基于编码优化的地基层析圆弧合成孔径雷达基线设计方法

《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》：Baseline Design Method of GB-TomoArcSAR Based on Coding Optimization

为解决地基干涉雷达在建筑形变监测中因缺乏高程分辨率而面临的严重叠掩问题，研究人员开展了一项关于地基层析圆弧合成孔径雷达（GB-TomoArcSAR）基线设计方法的研究。他们提出了一种基于编码优化的层析基线设计方法（TBDCO），通过遗传算法迭代优化高程采样点，在保证层析性能的同时，将高程采样数量减少至优化前的42%，显著提升了数据采集效率。这项研究为高效、精确的建筑监测提供了关键技术支撑。

　　

在现代城市安全与基础设施维护领域，对大型建筑、桥梁、大坝等进行高精度、持续的形变监测至关重要。传统的地基合成孔径雷达（Ground-Based Synthetic Aperture Radar, GB-SAR）在这方面扮演着重要角色，它能够以非接触的方式，远程获取目标区域的形变信息。然而，这项技术面临着一个“阿喀琉斯之踵”——当监测如高楼林立的城市区域时，雷达波束会同时照射到同一距离向但不同高度的多个散射点（例如一栋摩天大楼的不同楼层），导致它们的回波信号在雷达图像上重叠在一起，这种现象被称为“叠掩”。由于传统GB-SAR缺乏垂直（高程）方向的分辨能力，它无法将这些重叠的信号有效分离，从而严重影响了监测的精度和可靠性，限制了该技术在复杂三维场景中的应用。

为了破解这一难题，科学家们将医学CT（计算机断层扫描）的层析成像思想引入了雷达领域，发展出了地基层析合成孔径雷达技术。其核心思路是在不同空间位置（即不同的“基线”）进行多次观测，从而在垂直于视线方向上构建合成孔径，获得分辨散射点垂直分布的能力。其中，地基层析圆弧合成孔径雷达（GB-TomoArcSAR）是一种颇具潜力的技术路径。它通过控制雷达天线在多个不同仰角的水平面上进行圆弧扫描，从而在仰角方向形成一个弧形的合成孔径，为实现高程维（即垂直方向）的分辨提供了可能。

但新的问题随之而来。为了实现高质量的三维成像，理论上需要在仰角方向进行密集、均匀的采样。这直接导致了数据采集基线数量庞大，观测时间漫长，使得整个层析成像过程的效率变得低下，在实际工程应用和应急监测中显得捉襟见肘。那么，是否存在一种“聪明”的采样策略？能否用更少但更“关键”的观测，来达到与密集采样相近的成像效果，从而大幅提升效率？这正是本篇发表在《IEEE Journal of Selected Topics in Applied Earth Observations and Remote Sensing》上的研究致力于回答的核心问题。由研究人员开展的工作，提出了一种创新的地基层析圆弧合成孔径雷达基线设计方法，旨在以优化的方式精简采样，在不牺牲性能的前提下显著提升监测效率。

为了开展这项研究，作者团队采用了几个关键的技术方法。首先，他们构建了GB-TomoArcSAR的系统模型和信号模型，为分析高程分辨性能和设计优化算法奠定理论基础。其次，他们提出了基于编码优化的层析基线设计方法（Tomo graphic Baseline Design method based on Coding Optimization, TBDCO）。该方法的核心是将所有可能的仰角采样位置进行二进制编码，然后以满足高程分辨率和天线方向图峰值旁瓣比（Peak Side-Lobe Ratio, PSLR）约束为前提，建立一个综合评估基线质量的模型。该模型通过加权求和的方式，同时考虑了采样点数量和高程方向估计精度的克拉美-罗下界（Cramer-Rao Bound, CRB）。最后，他们利用遗传算法（Genetic Algorithm）这一全局优化工具，对二进制编码进行迭代求解，从而寻找到能满足约束条件且质量评估模型最优的稀疏采样方案，即最优的基线布设设计。

研究通过仿真和实测数据两个层面验证了所提方法的有效性。在仿真实验部分，研究设置了典型的建筑监测场景，将所提TBDCO方法与传统的均匀采样基线设计进行对比。结果分析主要围绕几个关键指标展开：

• •
  点扩展函数分析：通过对比优化前后基线配置对应的点扩展函数，直观展示了TBDCO方法在显著减少采样点（从19个减少到8个）的情况下，依然能够获得尖锐的主瓣和较低的旁瓣，保持良好的高程向聚焦能力。
• •
  成像结果对比：对包含多个高程散射点的场景进行层析成像。结果表明，采用TBDCO方法设计的稀疏基线，能够准确重建出散射点在高程维的分布，其成像质量与使用全部19个基线的结果高度一致，有效分离了不同高程的散射体。
• •
  性能指标定量分析：研究定量评估了不同基线数目下，TBDCO方法与均匀采样方法在高程分辨率、PSLR和高程估计精度（CRB）上的表现。数据显示，TBDCO方法能够以更少的基线达到与均匀采样相近甚至更优的性能指标，尤其是在基线数较少时优势明显。

在实测数据实验部分，研究利用一套GB-TomoArcSAR原型系统，对一栋真实的建筑物进行了数据采集。实验同样设置了两组基线：一组是仰角均匀分布的19个基线（全采样），另一组是由TBDCO方法优化选出的8个基线（稀疏采样）。

• •
  数据采集与成像：分别在两组基线配置下采集雷达回波数据，并进行层析成像处理。成像结果清晰地显示，无论是全采样基线还是稀疏采样基线，都能成功重建出建筑物的立面结构，在图像上区分出屋顶、不同楼层等特征。
• •
  形变监测验证：为了进一步验证稀疏基线的形变监测能力，研究在建筑物某个位置人为引入了一个微小的位移。对形变前后的两组数据分别进行差分干涉处理。结果表明，基于TBDCO优化基线的差分干涉图，能够清晰地检测出该人为引入的形变区域，其检测效果与基于全采样基线的结果基本一致。这强有力地证明了，优化后的稀疏基线在保留高精度形变监测能力的同时，将外场数据采集时间缩短至原来的约42%（因为基线数从19减至8），极大提升了效率。

归纳研究的结论与讨论，本项工作系统性地提出并验证了一种用于GB-TomoArcSAR的层析基线优化设计方法（TBDCO）。该方法通过二进制编码建模、构建兼顾采样效率（基线数）和估计精度（CRB）的评估函数，并利用遗传算法进行求解，实现了对高程向采样基线的智能优化选择。仿真和实测数据一致表明，该方法能够在不显著损失高程分辨率、成像质量和形变监测精度的前提下，将所需的仰角采样数量大幅减少（研究中实例减少了约58%）。这一成果具有重要的理论和实践意义。在理论上，它为稀疏采样在雷达层析成像中的应用提供了新的思路和具体实现框架。在实践上，它直接解决了GB-TomoArcSAR技术走向工程化应用的一个关键瓶颈——数据采集效率问题，使得快速、高效的建筑物三维精细形变监测成为可能，对于推动该技术在智慧城市、灾害预防、文化遗产保护等领域的实际应用具有重要价值。研究也指出，未来的工作可以进一步探索更复杂的优化目标和约束条件，并将该方法推广至更广泛的层析SAR成像系统中。