在资源有限的条件下，利用AI技术的频谱多样性相控阵空间监视雷达用于太空垃圾和威胁检测 郭大雁、 黄天瑶、 林子健、 何杰、 齐月

《Remote Sensing》：AI-Enabled Frequency Diverse Array Spaceborne Surveillance Radar for Space Debris and Threat Detection Under Resource Constraints Dayan Guo, Tianyao Huang, Zijian Lin, Jie He and Yue Qi

　　

摘要

确保太空环境的安全通过检测太空垃圾和非合作性威胁物体已成为下一代太空监视系统的关键任务。频率多样性阵列（FDA）雷达以其独特的距离角度依赖波束模式，提供了区分紧密排列的太空威胁与强烈背景杂波的变革性能力。然而，太空FDA的实际部署受到平台资源限制的阻碍，包括有限的电源供应、高硬件复杂性和受限的数据传输带宽。这些物理限制不可避免地导致信号观测不完整，从而产生较大的旁瓣，可能会掩盖小型、高速的太空垃圾。为了弥合硬件限制与高保真监视之间的差距，本文提出了一个基于深度矩阵分解的人工智能驱动的数据恢复框架。该框架专门设计用于处理雷达回波的复数值特性，引入了两种专用架构：基于实数值表示的方法（DMF-Rr）和保持重要相位一致性的原生复数值深度矩阵分解（CDMF）网络。通过利用深度学习“激活”稀疏采样系统，所提出的方法能够在不需要预先知道信号秩的情况下有效重建缺失的观测数据。数值结果表明，基于AI的CDMF显著抑制了由资源有限采样引起的高旁瓣，使得弱威胁物体的可靠识别和定位成为可能。这项研究展示了人工智能在克服太空硬件物理瓶颈方面的力量，为在日益拥挤的轨道环境中增强太空态势感知提供了一个强大的解决方案。