SAR图像仿真方法研究综述

2021-08-06李高源王晋宇张长弓冯博迪高宇歌杨海涛

计算机工程与应用 2021年15期

李高源，王晋宇，张长弓，冯博迪，高宇歌，杨海涛

1.航天工程大学研究生院，北京 101416

2.航天工程大学航天信息学院，北京 101416

合成孔径雷达（Synthetic Aperture Radar，SAR）[1]起源于20世纪50年代，是一种新体制雷达系统，它能够穿透云层在任何气象条件下全天时地完成观测任务。作为一种主动式遥感，SAR 在军事、民用等诸多领域发挥着重要的作用，被世界各国高度重视并得到飞速发展[2]。SAR 图像仿真技术作为获取SAR 图像的另一种重要方式，其利用了计算机强大的数据处理能力，成本低廉、易于实现，对SAR 系统参数的确定、性能以及成像算法的验证方面起着重要的作用，仿真SAR 图像还能够作为数据集进行数据判读[3-4]。目前，典型的SAR图像仿真方法有三种，第一种是基于特征的SAR 图像仿真方法，主要用来仿真SAR 图像的几何特征和辐射特征，将目标散射场信息直接映射到图像域得到SAR灰度图像，该方法原理简单，仿真速度快。第二种是基于回波信号的SAR 图像仿真方法，该方法复现了SAR系统的工作过程，通过仿真原始回波信号并成像得到SAR 复图像，该方法计算量大，仿真速度较慢。第三种是基于SAR 图像的仿真方法，其直接根据一幅SAR 图像数据来仿真回波信号或者其他参数下的SAR 图像，该方法计算速度快、精度高，但是需要首先获取SAR图像。文章全面介绍了三种方法涉及到的关键技术理论，并总结了当前的发展状况和未来的发展趋势，希望能够为今后的研究提供思考与借鉴。

1 基于特征的SAR图像仿真方法

基于特征的SAR图像仿真着重于对图像的几何特征和辐射特征进行仿真，追求仿真图像与真实图像的相似性，如散射点的形状和分布[5]。该方法不考虑SAR系统的工作过程，主要用于为SAR 图像判读算法提供测试数据，提供关于人造物体的先验知识，如图像特征提取、自动目标检测与识别[6]、建筑物重建[7-8]等直接基于图像的应用。仿真流程如图1所示。

图1 基于特征的SAR图像仿真流程Fig.1 Feature-based SAR image simulation process

1.1 目标几何建模

首先，需要对仿真目标进行三维几何建模，此方面的研究经历了三个发展历程。最初在20世纪70年代中期，通过提取复杂目标散射中心点的方式建立了理想散射点模型[9]。文献[10]建立的航母散射点模型如图2 所示，将舰船视为由一些散射点组成来仿真成像。这种方法在计算上较为简单，但是存在一定误差，无法得到目标完整的散射特性。

图2 航母散射点模型Fig.2 Aircraft carrier scattering point model

到了20世纪80年代末期，建立了平面面元模型，将平面与凌边组合起来进行建模从而组合成整个目标[11]。文献[12]基于平面片段建立的建筑物3D 模型如图3 所示，并对该模型进行了面元投影，仿真得到了与真实图像匹配度较高的建筑物SAR图像。该方法较散射点模型精度上有所提升，但是对于复杂目标建模精度不够。

图3 建筑物3D平面模型Fig.3 Building 3D flat model

20世纪90年代以来，随着CAD技术的发展与全面普及，引进了参数曲面模块并建立了参数曲面模型[13]，可以视为由众多曲面片组合而成。目前，有大量的CAD建模软件如Proe/Creo、Catia以及UG等都具有强大的曲面和建模能力[14]。FEKO 软件不仅可以利用其包含的CADFEKO组件建立和修复模型，还具有强大的三维电磁计算功能。文献[15]基于CADFEKO建立了飞机等复杂目标模型，如图4所示，并用FEKO软件计算了目标的电磁散射特性，得到了较好的仿真效果。参数曲面模型拟合效果、精细程度要好于平面面元模型，更适用于对复杂目标进行建模。

