[IET Radar, Sonar & Navigation 2020]Radar imaging using pseudo-coherent marine radar technology

这篇文章论文原文是雷达信号、图像处理在航海方面的应用。
以下是这篇的翻译。

参考资料

通信原理第三章-随机过程

雷达通信术语中英文对照

图像重建常用算法

滤波反投影重建算法（FBP）实现及应用（matlab）

原文翻译

摘要

基于磁控管的船用雷达技术已经成熟，价格合理，可靠，并且在海上安全应用中非常有效。与完全相干的固态系统相比，可以以适度的成本购买商用系统。磁控振荡器固有地产生随机相位信号。脉冲间的相位不稳定性阻碍了这类海洋雷达在需要相干性的应用（例如 动目标指示（MTI））或生成目标图像方面。通过结合射频采样以及发射和接收信号技术的互相关性来增强可用系统的当前能力，可以克服此限制。在这项研究中，发射和接收上的脉冲序列相互关联，以消除干扰并检测图像目标。在接收时对发射信号和目标回波进行采样可以实现完全相干的处理。船用雷达传统上是非相干运行的，因此，在杂乱无章的环境中，监视功能有限。在这项研究中，作者报告了一种非相干海事雷达，该雷达已被修改以产生伪相干或接收时相干传感器系统。这对于MTI和目标图像形成至关重要。在实验室实验中，他们采用了基于磁控振荡器的系统来生成反合成孔径雷达图像。使用四种不同的算法形成图像：滤波反投影（filtered back-projection，FBP），时域反投影（time domain back-projection，TDBP），代数重构技术（algebraic reconstruction technique，ART），频域反投影（frequency domain backprojection，FDBP）。在他们的研究中，TDBP可以绘制出精美的钢棒图像，这是本研究开发的标准。与所有其他算法相比，FBP性能较差。

1 Introduction

通常，基于磁控振荡器的船用雷达旨在检测范围和角度较大的雷达横截面目标，并且能够可靠，经济地进行检测。但是，这些雷达无法提供多普勒频率，径向速度的基本度量以及用于将目标回波与干扰分开的判别方法。这些雷达不相干地运行，因此，在严重混乱的环境中能力有限。航海雷达有许多应用，已应用于从民用划船到军事监视的各个领域。伪相干海洋雷达技术将使多种军事监视应用受益。在此图中，应用包括无源和有源双基地雷达，用于机载和地面目标的检测和地理位置定位、树叶、建筑物内甚至地下的目标检测。这六个应用程序有很多共同点，即杂波中的信号检测和参数估计（图像），甚至是掩盖下的目标。聚光合成孔径雷达（ synthetic aperture radar，SAR）是成像雷达的一种形式，需要宽域空间，这在频谱拥挤的环境中变得很困难。尽管如此，现代的多输入多输出（MIMO）雷达仍可应对拥挤的频谱，甚至允许在诸如聚光SAR等需要宽域空间的传感模式。

常规的海上雷达使用真实光束和跨范围或多普勒分辨率生成图像的能力有限，但是高分辨率图像却不是，这本质上要求相干处理。该问题是由磁控管引起的，因为它会产生具有脉冲间相位误差的波形。航海雷达通常是非相干的，这意味着它没有控制相位的能力。这个问题限制了海上雷达生成精确目标测量值的能力。图像分辨率和目标测距都基于脉冲的稳定性，这意味着相位越稳定，性能越好。

可以通过应用简单的硬件修改和软件添加来克服海洋雷达中随机相位的问题。在这项工作中，设计了射频（radio frequency，RF）电路以提取复杂波形，其中包含同相和正交（ in-phase and quadrature ，I / Q）两个通道的组合。这些通道用于抑制干扰并改善目标检测和成像。通过应用数学技术使用高性能计算机分解数字化雷达数据，可以获得复杂信号。之后，我们将存储复杂数据以进行进一步处理。此过程称为相干接收。即使使用经过适当修改的基于商业磁控振荡器的船用雷达，也可以通过数字信号处理技术轻松实现相干处理。

