SAR与ISAR雷达成像核心算法详解
合成孔径雷达（SAR）和逆合成孔径雷达（ISAR）是遥感领域中实现高分辨率成像的关键技术，尤其适用于复杂气象条件和夜间环境下的目标探测与识别。本文系统总结了SAR与ISAR的核心算法，涵盖范围多普勒算法（RD）、啁啾缩放算法（CS）以及反投影算法（BP），并详细阐述了运动补偿机制在成像中的关键作用。
SAR成像技术全解析：从基础原理到高性能算法实战
合成孔径雷达（SAR）不像普通相机依赖光照，而是主动发射电磁波，通过接收回波来观测世界。它能让移动的雷达平台变成一个超长天线，实现厘米级分辨率。这广泛应用于灾害监测、军事侦察等领域。
合成孔径：把运动变成优势的艺术
在雷达里，想要看得更清楚（即提高方位向分辨率），就需要一个巨大的天线。SAR的天才之处在于利用平台的运动来'合成'一个大天线。当雷达平台匀速飞行时，它在不同位置发射和接收信号。把这些分散的小天线接收到的回波，通过精密的相位对齐和相干叠加，就能等效成一个长达几百米的虚拟大天线。
这一切的关键是多普勒效应。在SAR中，一个静止的目标，当雷达飞向它时，回波频率会变高；飞离时，频率会变低。通过对这一连串频率变化进行匹配滤波，就能把这个目标精确地聚焦出来。
下表直观地展示了SAR与其他遥感技术的差异：
| 技术类型 | 成像条件 | 分辨率水平 | 空间穿透性 | 典型应用场景 |
|---|---|---|---|---|
| SAR | 主动微波，不受光照天气影响 | 米级至厘米级 | 强（可穿云透林） | 军事、灾情、测绘 |
| 光学遥感 | 被动接收可见光/红外，需良好光照 | 亚米至米级 | 弱（受云雾遮挡） | 地物分类、城市规划 |
| 激光雷达（LiDAR） | 主动激光测距 | 厘米级精度 | 中（无法穿云） | 三维建模、林业结构 |
这种动中求静的思想还能反着用，这就引出了逆合成孔径雷达（ISAR）。ISAR不指望平台动，而是利用非合作目标自身的旋转，比如一艘摇晃的舰船或一架机动的飞机。它的各个散射点随着转动，产生了丰富的多普勒信息，从而形成一张横向分辨的照片。
RD算法：SAR成像的教科书式起点
范围多普勒算法（Range-Doppler Algorithm, RD）结构清晰、逻辑严谨，是理解整个SAR成像流程的绝佳入口。
RD算法的核心思想是分而治之——将复杂的二维成像问题拆解为两个独立的一维处理：距离向和方位向。
信号建模：给回波画像
一切始于对信号的精确描述。SAR通常发射一种叫线性调频（Chirp）的脉冲信号。假设雷达以速度 $v$ 飞行，某个地面目标的最近斜距是 $R_0$。当雷达在慢时间 $\tau$ 的位置时，它到目标的距离是： $$ R(\tau) = \sqrt{R_0^2 + (v\tau)^2} $$ 这个公式背后隐藏着一个巨大的麻烦——距离徙动（Range Cell Migration, RCM）。
距离徙动：成像路上的拦路虎
RCM是RD算法必须翻越的第一座大山。因为雷达在动，同一个目标在不同的 $\tau$ 时刻，其回波会落在不同的距离门里。随着时间推移，这个回波点的轨迹是一条抛物线。如果不加校正，当你对方位向做傅里叶变换时，每个 $\tau$ 时刻的信号却不在同一个距离单元上，结果就是能量被抹开，图像一片模糊。
为了应对这个问题，RD算法巧妙地引入了两步走策略，并在其中插入关键的校正环节。下面是它的完整处理流程：
graph TD
A[原始回波数据 s(t,τ)] --> B[距离 FFT: S(f_r, τ)]
B --> C[距离压缩：卷积 h_range(f_r)]
C --> D[距离逆 FFT: s_rc(t, τ)]
D --> E[方位 FFT: S_rc(f_r, f_τ)]
E --> F[二次距离压缩校正]
F --> G[方位匹配滤波：H_az(f_τ)]
G --> H[方位逆 FFT: I(x,y)]
H --> I[输出聚焦图像]
整个过程像一条精心设计的流水线。首先，在距离向做FFT，进入频域，然后乘以一个共轭的Chirp信号作为匹配滤波器，再逆FFT回来，就完成了距离压缩，得到了一个个钉在距离 - 方位平面上的短脉冲。
接下来是重头戏。此时，由于RCM的存在，这些钉子是倾斜的。直接做方位FFT肯定不行。于是，RD算法先对每个距离门做方位向FFT，来到二维频域 $(f_r, f_\tau)$。在这里，一个名为二次距离压缩（SRC）的步骤登场了。它能补偿掉一部分由 $f_r$ 和 $f_\tau$ 耦合引起的相位误差。