图4 运-7模型Fig.4 Yun-7 model

近年来，随着对海面、舰船仿真的热衷，为了对海面更加精确的建模，人们采用统计模型、流体力学等知识来对海面进行建模。文献[16]采用流体力学中的Burgers-Rott涡旋模型，建立了涡旋的二维流场，并输入到SAR 海洋成像仿真模型，仿真得到涡旋SAR 图像。文献[17]基于改进的Kelvin 尾迹的动力学模型、三尺度模型，仿真了海面及其Kelvin、窄V、湍流、涡流、内波尾迹特征。

1.2 电磁散射计算

精确的电磁散射系数计算是生成高质量仿真SAR图像的关键，计算方法主要有数值法、近似法、高频法三类，如表1所示。

表1 电磁计算方法分类Table 1 Electromagnetic calculation method classification

数值方法具有精确度高的优点，国内外许多学者对该方法展开了研究，例如国外的Tsang等人运用FEM计算粗糙面的电磁散射，取得了较好的效果[18]。文献[19]基于MOM 研究了粗糙海面不同空间方位、频带、极化的散射特性。虽然数值方法具有较好的精确度，但是计算效率低。

近似方法能够弥补数值方法计算效率低的缺陷，因此被更为广泛地应用于粗糙面电磁散射的计算中。文献[2]使用KA 和TSM混合方法计算粗糙海面的后向散射系数，仿真得到了海面SAR 图像。数值法和近似法主要用于粗糙面电磁散射的计算，而对于电大尺寸目标，由于数值法计算效率较低，通常采用高频法。

高频法摒弃了统计模型，通过更加精确的电磁散射计算得到目标散射场。PO法采用几何光学近似来获得散射体上的感应电流，忽略各子散射元间的相互耦合作用，提高了计算速度的同时降低了空间内存占用率[20]。文献[21]给出了PO法计算RCS的详细过程，使用PO法计算每个面元表面的电流，并且通过将给定角度和频率下的所有面元的散射场矢量相加得到整个模型的散射场，并与FEKO 仿真结果进行了比较验证。GO 法将射线追踪的思想运用于场强的计算，但局限于计算镜面散射。GTD解决了GO法无法处理绕射的问题，运用几何绕射系数来计算绕射场强，该方法较为简单明晰，容易应用，但难以计算焦散区域的场。SBR 法源于GO 法，对远区场用PO法进行积分，考虑了多次反射情况，从而适用于计算分析多次散射场的问题[22]。

在实际电磁散射计算过程中，对于复杂目标或者复合场景，单一的电磁计算方法往往不能精确地计算整个目标、场景的散射，比如PO、GO 法适用于计算镜面散射，但不适用于计算边缘绕射，为解决这个问题，人们采用多种方法混合计算的方式。文献[23]计算镜面反射、边缘绕射、多次散射时分别采用PO 法、PTD 法、GO/PO混合法，仿真得到了地面车辆目标SAR图像。文献[24]计算面元的RCS 时采用PO 法，增量长度绕射系数法（ILDC）计算棱边的RCS，在HH极化方式下对散射场进行相干叠加并投影映射到SAR成像平面得到舰船SAR图像。文献[25]基于SBR-PO混合方法利用精确有效的封闭半空间格林函数，计算了散射远场，得到了较高的计算精度。文献[26]基于PO、GO 法和射线弹跳法以及等效电磁流法计算得到了海面与目标复合后向散射场数组，考虑了海面和目标镜面反射及其相互耦合作用，同时考虑了阴影效应。

以上三类电磁计算方法各有其适用性，对不同的目标选择合适的方法计算是其关键所在。另外，将多种方法混合计算的方式不仅能够提高计算精度，还保证了计算速度，目前已经被广泛地应用于SAR图像仿真中，并得到了较好的仿真效果。