在上述修改之后，可以将几种成像算法应用于海洋雷达数据。这些算法分为两个主要类别。一种这样的技术是频域中的图像形成，其中首先应用傅里叶变换（Fourier transform，FT）。时域成像技术是第二类。

尽管存在缺陷，但频域中的成像仍具有计算效率。频域技术基于简化的假设。因此，许多成像算法均不适用。换句话说，需要修改以提高性能。假定雷达数据是定期采样的。在频域中生成图像是基于传统的斜面分析。倾斜平面中的近距离目标看上去比正常情况大。在这项研究中描述了一些合适的频域逆SAR（ Inverse Synthetic Aperture Radar，ISAR）成像算法，例如滤波反投影（FBP），代数重构技术（ART），频域反投影（FDBP）。

FBP是一种图像重建技术，用于在频域中生成二维（2D）或3D图像。它已在医学领域中应用，并经过修改后可用于海洋雷达。顾名思义，FBP在创建图像之前使用了多种滤镜来处理目标的反投影（back-projections，BPs）。滤镜的主要目的是提高图像域的分辨率。 FBP将每个1D投影相对于投影角度θ和一维滤镜内核进行卷积，以抵消点扩散函数的模糊。

ART是使用三个或更多投影来构建2D密度分布。 ART是一种基于迭代求解方法的重构技术。ART根据测量数据来求解代数方程。 ART是一种算法，用于修正光线与每个像素之间的交点的“灰度”。此外，ART使用测量数据中的每个元素产生总和。

时域成像技术非常精确，但是计算量很大。我们使用匹配滤波技术以形成目标的图像。时域中的成像没有表现出与频域中类似的局限性，因此已在许多算法中使用。这些限制使时域技术在频谱上有效，但计算量大。在这项研究中，我们还使用了TDBP，并提供了频率和时间成像之间的比较。

TDBP是一种不依赖频域分析的成像技术。 TDBP中有许多步骤可以使用目标回波生成图像。首先，我们在回波信号和参考之间应用匹配滤波。然后，我们内插匹配滤波器信号。换句话说，我们对匹配的滤波数据进行上采样以计算目标的更精确位置。最后，我们对所有内插信号进行相干求和，以获得更好的图像。

ISAR是一种成像技术，可为照明区域中的目标生成高分辨率2D或3D图像。在ISAR中，目标在平台静止时移动。相反，SAR会从移动平台成像固定目标。 ISAR成像测量功能可针对旋转目标以2D或3D模式运行。

在我们的实验室中，从转盘上旋转的目标的脉冲回波返回生成2D图像。图像的空间分辨率与物理孔径和旋转目标之间的距离无关。从层析成像的角度来看，目标分辨率取决于自由空间中的波长λ₀。但是，传统的单静态ISAR系统在X波段的图像分辨率通常在2.5至3.75厘米之间。可以通过增加信号带宽来实现更精细的范围分辨率。分辨率还取决于许多其他因素，例如动态范围、接收机相干性、雷达灵敏度、信噪比、天线定位器的精度。表1中列出的船用雷达参数可从中文献[21]中获得。

船用雷达是一种商用设备，广泛用于天气感应、鸟类监测以及在角度和范围内定位船只等应用。另外，由于许多遥感应用需要高的空间和时间分辨率，因此短脉冲船用雷达被用于观测海浪、水深、来自重力波模式的信息、风、电流效应。已经提出了几种新颖的算法来估计来自X波段海洋雷达图像的参数，例如3D小波或快速FT（FFT）。船用雷达具有低成本的功能，因为它基于磁控管，可靠且耐用。

