合成孔径雷达(Synthetic Aperture Radar, SAR)

合成孔径雷达(Synthetic Aperture Radar, SAR)是20世纪最先进的科技发明之一。SAR
有机载与卫载系统之分,能提供地表地形、乃至行星等远距离目标区高解析度图像。
目前无人飞行载具挂载合成孔径雷达在监视和侦察任务需求上持续成长,并可搜
集战术和战略情资。具体来说,无人飞行载具合成孔径雷达已经取代了部份的光学与
红外线感测器,因为它提供了许多独特的,有价值的功能,例如远距离、全天时与全
天候成像、地面移动目标指示与聚焦成像等。无人飞行载具合成孔径雷达系统有低成
本、体积小、低风险,并能配合需求多次重返观测,已成为各国军事与民生上不可或
缺的遥(航)测工具。

本文介绍全球无人飞行载具合成孔径雷达之发展,说明其性能优缺点、效益及限
制,另使用SWOT分析发展无人飞行载具合成孔径雷达之优势、劣势、机会与威胁,并
提供建军远程及近程策进作为之建议。

前言
合成孔径雷达经过50多年的发展,已经成了一种通用的侦察、监视和目标瞄准有效工具。由於能对地表全天候操作,且对於土壤、植物、水分及地下矿物有不同的反射特性,目前已被广泛用於民间与军事用途。在民间用途项目上,例如土地利用、环境灾害探勘、农林环境、地质学、水资源、海洋资源、地理资讯及国家安全。1於军事运用上,许多新型SAR的运用,包括从卫星到无人飞行载具的平台配装,可执行长期的战略侦察、分辨战区内的各类伪装、侦测海下数10公尺潜舰行踪、穿透并发现树林隐藏的机动飞弹载台、找出沙漠中的地下碉堡等,并显示移动的目标,若结合了C4ISR系统,指挥官将可厘清战场迷雾,掌握战局。

无人飞行载具(Unmanned Aerial Vehicle,UAV),通常指没有飞行员於机上操控,而藉由其他方法控制飞行,执行特定任务之飞行器。2无人飞行载具设计种类繁多,从模型飞机到飞弹,以及具有比波音737机翼更长的大型载具等。由於这些载具均曾有成功的作战表现,广泛的用途与较低成本,因此未来的军事投资发展远景甚好,3美国航太市场分析谘询企业(Teal Group Corporation)对全球无人飞行载具趋势与市场预测未来10年市场规模,预估2010年研发费用为49亿美金,至2019年成长为115亿美金,如果按照现在各国竞相发展趋势观之,届时一定会超过预估值。

若将UAV结合SAR,可深入敌军势力范围,诸如人为之防御工事及障碍、敌方重要防御要点、车辆及其集结区之判定、敌方军用机场及武器库储设施之监测、地面雷达站、防空火炮、地对空飞弹阵地之位置及备战情形、海岸线及近海海运交通之监控等,以取得战略、战术优势。

合成孔径雷达简介
影像情资可分光学(含红外线)及微波两大类,光学影像情资具有高解析度与易於解读等优点;而微波影像情资具长距离、全天候、穿透性强之优点,适合台湾及大陆沿海经常被云雾遮盖之地理特性需求。

微波影像可再利用雷达与目标间相对运动所产生的都卜勒效应来提升方位角量测精度,再加上脉波压缩提高纵向精度,可获得解析度较高之雷达影像资料,一般又称为合成孔径雷达,合成孔径雷达在1951年由固特异(Good year)飞机公司Carl Wiley教授所提出增加角解析度方法开始,经数十年发展后已成为现今主要遥测技术之一。

一、合成孔径雷达的发展历史
雷达系统的解析度由其天线的尺寸决定。在波长固定时,天线越长则解析度越佳,若欲提高雷达的解析度就必须增加天线的长度。但在飞机上却很难装载一支非常长的天线,为了克服此困难,於是发展出合成孔径雷达来提高解析度。

