(12)

由式(12)可知：如果兩幅圖像在距離向和方位向存在偏移量Δx和Δy，則必在距離向和方位向的二維頻域存在相位差exp[j2π(εΔx+ηΔy)]。如果能夠求出干涉相位φx=εΔx和φy=ηΔy，從而就能得到兩幅圖像之間的偏移量Δx和Δy。通過快速傅里葉變換(FFT)和快速反傅里葉變換(IFFT)得到圖像的整數像素級偏移量的估計，以此偏移量估計值對輔助圖像進行像素級配準，使得兩幅圖像偏移量的絕對值小于0.5個像素(配準誤差的絕對值達到0.5個像素以內)。

對式(12)做2D-FFT可得：

2DFFT{exp[j2π(εΔx+ηΔy)]}=δ(x-Δx,y-Δy)

(13)

式(13)等號右邊結果理論上為一沖擊函數，但是，由于實際系統中采樣長度為有限長，因此右邊結果實際上應為一sinc函數，所以，其模值的峰值所對應的位置即為兩圖像的偏移量。由于2D-FFT是離散輸出，所以根據這種方法得到的偏移量估計是以整數個像素為單位，即是為像素級補償的，因而以此偏移量對輔助圖像進行以整數個像素為單位的平移，就可以使得配準后兩幅圖像偏移量的絕對值小于0.5個像素，從而實現圖像的粗配準。

2.2.2 相位平滑

由于噪聲對干涉相位條紋影響比較嚴重，因此在亞像素級配準前需要對干涉相位進行平滑處理。根據前面的分析，通過圖像像素級粗配準處理后，兩幅圖像的偏差絕對值小于0.5個像素，因而主輔圖像之間的干涉相位不會出現模糊。若將干涉相位exp[j2π(εΔx+ηΔy)〗看作信號，其中Δx和Δy為頻率ε和η的時域采樣變量，則干涉相位的數字頻率在x和y方向上沒有超過1/N和1/M，其中N，M分別為干涉相位圖在x和y方向上的采樣長度和2D-FFT點數。根據干涉相位的數字頻率不會超過1/N和1/M這一特性設計二維濾波器(設計通帶略大于1/N和1/M的低通濾波器)，來對干涉相位進行平滑。通過相位平滑處理可以提高圖像亞像素級配準時偏移量的估計精度，增強系統的穩(wěn)健性。

2.2.3 圖像精配準

將經過粗配準后的兩幅圖像作頻域相干得到干涉相位，對干涉相位進行最小二乘平面擬合處理，得到相位變化的精確值，從而得到兩幅圖像偏移量的亞像素級估計。

用于最小二乘平面擬合處理的平面擬合函數為：

PC(x,y)=aφ(x)+bφ(y)+c

(14)

式中，PC(x,y)為對應于圖像位置(x,y)的相位相關值，φ(x)和φ(y)分別為方位向和距離向的相位基，a，b和c為平面擬合函數的系數，式(14)可以寫成如式(15)矩陣形式：

AX=B

(15)

式中，

N、M分別為圖像距離向和方位向的點數。由式(15)可知X的最小二乘解為：

X=(AAH)-1AHB

(16)

a、b分別為輔助圖像相對于主圖像在方位向和距離向的亞像素級偏移量估計。

綜上，若兩圖像I1(m,n)、I2(m,n)間有偏移量(Δm,Δn)=(Nm+δm,Nn+δn)，其中Nm、Nn為整數偏移，δm、δn為小數偏移，根據以上理論說明，圖像配準的具體步驟如下：

(a)兩幅復圖像以中心點為參考，選取相同大小的塊分別記為Z1(m,n)和Z2(m,n)；

(a) 方法一：多消一的矢量構造

(b)計算Z1(wm,wn)=FFT2[Z1(m,n)]和Z2(wm,wn)=FFT2[Z2(m,n)]，FFT2表示2D-FFT；

(b) 方法二：多消多的矢量構造

(c)計算IFFT2[Z1(wm,wn)⊙Z2(wm,wn)]，IFFT2表示2D-IFFT，⊙表示Hadamard積，即對應元素相乘。取模值后由最大值對應的位置確定Nm,Nn；

