这是《雷达成像技术》学习记录的第 9 篇对应第五章合成孔径雷达成像算法。第五章一上来就是 R-D、CS、FS、RMA、PFA 五种算法我当时读得很痛苦因为它们全是步骤和相位因子。于是我把问题提了出来距离走动和距离弯曲我还是没理解距离单元是什么也没理解距离徙动是什么另外那些算法的步骤我不太想了解我感觉没必要理解太深——我用的是深度学习处理图像。结论是对我来说第五章只需要三个词——距离单元、距离走动、距离弯曲合起来叫距离徙动。算法步骤是给做雷达信号处理的人看的。这篇就记录这三个词。本系列导航00 开篇我怎么用「提问 类比」啃下《雷达成像技术》01 第一章为什么要成像为什么要合成孔径02 第二章上宽带信号、脉冲压缩与一维距离像03 第二章下相干积累、Keystone 变换与「宽带成像/窄带检测」04 答疑我把「带宽」彻底理解错了05 第三章上从实际阵列到合成阵列为什么必须聚焦06 第三章下波束、波束宽度与「相位差翻倍」07 第四章SAR 在三维空间里做二维成像会出什么问题08 阶段总结前四章的 7 句话 我的学习方法09 第五章距离单元、距离走动、距离弯曲本篇10 第六章飞机颠簸一下SAR 图像为什么会糊11 第七章ISAR——雷达不动、目标动怎么成像12 第八章InSAR——二维图像怎么再测出高度13 全书总结八章串成一条线 学习方法复盘一、距离单元雷达在距离方向上的「最小格子」距离单元 雷达在距离方向上能分辨的最小格子。类比你拿一把最小刻度 1 毫米的尺子量东西——你只能读到 1 毫米读不到 0.5 毫米。「1 毫米」就是你尺子的最小分辨单位。雷达也一样发射宽带信号经过脉冲压缩得到一个很窄的脉冲这个窄脉冲对应的距离长度就是距离单元雷达只能分辨到这个尺度比它更近的两个目标就分不开。ρ r c / ( 2 B ) \rho_r c/(2B)ρr​c/(2B)带宽B BB越大距离单元越小分辨率越高。我在第二章其实已经学过这个结论但当时叫「距离分辨率」没把它理解成一个格子。这一章把它叫做「单元」整个问题才具体起来——因为后面所有的走动“弯曲”说的都是回波从一个格子跑到另一个格子。二、距离走动一次项斜视时明显先理解大前提——距离徙动雷达飞行过程中到同一个点目标的距离在不断变化回波在距离单元间走动。类比你开车经过一个路灯远处时路灯离你很远近处时很近过去了又变远。雷达到路灯的距离先减小、后增大这个变化就是距离徙动。如果这个距离变化超过一个距离单元回波就从第 100 个格子跑到第 101 个“第 102 个”——这就是越距离单元徙动。距离走动是其中的一次项斜视时明显。类比你斜着看一排树树在图像里整体偏移而且这个偏移随位置线性变化。雷达斜视时回波在距离单元间线性移动这就是距离走动。特点线性、整体偏移。三、距离弯曲二次项正侧视也有距离弯曲是其中的二次项正侧视时也存在。类比你正对着一排树看——树的两端还是有点弯中间离你最近两端离你远。雷达正侧视时回波在距离单元间弯曲移动中间近、两端远这就是距离弯曲。特点二次、对称弯曲。两者的区别距离走动距离弯曲形状线性一次项二次什么时候明显斜视正侧视也有类比斜着看树整体偏移正着看树两端弯【此处有图快时间-慢时间平面上点目标回波的双曲线轨迹区分线性走动与二次弯曲】四、为什么距离徙动是个问题距离徙动 距离走动 距离弯曲。问题在于方位压缩要求同一个点目标的回波始终待在同一个距离单元里。如果回波在距离单元间走动方位压缩时对不齐图像模糊。类比你拍一列行驶中的火车每张照片里火车位置都不同。你想把多张照片叠加增强信号但火车没对齐——叠加后就是一条模糊的线。雷达也一样点目标回波在距离单元间走动方位压缩对不齐图像就模糊。所以必须补偿距离徙动把回波扳平到同一个距离单元里。五、五种算法到底在干什么只记结论算法步骤我全部跳过了只记「它们分别适用于什么情况」算法一句话适用R-D距离-多普勒先距离压缩、再方位压缩距离徙动小CS线频调变标用线频调变标消除距离弯曲的空变性距离弯曲随距离变化大场景FS频率变标在解线频调后的信号上做变标信号是解线频调形式时RMA距离徙动算法波数域直接重建Stolt 插值原理最优不受斜视/场景限制但慢PFA极坐标格式极坐标录取 插值到直角坐标聚束模式、平面波近似、场景小用一句话概括这一章各种算法就是不同的补偿距离徙动的方法适用于不同的斜视角、分辨率、场景大小和信号形式。还有一个我觉得最好用的类比这些补偿本质上是**“把弯掉的火车轨道扳直让所有车厢对齐”**——R-D 是粗调CS/FS 是变标把两边的弯曲按比例拉齐RMA 是直接换一套坐标系重建。六、对我深度学习方向来说这一章要记住什么这是这一章最重要的一段我把当时的对话结论抄在这里距离单元 雷达在距离方向上的最小格子。距离走动 回波在距离单元间线性移动斜视明显。距离弯曲 回波在距离单元间二次弯曲正侧视也有。距离徙动 走动 弯曲。距离徙动会导致图像模糊必须补偿。R-D / CS / FS / RMA / PFA 就是不同的补偿方法。以后用深度学习处理 SAR 图像一定会碰到有些图像有距离徙动残留有些图像有运动补偿误差这些都会影响图像质量。你不需要自己实现补偿算法但必须知道这些问题的存在——否则你既判断不了图像质量也解释不了网络为什么在某些样本上学不好。第五章最需要记住的几句话距离单元 雷达距离方向上的最小格子。距离走动 线性偏移距离弯曲 二次弯曲。距离徙动 两者之和会导致图像模糊必须补偿。算法步骤不用管知道它们是为了补偿距离徙动就行。我的复盘这一章我差点放弃因为它对用深度学习做图像的人看起来毫无用处。但换个角度想第五章教的其实不是算法而是SAR 图像的缺陷从哪来。想明白这一点之后第五章从一堆要背的算法变成了一张图像缺陷清单图像条带方向模糊 → 可能方位压缩没对齐图像局部散焦 → 可能距离弯曲没补偿干净图像有几何形变 → 可能运动误差残留。这份清单在下一篇第六章 运动补偿里会变得更长。下一篇第六章 运动补偿——飞机颠簸了图像为什么会糊怎么救。