1.2 SAR成像处理概述

1.2.1 SAR简介

在仿真领域中，SAR成像技术是当前的热点研究问题。SAR是一种微波对地探测的高分辨率成像雷达，可被装配于飞机、卫星等移动载体中。其成像原理并非像光学成像这种无源系统利用目标对光线的反射信息成像，而是作为一种有源系统，主动在运动中通过不断发射和接收微波信号来获得所探测目标的回波信息，然后通过对回波信号在距离向和方位向实施双向脉冲压缩技术获得二维高分辨率图像。SAR成像的几何示意图如图1.1所示。合成孔径雷达与各种光学和红外遥感器相比，其成像过程和效果不受昼夜和气候等因素的影响，并且微波能够穿透天然植被、人工伪装甚至地表土壤层得到目标图像，具有全天时、全天候、高分辨率、宽覆盖率的特点。

目前，合成孔径成像雷达技术越来越受到国际上的高度重视，在军事领域和遥感领域中占有绝对重要的地位。在军事领域，SAR已被广泛应用于侦察、武器制导、导航、定位、对机动目标探测和跟踪、导弹目标识别等战场环境监测工作，如美国已在“长曲棍球”军用成像卫星上装备合成孔径雷达，能够对移动目标实现连续实时空地监视，大大提高了战场感知能力。在遥感领域，SAR已被应用于海冰监测、地质勘察、地形测绘、灾情预报、浮油探测和天体观测等方面，如以加拿大“RADARSAT-2”为代表的商用合成孔径雷达卫星采用了多极化、超精细分辨等10余种工作模式，大大增加了可识别地物或目标的类别，提高了获取被监测信息的能力。可见，合成孔径雷达在国防建设和经济建设上都发挥了巨大的作用，具有广泛的应用前景和发展潜力。

SAR的提出思想源于早期雷达对方位向分辨率的限制。文献中介绍，早期雷达采用真实波束方法，通过条带式成像获得被测区域的微波图像。假定在条带模式下的分辨率约为pr×pa ，那么该图像的距离向分辨率公式为

式中，ρr为距离向分辨率；c为光速；B为雷达压缩后的信号带宽。

该图像的方位向分辨率为：

式中，ρa为方位向分辨率；λ为发射信号波长；D为雷达天线的方位向尺寸；R为雷达到目标的距离。

从上述两个公式可以看出，距离向分辨率的大小由发射信号的带宽决定。而方位向分辨率一方面取决于雷达系统本身的参数——波长、天线尺寸，另一方面又与目标距离成反比。如果要提高雷达的方位向分辨率，雷达系统的天线需要具备巨大的孔径尺寸。在实际中，具有这样巨大孔径尺寸的雷达系统往往难以建造和安装。为了提高方位向分辨率，1951年6月，Goodyear航空公司的Carl Wiley首次提出合成孔径雷达的概念。他认为通过分析回波信号中的多普勒频率可以得到更加精确的方位向分辨率，并于1952年做成了一台简单的演示装置，证明了该想法的可行性。SAR的提出，突破了早期雷达的真实孔径天线对方位向分辨率的限制，通过对合成孔径范围内的雷达回波进行相干处理，实现较高的雷达方位向分辨率。SAR的方位向分辨率与波长和距离无关，取决于天线实孔径，具体表示为：

依据上述公式进行参数设置，能够对SAR进行点目标成像仿真。

可见，SAR成像原理是通过雷达发射宽频带信号使目标在雷达视线方向（距离向）具有较高的分辨率；再利用目标与雷达之间的相对运动轨迹合成出一个等效的合成孔径，以取代庞大的真实孔径阵列；然后在不同相对空间位置处发射多次脉冲，对所接收的目标回波进行相干处理，得到目标在与雷达视线垂直方向（方位向）的高分辨率，从而形成目标的二维分辨图像。

SAR在时域中采用二维滤波器直接对回波信号进行处理，导致巨大的计算量。早期SAR成像只能采用光学处理来实现，虽然能够得到聚焦良好的图像，但是胶片冲洗等因素制约了成像的实时性。随着计算机技术的发展，SAR成像处理己经由光学成像发展为利用计算机进行数字信号处理，不断涌现出更高效的成像算法和并行成像软件设计方法。数字处理方式能够保证成像在任意复杂条件下的准确性、可编程性和可重复性，成为SAR成像处理的主导发展方向。

1.2.2 SAR成像算法

SAR成像的原理可以简述为从接受回波数据到目标图像建立的过程，该过程包含了不同数据类型的转换和不同空间的映射，具体的实现流程如图1.2所示。前面介绍的SAR研究动机指出，SAR通过在不同位置接收回波并构成一个巨大的等效孔径，从而实现高度的方位向分辨率，这正是合成孔径雷达与其他雷达的本质不同所在。可见，方位向的脉冲压缩是SAR成像的关键，根据方位压缩的不同实现方法和成像质量的不同要求，形成了多种SAR成像算法。成熟的SAR成像算法主要包括距离-多普勒（Range-Doppler，R-D）算法、ChirpScaling（CS）算法和波数域（ωK）算法。下面对这三种算法分别进行简要介绍。