合成孔径的原理是由英国剑桥大学凯文迪许实验室(Cavendish Laboratory)的Martin Ryle教授发明的。他因此还获得了1974年的诺贝尔物理奖。早在1951年,美国固特异公司(Goodyear Aerospace Co.)的Carl Wiley提出使用都卜勒频谱分析的办法来改善机载雷达的方位分辨率。71953年7月得到第一张SAR影像,1957年美国使用光学类比处理器做出了X波段雷达的第一幅完全聚焦的正侧视条带(Stripmap)工作模式的合成孔径雷达图像。使用光学类比成像是由於当时的电脑处理速度不能满足SAR成像的要求。一幅SAR图像的原始数据量通常是上亿位元组,而且SAR成像的算法复杂,每个像素(pixel)需要1,000次左右的浮点运算。20世纪70年代电子技术的迅速发展为SAR的影像处理提供了硬体基础,SAR的信号处理由类比式转向数位式处理。80年代美国研制了一系列的先进的多波段、多极化、多入射角的机载SAR系统及即时成像处理器,SAR技术的发展不断的突飞猛进,目前已有ScanSAR、Stripmap、Spotlight、甚至A/GMTI与ISAR模式,而由於半导体与资讯技术的突飞猛进,未来SAR发展重点将赓续朝体积小、重量轻、成本少、功能增强方向前进并与各机载雷达结合。

二、现今无人飞行载具合成孔径雷达的发展
*NASA UAVSAR研究发展
NASA的无人飞行载具合成孔径雷达(Uninhabited Aerial Vehicle Synthetic Aperture Radar, UAVSAR)的主要目标是研制小型的极化L波段合成孔径雷达,用於无人飞行器或最小限度有人驾驶的飞行载具,针对目标物即时成像,进而执行自动导航与精准攻击技术。NASA的喷射推进实验室(Jet Propulsion Laboratory, JPL)主要负责雷达设计、制作与操作以及资料分析,Dryden飞行研究中心提供RPI(重复轨迹干涉仪)中间平台(NASA C-20A Gulfstream Ⅲ)以及飞行操作,还要研制精确自动驾驶仪平台(PPA)。

UAVSAR具有24个元件阵列,可透过吊舱安装在G-Ⅲ或其他无人机上,在L波段(1.2GHz)是全极化的,装有易操作的电子扫描阵列天线,使用即时的GPS和改进的自动驾驶仪,执行小於10m的通道飞行路线,还可执行夜间自主雷达操作。9G-Ⅲ是NASA Dryde飞行研究中心的有人及无
人驾驶飞机之一,其他几种飞机是∶ER-2、MQ-9(掠夺者B)及全球之鹰,G-Ⅲ目前的主要任务是搭载UAVSAR,而在一个稳定的平台上操作UAVSAR系统对於G-Ⅲ来说是一个严苛的要求,因此需要建立平台精确自动驾驶仪,使G-Ⅲ在一个10m直径的飞航通道内飞行,确保至少有90%的数据是在从平稳状态以符合MIL-STD-1797要求。

*小型合成孔径雷达发展
目前无人飞行载具酬载技术的重点之一在於合成孔径雷达,美国、德国、英国、以色列、荷兰、瑞典、澳洲均等国有生产无人飞行载具使用的各型雷达。

杕美国:「通用原子」(General Atomics)、ImSAR、「成像微感测器」 (Microsensors)及诺格等公司,皆已研制出无人飞行载具适用雷达,「空中武士」 (Sky Warrior)无人飞系统(如图2)具配备Lynx SAR/GMTI「地面移动目标指示」 (Ground Moving Target Indication, GMTI)雷达系统:Ku-band频段,先进的聚焦科技:扫描(Stripmap)模式解析度0.3 to 3.0m,聚束(spotlight)模式解析度0.1 to 3.0m,即时影像(Real-time video)与数位显示,重量:36公斤,该系统整合下列UAV系统:MQ-9A Predator B UAS、RQ-1 Predator UAS、IGNAT UAS、RQ-8A Fire Scout、C-12/U-21/ King Air 200、EH-60 Black Hawk、U.S. Army ER/MP UAS与MQ-1C Sky Warrior。