常规的船用雷达是非相干的。 Furuno DRS25A是一种X波段船用雷达，旨在检测远距离间隔的目标。这样，DRS25A会生成高功率雷达波形。考虑到其基于磁控管的设计，此类雷达低成本，可在市场上买到。研究人员已经修改了船用雷达，使其在接收时保持一致。在[43]中描述了一种改进的古野航海雷达（Furuno marine radar），其设计用于研究具有增加的短程可见度的海杂波。

由于随机相位的限制使得舰载雷达无法生成高分辨率图像。为了满足此约束，将航海雷达修改为“伪相干”。[46]中已经建立了修改；并已在过去的十年中得到了发展。[48]首次提出了将射频电路插入改进的雷达中。

为了使用常规航海雷达生成2D或3D图像，我们需要执行以下步骤：
（i）修改船用雷达，以进行短程实验
（ii）设计并插入一个RF电路以获取I / Q信号
（iii）通过将靶标放置在室内来设置实验
（iv）用高质量的同轴电缆将改进的船用雷达和RF电路连接到数字化高性能计算机上
（v）使用模数转换器（analogue-todigital converters，ADCs）获取发送和接收信号
（vi）记录测量数据
（vii）将算法应用于数据

实验和基于MATLAB的分析都验证了雷达性能。这些实验是在Mumma
Radar Lab at the University of Dayton进行的。

2 Methodology

伪相干处理是通过使用8位ADC采样发送和接收信号来完成的。每个相干驻留时间，发送（和接收）信号包含512个“相变”脉冲序列。使用零差RF接收器链将RF信号从9.41×GHz雷达信号下变频为50×MHz中频（intermediate frequency，IF）信号，对它进行IF采样以进行后续的I和Q基带数字下变频。我们使用Signatec PX1500 ADC将发送和接收的所有雷达数据数字化。 PX1500在700 mV峰峰值信号上以200 MS / s的速度工作，因此适合对IF进行采样。如图1所示，数据通过高性能计算机进行采样和流传输。通过采样，然后将数字化的发射相位变化脉冲序列与接收脉冲序列（所有512个脉冲）互相关，从而创建伪相干海洋雷达信号。

图：原始数据→匹配过滤→脉冲压缩→线性插值→相干求和→创建信号

在此分析中，我们将（512）脉冲序列视为信号的调相序列，其中先验但经过仔细测量的相位是未知的，因此，通过与该信号的互相关，我们将其用作相干处理的参考。接收信号。该信号是“干净的”，因为下变频后，PX1500可以非常准确地捕获高峰值功率发射信号。尽管捕获的发射可能包含杂散信号，但长驻留互相关抑制了相对于所需信号的这些杂散。通过在与接收信号互相关之前先对发射信号进行频率移位，可以对移动目标的返回信号进行最佳处理。

考虑一个发射信号S_TX（t），它是通过一个伪相干海洋雷达生成的，表示为

在（1）中，A（t）是正弦信号的典型模型高斯包络，并表示为

其中θ是随机相位，f（t）是发射频率，接收信号S_RX（t）可以写为

在（3）中，由发射信号与目标响应S（x）卷积得到的接收信号可以用反射率表示，写为

其中σ_n= d / dA。

在应用研究中，许多目标可以方便地建模为随机点散射体的集合。这两个信号分量是同相和（I / Q），我们从射频板上提取出来以执行相干处理，并且可以写成

其中ω₀=2πf₀，f₀是RF雷达信号的载波频率。
组合I / Q分量后，我们得到一个复信号，可以表示为

其中ω_if=2πf_if，f_if是中频雷达信号的载波频率。另外，A（t）与（1）相同。如（7）所示，我们将逆FT应用于相干接收信号S_COHRX。

匹配滤波器是相干接收信号和发射信号的复共轭的卷积。此外，它是线性的，由冲激响应定义。它使输出信噪比（SNR）最大化，并且是加性高斯白噪声的最佳滤波器。匹配滤波器的特性之一是等效于互相关。换句话说，匹配滤波后的脉冲响应是输入信号的复共轭。可以写成