R-D成像算法的基本思想是利用雷达目标的回波信号可近似看成在距离向和方位向独立的线性调频信号的原理，将SAR的二维成像处理运算转换为两个一维运算，分别在距离向和方位向进行匹配滤波，最终得到SAR的图像数据。这种简化的成像处理过程忽略了距离向和方位向的耦合，其主要目的在于寻找方位向上的最佳匹配滤波器，以便在距离-多普勒域实现聚焦。若距离徙动操作导致雷达信号在距离向和方位向存在耦合时，由于其距离徙动相同，可以通过采用距离徙动校正过程（RCMC）将回波曲线校正为直线。若校正点不在采样点上，可以通过在距离-多普勒域插值来精确高效地实现距离徙动校正。距离徙动校正能够消除距离向和方位向的耦合，使这两维可以分别独立处理。图1.3所示为R-D基本算法的流程图。

CS算法也是一种在距离向和方位向进行二维处理的成像算法。与R-D算法不同的是，该算法避免了距离徙动校正中的插值操作。CS算法在距离压缩之前，在距离-多普勒域中对原始信号沿距离向乘以一个Chirp Scaling因子，使得不同距离上的点目标有了相同的徙动轨迹，即校正了不同点目标的信号距离徙动差量。这样，在二维频域上易于通过相位相乘来实现距离徙动校正、距离压缩和二次距离压缩。然后将数据变回到距离-多普勒域，并实现方位压缩。CS算法的流程图如图1.4所示。

ωK算法最初是由C.Cafforio等人借鉴地球物理勘探数据处理中的“地震波迁移技术”，根据波动方程提出的。该算法首先通过二维傅里叶变换（FFT）将回波信号变换到波数域。然后通过频率变换和Stolt插值，实现距离迁移和方位压缩，从而在波数域实现大片区域的精确聚焦。最后通过二维傅里叶逆变换（IFFT）将信号反变换，实现SAR成像。可见ωK算法的主要操作都是在波数域完成的，其关键步骤是对“距离频率”进行Stolt插值，插值精度直接影响到成像精度，而插值运算带来的巨大数据量和运算量延缓了成像速度。该算法的成像流程图如图1.5所示。

以上这三种SAR成像算法目前都已经得到了广泛应用。然而，这三种算法都在距离向和方位向进行了复杂的运算操作，并且部分算法还需要加入插值处理，使得SAR成像过程需要庞大的存储空间和惊人的计算量。现代战场信息和遥感环境瞬息万变，为了获得战场和商业先机，对实时、高精度SAR成像的需求越来越迫切。采用并行处理技术是实现高性能SAR成像的必经之路。SAR成像并行化需求主要体现在以下两个方面。

（1）SAR成像迫切需要通过并行化技术提高成像实时性。随着信息技术的飞速发展，SAR信号处理系统朝着高带宽、高分辨率、高数据吞吐率的方向不断发展，其处理的数据量膨胀到过去的上百倍，运算量将达到数百亿次浮点运算。大量的数据处理和操作的复杂性制约了SAR成像的实时性。普通计算机和代价昂贵的专用硬件系统远远无法满足日益增长的雷达对抗信号处理需求，而现有的串行算法无法利用并行计算平台，运算速度慢，难以扩大规模，不能满足日趋复杂的大数据量实时成像需求。因此，基于并行计算平台，采用并行处理技术为实现SAR快速成像提供了高效的解决途径。

（2）SAR成像迫切需要采用并行化技术来提高成像分辨率。分辨率大小是SAR系统的一个重要指标，高分辨率SAR能够实现高清晰度SAR成像，从而能够在复杂的环境中进行动目标检测，对及时了解目标动态起着不可估量的作用。高分辨率SAR的采样频率非常高，因此，在相同的测绘面积下，分辨率的提高将带来存储量和计算量以平方关系增加。SAR成像并行处理技术能够将成像的数据量和计算量合理地分布到不同计算机结点，通过结点间协同并行执行的方式完成大规模成像处理。相比于运行于传统计算平台的串行处理过程，并行处理方式能够有效减少单结点的负载，有利于SAR成像系统处理更加庞大的数据量和更加复杂的计算操作，从而能够以更高的采样频率和更好的成像优化操作来获得高分辨率SAR成像。因此，采用SAR成像并行处理技术是提高SAR成像分辨率的重要手段。

SAR成像并行处理技术基于多处理机平台，将整个求解问题划分成多个部分，每个部分各由一个处理器结点并行执行，各结点之间协同交互，完成数据的传输和同步。通过这种并行处理方式来解决大规模计算的任务，可大大降低对CPU计算能力和内存大小的需求，从而加快问题求解的速度。文献中指出，R-D算法能够兼顾成熟、简单、高效和精确等因素，至今仍是使用最广泛的成像算法。并且，R-D成像算法有其自身的算法优势和可并行性优势，因此，本书以R-D算法为代表，研究、分析和实现SAR成像仿真处理的并行优化技术，以研究普适性的并行仿真优化技术。通过参考R-D算法的并行化思路，所研究的并行优化技术能够有效应用于其他SAR成像算法的并行优化过程。