基于方位去斜的SAR/GMTI方法研究①

龚紫翼，王万林

(中国空间技术研究院西安分院，西安 710000)

0 引言

运动平台预警雷达的主要目的是检测、跟踪远程低空或超低空飞行目标，为战区作战系统提供足够的预警时间。它虽然也能够检测地面慢速运动目标，但是无法同时获取目标的背景信息；而合成孔径雷达(SAR)是一种全天候、全天时、穿透性强、分辨率高的微波成像雷达，能够提供对地物背景的二维高分辨率图像[1-3]。然而，传统的SAR却不具备对地面慢速运动目标的检测和成像功能。因此，具有能够同时获取静止场景图像和检测运动目标能力的多通道SAR/GMTI这种新体制雷达已逐渐成为各国军事机构和研究机构广泛关注的热点领域之一。

单通道系统只能检测快速目标，不能检测慢速目标；双通道系统虽然能检测慢速目标，但是不能定位和测速；三通道以上系统既能检测慢速目标，也能定位和测速。通道数目越多，系统对静止杂波的抑制能力越强，就越容易检测慢速目标，但为了降低成本，一般多采用三通道系统。对于三通道SAR/GMTI系统，由于任意两个通道接收的数据都包含了地面静止杂波和运动目标的空间和时间二维信息，因而不但可以利用两个通道对消的方法对杂波进行有效抑制，实现对慢速目标的检测，而且还可以利用两两对消结果的相位信息实现对慢速目标的定位和测速[4]。文献[5-6]将由Dickey F R首先提出的偏置相位中心天线(DPCA)技术应用到基于两两通道对消的双通道SAR/GMTI雷达中，由于这要求雷达重复频率PRF与平台运动速度v之间严格满足DPCA条件d=2mv/PRF，而雷达系统因平台运动不稳定等原因往往会使这一条件不易满足，势必导致杂波对消性能变差。针对DPCA技术的这一不足，并为了进一步提高性能，文献[7]同时对方位向和距离向进行二维处理，但是这种方法是基于距离-多普勒成像算法提出的，需要先测速后定位，测速范围受到模糊限制，因而不能对快速目标进行精确测速和定位。文献[8]提出了一种在多普勒频谱模糊情况下的星载多通道高分宽幅SAR/GMTI系统的杂波抑制方法，但需要对样本协方差矩阵进行特征分解并划分杂波子空间与零空间。而本文针对方位去斜无模糊SAR图像提出了两种图像域自适应杂波抑制方法，利用线性约束最小方差(LCMV)准则求解杂波抑制对消时的最优权矢量。另外，若在二维处理前对图像进行精确配准，还可以显著提高处理性能[9]，为此，文献[10]提出了一种基于快速傅里叶变换(FFT)的图像配准技术，但是配准精度无法达到亚像素级别；文献[11]提出了一种基于尺度不变特征变换的SAR图像配准方法，但需要形成原始图像的多级表示来获取特征点，且方法中线性退火的过程需要较多迭代次数。本文的图像配准方法利用不同的原理将图像配准分为粗配准和精配准两步依次进行，避免了多次迭代且能够保证较高的配准精度。

本文以三通道SAR/GMTI雷达系统为研究对象，从距离压缩和方位去斜SAR成像的概念出发，系统地推导了各通道动目标回波和静止杂波的SAR复图像信号模型，并在此基础上提出了一种基于SAR图像域的结合相位补偿、图像配准和多通道多像素自适应处理的动目标检测方法。该方法包括距离压缩-方位去斜SAR成像、相位补偿、图像配准、自适应杂波抑制、动目标检测、定位和测速等步骤。最后，通过对三通道SAR/GMTI雷达系统机载校飞试验数据的处理验证了该算法的可行性。

1 方位去斜SAR成像

图1给出了三通道SAR/GMTI雷达的空间几何关系。雷达工作于正侧视情况，即雷达平台的运动方向与天线轴线的法线方向垂直。假设三通道之间的距离为d，而且发射时只有中间通道发射信号，接收所有3个通道均接收回波信号，因此，天线发射相位中心位于其几何中心。不失一般性，设地面运动目标P在t=0时刻的位置坐标为(X0，Y0，0)，到飞行航线的垂直距离为R0，方位向速度为vx，距离向速度为vy，所以3个接收通道接收到来自目标P的基频信号在距离快时间-方位慢时间域(tr-ta域)可以分别表示为：

图1 多通道SAR/GMTI雷达的空间几何关系

(1)