获得匹配滤波器输出后，我们创建雷达数据矩阵。然后，我们应用了四种不同的图像重建算法。结果将在下一节中讨论。

在图2中，我们通过插入射频组件和数字转换器演示了三种类型的仿真波形。顶部表示任何相干雷达可能生成的理想波形。如图所示，理想波形是对齐的，具有稳定的幅度和已知的相位。波形由伪海洋雷达产生，如中间面板所示。该波形是高斯脉冲。最后一个波形表示在处理之前具有随机相位非相干海洋雷达的实际脉冲序列。

RF链的修改和ADC的插入如图3所示。复信号通过对定向耦合器的泄漏信号（衰减参考）进行下变频（混合）和数字化来获得。插入混频器以将X波段RF信号转换为50MHz的IF信号。使用9.36 GHz的本地振荡器。下变频后，通过低通滤波器（LPF）对IF信号进行调节，以消除混频产生的高频信号。

Image reconstruction

Time domain BP (TDBP):时域反投影

BP算法应用于层析成像的形成。文献[51，52]提出了BP中FBP算法与傅里叶-汉克尔反演方法之间的关系。 BP背后的基本概念是使用雷达回波信号和参考信号的复共轭之间的时域匹配滤波器来形成2D或3D图像。首先，我们截断相干脉冲间隔以形成单独的脉冲重复间隔（PRIs）。每个PRI在2D图像中的所有像素上进行反投影和处理。每个处理后的脉冲均进行线性插值，并有助于图像中的每个像素。由于目标在转盘上旋转，天线和像素之间的对应范围会随着脉冲的变化而变化。

BP解决方案针对每个目标返回值采用线性插值过程。通过根据接收器和目标之间的范围将所有像素相加，可以实现最佳分辨率。来自目标的脉冲或投影越多，图像的分辨率越高。图1以框图形式示出了TDBP处理器。插值后的过程将进行滤波，以将所需信号与不必要的杂波分开。杂波通常是高频的。在这种情况下，在BP中使用LPF。对于任何N x N像素图像，BP的操作数都很重要，并且与N²成正比。 BP算法的缺点是计算。由于极坐标中的成像可以通过因式分解算法来实现，因此可以大幅降低BP操作数。

TDBP是一种算法，它在给定慢速u（横向距离）的同时，针对给定的反射器的特征在快时间（距离）内跟踪匹配滤波器信号S_MF（t），同时相干地相加结果。为了在空间域中的给定网格点（x_i，y_i）上形成点扩散到光瞳函数，可以针对所有u在与该位置相对应的快速时间内相干地添加数据。插值应用于快速数据。插值必须准确，否则，重建的结果将是较差的分辨率。通过在时域中使用（7）中的匹配过滤，我们得到

f（x，y）是目标（瞳孔）函数，x_i是测距仓（快速时间），y_i是跨测距的采样点（慢时间），T是时间间隔，t是雷达坐标，c是光速，t_ij（t）是接收信号的往返延迟。

Filtered BP (FBP): 滤波反投影

FBP是用于图像重建的另一种算法。它沿一条线执行目标参数的总和。 FBP处理来自目标的投影，每个投影相对于角度θ表现出变化的衰减。图4示出了每个投影的目标（瞳孔）函数f（x，y）以及目标参数（θ，t）。

等式（10）构成了层析成像和傅立叶中心切片定理的基础。因此，通过沿θ取每个投影的FT在uv平面中计算F（u，v）的值，其中θ在0到2π之间。现在，f（x，y）可以通过取逆FT来计算，并写为

可转化为极坐标系

极坐标版本为

将积分分为两部分，将函数f（x，y）写为

其中

代入F（w，θ），使用S_θ（w）的2D傅里叶变换是每个投影的傅里叶变换。然后，f（x，y）被写为

令中括号里的整体为Q_θ(t)

