小斜视角单输入多输出稀疏线性阵列相参频率分集成像

梁必帅 张 群 娄 昊③ 罗 迎 孙 莉



小斜视角单输入多输出稀疏线性阵列相参频率分集成像

梁必帅*①②张 群①娄 昊①③罗 迎①孙 莉①

①(空军工程大学信息与导航学院 西安 710077)②(68205部队72分队 中卫 755100)③(武警工程大学信息工程系 西安 710086)

现代高分辨雷达通过大带宽获得高距离分辨率，通过大孔径获得高方位分辨率。该文根据单输入多输出(SIMO)线性阵列天线的基本原理，借鉴了频率分集相参处理的思路，用两个阵元实现了多阵元所形成的波束，并结合高分辨1维距离像(HRRP)方法，实现了目标的2维成像。进而为了减小频率分集所需的发射阵元工作带宽，该文结合稀疏天线阵元思想，通过设计阵元分布，用较少的频率分集实现了大孔径。仿真验证了所提方法的有效性。

雷达成像；频率分集；稀疏成像

1 引言

高分辨雷达可提供目标更丰富的信息，实现目标成像[1]。高分辨距离像是通过设计大的带宽信号及其相应的脉冲压缩处理来实现，而高分辨方位像则通过大的孔径实现[2]。但是随着方位向分辨率需求的提高，对天线孔径的要求越来越大，特别当电磁波的工作波长较长时，这种孔径上的要求更加难以实现[3]。一种解决方案是采用阵列天线的方式，将许多小天线孔径的雷达布成天线阵，而对各阵列接收的数据进行处理，从而实现长的天线阵列的作用。其缺点在于要使成像达到较高的方位向分辨率要求(米级)，通常需要几十甚至上百个雷达阵元，造价相当高昂。20世纪80年代开始出现的合成孔径雷达与逆合成孔径雷达[4]，采用小孔径天线空间积累的方式合成大的孔径，开辟一条“用数据积累换分辨率”的新思路。然而，合成孔径需要较多的数据积累，进而要求很长的成像时间，并且对成像角度也有一定要求。尤其逆合成孔径成像往往又容易受到目标非合作运动等原因的限制，成像效果不稳定[5,6]。总的来说，这两种解决方案的实现都受到相当的客观条件制约。

本文在线性阵列天线高分辨方位成像雷达的基础上，进一步借鉴合成孔径的思想，以频率分集作为关键技术，提出了一种单输入多输出(SIMO)稀疏线性阵列相参频率分集成像方案。该方案首先利用两个阵元实现了线性阵列天线高分辨方位成像，再通过发射宽带信号实现距离向成像和目标的2维成像。在此基础上，通过采用稀疏布阵设计，极大地减小了阵元数目。这一方案相对于合成孔径雷达的成像时间大大缩短，综合成本比传统的阵列雷达又大为降低，具备相当的优势。

2 基本模型

阵列天线通过大的孔径形成波束，以达到需要的方位分辨率。如图1所示，线性等间隔阵列天线远场各阵元接收信号可以写为

如果每个阵元上发射多个载频信号，下变频后再做处理，则可以减少阵元数量。下面以两个阵元为例，分析波束形成的表达式。如图2所示，以频率分集的工作方式，通过时分的形式发射多个频率点，和两个阵元的接收信号为

图2 双阵元线性天线

栅瓣间隔为

3 2维成像信号模型

为实现目标的2维成像，可通过发射大带宽信号获得高的距离分辨率。采用线性调频信号，以频率分集方式工作，则远场条件下双阵元天线接收信号为

其中

经上述处理，目标散射点在距离上已经分开。目标在某一距离单元上，在方位向上可能存在多个散射中心，这时将两个阵元信号进行共轭相乘得到

将式(10)相加即可在任一距离单元形成波束：

此时其形成波束指向为

4 基于稀疏线性阵列的频率分集2维成像

4.1 等距阵列天线2维成像

此外，为了形成较大的孔径，目标的回波到达各阵元的传播线已不能按“平行”处理，各阵元回波不能采用直接相加的方法进行处理，需要进行相位校正[18]。经相位校正得各阵元的1维距离像。

