基于稀疏阵列联合幅度-相位加权方法的前视雷达成像

《Signal Processing》：Forward-Looking Radar Imaging Using a Joint Amplitude-Phase Weighting Method with Sparse Arrays

　　

# 摘要

多帧前视（FL）雷达成像通过对连续观测进行相干积分来提高分辨率和重建质量。对于尺寸和成本受限的平台，稀疏阵列提供了一种以有限硬件实现虚拟孔径扩展的实用途径。然而，增大的阵元间距会产生周期性栅瓣，这些栅瓣在多帧相干处理过程中累积并表现为伪影。本文提出了一种适用于稀疏阵列多帧前视成像的联合幅度-相位（JAP）加权方法。该方法在经后投影（BP）处理的多帧复数序列上运行，估计每个图像像素的幅度统计量和帧间相位相关性。这些描述符能够捕捉真实目标、栅瓣伪影与噪声之间的统计差异。我们将它们整合进一个逐像素自适应加权函数中，并应用于后投影（BP）图像，从而将目标响应与伪影及噪声分量分离开来。与传统的BP方法以及代表性的基于BP的模糊抑制方法相比，JAP加权方法实现了更优的成像性能，并在伪影抑制与目标幅度重建保真度之间取得了更好的平衡。仿真和真实场景实验证明了该方法在稀疏阵列约束下前视雷达感知中的鲁棒性和适用性。

# 引言

随着智能交通系统[1]、[2]、机载感知[3]、[4]以及复杂场景目标检测[5]、[6]的快速发展，对高精度、高可靠性的前视（FL）空间感知和成像能力[7]、[8]、[9]的需求日益增长。得益于全天候工作的特性，雷达传感器已成为核心感知模态之一[10]、[11]、[12]。然而，在前视成像独特的观测几何条件下，传统单通道合成孔径雷达（SAR）系统存在固有的左右模糊[13]、[14]、[15]，严重限制了其可靠高分辨率成像的能力。

利用多输入多输出（MIMO）技术，可以合成虚拟阵列，在有限的阵列通道数下实现更大的等效孔径，从而提高角估计精度和空间分辨率[16]、[17]。多通道空间阵列能够有效缓解传统单通道前视成像中的固有左右模糊，从而改善复杂场景中的目标分辨能力和成像可靠性。然而，对于地面车辆和机载系统等实际平台，可用的安装空间和系统成本受到严格限制。因此，由于天线孔径和硬件复杂度的制约，部署大规模密集天线阵列往往不切实际。在前视场景中，独特的观测几何条件限制了通过平台运动所实现的孔径扩展，导致波束指向方向附近的前视区域的等效孔径接近物理孔径。相比之下，对于偏离波束指向的区域，有效分辨率由物理孔径和平台运动形成的合成孔径共同决定，后者提供了额外的空间多样性并导致角分辨率的提升[18]、[19]。

为了克服有限物理孔径所施加的瑞利分辨率限制，基于阵列信号处理的超分辨率（SR）成像方法得到了广泛研究。经典的子空间方法，包括多重信号分类（MUSIC）[20]和基于旋转不变技术的信号参数估计（ESPRIT）[21]，理论上可以实现超越孔径限制的角分辨率。此外，稀疏重构[22]和基于压缩感知（CS）的方法[23]将高分辨率成像问题建模为带有正则化约束的稀疏反优化问题[24]。然而，这些SR方法的性能强烈依赖于精确的阵列流形建模。此外，SR重构本质上是一个不适定反问题，其解的稳定性和重构精度受多种因素影响，包括快照数、先验信息和信噪比（SNR）。近期，基于学习的方法也被研究用于前视成像，包括类生成对抗网络的图像增强[25]、基于模型的学习型重构[26]、[27]、[28]、[29]以及自监督栅瓣抑制[30]。这些方法在分辨率增强和模糊抑制方面展示了相当的潜力。然而，这些方法需要特定于方法的输入表示和网络优化，而有限的代表性雷达数据集可能会限制其在不同成像场景中的泛化能力。

为了缓解上述局限性，具有增大阵元间距的稀疏MIMO阵列构型在前视成像应用中引起了越来越多的关注[31]、[32]。此类架构能够在保持有限物理通道数的同时合成显著扩展的虚拟孔径，从而在不产生高昂硬件成本的情况下提供增强角分辨率的潜力。然而，稀疏阵列采样引入了周期性栅瓣，导致角度模糊难以与真实目标加以区分[33]、[34]。尽管经过优化的稀疏阵列构型，如最小冗余阵列（MRA）[35]、互质阵列[36]和嵌套阵列[37]，可以通过空间采样优化来缓解周期性栅瓣，但这些方法主要从阵列几何的角度改善阵列的点扩散函数（PSF）。在实际中，高度非均匀的阵列结构往往引入增强的互耦效应、校准复杂度和不规则的旁瓣电平，这可能降低弱目标的可探测性和成像鲁棒性。

随着平台运动，多帧观测所引入的时空多样性有助于缓解栅瓣。通过执行运动补偿和相干后投影（BP）累加，静止目标在整个观测过程中表现出相对稳定的幅度特征以及相干的相位行为。相比之下，栅瓣存在时空失配，因此分散在不同像素位置上，无法保持稳定相干累加。因此，残余的栅瓣能量在重建图像中呈空间分布，导致虚假伪影。这些幅度和相位特征方面的差异为区分前视稀疏阵列成像中的真实目标与伪影提供了重要依据。