(c) 自適應多消多

(d)I2(m,n)平移Nm,Nn后記為I2′(m,n)，截取相同大小的塊記為Z2′(m,n)；

(e)對Z2′(m,n)做2D-FFT后得Z2′(wm,wn)，計算干涉相位Z1(wm,wn)⊙Z2′*(wm,wn)；

(f)經低通濾波器去除噪聲對干涉相位的影響后，在最小二乘意義下做平面擬合，得擬合平面的法向量，其在m和n方向上的投影為對小數偏移量δm,δn的估計；

(g)計算I2″(m,n)=IFFT2{FFT2[I2′(m,n)]⊙exp[j2π(wmδm+wnδn)]}，I2″(m,n)即為I2(m,n)配準后的圖像。

2.3 自適應雜波抑制和動目標檢測

動目標在SAR圖像中具有散焦的特點，響應的幅值通常低于靜止雜波，淹沒在聚焦良好的背景雜波中，信雜噪比(SCNR)很低，因此無法直接從SAR圖像中檢測動目標，需要先進行雜波抑制。若不考慮實際系統誤差，經過相位補償和圖像配準后即可兩兩直接對消進行雜波抑制。然而，實際系統中不可避免地存在著各種誤差，主要包括天線方向圖和接收通道等的不一致性引起的幅相誤差、天線通道間的位置誤差，這些誤差最終主要表現為相位補償和圖像配準后的剩余誤差。配準剩余誤差必將降低兩兩對消的雜波抑制性能，基于樣本協方差矩陣求逆的自適應雜波抑制方法，是降低剩余誤差影響的有效處理方法之一。

若設所有接收通道接收的回波數據分別經過SAR成像、相位補償和精確配準，則用于動目標檢測的所有SAR圖像所對應的像素i(即對應于同一地面單元i的SAR圖像)的復數據可以寫成如式(17)形式：

H0∶yn0(i)=cn(i)+nn(i)

(17.a)

H1∶yn1(i)=sn(i)+cn(i)+nn(i)

(17.b)

其中，H0假設表示動目標不存在，H1假設表示動目標存在。雜波加噪聲協方差矩陣的構造方法和維數大小直接影響自適應雜波抑制性能和處理器計算量。因此構造雜波抑制的主輔SAR圖像復數據矢量有多種方法，圖2(a)和(b)分別給出了多消一、多消多兩種方法的示意圖。相應于圖2(a)和(b)，用于雜波抑制的主輔SAR圖像復數據矢量分別為：

(a) 非自適應直接對消 (b) 自適應多消一

(18.a)

(18.b)

式中，N為與參與自適應雜波抑制的矢量維數有關的參數。由于雜波加噪聲協方差矩陣是用來逼近待檢測樣本的雜波信息，由此訓練出的自適應權才能對待檢測樣本中的雜波進行有效抑制。另外，用于估計雜波加噪聲協方差矩陣的訓練樣本中不應該包含有動目標信息，否則容易引起目標相消。所以，雜波加噪聲協方差矩陣定義為：

(19)

式中，E[·]表示數學期望，矩陣Rx理論上是由無限多個訓練樣本求數學期望獲得的，而實際上是由有限多個訓練樣本求統計平均估計獲得的，即：

(20)

為了全面精確估計待檢測樣本中靜止雜波的統計特性，常規(guī)自適應雜波抑制方法要求訓練樣本和待檢測樣本中的雜波應該是獨立同分布(IID)的。如果訓練樣本和待檢測樣本中的干擾是IID的，則稱這些樣本是均勻樣本；否則，則稱為非均勻樣本。在均勻環(huán)境下，常規(guī)自適應方法可以得到滿意的結果。而在非均勻環(huán)境下，由于由非均勻樣本得到的估計結果不能全面正確地反映待檢測樣本中雜波的真實分布特性，因此，雜波抑制性能就會受到嚴重影響。非均勻性主要是指雜波統計特性在復圖像像素之間有變化，即不同像素中雜波的特性不同，一般包括由動目標、強孤立干擾和非均勻地貌(平原與山地交界處，城鄉(xiāng)結合處以及城市內建筑物等)引起的變化。所以，在選取用于估計雜波加噪聲協方差矩陣的訓練樣本時要特別注意非均勻環(huán)境的影響，否則，將會導致動目標檢測性能嚴重下降。估計出雜波加噪聲協方差矩陣后，就可以按如下LCMV準則計算自適應雜波抑制的最優(yōu)權：

(21)

因此，最優(yōu)自適應處理權Wopt為：

(22)

式中，Sst為指向主SAR復圖像中目標像素單元的導向矢量，一般取為：

Sst=[1 0 … 0]T

(23)

對用于雜波抑制的主輔SAR圖像中每一個像素，分別利用上述最優(yōu)權矢量進行自適應雜波抑制，即可得到雜波抑制后的包括動目標、剩余雜波和噪聲的SAR圖像，由于剩余雜波和噪聲的存在，須通過恒虛警率技術來檢測運動目標。

