基于合成孔径的稀疏阵列三维成像技术及其在汽车毫米波前向雷达中的鬼影抑制研究

《IEICE Transactions on Communications》：Synthetic aperture based sparse array three-dimensional imaging for forward-looking automotive millimeter wave radar

本文针对汽车毫米波雷达在远距离探测中因稀疏阵列导致的鬼影图像问题，提出了一种创新的阵列优化与合成孔径相结合的成像方法。研究人员通过设计针对人体目标的优化阵列配置，并结合雷达平台微小运动产生的合成孔径效应，实现了对鬼影图像的有效抑制。数值仿真结果表明，该方法在79 GHz频段下仅需15个阵元即可获得与密集阵列相当的成像质量，显著降低了系统复杂度和计算成本，为自动驾驶系统的环境感知提供了重要技术支撑。

　　

在自动驾驶技术快速发展的今天，可靠的环境感知系统成为保障行车安全的关键。毫米波（MMW）雷达因其在恶劣天气条件下的稳定表现，成为自动驾驶系统中不可或缺的传感器。然而，当探测目标位于车辆正前方10米以远的区域时，传统毫米波雷达的空间分辨率明显不足，难以清晰识别行人等目标。这一局限性主要源于雷达孔径尺寸的物理限制，以及稀疏阵列配置中因相位不确定性产生的鬼影图像（即栅瓣）问题。

现有解决方案如压缩感知（CS）技术虽能有效抑制鬼影图像，但其迭代计算过程导致的高计算复杂度难以满足车载雷达实时处理的需求。而基于飞行时间（TOF）的非相干处理方法虽然避免了相位数据的使用，但在有限孔径条件下难以保持足够的空间分辨率。这些技术瓶颈严重制约了毫米波雷达在自动驾驶系统中的进一步应用。

针对这一挑战，日本电气通信大学的研究团队在《IEICE Transactions on Communications》上发表了一项创新研究，提出了结合阵列优化和合成孔径（SA）处理的稀疏阵列三维成像方法。该研究通过设计针对人体特定部位（如手臂、腿部、头部和躯干）的优化阵列配置，并利用雷达平台微小运动产生的合成孔径效应，实现了对鬼影图像的有效抑制。

研究人员首先建立了一个创新的阵列优化方法。通过分析基于简化人体模型产生的干涉图案，确定了能够最大限度抑制栅瓣的最优阵列配置。该方法基于夫琅禾费衍射近似，通过计算目标点与阵列单元之间的相位延迟，生成干涉图案D(r_A)。阵列位置通过提取该图案的局部峰值确定，从而实现对特定目标（如人体）的优化成像。

关键技术方法包括：（1）基于干涉图案的稀疏阵列优化设计，针对人体目标特性生成最优阵元布局；（2）合成孔径雷达图像集成技术，通过补偿雷达运动引起的相位变化，实现多幅雷达图像的非相干叠加；（3）79 GHz频段多输入多输出（MIMO）雷达系统建模，采用4.0 GHz带宽信号，脉冲重复间隔（PRI）为1-2 ms；（4）三维雷达成像算法，基于格林函数进行相干积分，生成复杂值雷达图像。

阵列优化效果验证

研究团队通过对比三种阵列配置验证了优化方案的有效性。Case I采用符合奈奎斯特准则的密集阵列（128×64个阵元），Case II为传统等间距稀疏阵列（4×4），Case III为提出的优化阵列（15个阵元）。结果显示，优化阵列在保持空间分辨率的同时，显著降低了沿方位角方向的鬼影图像。

合成孔径处理效果

通过合成孔径处理，研究人员进一步提升了成像质量。当合成孔径长度达到100 mm时，鬼影抑制效果尤为明显。在优化阵列基础上应用合成孔径处理，获得的雷达图像质量与密集阵列相当，而阵元数量大幅减少至15个，显著降低了系统复杂度和成本。

灵敏度与鲁棒性分析

研究还评估了方法在不同条件下的性能。当目标距离在4-7米范围内变化时，优化阵列仍能保持稳定的重建精度。对于不同体型（成人、儿童）和不同角度（0-π/2）的行人目标，该方法也表现出良好的适应性。在信噪比（SNR）不低于0 dB的条件下，重建精度保持稳定。

误差敏感性评估

针对合成孔径轨道累积误差的影响，研究发现当位置误差的标准偏差σ_SA超过5.0 mm时，重建精度会显著下降。然而，即使存在误差，合成孔径处理的鬼影抑制效果仍然优于未使用该处理的情况。对于静态校准误差，方法的敏感性较低，表明其在实际应用中的鲁棒性。

运动目标成像挑战

研究还探讨了方法在行人运动情况下的局限性。当行人各部分（如手臂和腿部）具有不同运动速度时，多普勒效应引起的相位偏移会影响合成孔径处理的效果。这提示在未来工作中需要结合多普勒速度分解成像等技术进行相位补偿。

本研究提出了一种创新的稀疏阵列三维成像方法，通过阵列优化和合成孔径处理的有机结合，有效解决了汽车毫米波前向雷达中的鬼影图像问题。与压缩感知等传统方法相比，该方法计算复杂度显著降低，更适合车载雷达的实时处理需求。数值仿真结果验证了方法在79 GHz频段下的有效性，为自动驾驶系统的环境感知提供了新的技术途径。未来研究将聚焦于运动目标的相位补偿、实验验证以及在实际复杂环境中的应用拓展。