1.3 仿真生成SAR图像

基于特征的仿真方法在早期也被称为非相干仿真法，获取目标的后向散射系数图是该方法的关键[27]。文献[3]展示了该方法对典型目标的仿真结果，如图5 所示，其利用GO 法跟踪高频电磁射线，PO 法计算电磁散射系数，等效电磁流法计算边缘散射，最后叠加散射场并映射投影得到了仿真SAR图像。由于该方法是对图像特征进行仿真，仿真图像更为平滑，与真实图像相似度达到70%以上，较好地仿真出了目标轮廓以及叠掩、遮挡等效果。

图5 仿真SAR图像与真实SAR图像Fig.5 Comparison of simulated SAR image and real SAR image

从近些年的文献来看，该方法朝着提高仿真速度与仿真实时性方向发展。文献[28-30]采用了光线追踪技术来仿真典型平面建筑物的SAR 图像，并考虑了建筑物目标的多径散射效应。文献[31-32]对射线追踪法进行了改进，使得光线追踪的速度加快，实现了SAR图像的快速仿真。近几年，随着GPU 技术逐渐走进人们的视野，有学者开始采用GPU进行仿真计算，大幅度提升了仿真计算速度。2020 年，文献[33]提出了一种使用NVIDIA的OptiX库进行合成孔径雷达仿真的射线弹跳法，大幅减少了射线跟踪方法的计算时间，计算性能比CPU仿真提高了几个数量级的速度。文献[34]将GO/PO方法与改进的反射系数方法结合起来，用于研究带涂层目标的电磁散射特性，同时，采用领域搜索和CUDA 并行加速技术来提高计算效率，通过快速多极子方法（MLMFM）和基于CPU 的GO/PO 方法之间的良好相关性，证实了基于GPU的GO/PO方法的有效性。

总的来说，基于特征的SAR 图像仿真方法计算速度快，效率高，能够较好地仿真出目标的几何特征和辐射特征。但是由于该方法没有仿真SAR系统的真实工作过程，其仿真图像只有幅度信息而没有相位信息，真实度相对较低。

2 基于回波信号的SAR图像仿真方法

基于回波信号的SAR图像仿真方法复现了SAR系统的工作过程，仿真流程如图6所示。目标的建模以及电磁散射特性计算在上一章已给出，本章主要介绍SAR系统几何模型、回波仿真与成像。

图6 基于回波信号的SAR图像仿真流程Fig.6 SAR image simulation process based on echo signal

2.1 SAR几何模型

合成孔径雷达是通过发射连续线性调频信号（Linear Frequency Modulation，LFM）[35]，利用其大时间带宽积的特点来提高雷达作用距离，脉冲压缩技术获得距离向高分辨率，合成孔径技术获得方位向高分辨率。按照载荷平台划分，可分为机载SAR、星载SAR和弹载SAR。按照工作模式划分，SAR 主要包括条带、聚束、扫描三种模式。以条带SAR为例，几何模型如图7所示。

图7 SAR空间几何模型Fig.7 SAR space geometric model

图7中，机载雷达以速度Va沿着载机航向运动，同时按照一定的脉冲重复频率（Pulse Repetition Frequency，PRF）向载机平台的正侧方下的地面场景发射LFM，脉冲信号接触地面目标后反射，经过一段时延后SAR 收到经过目标反射回的信号，对观测场景中每个点目标的雷达回波信息进行相干叠加操作便可得到整个场景的聚焦SAR图像。

2.2 SAR回波仿真

在公开发表的文献中，典型的SAR 回波仿真方法有三种：距离时域脉冲相干（RTPC）法、距离频域脉冲相干（RFPC）法和二维频域快速傅里叶变换（2D-FFT）法[36]，三种方法对比如表2所示。

表2 三种回波仿真方法对比Table 2 Comparison of three echo simulation methods

距离时域脉冲相干法（RTPC）是根据载机运动，在时域按照脉冲的顺序计算每个脉冲的回波信号，仿真精度较高[37]。文献[38]总结了统一的SAR回波模型，采用距离时域法生成回波，并分析了分布式并行化计算，对SAR 仿真与成像方法进行优化。文献[39]推导了SAR时域回波表达式，并用三种成像算法进行了点目标成像比较验证。RTPC 法真实地模拟了回波信号的生成过程，精度高，但计算量大，只适合于仿真点与点阵目标回波信号。