因此，各种基于BP的后处理方法已被开发出来以利用这些特征进行伪影抑制和成像增强。顺序空间掩蔽（SSM）方法[14]对传统处理获得的BP图像施加空间掩蔽以抑制伪影。SSM的性能对帧数和旋转角度敏感，这限制了其在不同成像场景中的鲁棒性。基于互相关的（CCB）算法[38]通过对BP补偿后的复数响应进行成对互相关来抑制非相干伪影。然而，幅度和相位在互相关项中保持耦合，导致强响应主导加权结果，并可能对弱目标引入重构误差。相位相干因子（PCF）方法[1]通过度量跨帧-通道观测的相位样本的圆周离散度来衡量相位一致性。尽管它可以强力抑制相位不一致的伪影，但其对残余相位变化的敏感性也可能在真实目标之间产生较大的加权差异并扭曲其相对幅度。基于幅度特征的（ACB）方法[39]利用帧级BP响应幅度的变异系数来表征幅度稳定性。这种相对统计量有利于弱目标保持，但仅基于幅度的加权对区分稳定目标响应与具有相似幅度统计的噪声或伪影提供的判别能力有限，特别是在低信噪比条件下。然而，幅度稳定性与相位一致性之间的互补关系尚未得到充分利用，使得同时实现鲁棒的伪影抑制和准确的目标重构变得困难。过度抑制可能会扭曲目标强度分布并降低弱目标重构保真度，而抑制不足则导致残余伪影污染。因此，联合利用多帧观测的互补幅度和相位特征仍然是基于BP的前视成像中的一个重要问题。

受真实目标、伪影和噪声在多次观测中表现出不同幅度和相位特征的启发，我们开发了一个统一框架，联合利用多帧幅度和相位信息，实现更鲁棒的伪影抑制和更好的成像性能。具体而言，所提出的方法提取多帧幅度响应的标准差与均值的比值（变异系数），同时利用相位互相关来表征真实目标响应的一致性。这些测量值随后被整合进一个统一的加权函数中，并应用于BP图像，从而在衰减残余伪影的同时将真实目标幅度的损失降至最小。本文的主要贡献总结如下：

- 开发了一种帧级相位特征方法（PCB），通过对接收通道间进行相干累加后评估成对相位相关性来实现。
- 构建了一种联合幅度-相位（JAP）加权机制，通过联合利用多帧幅度统计量和相位一致性特征来平衡伪影抑制与目标幅度保真度。
- 进行了广泛的数值仿真和真实场景实验，验证了所提出方法在不同成像条件下的有效性、鲁棒性和适用性。

本文其余部分组织如下：第2节介绍信号模型，详细描述所提出的方法，并引入性能指标。第3节提供仿真结果以评估所提出方法的性能。第4节报告基于真实测量数据的实验结果以进一步证明其有效性。最后，第5节总结全文。

## 2 信号模型

考虑稀疏MIMO雷达构型，在信号解调和通道分离之后，合成的虚拟孔径可以等效建模为稀疏单输入多输出（SIMO）均匀线阵（ULA）。为了简化信号公式和算法推导，本文采用具有一个发射机和M个接收机的等效阵列模型。雷达发射线性调频（LFM）信号如下：

$$S(n) = \mathrm{rect}\left(\frac{t_n}{T}\right) \exp\left[j2\pi\left(f_0 t_n + \frac{1}{2}\gamma t_n^2\right)\right]$$

其中...

## 3 仿真结果

在本节中，进行了一系列仿真实验以评估所提出的联合幅度-相位加权方法。首先分析加权参数对成像性能的影响，以确定适当的参数设置。随后同时采用点目标和大目标场景进行定性和定量的性能评估。此外，还在不同信噪比条件和稀疏阵列构型下进行了鲁棒性分析，以验证...

## 4 实验结果

为了进一步验证所提出方法的有效性和实际适用性，我们利用安装在高精度线性滑轨上的TI四级级联毫米波（mmWave）雷达平台采集的真实测量数据进行了实验，如图13(a)所示。系统配置与表1中仿真所使用的配置相同。在时分多址（TDMA）模式下，雷达形成具有半波长间距的86通道虚拟阵列。为了...

## 5 结论

本文提出了一种适用于稀疏阵列多帧观测下前视雷达成像伪影抑制的联合幅度-相位加权框架。通过利用真实目标、栅瓣伪影和噪声的互补幅度统计量与相位相关特征，该框架构建了统一的逐像素加权机制。该设计在抑制伪影的同时保持了目标重构保真度。在不同信噪比下的仿真结果...

---

**生成式AI及AI辅助技术在稿件准备过程中的声明**

在准备本文的过程中，作者使用了GPT-5.6（OpenAI）来改进稿件的语言表达和可读性。作者根据需要审查和编辑了输出内容，并对已发表文章的内容承担全部责任。

**CRediT作者贡献声明**

邹齐强：撰写初稿、方法论、概念构思。孙佳：撰写审稿与编辑、调查研究、数据管理。张义雄：撰写审稿与编辑、监督、资源提供。李彩频：资源提供、项目管理、资金获取。谢小爵：撰写审稿与编辑、软件、数据管理。杨赛龙：验证、软件、调查研究。洪文艳：可视化、概念构思。

**利益冲突声明**

张义雄报告了由中国国家自然科学基金提供的资金支持。如有其他作者，他们声明没有已知的竞争性经济利益或个人关系可能会影响本文所报告的工作。

邹齐强 | 孙佳 | 张义雄 | 李彩频 | 谢小爵 | 杨赛龙 | 洪文艳