式中，n=1，2，3，分别表示3个接收通道，RT,Rn(ta;R0)=RT(ta;R0)+RRn(ta;R0)，分别为电磁波从发射通道到目标P，又从P散射回到3个接收通道的双程斜距，ar(·)和aa(·)分别为雷达发射的线性调频信号的窗函数和方位向窗函数，前者在不加权时为矩形窗，后者除滤波加权外，还与天线波束形状有关，RT(ta;R0)和RRn(ta;R0)分别为发射通道和接收通道到目标P的距离，γ为发射的线性调频信号的调频率，c为电磁波的传播速度。由于对距离向作匹配滤波(即距离压缩)的系统匹配函数为：

(2)

因此，若距离向窗函数ar(·)为矩形窗，则3个接收通道回波信号sn(tr,ta;R0)经过距离压缩后分别为：

(3)

式中，A为距离压缩后目标的的信号幅度，Br为线性调频信号的带宽。由于3个接收通道目标回波信号的双程斜距为：

(4)

其中，当n=1,2,3时，x分别为-d，0和d。因此，方位向匹配滤波(即方位去斜)的匹配函数为：

(5)

若方位向窗函数aa(·)也为矩形窗，则三个接收通道的目标回波信号sn(tr,ta;R0)经过方位去斜处理后，在距离快时间-方位频域(tr-fa域)得到压缩，表示为：

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

(6)

式中，C为方位去斜后目标的信号幅度，Ta为用于SAR成像的方位向合成孔径时间(即为由平台运动引起的线性调频信号调频时间)，fa(X0)为动目标在tr-fa域上的实际方位位置，fa(x)为动目标由于天线位置差引起的方位位置偏移，fa(vx)，fa(vy)为动目标由于运动引起的方位位置偏移。由式(6)可知，无论是静止目标还是运动目标，其在各接收通道的复数域图像上既存在相位偏差，又存在图像偏移，并且运动目标和静止目标的图像偏移量不相同，所以可利用这一特点来进行杂波抑制和动目标检测。若设静止目标回波即地杂波为cn(tr,fa;R0)，接收机噪声为n，则经过SAR成像处理后第n个接收通道的复数域图像信号为：

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

(7.a)

其中的杂波分量为：

(7.b)

SAR/GMTI雷达动目标检测的关键问题就是如何有效滤除连片强地杂波。

2 动目标检测、定位和测速

根据上节的理论分析可知，静止目标和运动目标在各接收通道复数域图像上同时存在图像偏移和相位差，其中，运动目标由于运动的原因引起和静止目标在复数域图像上的偏移量不相同，而运动目标和静止目标在各通道复数域图像上的相位差却是相同的，进而可以利用这一特性来进行杂波抑制、动目标检测、定位和测速。所以多通道合成孔径雷达动目标检测技术除了SAR成像外，还包括相位补偿、图像配准、杂波抑制、动目标检测、测速和定位等步骤，以下分别讨论后几个方面的问题。

2.1 相位补偿

由于3个接收通道在方位向存在位置偏差，所以需要补偿由这个位置偏差引入的相位差，才能有效地进行杂波抑制。由式(7)可得3个通道复数域图像的相位为：

(8)

根据式(8)可得通道1和2，通道2和3的相位差分别为：

(9.a)

(9.b)

因此，利用通道1和2进行杂波抑制前应对通道1进行相位补偿，而利用通道2和3进行杂波抑制前应对通道2进行相位补偿，补偿函数分别取为：

(10.a)

(10.b)

在利用3个通道复数域图像数据进行两两对消抑制杂波时，即通道1和2对消时，将通道1数据与C1(tr,fa;R0)相乘，通道2和3对消时，将通道2数据与C2(tr,fa;R0)相乘，即可完成相位补偿。

2.2 图像配准

3个接收通道在方位向存在的位置偏差，不但给3个通道的复数域图像引入了相位差，还造成图像偏移，其值为fa(x)，即同一目标点在各个复数域图像上的位置不同，这一点可以从式(7)得到证明。由式(7)还可知，由天线位置差引起的图像偏移在距离向和方位向同时存在，只不过方位向的偏移量比距离向的要大得多。所以要有效抑制杂波，还必须对各个通道的复数域图像进行图像配准。图像配准方法比较多，结合多通道SAR复数域图像的强相关性特点，动目标检测对图像配准的高精度要求，以及工程实际等因素，这里采用基于二维快速傅里叶变换(2D-FFT)的频域干涉相位相关的图像配准方法[10]，考虑到配准精度，对该图像配准方法进行补充改进：分两步进行，即像素级的粗配准和亚像素级的精配准。