函数f（x，y）为

式（16）是滤波器运算或滤波后的投影，频率响应由w给出。因此，每个投影S_θ（w）相对于θ被w滤波。 w是极坐标和直角坐标之间变量变化的雅可比行列式，它是逆FT所必需的。在（17）中，Q_θ是滤波后的投影，它为（14）中 t 处的重建增加值。

Algebraic reconstruction technique (ART): 代数重构技术

ART用于基于迭代方法重建目标图像，即一次分析一个方程（一条射线）。在给定目标投影的情况下，通过解决3D问题来实现目标图像重建。在根据测得的投影求解未知数的代数方程后，ART假定目标横截面由未知数组成。投影分布在360°上。 ART适用于大量投影。在代数方法中，了解“连接”相应发射器和接收器位置的射线路径至关重要。当介质均匀时，换句话说，当折射和衍射的影响较小时，ART可以正常工作，可以将其概括为三个步骤：

（i）在忽略折射的同时构造目标图像。
（ii）使用相应的发射器和接收器位置跟踪光线连接。
（iii）这些射线用于构造更精确的代数方程组。

由于权重计算，很难实现代数方程

在（18）中，在每个射线方程上更新第 j 个像素。而且，通过将校正项与当前估计值相加来获得新的估计值f_j^k+1。同样，从先前的投影中减去测得的匹配滤波器信号S_MF。

其中Δf_j^k是当前值的校正量，∑_n−1^N w_inf_n^k是第k次迭代沿射线 i 的加权像素的计算总和，f _j ^k+1 是新估计，f _j^k是旧估计，N是单元格总数。

当k = 0时定义的初始假设是过程的起点，而α是松弛参数，通常小于1。

由式（19）可知，在第k次迭代中，测得的匹配滤波器信号S_MF与沿光线 i 的加权像素的总和之间的相减结果为∑ _n-1^N w_inf_n ^k，并通过相减将结果归一化。 ∑_n−1 ^N w_in²。最后，我们用相应的w_ij加权每个像素。

注意，松弛参数α负责通过更新像素来控制迭代次数。此外，α有助于减少重建期间的噪声。

Frequency domain BP (FDBP): 频域反投影

ISAR与SAR有关，但不同之处在于，雷达平台静止时，雷达向运动的目标场景发送信号并从其接收信号（参见图5）。目标可以是机动飞机、移动的地面目标、旋转的船舶、转盘上的测试物品。

SAR的数据收集是典型的，无需对目标旋转进行任​​何额外处理。目标造成的未补偿运动是唯一复杂的问题。传感器数据必须完全了解移动目标，包括方位角偏移。

有许多情况需要雷达成像。多静态，双静态和单静态雷达感测是常见的情况。在多静态传感器中，有多个发送器和接收器放置在不同的位置。在双基地雷达中，现场有一个发射器和一个接收器。单静态雷达是最常见的，并且在雷达成像中至关重要，因为它适用于现实世界。在这项研究中，单静态雷达用于在Mumma Radar Lab中对测试目标进行成像。

雷达成像取决于距离和横向距离轮廓，其中范围是x轴，交叉范围是y轴。来自目标的傅立叶空间中的散射数据基于频率和角度θ，如图6所示。

在图6中，f_y和f_x平面来自收集要在空间频域中处理的雷达数据。如图7所示，空间频域中的结果是基于信号带宽B和视线方向θ的不均匀网格。

如前所述，单静态雷达从同一平台发送和接收。在这项研究中，伪相干雷达是单静态的。

可以通过距离和横向距离处理获得最终的图像。形成雷达图像时必须考虑它们。为了确定距离分辨率，必须应用距离分辨率方程，可以写成

其中Δx是距离分辨率，c是光速，f是工作频率，B是波形带宽。
距离分辨率Δx与波形带宽B之间存在比例关系。带宽越高，距离分辨率越好。

横向距离分辨率可通过应用以下公式获得，并表示为

其中Δy是横向距离分辨率，c是光速，f_t 是工作频率，Ω是角宽，并且λc是波形的波长。
横向距离分辨率Δy与角宽度Ω之间存在比例关系。换句话说，随着角宽度的增大，跨范围分辨率得到改善。

