MIMO-SAR雷达高炉料线成像算法研究

于静娜

摘 要：为了对工业生产高炉料线进行高精度监测，将MIMO阵列与SAR成像系统相结合，在小型微波暗室搭建了MIMO-SAR成像系统，对高炉料线缩比模型进行近场MIMO-SAR成像，且方位向、高程向、距离向误差均在±0.011 m以内，证明了提出的多通道相位中心补偿算法可以有效校正MIMO-SAR收发分置阵列运用波数域成像算法时的相位误差。

关键词：高炉料线;近场;MIMO-SAR成像;多通道相位中心补偿;天线阵列;运动补偿

中图分类号：TP39;TN959.1文献标识码：A文章编号：2095-1302（2020）05-00-03

0 引 言

高炉炼铁生产过程中的料面信息是节能减排、提高产量的重要影响因素和安全生产的有力保证[1]。应用较为成熟的SAR技术通过机械扫描采样获取目标信息，扫描面灵活可控，但却以时间换空间的方式获得成像的高分辨率;MIMO技术获取料面信息速度快，但采样点数依赖于天线数量与布阵方式，又因MIMO阵列尺寸受高炉开孔大小的限制，所以利用MIMO阵列扫描料面范围有限。MIMO-SAR系统[2]结合SAR技术与MIMO系统各自的优点，数据采集效率更高，对阵列布阵方式依赖性弱，可以在提升速度的同时实现料面信息获取最大化，因此本文以MIMO-SAR雷达应用于高炉中为背景展开研究。

1 MIMO-SAR成像系统

MIMO-SAR成像系统利用矢量网络分析仪发射步进频率信号，通过射频开关控制MIMO阵列天线单元的选通，由电机控制扫描架带动天线阵列完成扫描，成像系统构成如图1所示。

2 MIMO-SAR成像算法

本文基于ω-K算法，即波数域算法[3-6]，利用采样得到的散射回波数据s （x'， y'， k）重构目标的散射系数分布

σ （x， y， z）。MIMO-SAR成像模型如图2所示。以目标中心为坐标原点，天线阵列与原点的垂直距离为z0。

由于MIMO-SAR雷达成像系统与SAR成像系统在数据获取方式上存在差异，使得MIMO-SAR雷达系统不能直接依靠ω-K算法成像。需要根据等效相位中心原理将收发分置的MIMO天线阵列结构转换为自发自收的均匀线性阵列形式，当阵列沿高程向运动到某一位置时，转换过程引入通道距离延迟为：

MIMO-SAR雷达收发示意图如图3所示。

取第m个发射阵元（xtm， y， z0）与第n个接收阵元（xrn， y， z0），

其等效相位中心为，设目标散射中心坐标为（x0， y0， 0），则有：

一般情况下，目标到阵列的距离向与高程向距离之和远大于目标与各阵元之间的横向距离差，即：

根据Fresnel近似[7-8]公式，可化简得到收发分置阵元转换为收发分置的距离差Δr：

为避免成像结果产生模糊与假峰现象，需要在成像处理方位压缩前对由式（4）引入的相位差进行校正：

式中：k为与频率f相对应的波束;k=2πf/c，c为电磁波传播速度。

回波信号在缆线传输过程中，相位会出现偏移，需要对其进行通道延时补偿。校正函数为：

式中，R为信号在缆线传输过程中产生的路程差，近似为一维距离向第一个峰值对应的距离：

式中：n为峰值对应的采样点数值;B为信号带宽。

对得到的回波信号进行方位向和高程向的二维傅里叶变换，变换到空间频率域进行处理：

式中：kx和ky分别是波数k的方位向与高程向的波数域分量;kz为距离向分量。

对谱域数据作运动补偿，校正波前曲率：

波数k满足色散关系4k2=kx2+ky2+kz2，从而可知：

由此得到目标三维散射强度分布。

3 成像算法验证

为弥补天线较低增益对成像结果的影响，设置矢量网络分析仪源功率为10 dBm。由于高程向滑台长度的限制，实测中高程向采样点数为32，测试参数见表1所列。

模拟料线V-平台形状[9-10]，利用7个直径为2 cm小球构造的料线模型如图4所示，将目标放置于低散射泡沫支架上，并力求位于扫描平面的中心位置，以便获取目标的全部散射信息。

由图5中MIMO-SAR的成像结果可以正确得到目标形状信息。

目标实测结果与理论结果对比如图6所示，实测结果與实际目标位置基本拟合，能够准确反映目标形状与位置信息。但由于实验过程中并未进行定标处理，待测目标的放置位置与天线阵列扫描中心不重合，使成像结果产生误差;MIMO天线阵列对阵元间的相对位置依赖性较强，当阵列在高程向做步进运动时，会使固定不牢的天线阵元相对位置发生改变，也会对成像结果带来巨大影响。通过计算，得到此MIMO-SAR成像系统在方位向、高程向以及距离向位置误差分别为±0.002 m，±0.005 m，±0.011 m，因此该算法具有较高的成像精度。

4 结 语

本文针对高炉料面成像，在微波暗室搭建MIMO-SAR成像系统进行实测，通过设计的MIMO阵列在8～12 GHz频段高效扫描目标，并利用提出的MIMO-SAR波数域成像算法对高炉料线缩比模型进行成像，等效相位中心校正的成像结果可以准确反映目标形状信息，并且误差不大于0.011 m。

但由于在实验室环境下进行实测，无法模拟工业现场高炉内部高温、燃烧、高粉尘的复杂环境，因此有待更深入的研究。

参考文献

[1]赵晓月，何书睿，陈先中，等.强干扰环境下高炉雷达信号机器学习算法[J].控制理论与应用，2016，33（12）：1667-1673.

[2]孟藏珍，许稼，谭贤四，等.MIMO-SAR成像技术发展机遇与挑战[J].太赫兹科学与电子信息学报，2015，13（3）：423-430.

[3]李俊慧，王洪，汪学刚，等.步进频SAR的波数域成像算法研究

[J].现代雷达，2016，38（7）：25-31.

[4] ZHU R Q，ZHOU J X，ZHAO L，et al. Frequency-domain algorithm for short-range MIMO-SAR imaging [C]// International Conference on Radar Systems，Belfast，2017.

[5] YAO J，HONG T，WANG H Y，et al. Improved 3-D MIMO-RMA based on modified sampling scheme [C]// 2016 IEEE International Conference on Ubiquitous Wireless Broadband （ICUWB），2016.

[6] WANG Z M，GUO Q J，TIAN X Z，et al. Near-field 3-D millimeter-wave imaging using MIMO RMA with range compensation [J]. IEEE transactions on microwave theory and techniques，2019，67（3）：1157.

[7]王懷军，粟毅，黄春琳.基于天线布阵的MIMO雷达成像研究[J].信号处理，2009，25（8）：1203.

[8] FISHLERE，HAIMOVICH A，BLUM R S，et al. Spatial diversity in radars：models and detection performance [J]. IEEE transactions on signal processing，2006，54（3）：823-838.

[9]赵国磊，程树森，徐文轩，等.高炉中心加焦炉料分布机理及布料方式探讨[J].钢铁，2016，51（6）：10-18.

[10]王晨露，陈先中，侯庆文，等.基于高炉料线的RCS测量及SAR成像验证[J].工程科学学报，2018，40（8）：979-988.