距离频域脉冲相干法（RFPC）是RTPC 法的改进方法，在距离向上作一维傅里叶变换，在方位向上采用时域积分法，并通过逆变换将频域结果变换成最终所需的时域信号，提高了运算效率，而且精度高[15]。国内外一些学者和科研机构针对此方法进行了研究，起初在2004年，意大利Franceschetti团队研究了一种条带/聚束式混合制式SAR 回波仿真方法，基于星载SAR 系统对椎体以及扩展目标进行回波仿真[40-41]。2013 年，上海交大的林江红[42]较为详细地阐述了RFPC 法的仿真流程，对目标和地物场景进行了回波仿真，并进行了SAR 图像仿真质量评估。2015年，西安电子科技大学的杨莎莎[10]比较了RTPC、RFPC 两种回波仿真方法，结果表明RFPC比RTPC 在运算时间上有优势，且散射点越多优势越明显，但精度方面由于采用了FFT 而存在一定误差，比RTPC 法稍差。2018 年，文献[43]提出了扩展场景合成孔径雷达原始信号的统一解析表达式，采用RFPC法进行SAR 回波仿真，并分析了所提出仿真算法的计算复杂度，从而显示了相对于时域方法在计算时间方面的巨大优势。2020年，李根[44]采用了RFPC法进行回波仿真，将子孔径Keystone 变换的方法应用在距离向处理中实现了距离徙动校正，仿真结果证明了该方法具有较高的效率和精度。

二维频域快速傅里叶变换（2DFFT）法是在1992 年由意大利Franceschetti 团队提出，该方法基于信号系统理论，研究场景中每个散射单元对回波的贡献在二维频域生成SAR回波信号[45]。2007年，哈工大的寇立志[36]对2DFFT法进行了改进，根据斜距的变化引入了多套SAR冲激响应函数，并使用RTPC法生成的点目标回波作为相应距离门的系统冲激响应函数，兼顾了计算精度和计算速度。

总的来说，RTPC 和RFPC 法均是根据SAR 系统原理，按照脉冲的顺序进行回波仿真，两种方法精度较高，但是计算量相对较大，更适合于点和点阵目标的仿真。2DFFT 法大大地减少了计算量，提高了计算速度，但是需要对目标频谱进行插值或求近似，难免会给生成的回波数据带来相位误差，该方法更适合于对分布目标进行仿真。

2.3 仿真生成SAR图像

在得到回波数据之后，提取回波中目标信息得到SAR图像的过程就是成像，过程中的处理方法就是成像算法[38]。经典的频域成像算法有距离多普勒（Range-Doupper，RD）算法[46]、线频调变标（Chirp Scaling，CS）算法[47]，时域的有后向投影（Backward Projection，BP）算法[48]等。

基于回波信号的仿真方法在早期也被称为相干仿真法，核心是在二维平面上重构目标电磁散射特征并成像，与基于特征的仿真方法相比，该方法由于复现了SAR 系统工作过程，生成的仿真图像更接近真实SAR图像。文献[49]将两种方法的仿真结果进行了比较，如图8所示。从图像可以看出，两种仿真方法得到的仿真图像均能够发映出舰船的轮廓特征，但基于特征的仿真方法仿真得到的图像较为清晰平滑，基于回波信号的方法仿真图像由于存在噪声较为模糊，更接近于真实SAR图像。