2.2.1 图像粗配准

若两图像I1(x,y)和g2(x,y)，其中I1(x,y)为主图像，两图像之间有一个偏移量(Δx,Δy)，即I2(x,y) =g1(x+Δx,y+Δy)，设I1(x,y)和I2(x,y)的二维傅里叶变换分别为F1(ε,η)和F2(ε,η)，根据傅里叶变换的性质有：

F2(ε,η)=F1(ε,η)exp[j(εΔx,ηΔy)]

(11)

则二维频域中两幅图像归一化互能量谱为：

(12)

由式(12)可知：如果两幅图像在距离向和方位向存在偏移量Δx和Δy，则必在距离向和方位向的二维频域存在相位差exp[j2π(εΔx+ηΔy)]。如果能够求出干涉相位φx=εΔx和φy=ηΔy，从而就能得到两幅图像之间的偏移量Δx和Δy。通过快速傅里叶变换(FFT)和快速反傅里叶变换(IFFT)得到图像的整数像素级偏移量的估计，以此偏移量估计值对辅助图像进行像素级配准，使得两幅图像偏移量的绝对值小于0.5个像素(配准误差的绝对值达到0.5个像素以内)。

对式(12)做2D-FFT可得：

2DFFT{exp[j2π(εΔx+ηΔy)]}=δ(x-Δx,y-Δy)

(13)

式(13)等号右边结果理论上为一冲击函数，但是，由于实际系统中采样长度为有限长，因此右边结果实际上应为一sinc函数，所以，其模值的峰值所对应的位置即为两图像的偏移量。由于2D-FFT是离散输出，所以根据这种方法得到的偏移量估计是以整数个像素为单位，即是为像素级补偿的，因而以此偏移量对辅助图像进行以整数个像素为单位的平移，就可以使得配准后两幅图像偏移量的绝对值小于0.5个像素，从而实现图像的粗配准。

2.2.2 相位平滑

由于噪声对干涉相位条纹影响比较严重，因此在亚像素级配准前需要对干涉相位进行平滑处理。根据前面的分析，通过图像像素级粗配准处理后，两幅图像的偏差绝对值小于0.5个像素，因而主辅图像之间的干涉相位不会出现模糊。若将干涉相位exp[j2π(εΔx+ηΔy)〗看作信号，其中Δx和Δy为频率ε和η的时域采样变量，则干涉相位的数字频率在x和y方向上没有超过1/N和1/M，其中N，M分别为干涉相位图在x和y方向上的采样长度和2D-FFT点数。根据干涉相位的数字频率不会超过1/N和1/M这一特性设计二维滤波器(设计通带略大于1/N和1/M的低通滤波器)，来对干涉相位进行平滑。通过相位平滑处理可以提高图像亚像素级配准时偏移量的估计精度，增强系统的稳健性。

2.2.3 图像精配准

将经过粗配准后的两幅图像作频域相干得到干涉相位，对干涉相位进行最小二乘平面拟合处理，得到相位变化的精确值，从而得到两幅图像偏移量的亚像素级估计。

用于最小二乘平面拟合处理的平面拟合函数为：

PC(x,y)=aφ(x)+bφ(y)+c

(14)

式中，PC(x,y)为对应于图像位置(x,y)的相位相关值，φ(x)和φ(y)分别为方位向和距离向的相位基，a，b和c为平面拟合函数的系数，式(14)可以写成如式(15)矩阵形式：

AX=B

(15)

式中，

N、M分别为图像距离向和方位向的点数。由式(15)可知X的最小二乘解为：

X=(AAH)-1AHB

(16)

a、b分别为辅助图像相对于主图像在方位向和距离向的亚像素级偏移量估计。

综上，若两图像I1(m,n)、I2(m,n)间有偏移量(Δm,Δn)=(Nm+δm,Nn+δn)，其中Nm、Nn为整数偏移，δm、δn为小数偏移，根据以上理论说明，图像配准的具体步骤如下：

(a)两幅复图像以中心点为参考，选取相同大小的块分别记为Z1(m,n)和Z2(m,n)；

(a) 方法一：多消一的矢量构造

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

(b) 方法二：多消多的矢量构造

(c)计算IFFT2[Z1(wm,wn)⊙Z2(wm,wn)]，IFFT2表示2D-IFFT，⊙表示Hadamard积，即对应元素相乘。取模值后由最大值对应的位置确定Nm,Nn；

