采用OFDM信号的MIMO-SAR宽幅成像仿真

SAR以脉冲重复间隔(PRI)为时间间隔依次发送信号，通过收集并处理每个PRI的回波绘制出地面的雷达图像。因此，超宽带(UWB)信号也可作为雷达发射脉冲用于生成目标区域的SAR图像，从而显著提高图像的分辨率。

UWB技术具有两大优势：良好的穿透能力和高分辨率目标检测。

通信中常用的正交频分复用(OFDM)在雷达波形方面也有着巨大的潜力。OFDM信号由若干个正交子载波组成，每个子载波占据信号带宽的一部分，并且在每个传输通道上同时发射。

OFDM在雷达应用中的优点

OFDM在雷达应用中的优点主要包括：

a. 可以使用相对便宜的组件实现收发系统;

b. 易于抑制窄带干扰;

c. UWB方面的高分辨率和良好的多径潜力;

d. 对于相同的架构，更容易实现实时传输大量数据;

e. 使用不同子载波成分时脉冲整形灵活性更好。

作为一种常用的遥感应用，SAR可以利用目标和雷达平台之间的相对运动，通过发射宽带波形来获取方位域的高分辨率图像，但目前的单天线SAR还不支持一些遥感功能，例如同时实现高分辨率和宽幅成像。

多输入多输出(MIMO)SAR在传统SAR上做了进一步改进，主要包括：

增加单个目标的多个视角从而提高可识别性，获得更高的扫描带宽增加方位角分辨率或者降低PRF;

由于MIMO系统的自由度较大，因此可以在多个接收器处通过对多个波形同时进行相干处理来增强分辨率。

MIMO UWB OFDM信号的产生

使用不同天线的正交信号进行传输是MIMO结构中常用的一种方法，因为这样为分离发射到接收机的目标信号和反射信号提供了可能。其中，按照表1中所示的规则可以确保信号正交，这种方法的关键就是对接收机中明确包含传输波形的雷达信号建立一个模型。

在相同的距离分辨率下，为了降低共享带宽中发射脉冲之间的互相关性，需要使用表1中所示的序列生成N个子载波的OFDM频域样本向量。

OFDM信号的频谱如图1所示，其中主瓣的宽度取决于脉冲的持续时间。在OFDM信号的数字实现过程中，脉冲持续时间与副载波的数量相关，副载波数目越多，脉冲持续时间越长。

图1 OFDM信号频谱

如图2所示，首先扩展表1所示的数字频域向量和随机整数发生器的调制符号，然后利用快速傅里叶反变换(IFFT)得到离散时域OFDM信号，最后利用汉宁窗使旁瓣最小化。其中，QPSK的调制阶数(M)为4。

UWB-OFDM信号的生成涉及到以下几种参数：OFDM子载波数N=256，采样时间间隔=1ns，从而基带带宽B=500MHz。频域和时域的UWB-OFDM波形分别如图3和图4所示。

我们可以看到Hanning窗口合理地最小化了旁瓣，这反过来又改善了时域OFDM波形的自相关函数(ACF)和互相关函数(CCF)，分别如图5和图6所示。

MIMO宽幅SAR成像系统

在MIMO SAR成像过程中，独立信号通过不同的天线发送，并且这些信号经过传播之后由多个天线接收。每个天线发送与其他天线波形正交的独特波形，并且每个返回的正交信号将携带关于目标的独立信息。

在接收器中，匹配滤波器用于提取正交波形分量。MIMO SAR系统的发射阵列配备了2个共址天线，接收阵列也配备了2个共址天线。假设发射和接收阵列在空间上彼此接近，它们在不同方向上可以看到不同的目标区域。

MIMO OFDM SAR成像系统结构

图中天线A和B通过发射电磁波波束分别照射条带A和B。在特定的脉冲重复间隔(PRI)下，天线A通过波束A发射脉冲信号，天线B通过天线波束B发射脉冲信号。来自条带A和B的回波信号均会被两个不同的接收天线接收。为了将来自条带A和B的回波分离，需要仔细设计发射天线方向图以及发射脉冲，这样可以进一步减少来自其他时间条带的干扰回波。

与传统的相控阵SAR相比，MIMO OFDM SAR在所有发射天线上使用相同的波形，可以提供更多的系数，因此具有更多的自由度。成像时使用SAR成像算法(如距离-多普勒算法)分别对每个匹配滤波器的输出进行处理，然后利用图像融合技术获取最终的SAR重构图像。

MIMO宽幅SAR成像仿真

实验将四个不同的正交UWB-OFDM子脉冲当作SAR发送信号，从而实现宽幅SAR成像。假设条带A中的两个点目标位置坐标[(x1，y1)，(x2，y2)]=[(300，100)，(900，-50)]，条带B中两个点目标的坐标[(x3，y3)，(x4，y4)]=[(300，-50)，(900，100)]。

通过两个轨迹不同的SAR天线观察给定的场景，可以确定散射点的位置。但是，当两个天线成像的场景不是真正相同的场景时，由于两个SAR天线的轨迹之间的距离太大，SAR干涉测量会失败。

SAR图像融合技术，可以充分利用同一场景中相同天线不同脉冲信号记录的数据来解决此问题。图像融合的方法有多种，其中最常用的就是基于离散小波变换(DWT)的融合。DWT具有较好的时间分辨率，能够捕获频率和位置信息(时间位置)。基于小波变换的融合技术如图所示。

基于小波变换的图像融合技术

在基于小波的图像融合方案中，首先计算两个配准输入图像I1(x，y)和I2(x，y)的DWT，并使用某种融合规则组合这些变换，然后计算逆离散小波变换(IDWT)，并将融合图像I(x，y)重构：

最终重建后的宽幅SAR图像

为了评估图像融合技术带来的噪声水平的高低，可以从熵的角度分析输入图像和融合图像。基于小波变换的图像融合后的SAR图像中的信息内容用熵值来识别，该熵值用作非融合和融合图像中的噪声水平度量。表1列出了条带A和B的输入图像的熵以及不同小波族的融合图像的熵。可以看到Haar小波可以最大程度地降低噪声水平。

MIMO UWB-OFDM SAR为高分辨率遥感和宽幅成像提供了潜在的解决方案。融合SAR图像也已经证明了开发方法的有用性。同时，图像融合技术提供了一种强大的工具来减少杂波和某些类型的噪声，因此该方法还可用于提高SAR图像的质量。

审核编辑：汤梓红