图8 两种方法仿真SAR图像对比Fig.8 Comparison of two methods for simulating SAR images

大量学者与科研机构研究了基于回波信号的仿真方法，2003 年，文献[50]采用双尺度分形模型和小面元法来仿真自然场景，采用Kirchhoff 近似计算其后向散射系数，2DFFT 法进行回波仿真，得到了自然场景SAR图像。2008 年，文献[51]基于分形海面模型利用Kirchhoff 近似求解电磁散射并在时域仿真得到星载SAR 海面动态场景回波。文献[52]首次提出用弹载SAR 仿真海浪及海边山峰的SAR 回波信号，并成像得到海岛环境仿真SAR图像。2009年，文献[53]提出了一种新的仿真方法，采用曲面像素法来计算目标的散射率，基于2DFFT 的回波仿真方法得到回波，实现了典型目标的SAR图像仿真。2010年，文献[54]提出了典型地形场景的SAR 回波仿真与图像模拟方法的完整流程，并将单站SAR 中回波频域快速仿真方法拓展到了双站SAR中。文献[55]基于傅里叶域分析提出了一种聚束模式下分布目标SAR 原始信号仿真器，比时域仿真计算负载大大降低，首次使扩展场景的聚束式仿真成为可能。2012年，文献[56]将改进的同心圆算法应用于SAR场景回波仿真，实验表明该算法速度比时域法有明显的提高，成像精度也较高。文献[57]研究了复杂车辆目标的SAR 成像算法，并针对仿真图像中存在的高旁瓣，动态范围过大的问题，研究了旁瓣抑制技术，并用两个指标对成像质量进行了评估。

以上仿真方法对于平台的运动均假设为理想的匀速直线运动，并未考虑到平台运动误差的影响，而且仿真都是基于CPU 的，仿真速度并没有得到大幅度的提高。2014年，文献[58]展示了非理想航迹下机载SAR系统几何模型和信号模型，以及航迹偏移下的成像算法。其中，基于机载SAR 回波仿真理论研究了一种快速时域仿真方法和一种基于频域的IωK回波仿真方法，并根据仿真结果对两种方法的优劣进行了分析比较。近几年来，随着GPU的兴起，基于GUP的并行仿真计算成为热潮，文献[59]提出基于GPU的BP算法并行计算，采用四种优化方法对并行化BP 算法进行加速，与传统的基于CPU 的BP 法相比，成像速度提升了70 倍以上。文献[60-63]在CUDA与GPU平台上实现了层次化并行成像处理，实验结果表明，双CPU多核方法接近经典的单GUP 方法，仿真效率可提高70 倍以上，CPU/GPU 协同计算速度可以提高250 倍左右。2016 年，文献[64]提出了一种基于GUP加速和回波矩阵对称优化的精细回波仿真技术，同时提出了一种基于RCS高频近似理论在回波矩阵运算中融入不同方位时刻后向散射系数的方法，提高了仿真精度。2017年，赵伟[39]提出了一种新型的时域PO 算法进行电磁计算，提高了计算速度，并用GPU加速了回波仿真计算，大大提高了仿真速度，但是采用平面面元而非曲面元来建模，模型精度存在误差。文献[65]采用云计算进行SAR 原始数据快速仿真，利用MapReduce模型加速原始数据计算，利用HDFS实现快速I/O访问，解决了SAR回波仿真中计算密集型和数据密集型问题，但是该方法并未引入GUP 来增强云计算的计算效率。2018年，文献[66]结合云计算和GPU模拟海量原始数据，提高了计算和数据输入输出效率，并介绍了多模式SAR 仿真框架。效率评估结果表明，GUP与云计算方法提高了16 核CPU 并行方法约40 倍的计算能力和HDFS的数据吞吐量。

目前的文献大多是基于正侧视模式下进行仿真，对于大斜视模式的研究也在初步发展。2018年，文献[67]对海洋、舰船复合场景的大斜视SAR图像进行了仿真，采用了与连续小波多尺度模型相结合的GO-PO混合方法计算雷达散射截面，采用非线性频率缩放算法（NFSA）[68-70]处理时域法生成的回波信号，提高了计算精度和速度。文献[71]采用GO-PO 混合方法对海面运动舰船散射场进行计算并仿真得到了大斜视回波，并用改进的频率变标（FS）算法进行成像得到舰船目标SAR 图像。2019年，文献[72]改进了频率变标（FS）算法，采用非线性频率变标操作消除二次距离压缩（SRC）误差，并提出了一种改进的RD算法避免了传统成像中的插值操作，计算效率提升了70 倍，得到了大斜视海面复合场景SAR 图像。2020年，李根[44]提出了一种基于子孔径Keystone变换的曲线轨迹大斜视SAR 回波模拟方法，并实现了精确的距离徙动校正，最后用BP算法进行成像，结果表明该方法具有较高的效率和精度。