在确定距离分辨率和横向距离分辨率之后，将确定接收信号的采样点。此步骤将扩展图像窗口。用Nx表示的图像域中带宽的样本数，用Ny表示的角宽度的样本数。表示为

其中Xmax是距离轮廓窗口，而Ymax是横向距离轮廓窗口。

接下来，要找到bin（像素）数，它取决于目标的大小。当图像的分辨率为Nx和Ny时，距离和横向距离的采样点可以分别计算为

其中Nx是与距离轮廓一起的采样点，Ny是与横向距离轮廓一起的采样点。

然后，对频率和角宽应用傅里叶关系将得到Δf和Δϕ，可以表示为

然后，应用匹配滤波，即接收信号与发送信号的复共轭的卷积。

最后，为了以高分辨率重建FDBP图像，将FFT应用于匹配滤波器信号。

其中S_MF（x，y）是数学滤波器信号，f_x = 2f / c cosθ和f_y = 2f / c sinθ是空间频率。

3 Experiment setup

我们的Mumma雷达实验室的“半消声”室为测量提供了良好的环境。雷达实验室（包括代顿大学新建立的软件定义无线电实验室）为分布式通信（MIMO）和RF传感研究提供了测试平台。虽然面向近距离和几何形状多样化的数据收集，但这种独特的功能还可以用于模拟在更实际的操作环境中遇到的复杂散射环境。

一个金属靶（杆的一小段）放在转盘上。在360度的目标旋转范围内以1度的增量收集数据。连同转台上的目标，除了改进的船用雷达外，还有两个装有天线探针的机械手。天线探针的一项功能是对发射（1）和接收（2）信号进行采样，如图8所示。

发射信号是通过伪相干海洋雷达（磁控振荡器）生成的，并按照绿色箭头（1至2）指示进行发射。接收到的信号在被150英尺的同轴电缆（2至3）延迟之前，被放大30 dB以改善SNR。因此，在接收到目标信号之前，发射机已经关闭，自干扰得到缓解。如图所示，这条延迟线允许磁控管脉冲“结束”，并让接收器进行采样，而目标（4）会被延时的自由空间雷达波形照亮。如图8所示，第二个机械臂（在船用雷达上方）将延迟信号（3至4）发送到被测目标。在通过两个低噪声放大器之后，船用雷达接收信号（4至5）。 。这种额外的放大可减轻由于电缆长度造成的信号损失。信号通过包含放大器、混频器、滤波器、分离器和衰减器的RF板进行下变频和调节。最后但并非最不重要的一点是，输出驱动Signatec型号PX1500 ADC来采样发送和接收信号，并使用我们的成像算法进行记录和分析。

图9显示了实验设置。目标位于接收器“通道”的中央，距离船用雷达0.2 m，如图10所示。

我们使用两个带天线的机械臂，一个在船用雷达（3）上方，如图8所示，另一个在隧道2的“尽头”。改进的船用雷达和RF电路均显示在下面的图11的右面。

4 Image formation (pre-processing)

在重建目标图像之前，必须完成几个基本步骤。以下步骤为预处理：
（i）创建雷达数据矩阵
（ii）对测量数据进行匹配滤波
（iii）定义网格
（iv）内插信号

首先，当雷达数据存储在高性能计算机中时，我们创建一个数据矩阵。其次，相对于目标范围内的相应延迟，匹配滤波将使接收到的波形SNR最大化。匹配滤波器是线性的，由其脉冲响应定义。脉冲响应是参考信号（发送信号）的反向复共轭。匹配滤波的数学定义是脉冲响应与接收信号的卷积。如上所述，匹配滤波等效于互相关。

