基于抑制因子的FFBP成像算法

摘 要：快速因式分解后向投影（Fast Factorized Back Projection，F(xiàn)FBP）算法使用子孔徑劃分的方式進行成像，有效解決了后向投影（Back Projection，BP）算法耗時嚴重的問題。當各級子孔徑圖像融合時，需要進行坐標變換，時延近似，因此影響成像質量。本文基于相干因子提出適用于FFBP算法的抑制因子，提高了FFBP算法的成像質量。試驗結果證明基于抑制因子加權的FFBP成像方法可以有效提升成像質量，運行時間和FFBP算法運行時間基本一致。

關鍵詞：雷達成像；快速后向投影；相干因子；成像質量

中圖分類號：TN 957" " " " " 文獻標志碼：A

后向投影（Back Projection，BP）算法源于計算機斷層掃描（Computed Tomography， CT）技術[1]，幾乎適用于所有成像模式。但是其具有遍歷特性，導致運算時間長，難以應用于實時性要求高的場景。快速因式分解后向投影（Fast Factorized Back Projection，F(xiàn)FBP）算法[2]為解決BP算法的加速問題奠定了基礎，但是當各級子孔徑圖像融合時，F(xiàn)FBP算法通常需要進行坐標變換，時延近似，影響成像質量。在BP成像中，使用相干因子（Coherence Factor， CF）和相位相干因子（Phase Coherence Factor， PCF）對成像結果進行加權處理來提高成像質量[3]，效果均較好。

FFBP的成像分辨率隨迭代進行逐步提高，每個迭代過程都會引入時延差值，因此BP成像中的相干因子不適合作為加權因子，本文根據(jù)BP和FFBP的異同提出用于提高FFBP成像質量的加權因子，將融合后的子孔徑視為不同通道，將不同通道迭代得到的像素值和的平方作為引入的抑制因子。為了提高成像質量，在FFBP算法的最后一次迭代前引入抑制因子，減少FFBP算法在迭代過程中由時延差值導致的誤差。試驗結果證明抑制因子可以有效提高FFBP算法的成像質量。

1 信號模型及成像算法

1.1 信號模型

調(diào)頻連續(xù)波（Frequency Modulated Continuouse Wave， FMCW）是隨著時間推移頻率逐漸增加的信號，也稱為線性頻率調(diào)制或Chirp調(diào)制。其平面掃描模型如圖1所示，以o為原點建立直角坐標系，雷達天線按照“Z”形在xoz面進行機械掃描，天線發(fā)射的FMCW信號如公式（1）所示。

s（t）=AejπKrt2ej2πfct " " " " " " " （1）

式中：t為發(fā)射信號的傳播時間；A為目標點P（xp，yp，zp）的反射系數(shù)；fc為FMCW信號的載頻；Kr為FMCW信號的調(diào)頻斜率。

FMCW信號的持續(xù)時間比天線運動到下一個采樣點所需時間短，因此天線按照“Z”形在xoz面進行持續(xù)掃描的過程可模擬為“停-走-停”的模型，在該模型中，水平等效天線個數(shù)為M，垂直等效天線個數(shù)為N，得到大小為M×N的回波信號數(shù)據(jù)矩陣。對回波信號進行去調(diào)頻處理，忽略去調(diào)頻處理后的殘留相位誤差，第m行n列的等效天線為 Pmn（xm，0，zn）。將接收的回波信號進行處理，得到差頻信號，如公式（2）所示。

smn（t）=Ae-j2π（Krt+fc）τmn " " " （2）

式中：τmn為等效天線Pmn（xm，0，zn）與目標點P（xp，yp，zp）之間的延遲時間，令f=Krt+fc，如公式（3）所示。

smn（t）=Ae-j2πfτmn " " " " " （3）

1.2 后向投影

BP成像算法對成像區(qū)域進行劃分，計算雷達回波在天線和各個像素之間的延時值，將每個像素點對應的回波數(shù)據(jù)和回波時延進行相干疊加，得到各個像素點的像素值，是一種在時域或頻域進行“延時-求和”來得到精確聚焦成像結果的成像算法。

將成像區(qū)域均勻劃分為x行z列，對每個像素點計算其與等效天線對應的時延（x，z），成像區(qū)域在等效天線Pmn（xm，0，zn）中的像素值smn（x，z）如公式（4）所示。