(c) 自适应多消多

(d)I2(m,n)平移Nm,Nn后记为I2′(m,n)，截取相同大小的块记为Z2′(m,n)；

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

(f)经低通滤波器去除噪声对干涉相位的影响后，在最小二乘意义下做平面拟合，得拟合平面的法向量，其在m和n方向上的投影为对小数偏移量δm,δn的估计；

(g)计算I2″(m,n)=IFFT2{FFT2[I2′(m,n)]⊙exp[j2π(wmδm+wnδn)]}，I2″(m,n)即为I2(m,n)配准后的图像。

2.3 自适应杂波抑制和动目标检测

动目标在SAR图像中具有散焦的特点，响应的幅值通常低于静止杂波，淹没在聚焦良好的背景杂波中，信杂噪比(SCNR)很低，因此无法直接从SAR图像中检测动目标，需要先进行杂波抑制。若不考虑实际系统误差，经过相位补偿和图像配准后即可两两直接对消进行杂波抑制。然而，实际系统中不可避免地存在着各种误差，主要包括天线方向图和接收通道等的不一致性引起的幅相误差、天线通道间的位置误差，这些误差最终主要表现为相位补偿和图像配准后的剩余误差。配准剩余误差必将降低两两对消的杂波抑制性能，基于样本协方差矩阵求逆的自适应杂波抑制方法，是降低剩余误差影响的有效处理方法之一。

若设所有接收通道接收的回波数据分别经过SAR成像、相位补偿和精确配准，则用于动目标检测的所有SAR图像所对应的像素i(即对应于同一地面单元i的SAR图像)的复数据可以写成如式(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假设表示动目标不存在，H1假设表示动目标存在。杂波加噪声协方差矩阵的构造方法和维数大小直接影响自适应杂波抑制性能和处理器计算量。因此构造杂波抑制的主辅SAR图像复数据矢量有多种方法，图2(a)和(b)分别给出了多消一、多消多两种方法的示意图。相应于图2(a)和(b)，用于杂波抑制的主辅SAR图像复数据矢量分别为：

(a) 非自适应直接对消 (b) 自适应多消一

(18.a)

(18.b)

式中，N为与参与自适应杂波抑制的矢量维数有关的参数。由于杂波加噪声协方差矩阵是用来逼近待检测样本的杂波信息，由此训练出的自适应权才能对待检测样本中的杂波进行有效抑制。另外，用于估计杂波加噪声协方差矩阵的训练样本中不应该包含有动目标信息，否则容易引起目标相消。所以，杂波加噪声协方差矩阵定义为：

(19)

式中，E[·]表示数学期望，矩阵Rx理论上是由无限多个训练样本求数学期望获得的，而实际上是由有限多个训练样本求统计平均估计获得的，即：

(20)

为了全面精确估计待检测样本中静止杂波的统计特性，常规自适应杂波抑制方法要求训练样本和待检测样本中的杂波应该是独立同分布(IID)的。如果训练样本和待检测样本中的干扰是IID的，则称这些样本是均匀样本；否则，则称为非均匀样本。在均匀环境下，常规自适应方法可以得到满意的结果。而在非均匀环境下，由于由非均匀样本得到的估计结果不能全面正确地反映待检测样本中杂波的真实分布特性，因此，杂波抑制性能就会受到严重影响。非均匀性主要是指杂波统计特性在复图像像素之间有变化，即不同像素中杂波的特性不同，一般包括由动目标、强孤立干扰和非均匀地貌(平原与山地交界处，城乡结合处以及城市内建筑物等)引起的变化。所以，在选取用于估计杂波加噪声协方差矩阵的训练样本时要特别注意非均匀环境的影响，否则，将会导致动目标检测性能严重下降。估计出杂波加噪声协方差矩阵后，就可以按如下LCMV准则计算自适应杂波抑制的最优权：

(21)

因此，最优自适应处理权Wopt为：

(22)

式中，Sst为指向主SAR复图像中目标像素单元的导向矢量，一般取为：

Sst=[1 0 … 0]T

(23)

对用于杂波抑制的主辅SAR图像中每一个像素，分别利用上述最优权矢量进行自适应杂波抑制，即可得到杂波抑制后的包括动目标、剩余杂波和噪声的SAR图像，由于剩余杂波和噪声的存在，须通过恒虚警率技术来检测运动目标。