接下来，在空间域中，样本的分布是沿着不均匀的网格进行的，并且它们的分布稀疏。在空间域中的要求是使用均匀的网格执行成像。因此，必须转换为统一网格（从非均匀网格）。我们在傅立叶空间中生成一个用户定义的网格以完成此步骤。计算区域D的扩展的公式是

因此，当我们知道D的扩展后，我们可以计算所需的最小网格深度。我们应该确保较细的网格将产生期望的结果。谨慎起见，可以选择创建一个非常精细的网格，以便所有样本实际上都位于网格上，从而大大减少了进一步的插值或样本估计误差。实际样本与缺失样本之间的比率为

此数量定义为网格稀疏性，它表明傅立叶空间中的空度取决于网格深度。因此，当我们增加网格深度时，我们会增加问题稀疏性。我们证明了网格深度与研究的区域D的大小有关，尤其是较精细的网格将导致较大的区域D.

最后，在正确定义网格之后，必须移动每个样本以减轻图像重建算法中的数值误差。线性插值是最简单的过程，比其他插值更实用。线性插值基于以下原理：
（i）通过定义统一的网格，必须将每个样本分配给特定的像素。
（ii）如果多个样本位于同一像素中，则取其平均值。
（iii）不用考虑估计丢失的样本。

如上所述，此方法的实现很简单，但是，如果网格稀疏性较低，则该方法将是有缺陷的。此方法显示出它的缺陷，并且可以看到伪影。

5 Results and discussion

在本节中，显示了各种重建图像算法的结果。另外，我们为实验建立了一种方法。此外，我们通过对数据应用不同的算法进行比较。该数据来自伪相干海洋雷达的信号采集。 使用TDBP，FBP，ART和FDBP算法应用于此数据进行比较。在此之前，应用了诸如互相关和滤波之类的信号处理技术。图12-14分别显示了使用TDBP，FBP和ART进行的比较。这些数字表明它们存在巨大差异。此外，目标在所有图中都存在，但是在图15和16中由于频域中的重建算法而导致模糊。图17是时域重构的结果，存在时域模糊，但不比频域中的模糊严重。 TDBP中的模糊是由多径传播和矢量网络分析仪（VNA）相位噪声引起的。多路径会创建幻影目标，如图12和17。此外，由于数据插值，TDBP中的目标位置提供了更好的估计，而在其他算法（频域）中，由于缺少插值，目标位置不准确。

首先，将TDBP应用于重建一根和两根钢棒的目标图像。数据矩阵是从我们的伪相干海事雷达获得的。使用Signatec PX1500 ADC采集该数据。一根金属棒的重建图像如图12所示。显然，目标在直角坐标的（0.2，-0.2）处可见。由于多径传播和VNA相位噪声，导致图形模糊。由多径传播引起的不良结果在图中以较低的幅度出现。

图17显示了将TDBP应用于测量数据后的两个钢棒的结果。第一个目标位于（0，0），而第二个目标位于（0.2，0）。在TDBP中，当磁场接近零时会发生错误，如图12和17。
然后，将在接下来的两段中讨论FBP算法的结果。目标在图13中的(x，y) =( 0.6，0) 处很明显。图像中缺乏分辨率是由于未将内插应用于此数据而引起的。相比之下，使用TDBP构造的图像清楚地表明了钢棒。

图15显示了两个钢棒的图像。该图像是使用我们的伪相干海洋雷达采集的测量数据生成的。这两个目标分别位于（0.6，0.1）和（0.4，0）。

接下来，图14和图16展示了ART如何改善图像重建的质量。在图14中，可以看到目标，转盘和杂波。我们可以在(x，y) =( 0，0) 的图中心看到目标。另外，在图16中，两个目标位于（0.5，0）和（-0.5，0）。

图16和图14显示了使用通过ART成像的测量数据的目标。我们可以看到基于ART的图像比基于FBP的图像具有更好的分辨率，如图13和14所示，但缺点是与FBP相比，计算复杂度增加了。类似地，我们推论基于FFT的ART和FBP都清楚地显示了感兴趣的目标。