图3实阵列天线与目标关系

要改变波束指向，只要将各阵元的接收信号加入线性延时相位即可

4.2 非等距阵列2维成像

借鉴空间谱估计中非等距阵列的优点[19]，采用非等距阵列，减小冗余的阵元。如采用最优最小冗余阵，利用4个阵元可以实现7个等距阵所形成的孔径[19]。在单个载频的工作条件下(单个频率分集点)，为了得到与等距线性阵列相一致的波束形成结果(式(2))，采用非等距阵列时需要精心设计各阵元位置，以满足最小冗余阵的条件。如果在多个载频工作的条件下，可以进一步减少阵元数量。

其中为阵元发射的电波经散射中心反射后到达各接收阵元的延时。经过去载频，与目标中心参考信号做Dechirp处理、傅里叶变换、去除RVP项等处理得到目标的1维距离像，再将距离像包络对齐得

将各阵元回波校正到与发射阵元的来波方向平行的方向上得到

以此类推可得到

4.3稀疏布阵方案

设阵元带宽为50 MHz，按带宽为载频的10%计算，天线阵元要在很多频率分集点上发射信号，天线工作频带很大，很难工程实现。稀疏阵列天线具有较高的孔径效率，采用一定数量的阵元“代替”天线频率分集点数，可实现目标区域2维成像。实际上采用增加阵元和频率分集的方法都可以实现大的孔径，且这两种方法之间是独立的。两种方法的特点各不相同，大孔径频率分集，由于受天线工作频率的影响，需要较大的频率工作带宽，实现困难；增加阵元数量实现大孔径，由于受到阵元成本的限制，阵元数不可能太多。因此可采用一定数量的阵元和较低的工作带宽，实现方位向的高分辨率。

5 仿真验证

为了验证所提的理论，将实孔径天线，双阵元多载频及稀布阵多载频阵列天线3种方法的成像效果进行对比，设计仿真条件如下。

目标距离20 km处3种方法形成的3 dB波束形状如图5所示。从图中可以看出3种方法所形成的波束宽度是几乎是相同的，其形状也具有很大的相似性。

图6为目标散射中心坐标，图7为实孔径对该目标所成的2维像，可以看出成像结果在形状上与目标形状大体一致，只是由于2维像分辨率不高，存在一些非对称旁瓣，但对于长波长小带宽信号来说，其成像还是比较清晰的。图8为双阵元多载频天线对图6目标模型所成的2维像，可以看出由71个频率分集点所成2维像结果也是比较满意的，但该方法的频率工作范围为300 MHz~21.3 GHz (71´300 MHz)，目前的天线系统无法满足该要求，且在如此大的范围内目标散射特性会发生明显的改变，因而在这种条件下该成像方法不具备实用意义。图9为稀布阵多载频阵列天线对图6目标模型所成的2维像，可以看出由于距离分辨率及方位分辨率的限制，其旁瓣较高，但成像轮廓较好，基本可以看出目标的外形。

图10为将3种方法取距离0 m处的方位像切片对比图，可以看出3种方法所成的像大体一致，实孔径天线所成的像旁瓣略高，稀布阵多载频阵列天线的旁瓣最低。

6 结束语

本文在常规阵列雷达的基础上，进一步借鉴合成孔径的思想，以频率分集作为关键技术，提出了SIMO稀疏线性阵列相参频率分集成像方案。该方案采用阵列技术，通过频率分集实现方位向成像，不需要很长的脉冲积累，对成像角度、时间要求大为降低，非常适合于非合作目标成像。另一方面通过采用稀疏布阵设计，极大地减小了阵元数目，有利于实阵列2维成像。特别是在VHF和UHF波段，频率分集较易实现，在方位达到同样分辨率的前提下，可大大减少阵元复杂性，提高该波段雷达的方位分辨率。该2维成像方法目前还无法做到实时一次快拍成像，对于高速目标2维成像还需要进一步研究。

图5 3种方法在20 km处形成的波束对比

图6 目标模型散射中心坐标

图7实孔径对目标模型的2维成像

图8双阵元多载频天线成像

图9稀布阵多载频阵列天线成像

[1] 保铮, 邢孟道, 王彤. 雷达成像技术[M]. 北京: 电子工业出版社, 2005: 2-11.