另一种装在UAV的SAR系统是诺格公司(Northrop Grumman)的战术持续合成孔径雷达(Tactical Endurance SAR, TESAR),其设计上经由掠夺者(Predator)中高空UAV所携载;当然也有其他或更大型的无人空中载具可供选用,整套系统仅重76公斤且以1,158瓦功率即可达到要求性能(如图3)。TESAR解析度为0.3公尺影像的SAR系统,所获影像经压缩后、透过Ku频段资料链,经卫星传送至地面控制站。

多载台雷达技术置入则是可扩充功能的主动电子扫描阵列式地面活动目标指示/合成孔径雷
达, 目前已安装美国空军全球之鹰(RQ-4)上,天线部分系由长1.5公尺、厚0.45公尺的主动电子扫描阵列构成,具有空中攻击、自主搜索、同时进行移动目标指示与搜索、地面移动目标指示以及先进合成孔径雷达操作模式。


★极微型合成孔径雷达(NanoSAR)装置於「扫描之鹰」(ScanEagle)小型无人飞行载具

一种重量非常轻的雷达是由ImSAR公司研制的「极微型合成孔径雷达」(NanoSAR),仅0.9公斤
重,作业频段为8到12.5千兆赫,侦测距离及解析度据悉分别为1公里与1公尺,已经装置在「扫描之鹰」 (Scan Eagle)小型无人飞行载具上完成飞测。

2.德国:「欧洲国防航太公司」(European Aeronautic, Defense and Space Company, EADS)研制3.95公斤重、35千兆赫(GHz)的「小型合成孔径雷达」(MiSAR)即是专为无人飞行载具研发,解析度为50公分,影像宽度为1~2公里、长度为2~4公里,装载在德国陆军「鲁那」(Luna)小型无人飞行载具。


★以色列苍鹭(Heron)无人飞行载具搭载EL/M-2022U合成孔径雷达

3.以色列:「艾尔塔系统公司」(EltaSystems)为「苍鹭/攻击排」(Heron/Machatz)无人飞行载具生产EL/M-2022U及EL/M2055系列雷达(如图5),其中50~114公斤重的EL/M-2022U雷达系用於海上侦巡用感测器,已装载於印度与以色列海军的苍鹭无人飞行载具上;38~100公斤的EL/M2055系列,则属於地面移动目标指示/合成孔径雷达系统,可安装於战术型「中空/长续航」(Medium-Altitude/ Long-Endurance, MALE)及「高空/长续航」(Height-Altitude/Long-Endurance,HALE)无人飞行载具上,侦测距离可达35~100公里。

4.荷兰:「应用科学研究组织」(Organizationfor Applied Scientific Research, TNO)
已发展出低於50公斤的小型合成孔径雷达,使用频段在10千兆赫(GHz),最大扫描宽度为4公里、长度为5公里,最低可侦测时速3公里的移动目标,解析度介於5~30公分之间。

时间: 2024-10-24 02:02:25

合成孔径雷达(Synthetic Aperture Radar, SAR)的相关文章

Matplotlib学习---用matplotlib画雷达图(radar chart)

雷达图常用于对多项指标的全面分析.例如:HR想要比较两个应聘者的综合素质,用雷达图分别画出来,就可以进行直观的比较. 用Matplotlib画雷达图需要使用极坐标体系,可点击此链接,查看对极坐标体系的介绍:https://www.cnblogs.com/kallan/p/6738577.html. 下面,我们从五个方面(编程能力,沟通技能,专业知识,团队协作,工具掌握)来对路人甲和路人乙进行比较. 代码如下: import numpy as np from matplotlib import p

第十五节、韦伯局部描述符(WLB)