（4）

式中：Smn（x，z）為成像區(qū)域點（x，z）在等效天線中的像素值；（x，z）為等效天線Pmn（xm，0，zn）與成像區(qū)域第x行z列的像素點之間的計算時延。

當（x，z）=τmn時取得最大值，該通道在成像區(qū)域內(nèi)會形成1條軌跡且必經(jīng)過目標點。所有通道相干疊加后得到最終的BP成像結果 I（x，z），如公式（5）所示。

（5）

式中：m為等效天線水平所在位置；n為等效天線垂直所在位置；M為水平等效天線總數(shù)；N為垂直等效天線總數(shù)。

1.3 快速因式分解后向投影

當觀測場景較大或者成像網(wǎng)格劃分細密時，BP算法計算量十分龐大，無法滿足實際應用需求。FFBP算法是BP算法經(jīng)典加速算法之一，其利用局部近似處理和遞歸子孔徑劃分來進行加速計算。FFBP算法劃分各個子孔徑，以各個子孔徑為原點建立極坐標系，在每個子孔徑對應的極坐標系中進行成像，其分辨率低，生成對應的極坐標系子圖像，迭代合并子圖像，將全孔徑高分辨率圖像由極坐標系轉換為直角坐標系[4]。

設FFBP迭代總次數(shù)為k，將水平等效天線個數(shù)M、垂直等效天線個數(shù)N進行因式分解，計算過程如公式（6）所示。

（6）

式中：mj、nj為第j=1，2...，k次迭代合并的天線數(shù)量和網(wǎng)格再次劃分的數(shù)量。以等效天線Pmn（xm，0，zn）為原點建立極坐標與直角坐標系，如圖2所示，目標點P在該直角坐標系中的位置為（xpmn，ypmn，zpmn），P1、P2為目標點P在xoy面、yoz面上的投影。

目標點P在相同原點建立的極坐標系中為Pmn（ρ， φ1， φ2），ρ為距離，φ1為方位角，φ2為高度角。原點相同的極坐標系和直角坐標系計算過程如公式（7）所示。

（7）

式中：xmn p、ymn p和zmn p分別為以等效天線Pmn（xm，0，zn）為原點建立的直角坐標系中目標點坐標。

在每個子孔徑建立的極坐標系中分別使用BP算法進行初始低分辨率成像，以等效天線Pmn為原點建立的極坐標系中，成像點為Pmn，0（ρ， φ1， φ2），對應時延為，對應的初始像素值Imn，0如公式（8）所示。

Imn，0=Aej2πf " " " " "（8）

為了得到高分辨率圖像，須進行多級子圖像相干疊加融合，當?shù)趈次迭代時，等效天線面陣劃分為子孔徑，成像區(qū)域被劃分為個網(wǎng)格，以第j次融合迭代得到的各個子孔徑中心為原點建立極坐標系，在第p行、第q列子孔徑為中心建立的極坐標系中，像素值Ipq，j（uj，vj） 計算過程如公式（9）所示。

（9）

式中：mj和nj分別為第j-1次迭代合并的天線數(shù)量和網(wǎng)格再次劃分的數(shù)量；Ip'q'，j-1（uj-1，vj-1）為第j-1次迭代得到的像素值；p'、q'為將要合并為第j次迭代中第p行、第q列子孔徑的第j-1次迭代中的子孔徑位置；?tp'q'，j-1為第j-1次迭代中第p'行、第q'列子孔徑至像素點（uj-1，vj-1）與至像素點（uj，vj）之間的時延差值。

2 基于抑制因子加權的成像算法

2.1 基于相干因子加權的BP成像

為了提高BP算法成像質量，不同學者利用回波信號的幅度特性和相位特性分別提出了基于CF、PCF因子加權的成像方法。CF是一種基于接收陣列回波數(shù)據(jù)空間譜的自適應旁瓣抑制方法，是陣列數(shù)據(jù)相干能量與非相干能量和的比值，與目標距天線的距離和目標散射系數(shù)無關。BP成像中的CF（x，z）如公式（10）所示。