Bao Zheng, Xing Meng-dao, and Wang Tong. Radar Imaging Technigue[M]. Beijing: Publishing House of Electronics Industry, 2005: 2-11.

[2] 李春升, 杨威, 王鹏波. 星载SAR成像处理算法综述[J]. 雷达学报, 2013, 2(1): 111-122.

Li Chun-sheng, Yang Wei, and Wang Peng-bo. A review of spaceborne SAR algorithm for image formation[J]., 2013, 2(1): 111-122.

[3] 王怀军, 许红波, 陆珉, 等. 基于MIMO雷达的高分辨成像方法[J]. 微波学报, 2009, 25(5): 79-83.

Wang Huai-jun, Xu Hong-bo, Lu Min,.. High-resolution imaging method based on MIMO radar[J]., 2009, 25(5): 79-83.

[4] 仲利华, 胡东辉, 丁赤飚, 等. 一种稀疏孔径下大尺寸目标的ISAR成像方法[J]. 雷达学报, 2012, 1(3): 292-300.

Zhong Li-hua, Hu Dong-hui, Ding Chi-biao,.. ISAR sparse aperture imaging algorithm for large size target[J]., 2012, 1(3): 292-300.

[5] 陈阿磊, 王党卫, 马晓岩, 等. 宽带MIMO雷达的阵列设计和成像方法[J]. 系统工程与电子技术, 2010, 32(12): 2541-2546.

Chen A-lei, Wang Dang-wei, Ma Xiao-yan,.. Array design and imaging method for wide-band MIMO radar[J]., 2010, 32(12): 2541-2556.

[6] 王怀军, 粟毅, 黄春林. 基于天线布阵的MIMO雷达成像研究[J]. 信号处理, 2009, 25(8): 1203-1208.

Wang Huai-jun, Su Yi, and Huang Chun-lin. Study on MIMO radar imaging based on antenna array[J]., 2009, 25(8): 1203-1208.

[7] 王勇, 刘宏伟, 纠博, 等. MIMO雷达稳健的发射波束形成算法[J]. 电子与信息学报, 2012, 34(2): 318-323.

Wang Yong, Liu Hong-wei, Jiu Bo,.. Robust transmitting beamforming for MIMO radar[J].&, 2012, 34(2): 318-323.

[8] 晋良念, 欧阳缮, 周丽军. UWB MIMO穿墙雷达的阵列设计和成像方法[J]. 电子与信息学报, 2012, 34(7): 1575-1580.

Jin Liang-nian, Ouyang Shan, and Zhou Li-jun. Array design and imaging method for ultra-wideband multiple-input multiple-output through the wall radar[J].&, 2012, 34(7): 1575-1580.

[9] 刘俊, 刘峥, 谢荣, 等. 基于波束空间的米波MIMO雷达角度估计算法[J]. 电子学报, 2011, 39(9): 1961-1966.

Liu Jun, Liu Zheng, Xie Rong,.. Beam-space domain angle estimation algorithm in VHF MIMO radar[J]., 2011, 39(9): 1961-1966.

[10] 洪升, 万显荣, 易建新, 等. 基于单次快拍的双基地MIMO雷达多目标角度估计方法[J]. 电子与信息学报, 2013, 35(5): 1149-1155.

Hong Sheng, Wang Xian-rong, Yi Jian-xin,.. An angle estimation method for multi-targets in bistatic MIMO radar with single snapshot[J].&, 2013, 35(5): 1149-1155.