图14和图16均通过ART演示了重建图像。这些图说明了与FBP相比图像的改进。备选地，与TDBP相比，结果并不令人满意，TDBP与所有其他算法相比显示出最佳图像。

最后，图18显示了应用FDBP之后的图像。如前所述，实际目标（钢棒）位于距雷达0.5 m处。同样，该图显示的目标是（0，0.45）。

图19显示了通过将FDBP成像算法应用于两根钢棒的测量数据而生成的图像。由于范围分辨率的限制，两个目标是可分离的。如前所述，第一个目标位于（0,0.1），第二个目标位于（0,0.6），频域中的目标位置不像时域重构算法中那样准确，这是由于缺少插值。

在这项研究中已应用了几种算法。在本节中，将提供对所有算法的评估。表2中描述了基于这四种算法的计算，相对分辨率，统计比率测试和相对准确性的比较。此分析提供了对本研究中已应用的这些算法的优缺点的全面理解。
根据下表，应用于测量数据的最有效算法是ART。此后，TDBP具有与ART相似的准确性和分辨率，但是其缺点是计算复杂性。 FDBP的缺点是图像质量较差，如图19所示。同样，FBP的分辨率较差，并且在确定目标位置时准确性较差。

常规相干与伪相干图像

图20和21显示了常规相干雷达（右侧的模拟）和伪相干Furuno海上雷达（左侧的测量）的图像之间的比较。在左侧的伪相干图像中，结果是针对两个（钢）目标的，这些目标已被精确渲染但显示出伪像，尤其是旋转和平移。但是，我们可以轻松辨别两个主要散射中心的存在。此外，由于多径效应和VNA相位噪声，图像会出现拖尾现象。或者，传统的雷达图像（模拟）清晰明了，并且可以精确渲染两个目标。精度的提高是相位稳定性的结果。伪相干脉冲还显示出尖峰或尖锐的边缘。相反，常规雷达显示出非常光滑的边缘。图20中的红线表示测量和模拟数据的y位置切割。

6 Conclusion

这项研究中的一个新发现是伪相干海事雷达适合生成图像，例如FBP，ART，FDBP和TDBP。通过使海洋雷达相干接收，我们使用了高性能测试设备在Mumma雷达实验室中进行了实验。

这项研究为生成雷达图像提供了替代方案，以处理频域和时域中的数据。这发生在三个主要方面。首先，我们将船用雷达修改为可连续接收。接下来，我们为雷达数据收集建立了实验模型。最后，我们使用频域和时域技术来计算图像。

提出了单静态伪相干船用雷达。通过在频率和时间、FART和FDBP中应用FBP和TDBP，通过实验比较和检查了我们研究中实现的四种雷达成像算法的变化。

将目标放在转盘上，并以1度为增量旋转360°。如上所述，从旋转目标生成2D图像需要几个步骤。首先，使用改进的海上雷达记录数据。然后，将信号处理技术应用于原始数据。降频转换，I / Q解调，匹配滤波器处理以及线性插值是应用于采样数据的最重要技术。

伪相干船用雷达使用Furuno DRS25A船用雷达生成高级的ISAR图像和RF层析成像。我们修改了RF系统以收集相干测量。射频电路组件来自小型电路，包括低噪声放大器，滤波器，混频器，衰减器和分离器。 Signatec PX 1500 ADC用于发送和接收数据的数字化。数据收集后，将FBP和ART都应用于2D雷达数据。

TDBP重建技术的结果与FBP，ART和FDBP相比具有优势。结果的比较表明存在巨大差异。此外，目标存在于所有图像中，但是某些算法在频域中存在模糊性，也就是说发生时域模糊，但并不比频域技术差。 TDBP中的模糊是由多径传播引起的，从而产生了拖影，也称为幻影目标。