摘  要： 針對UHF波段運動目標(biāo)檢測中信號弱、雜波展寬嚴(yán)重等問題,，提出一種基于子孔徑SAR技術(shù)的雜波抑制方法,。首先通過SAR成像實現(xiàn)運動目標(biāo)的粗聚焦，再通過距離-方位拓展局部STAP實現(xiàn)雜波抑制,，避免了運動目標(biāo)越距離單元和方位散焦帶來的信號損失,。最后，通過仿真結(jié)果驗證了算法的有效性,。

　　關(guān)鍵詞： 地面運動目標(biāo)指示,；空時自適應(yīng)處理；子孔經(jīng),；雜波抑制,；

0 引言

　　具有同時獲得靜止目標(biāo)成像和運動目標(biāo)指示的多通道SAR/GMTI系統(tǒng)受到了各軍事強國的青睞[1-5],。相對于高波段（C/X/Ku等）SAR/GMTI系統(tǒng)，低頻段（UHF）系統(tǒng)具有較強的穿透能力,，可穿透植被探測目標(biāo),，是全透明偵察的重要組成部分。然而,，葉簇等植被的穿透衰減使得隱蔽目標(biāo)的回波強度非常弱,，同時受天線尺寸的限制波束角非常寬，從而使得回波中雜波強度大,，且雜波的多普勒譜展寬嚴(yán)重，直接采用常規(guī)的運動目標(biāo)檢測方法難以獲得足夠的信雜噪比改善,。

　　長相干STAP方法[1-4]將傳統(tǒng)的空間—方位慢時間二維STAP在距離快時間維進行擴展,，具有處理越距離單元徙動的能力，從而利用更多的脈沖進行相干處理,，提高輸入信號質(zhì)量,，實現(xiàn)慢速運動目標(biāo)的檢測。但直接應(yīng)用的計算量和協(xié)方差矩陣估計所需的樣本數(shù)都難以滿足研究要求,，需要進行降維處理,。

　　本文提出一種基于子孔徑SAR的長相干STAP算法，該算法首先通過子孔徑SAR成像實現(xiàn)運動目標(biāo)的粗聚焦,，將在快時間-慢時間維分散的運動目標(biāo)信號凝聚,，提高運動目標(biāo)的信號質(zhì)量，再對粗聚焦的像素進行方位和時間聯(lián)合,，進而利用多通道空間信息實現(xiàn)UHF波段的運動目標(biāo)檢測,。

1運動目標(biāo)子孔徑成像

　　根據(jù)SAR成像原理，當(dāng)成像的參數(shù)選擇與運動目標(biāo)參數(shù)匹配時可以實現(xiàn)運動目標(biāo)的聚焦成像[4],。然而,，在實際的應(yīng)用中同時存在多個不同速度的運動目標(biāo)，不可能同時獲得各個速度目標(biāo)的完美聚焦,。另一方面,，在UHF波段的SAR/GMTI中，由于受到植被等遮蔽體的電磁波衰減影響,，目標(biāo)信號衰減嚴(yán)重,，需要進行較長時間的相干積累來獲得足夠的信號質(zhì)量。因此,，在UHF波段的運動目標(biāo)檢測中,，子孔徑長度一般取的較長。此時,，目標(biāo)運動引入的運動誤差將積累,，直接采用SAR成像方法將出現(xiàn)一定的散焦,。以表1所列的系統(tǒng)參數(shù)進行仿真，對不同速度的運動目標(biāo)進行子孔徑（2048脈沖）SAR成像,，成像結(jié)果如圖1所示,。

　　由子孔徑成像結(jié)果可見，由于子孔徑時間較短,，低速的運動目標(biāo)可以實現(xiàn)較好的聚焦成像,；速度較高的運動目標(biāo)出現(xiàn)了越距離單元的距離校正殘余量，但遠距離單元的徙動量較小,，主要集中在鄰近的距離單元,。另一方面，運動目標(biāo)的方位向運動速度分量,，使得運動目標(biāo)在方位向也出現(xiàn)一定的散焦,，但同樣地主要集中在鄰近的幾個方位單元內(nèi)。

　　通過以上分析,，可見當(dāng)運動目標(biāo)的速度較低時可以實現(xiàn)運動目標(biāo)的子孔徑聚焦,，此時可通過對同一位置的單一分辨單元建立多通道觀測模型，并通過空時處理實現(xiàn)雜波的抑制,；當(dāng)運動目標(biāo)的速度較高時,，運動目標(biāo)的能量主要集中在相鄰的幾個分辨單元內(nèi)，對單一分辨單元建立多通道觀測模型,，不能包含全部的運動目標(biāo)信息,。因此，本文將單一分辨單元模型在方位向和距離向進行擴展,，建立聯(lián)合分辨單元的STAP模型,。