在雜波抑制后的SAR圖像中由于大部分靜止目標回波已被抑制，對動目標來說，其SCNR得到了顯著改善，有利于動目標的檢測。是否檢測到動目標可以通過待檢測單元中的剩余信號功率是否超過某一門限來確定，如果待檢測單元中剩余功率超過該門限，則認為該單元中存在動目標。然而實際中非均勻環(huán)境存在許多強孤立干擾，往往很難得到有效抑制，容易引起虛警，而提高門限又易造成漏檢。為了進一步降低虛警率或漏檢率，還可以設定某一浮動的第二門限：若在雜波抑制后的圖像中某一個單元內的剩余信號功率超過了第一門限，但比對消前的SAR圖像中相應單元的信號功率低于某一門限，則認為這個單元中的殘余信號功率是靜止目標對消后的剩余功率，而不是由動目標信號功率形成的，這是因為自適應雜波抑制是盡可能多地抑制靜止雜波，同時最大限度地保留動目標信號，抑制前后的SAR圖像中動目標功率變化較小，而雜波功率相差較大，若不考慮誤差影響可達30 dB左右，相應地，可將這個值設為第二門限，來避免地面極強靜止目標對消后，剩余功率仍超過第一檢測門限造成的虛警情況。

2.4 有無配準誤差時雜波抑制效果

為了方便比較不同方法的雜波抑制效果，本節(jié)對非自適應的DPCA直接對消、2.3節(jié)所述的兩種自適應處理方法進行了仿真，得到雜波抑制后的距離向切片圖，目標位于方位像素標號200處。

圖3(a-c)分別為這3種方法的雜波抑制結果?？梢钥闯觯瑹o配準誤差時，3種方法都能夠獲得較好的雜波抑制效果，其中非自適應方法的剩余雜波幅度最大，自適應多消一次之，自適應多消多最小，獲得的運動目標輸出遠強于背景雜波，從而最容易被檢測到。自適應方法對雜波的抑制效果比直接對消更好。有配準誤差(仿真設置誤差為0.4像素)相比于無配準誤差時，3種方法的雜波抑制效果受到不同程度的影響，非自適應方法結果的SCNR平均下降了約8.3 dB，自適應多消一下降了約6.0 dB，自適應多消多下降了約5.5 dB。說明了自適應方法針對配準誤差具有更好的穩(wěn)健性。另外，還可以看出自適應方法中，多消一方法的剩余雜波方差較大，而多消多方法的剩余雜波雖方差小，有利于檢測弱動目標，但是由于樣本矢量從主圖像中選取了多個像素，其中的目標信息均被保留，因此目標響應被展寬，從而相比多消一方法對目標的分辨率下降。綜合考慮SCNR及對目標的分辨，在隨后的實測數據處理中，宜采用自適應多消一的雜波抑制方法。

2.5 動目標檢測、定位和測速

若待檢測單元中存在地面運動目標，則對消后圖像的該單元中包括動目標信號、剩余雜波信號和噪聲。由于大部分雜波已被濾除，目標在輸出中占主要地位，所以，前兩通道的檢測結果與后兩通道的檢測結果進行干涉處理后的相位，即為動目標在相鄰通道之間的相位差ΔΦ(X0,R0)。由于相位差ΔΦ(X0,R0)與動目標的位置(X0,R0)有關，因此可根據干涉后的相位差對動目標定位。由前述雜波抑制最優(yōu)自適應權的計算準則可知，最優(yōu)權旨在最大限度地抑制靜止雜波，盡量完整地保留動目標信號，即不改變動目標的幅度信息(由天線基線引起的盲速效應除外)，也不改變動目標的相位信息，因此，為方便起見，下文的推導不考慮自適應權，只按經相位補償和圖像配準后直接相消的結果進行討論。由式(6)可知，接收通道1和2、2和3的復圖像補償、配準后的對消結果分別為：

(24.a)

(24.b)

式中，

(24.c)

由于v>>vx，所以式中忽略了動目標方位向速度分量vx的影響。根據式(24.a)和(24.b)對S12(tr,fa;R0)和S23(tr,fa;R0)求模值可得：

(25)

由式(24.c)可知，當fa=fa(X0)-fa(vy)時，式(24.c)中等號右邊的第一個辛克函數sinc(·)取最大值1，因此，這時式(25)可以寫為：

(26)

由式(26)可以看出，兩通道對消時靜止雜波的抑制特性和動目標的檢測性能為：

1)對于靜止雜波，由于其速度分量vy=0，式(26)顯然為零，靜止雜波信號將被完全對消，即出現在雜波對消特性的凹口處，這正是雜波抑制所需要的結果；

2)當地面運動目標垂直向速度分量vy=±nλvR0/Y0d時，式(26)為零，動目標也將被對消，即出現在雜波對消特性的凹口處，檢測時出現盲速點；

3)當地面運動目標垂直向速度分量vy=±(n+1/2)λvR0/Y0d時，式(26)取最大值，動目標信號將得到完全保留，即出現在對消特性的凸口處，檢測時性能最優(yōu)；