[11] 郑志东, 王珽, 张剑云, 等. 基于块Hankel矩阵构造的双基地MIMO雷达相干多目标定位[J]. 电子与信息学报, 2012, 34(5): 1082-1087.

Zheng Zhi-dong, Wang Ting, Zhang Jian-yun,.. Coherent multi-target localization for bistatic MIMO radar based on block Hankel matrix construction[J].&, 2012, 34(5): 1082-1087.

[12] Chong C Y, Pascal F, Ovarlez J P,.. MIMO radar detection in non-Gaussian and heterogeneous clutter[J]., 2010, 4(1): 115-126.

[13] Wang Hong-yan, Liao Gui-sheng, Wang Yong,.. On parameter identifiability of MIMO radar with waveform deversity[J]., 2011, 91(8): 2057-2063.

[14] He Q, Lehmann N H, Blum R S,.. MIMO radar moving target detection in homogeneous clutter[J]., 2010, 46(3): 1290-1301.

[15] Li J, Stoica P, Xu L,.. On parameter identifiability of MIMO radar[J]., 2007, 14(12): 968-971.

[16] 王勇, 刘宏伟, 纠博, 等. 针对方向图综合的MIMO雷达双边自适应矩阵算法[J]. 电子与信息学报, 2012, 34(4): 898-903.

Wang Yong, Liu Hong-wei, Jiu Bo,.. Beampattern synthesis via a two-sided adaptive matrix approach for MIMO radar[J].&, 2012, 34(4): 898-903.

[17] 顾福飞, 池龙, 张群, 等. 基于压缩感知的稀疏阵列MIMO雷达成像方法[J]. 电子与信息学报, 2011, 33(10): 2452-2457.

Gu Fu-fei, Chi Long, Zhang Qun,.. An imaging method for MIMO radar with sparse array based on compressed sensing[J].&, 2011, 33(10): 2452-2457.

[18] 刘永坦. 雷达成像技术[M]. 哈尔滨: 哈尔滨工业大学出版社, 1999: 3-6.

Liu Yong-tan. Radar Imaging Technology[M]. Harbin: Harbin Institute Technologypress, 1999:3-6.

[19] 王永良, 陈辉, 彭应宁, 等. 空间谱估计理论与算法[M]. 北京: 清华大学出版社, 2004: 355-365.

Wang Yong-liang, Chen Hui, Peng Ying-ning et al.. Space Spectrum Estimation Theory and Algorithm [M]. Beijing: Tsinghua Universtity Press, 2004:355-365.

梁必帅： 男，1981年生，博士生，研究方向为雷达成像、雷达信号处理.

张 群： 男，1964年生，教授，博士生导师，研究方向为雷达成像、雷达目标识别、雷达对抗等.

娄 昊： 男，1984年生，讲师，研究方向为雷达信号处理、目标识别.

Imaging of Low Squint Angle Single Input Multiple Output Sparse Linear Array with Coherent Frequency Diversity

Liang Bi-shuai①②Zhang Qun①Lou Hao①③Luo Ying①Sun Li①

①(,,’710077,)②(6820572,755100,)③(,,’710086,

Modern high-resolution radar obtains high resolution in down-range dimension from wideband waveform and high resolution in cross-range dimension from large aperture. In this paper, a beam is formed using Frequency Diversity (FD) coherent processing between two array elements, according to the principle of Single Input Multiple Output (SIMO) linear array antennas beam forming. Then two-dimension image of targets is achieved by using the High Resolution Range Profiles (HRRP). Further to reduce the bandwidth of the FD coherent processing utilizing sparse array, and large aperture is resolved through array design. Finally, simulation verifies the effectiveness of the proposed method.

Radar imaging; Frequency diversity; Sparse imaging

TN957.52

A

1009-5896(2014)11-2652-07

10.3724/SP.J.1146.2013.01875

梁必帅 liang1323957@126.com

2013-12-02收到，2014-04-09改回

国家自然科学基金(61172169,61102109)，中国博士后基金 (2012M521897)和陕西省自然科学基金(2012JQ8036)资助课题