2 局部STAP建模

　　局部STAP的信號樣本示意圖如圖2所示。

　　將N個通道,、M個方位單元,、L個距離單元的多通道子孔徑SAR成像數(shù)據(jù)排列成N×M×L維的列向量：

　　Z（i，j）=[ZT（i1,，j1）…ZT（im,，j1）…ZT（iM，jl）,，…ZT（i1,，jl）…ZT（im，jl）…ZT（iM,，jl）,，…ZT（i1，jL）…ZT（im,，jL）…ZT（iM,，jL）]T（1）

　　其中,，ZT（im，jl）代表成像位置（im,，jl）處的N維列矢量：

　　ZT（im,，il）=[z1（im，il）,，z2（im,，il），…,，zN（im,，il）]T（2）

　　對觀測矢量Z（i，j）建立假設(shè)檢驗：

　　Z（i,，j）=bS（i,，j）+C（i，j）+Q（i,，j）  H1假設(shè)C（i，j）+Q（i,，j）          H0假設(shè)（3）

　　其中,，b為運動目標(biāo)的幅度，C為雜波信號,，Q為噪聲信號,，S為運動目標(biāo)信號的導(dǎo)向矢量：

　　S（i，j）=[ST（i1,，j1）,，ST（im，jl）,，…,，ST（im，jL）]T（4）

　　那么,，滿足輸出信雜噪比最高準(zhǔn)則的最優(yōu)權(quán)系數(shù)Wopt（i,，j）可表示為：

　　其中代表H0假設(shè)下觀測樣本的協(xié)方差矩陣，即觀測樣本中雜波和噪聲的協(xié)方差矩陣,，為恒虛警常數(shù),。

　　那么，雜波抑制后的輸出可表示為：

　　將輸出檢測統(tǒng)計量的絕對值與檢測門限進行比較,，即可判定運動目標(biāo)是否存在,。

3 仿真驗證

　　基于系統(tǒng)的天線參數(shù)計算得到天線的收發(fā)方向圖，基于系統(tǒng)的PRF和載機的速度得到每個脈沖的天線方位位置,，同時根據(jù)多通道的間隔得到多個通道多脈沖的等效相位位置,。雜波場景的仿真通過高斯分布產(chǎn)生,，同時通過距離和方位的間隔距離產(chǎn)生場景的散射點分布。由雜波得到原始回波信號后,，添加高斯復(fù)噪聲,，實現(xiàn)雜噪比因素的仿真。

　　由于在UHF系統(tǒng)中多為遮蔽目標(biāo)的檢測,，此時信號受到嚴(yán)重的衰減,，信號處理的輸入信雜噪比非常低，仿真中通過衰減目標(biāo)回波信號實現(xiàn),。仿真中采用50 dB的雜噪比,，信雜噪比為-57 dB，脈沖點數(shù)為       2 048,。運動目標(biāo)位于天線方向圖的中心,，速度分布于-9 m/s~ +9 m/s之間，以3 m/s為間隔,。原始回波的距離多普勒如圖3所示,。對3通道回波檢測局部STAP模型，并進行雜波抑制后的結(jié)果如圖4所示,。從圖4中可見到雜波被有效地抑制,，可看到清晰的運動目標(biāo)的分布。

4 結(jié)論

　　本文在分析了運動目標(biāo)子孔徑成像的基礎(chǔ)上,，提出了一種適用于UHF波段多通道SAR/GMTI系統(tǒng)慢速運動目標(biāo)檢測的方法,，該方法通過子孔徑SAR實現(xiàn)運動目標(biāo)的粗聚焦，降低運動目標(biāo)的分布范圍,，再通過方位-距離維的局部STAP實現(xiàn)雜波的抑制,，進而實現(xiàn)UHF波段下運動目標(biāo)的檢測。通過仿真實驗初步驗證了算法的有效性,，下一步將進行實測數(shù)據(jù)的處理和算法的進一步優(yōu)化,。

參考文獻

　　[1] STEVEN E G. Upper bounds on processing loss for wideband long-CPI space-time adaptive processing[C]. IEEE Pacific Rim Conference on Communication， Computers and Signal Processing,， 2009：251-256.

　　[2] 常玉林,，周紅，黃曉濤,，等.多通道SAR頻率多普勒域?qū)拵чLCPI STAP方法[J].電子學(xué)報,，2011，39（6）：1245-1252.

　　[3] 周紅,，黃曉濤,，常玉林，等.子帶子孔徑ATI地面運動目標(biāo)檢測及參數(shù)估計方法[J].電子與信息學(xué)報，2010,，32（1）：62-68.

　　[4] Zhu Shengqi,， Liao Guisheng. Ground moving targets imaging algorithm for synthetic aperture radar[J]. IEEE Transaction on Geoscience and Remote Sensing， 2011,， 49（1）： 462-477.

　　[5] 殷戴乾,，田錚.多區(qū)域SAR圖像分割的改進水平集方法[J].微型機與應(yīng)用，2013,，32（20）：38-41.