4)當地面運動目標垂直向速度分量vy處于上述兩種速度范圍內時，動目標信號將部分被保留，部分被對消，即出現在對雜波消特性的凸口與凹口之間，檢測時性能也界于上述兩種情況之間。

若運用前述的雙門限檢測方法，則在某一待檢測像素內計算式(26)后所得的值超過預先規(guī)定的檢測門限，則可認為該檢測像素內存在動目標。根據式(24.a)和(24.b)進行干涉處理，即可得到S12(tr,fa;R0)和S23(tr,fa;R0)的干涉結果為：

(27)

為了避免模糊造成定位錯誤，并且由于天線間距d精確已知，所以，對式(27)作如下處理：

(28)

經過式(28)預處理后，動目標在相鄰通道之間的相位差ΔΦ(X0,R0)為：

(29)

式中，由于檢測時動目標所在距離單元是已知的，因此，只有動目標的方位向位置X0是未知的，所以，可由式(29)對動目標進行定位，即：

(30.a)

(30.b)

式中，H為平臺高度。由于-π≤-2πX0d/λR0≤π，因此，動目標在相鄰通道之間的相位差ΔΦ(X0,R0)始終不會存在模糊，無論是慢速目標或高速目標，都能比較準確地進行定位。

動目標垂直向速度分量引起動目標在SAR圖像或對消后的SAR圖像上，方位向存在位置偏移，也正是由于這一偏移量的存在，才能夠通過雜波抑制來進行動目標檢測[12]。由式(24.c)可知，對于地面距離向速度為vy的目標而言，其所在單元的多普勒頻率fa是由載機運動引起的多普勒頻率和其本身的距離向速度引起的多普勒頻率的疊加，圖像域方位坐標fa(單位為s-1)與真實方位估計X0(單位為m)有如下關系：

(31)

由于式中只有vy是未知的，因此，即可由式(31)對動目標進行地面距離向測速：

(32)

至此，即完成了動目標檢測、定位和測速，就可以按動目標的正確位置(X0,Y0)將動目標標定在SAR圖像上，其流程圖如圖4所示。對于測速范圍[13]，因為-PRF/2≤fa≤PRF/2，所以由式(31)有：

圖4 多通道合成孔徑雷達動目標檢測流程

(33.a)

(33.b)

式中，Da為3個子天線的孔徑。由式(33)可見，測速范圍與目標在實際場景中的真實位置有關。

3 實測數據處理

某試驗雷達系統如圖1所示，雷達天線由3個子天線組成，其中中間通道既發(fā)射也接收，前后兩個通道只接收而不發(fā)射。利用文章所論述方法組成的整個流程，對兩處試驗場景的實測數據進行處理。試驗路段為與閻良區(qū)迎賓大道垂直的一段水泥公路，試驗時該公路西端未修通，很少有車輛行駛，因此適合于進行校飛試驗。圖5給出了對試驗配合目標的檢測結果，9輛農用三輪車分別在公路兩邊輔道上行駛，從圖5的處理結果可以看到，9輛車被全部檢測出，動目標標定后被全部定位回到公路兩旁輔道上。圖6給出了對自然非配合目標的檢測結果，共檢測出10輛汽車，標定后有9輛定位回到公路上。

圖5 配合目標處理結果

圖6 非配合目標處理結果

4 結論

基于多通道合成孔徑雷達成像的地面動目標檢測，核心步驟是雜波抑制，除此之外還包括以下步驟：相位補償、圖像配準、定位和測速。其中圖像配準作為雜波抑制的預處理步驟，其精度是制約動目標檢測性能的重要因素?；诜轿蝗バ盨AR成像方法，推導了三通道SAR/GMTI雷達動目標回波信號和靜止雜波的SAR復圖像信號模型，并提出了一種基于圖像域的結合相位補償、圖像配準和多通道多像素自適應處理的動目標檢測方法。隨后的仿真對比了配準誤差對兩類、3種雜波抑制方法的影響，即配準誤差的存在，使得直接對消、多消一、多消多的雜波抑制結果SCNR分別降低了8.3 dB、6.0 dB、5.5 dB，得出了自適應處理比直接對消的非自適應處理穩(wěn)健性更好的結論。且考慮到目標分辨率，宜采用自適應多消一雜波抑制方法。然后在雜波抑制后檢測的基礎上，給出了根據信號模型進行定位和測速的方法，形成完整的處理流程。最后，對實際三通道SAR/GMTI雷達機載校飛實測數據的處理結果，證明了所論述方法整個流程的可行性。