纹理作为一种重要的视觉线索,是图像中普遍存在而又难以描述的特征,图像的纹理特征一般是指图像上地物重复排列造成的灰度值有规则的分布.纹理特征的关键在于纹理特征的提取方法.目前,用于纹理特征提取的方法有很多,最具有代表性的是有基于二阶概率密度的灰度共生矩阵.符合人眼视觉特性的小波变换.纹理谱法以及基于图像结构基元的纹理元方法等.为了更有效地描述图像局部纹理特征,又先后提取了局部二值模式(Local Binary Pattern,LBP)和韦伯局部描述符(Weber Local Descriptor,

image noise source

由于成像系统.传输介质和记录,设备等的不完善,图像在获取.传输与记录过程中不可避免地要受到各种噪声信号的干扰. 噪声的来源主要有:电子电路噪声,低照明度或高温带来的传感器噪声,这种情况下产生的噪声一般可近似认为满足高斯统计分布,即高斯噪声: 传输错误,相机传感器中失效的像素元素,错误的内存位置和模数转换的定时错误产生的噪声,一般称这种情况下产生的噪声为脉冲噪声: 飞点扫描图像.电视扫描光栅以及胶片颗粒造成的乘性噪声,以及合成孔径雷达(Synthetic Aperture Radar,SAR)等相

毫米波雷达的主要应用分类

毫米波雷达顾名思义就是工作在毫米波波段(30-300 GHz)的雷达.目前毫米波的应用主要有以下几类: 1). 制导雷达.火控雷达,该类型雷达目前有一些选择在毫米波波段的主要原因是提高探测能力.减小雷达体积,降低重量和体积,便于集成.    2). 目标检测雷达,该类型雷达主要是通过机械/电子波束扫描,实现对观测区域目标距离.速度和角度的探测,配备相应的数据处理单元,可以实现对目标的识别(散射特性).跟踪和预测(kalman滤波.粒子滤波等). 3). 毫米波对地观测雷达,该类型雷达主要是毫米波

浅识——后向投影成像算法(BackProjection,BP) 【MATLAB代码分析】

一.什么是BP算法 由来:BP算法最初是McCorkle受计算机层析技术的启发推导而来,所谓的计算机层析:就是CT(Computer Tomograpy),这是在医院中再普遍不过的技术了. BP算法的原理:BP算法参考了"时延-叠加"的思想,在雷达应用中,其对雷达接收天线接收到的回波信号进行距离向匹配率,获取回波数据中包含的相幅信息,再通过IFFT进行逆傅里叶变换,获取收发天线组合的时延,最后累积信号相干相加得到目标函数. 1.1  BP算法 回波信号与参与电信号进行匹配滤波后,获得的

ERS卫星

http://www.esa.int/Our_Activities/Operations/ERS-2 ERS-2 ROLE Earth observation (EO) LAUNCH DATE 21 Apr 1995 LAUNCHER/LOCATION Ariane 4/Kourou, French Guiana LAUNCH MASS 2516 kg ORBIT Sun-synchronous, polar, 800 km PERIOD 100 minutes NOMINAL MISSION

SAR目标检测相关文献整理

Deep Learning for End-to-End Automatic Target Recognition from Synthetic Aperture Radar Imagery 从合成孔径雷达图像进行端到端自动目标识别的深度学习 合成孔径雷达(SAR)自动目标识别(ATR)的标准体系结构包括三个阶段:检测,辨别和分类.近年来,已经提出了用于SAR ATR的卷积神经网络(CNN),但是它们中的大多数将从SAR图像提取的目标芯片中的目标类别进行分类,作为SAR ATR的第三阶段的分类.

利用 matlab 读取SAR 元数据

这方面可以参考书籍:"Digital processing of synthetic aperture radar data", by Ian Cumming and Frank Wong. 里面给出了用matlab写的例子.不同的传感器获取元数据类型有所不同,数据结构比较复杂,要针对不同情况进行分析. 相关英文解释如下: 点击打开链接 利用 matlab 读取SAR 元数据

采用 matlab 阅读SAR 元数据

这方面能够參考书籍:"Digital processing of synthetic aperture radar data", by Ian Cumming and Frank Wong. 里面给出了用matlab写的样例.不同的传感器获取元数据类型有所不同.数据结构比較复杂,要针对不同情况进行分析. 相关英文解释例如以下: 点击打开链接