近些年来，对于动目标仿真的研究也在逐步发展。首先在2007 年，文献[36]对2DFFT 法进行了改进，仿真得到了运动点目标回波并与静止背景回波进行合成，最后采用RD 算法成像得到带有动目标的场景SAR 图像。2011年，文献[73]提出一种时变海面舰船目标动态仿真方法，采用切片理论对海面舰船运动进行建模，模拟出不同海清、航速和航向角下的舰船运动姿态。文献[74]提出了动态目标的动态散射中心模型，对动态目标回波进行实时模拟并成像。2017年，文献[75]研究了微动复杂目标SAR信号模型，基于FEKO软件对目标进行三维建模和电磁散射计算，再将计算得到的目标RCS带入频域得到回波信号，最后用RD 算法对目标成像。2019 年，文献[2]提出用时频分析法对动目标回波信号进行处理准确估计其多普勒参数，最后应用RD算法完成单目标及多目标的SAR成像仿真。

总的来说，基于回波信号的仿真方法基础理论已经发展成熟，但是仍然存在一些不足，比如没有考虑非理想轨迹情况，多成像模式、大斜视成像的仿真研究不够深入，仿真图像分辨率也不够高，大多停留在米级水平，这些都是未来亟待发展的方向。

3 基于SAR图像的仿真方法

基于SAR图像的仿真方法是以一幅真实SAR图像作为输入，获取其后向散射系数信息，而后基于其后向散射系数信息和SAR系统参数进行回波仿真并成像或者直接仿真得到其他成像平台或者参数下的SAR 图像。仿真流程如图9 所示。该方法减少了复杂的目标几何建模与电磁散射计算过程，也提高了仿真速度和精度。

图9 基于SAR图像的仿真方法流程图Fig.9 Flow chart of simulation method based on SAR image

2006年，文献[76]利用一幅真实的机载SAR图像来仿真星载SAR 图像，重点分析了图像的几何特性和辐射特性，中间不产生回波信号，得到了较高逼真度的星载SAR图像，其中降低了分辨率，机载SAR图像和仿真星载SAR图像分别如图10、图11所示。

图10 机载SAR图像Fig.10 Air borne SAR image

图11 仿真星载SAR图像Fig.11 Simulated space borne SAR image

2014年，文献[77]对真实场景灰度图像与点目标复图像卷积得到复图像，然后采用逆RD算法得到回波信号并用成像算法成像得到场景仿真SAR 图像，提高了场景仿真的运算速度。2015 年，文献[14]提出了基于SAR真实场景图像的回波仿真方法，基于图像中目标后向散射特性和目标位置采用频域法仿真得到回波数据并成像得到海面舰船场景SAR 图像，原始图像与仿真图像如图12、图13 所示。由图可以看出仿真图像真实度很高，验证了该方法的可行性。

图12 原始SAR图像Fig.12 Original SAR image

图13 基于SAR图像的仿真结果Fig.13 Simulation results based on SAR images

基于已有SAR 图像来进行仿真时，可以方便地获得目标的仿真SAR 图像，在仿真速度和精度方面较前两种方法有着显著优势，但是真实SAR 图像获取较为困难，而且目标在仿真图像中的视角与原始图像中的视角相差不能太大，该方法存在一定的局限性。

总的来说，三种仿真方法各有其优缺点和适用性，若只是为了得到图像并追求仿真速度，可以采用基于特征的仿真方法；若想对SAR系统参数、成像算法进行验证或得到真实度高的SAR图像，可以采用基于回波信号的方法，该方法被更为广泛地使用；若想对已有SAR图像进行重建并追求仿真速度和精度，可以采用基于SAR图像的仿真方法。表3对三种方法进行了总结归纳。