在杂波抑制后的SAR图像中由于大部分静止目标回波已被抑制，对动目标来说，其SCNR得到了显著改善，有利于动目标的检测。是否检测到动目标可以通过待检测单元中的剩余信号功率是否超过某一门限来确定，如果待检测单元中剩余功率超过该门限，则认为该单元中存在动目标。然而实际中非均匀环境存在许多强孤立干扰，往往很难得到有效抑制，容易引起虚警，而提高门限又易造成漏检。为了进一步降低虚警率或漏检率，还可以设定某一浮动的第二门限：若在杂波抑制后的图像中某一个单元内的剩余信号功率超过了第一门限，但比对消前的SAR图像中相应单元的信号功率低于某一门限，则认为这个单元中的残余信号功率是静止目标对消后的剩余功率，而不是由动目标信号功率形成的，这是因为自适应杂波抑制是尽可能多地抑制静止杂波，同时最大限度地保留动目标信号，抑制前后的SAR图像中动目标功率变化较小，而杂波功率相差较大，若不考虑误差影响可达30 dB左右，相应地，可将这个值设为第二门限，来避免地面极强静止目标对消后，剩余功率仍超过第一检测门限造成的虚警情况。

2.4 有无配准误差时杂波抑制效果

为了方便比较不同方法的杂波抑制效果，本节对非自适应的DPCA直接对消、2.3节所述的两种自适应处理方法进行了仿真，得到杂波抑制后的距离向切片图，目标位于方位像素标号200处。

图3(a-c)分别为这3种方法的杂波抑制结果。可以看出，无配准误差时，3种方法都能够获得较好的杂波抑制效果，其中非自适应方法的剩余杂波幅度最大，自适应多消一次之，自适应多消多最小，获得的运动目标输出远强于背景杂波，从而最容易被检测到。自适应方法对杂波的抑制效果比直接对消更好。有配准误差(仿真设置误差为0.4像素)相比于无配准误差时，3种方法的杂波抑制效果受到不同程度的影响，非自适应方法结果的SCNR平均下降了约8.3 dB，自适应多消一下降了约6.0 dB，自适应多消多下降了约5.5 dB。说明了自适应方法针对配准误差具有更好的稳健性。另外，还可以看出自适应方法中，多消一方法的剩余杂波方差较大，而多消多方法的剩余杂波虽方差小，有利于检测弱动目标，但是由于样本矢量从主图像中选取了多个像素，其中的目标信息均被保留，因此目标响应被展宽，从而相比多消一方法对目标的分辨率下降。综合考虑SCNR及对目标的分辨，在随后的实测数据处理中，宜采用自适应多消一的杂波抑制方法。

2.5 动目标检测、定位和测速

若待检测单元中存在地面运动目标，则对消后图像的该单元中包括动目标信号、剩余杂波信号和噪声。由于大部分杂波已被滤除，目标在输出中占主要地位，所以，前两通道的检测结果与后两通道的检测结果进行干涉处理后的相位，即为动目标在相邻通道之间的相位差ΔΦ(X0,R0)。由于相位差ΔΦ(X0,R0)与动目标的位置(X0,R0)有关，因此可根据干涉后的相位差对动目标定位。由前述杂波抑制最优自适应权的计算准则可知，最优权旨在最大限度地抑制静止杂波，尽量完整地保留动目标信号，即不改变动目标的幅度信息(由天线基线引起的盲速效应除外)，也不改变动目标的相位信息，因此，为方便起见，下文的推导不考虑自适应权，只按经相位补偿和图像配准后直接相消的结果进行讨论。由式(6)可知，接收通道1和2、2和3的复图像补偿、配准后的对消结果分别为：

(24.a)

(24.b)

式中，

(24.c)

由于v>>vx，所以式中忽略了动目标方位向速度分量vx的影响。根据式(24.a)和(24.b)对S12(tr,fa;R0)和S23(tr,fa;R0)求模值可得：

(25)

由式(24.c)可知，当fa=fa(X0)-fa(vy)时，式(24.c)中等号右边的第一个辛克函数sinc(·)取最大值1，因此，这时式(25)可以写为：

(26)

由式(26)可以看出，两通道对消时静止杂波的抑制特性和动目标的检测性能为：

1)对于静止杂波，由于其速度分量vy=0，式(26)显然为零，静止杂波信号将被完全对消，即出现在杂波对消特性的凹口处，这正是杂波抑制所需要的结果；

2)当地面运动目标垂直向速度分量vy=±nλvR0/Y0d时，式(26)为零，动目标也将被对消，即出现在杂波对消特性的凹口处，检测时出现盲速点；

3)当地面运动目标垂直向速度分量vy=±(n+1/2)λvR0/Y0d时，式(26)取最大值，动目标信号将得到完全保留，即出现在对消特性的凸口处，检测时性能最优；

4)当地面运动目标垂直向速度分量vy处于上述两种速度范围内时，动目标信号将部分被保留，部分被对消，即出现在对杂波消特性的凸口与凹口之间，检测时性能也界于上述两种情况之间。

若运用前述的双门限检测方法，则在某一待检测像素内计算式(26)后所得的值超过预先规定的检测门限，则可认为该检测像素内存在动目标。根据式(24.a)和(24.b)进行干涉处理，即可得到S12(tr,fa;R0)和S23(tr,fa;R0)的干涉结果为：

(27)

为了避免模糊造成定位错误，并且由于天线间距d精确已知，所以，对式(27)作如下处理：

(28)

经过式(28)预处理后，动目标在相邻通道之间的相位差ΔΦ(X0,R0)为：

(29)

式中，由于检测时动目标所在距离单元是已知的，因此，只有动目标的方位向位置X0是未知的，所以，可由式(29)对动目标进行定位，即：

(30.a)

(30.b)

式中，H为平台高度。由于-π≤-2πX0d/λR0≤π，因此，动目标在相邻通道之间的相位差ΔΦ(X0,R0)始终不会存在模糊，无论是慢速目标或高速目标，都能比较准确地进行定位。

动目标垂直向速度分量引起动目标在SAR图像或对消后的SAR图像上，方位向存在位置偏移，也正是由于这一偏移量的存在，才能够通过杂波抑制来进行动目标检测[12]。由式(24.c)可知，对于地面距离向速度为vy的目标而言，其所在单元的多普勒频率fa是由载机运动引起的多普勒频率和其本身的距离向速度引起的多普勒频率的叠加，图像域方位坐标fa(单位为s-1)与真实方位估计X0(单位为m)有如下关系：

(31)

由于式中只有vy是未知的，因此，即可由式(31)对动目标进行地面距离向测速：

(32)

至此，即完成了动目标检测、定位和测速，就可以按动目标的正确位置(X0,Y0)将动目标标定在SAR图像上，其流程图如图4所示。对于测速范围[13]，因为-PRF/2≤fa≤PRF/2，所以由式(31)有：

图4 多通道合成孔径雷达动目标检测流程

(33.a)

(33.b)

式中，Da为3个子天线的孔径。由式(33)可见，测速范围与目标在实际场景中的真实位置有关。

3 实测数据处理

某试验雷达系统如图1所示，雷达天线由3个子天线组成，其中中间通道既发射也接收，前后两个通道只接收而不发射。利用文章所论述方法组成的整个流程，对两处试验场景的实测数据进行处理。试验路段为与阎良区迎宾大道垂直的一段水泥公路，试验时该公路西端未修通，很少有车辆行驶，因此适合于进行校飞试验。图5给出了对试验配合目标的检测结果，9辆农用三轮车分别在公路两边辅道上行驶，从图5的处理结果可以看到，9辆车被全部检测出，动目标标定后被全部定位回到公路两旁辅道上。图6给出了对自然非配合目标的检测结果，共检测出10辆汽车，标定后有9辆定位回到公路上。

图5 配合目标处理结果

图6 非配合目标处理结果

4 结论

基于多通道合成孔径雷达成像的地面动目标检测，核心步骤是杂波抑制，除此之外还包括以下步骤：相位补偿、图像配准、定位和测速。其中图像配准作为杂波抑制的预处理步骤，其精度是制约动目标检测性能的重要因素。基于方位去斜SAR成像方法，推导了三通道SAR/GMTI雷达动目标回波信号和静止杂波的SAR复图像信号模型，并提出了一种基于图像域的结合相位补偿、图像配准和多通道多像素自适应处理的动目标检测方法。随后的仿真对比了配准误差对两类、3种杂波抑制方法的影响，即配准误差的存在，使得直接对消、多消一、多消多的杂波抑制结果SCNR分别降低了8.3 dB、6.0 dB、5.5 dB，得出了自适应处理比直接对消的非自适应处理稳健性更好的结论。且考虑到目标分辨率，宜采用自适应多消一杂波抑制方法。然后在杂波抑制后检测的基础上，给出了根据信号模型进行定位和测速的方法，形成完整的处理流程。最后，对实际三通道SAR/GMTI雷达机载校飞实测数据的处理结果，证明了所论述方法整个流程的可行性。