（10）

式中：分子為在延時-相加波束形成中得到的相干量；分母為MN倍的非相干量的和。在理想情況下，點散射中心的CF近似為1，在整個成像區(qū)域，CF為0～1，CF與散射信號的幅度變化相對獨立。在圖像中，CF較高的像素點聚焦質量很好，其需要保持幅度；CF較低的像素點聚焦質量較差，其幅值需要削弱[5-7]。加入相干因子的成像結果ICF（x，y）如公式（11）所示。

ICF（x，y）=I（x，y）·CF（x，y） " " " （11）

式中：I（x，y）為BP成像結果。

2.2 基于抑制因子加權的FFBP成像

為了提高FFBP算法成像質量，本文提出基于FFBP的抑制因子。FFBP算法的成像分辨率隨迭代進行逐步提高，在每次迭代過程中都會引入時延差值，直接類比BP成像中的相干因子，將不同子孔徑視為不同通道，效果不佳。

本文在FFBP算法的最后一次迭代前引入抑制因子，減少FFBP算法在迭代過程中由時延差值導致的誤差，將不同通道迭代得到的像素值和的平方作為引入的抑制因子，在FFBP成像中k次迭代之前引入的抑制因子CFk-1（uk-1，vk-1）如公式（12）所示。

（12）

式中：mk和nk為第k次迭代合并的天線數(shù)量和網(wǎng)格再次劃分的數(shù)量；Ip'q'，k-1（uk-1，vk-1）為第k-1次迭代得到的像素值。

與BP成像中的相干因子加權方式不同，在FFBP成像中，須將抑制因子與每個融合后子孔徑對應的圖像進行加權，第k-1次迭代的加權后結果如公式（13）所示。

I'pq，k-1（uk-1，vk-1）=Ipq，k-1（uk-1，vk-1）·CFk-1（uk-1，vk-1）" " " " "（13）

將加權后的值I'pq，k-1（uk-1，vk-1）代入公式（9）進行最后一次迭代，得到最終的成像結果Ipq，k（uk，vk），如公式（14）所示。

（14）

3 試驗仿真

為驗證本文提出的基于抑制因子加權的FFBP成像方法的成像效果，將AWR1843雷達傳感器放置在掃描架上進行平面掃描。發(fā)射信號調(diào)頻斜率Kr為63.343 MHz/μs，中心頻率fc為77 GHz，采樣點數(shù)為256，采樣頻率fs為9.121 MHz。

掃描架水平運行速度為2 m/min，開發(fā)板信號采樣間隔為18 ms，

天線間等效采集間隔為0.6 mm，水平采集360點后向下垂直位移2 mm繼續(xù)采集，得到360個×100個等效面陣采集數(shù)據(jù)。

分別采集距離面陣0.31 m處的鐵鉗子和鐵圓環(huán)數(shù)據(jù)，使用FFBP和基于抑制因子加權的FFBP對采集數(shù)據(jù)進行成像試驗，編程軟件為MATALB2021a，以目標所在位置為中心選取成像區(qū)域，成像區(qū)域網(wǎng)格數(shù)劃分為4個×360個×100個，對應成像區(qū)域大小為0.16 m×2.00 m×2.16 m。2種方法分別運行20次，F(xiàn)FBP算法耗時2.238 8 s，基于抑制因子加權的FFBP成像方法耗時2.264 0 s。

鐵鉗子 FFBP 成像結果如圖3所示，鐵鉗子基于抑制因子加權的 FFBP成像結果如圖 4 所示，圖像動態(tài)顯示范圍均為-25 dB～0 dB。鐵圓環(huán)的FFBP 成像結果如圖5所示，鐵圓環(huán)基于抑制因子加權的 FFBP 成像結果如圖 6 所示，圖像動態(tài)顯示范圍均為-25 dB～0 dB。

從圖3～圖6可以看出基于抑制因子加權的FFBP成像提升了成像質量，對FFBP成像中一些由近似、坐標轉換等因素導致的誤差抑制效果明顯，成像耗時接近。

4 結論

FFBP算法為BP算法的加速算法，成像質量不高，為提升成像質量，本文提出基于抑制因子加權的FFBP成像算法。試驗結果說明該算法運行時間基本相同，可以有效提升成像質量。本文抑制因子僅考慮與幅度有統(tǒng)計學意義的相干因子，將抑制因子放在最后一次迭代之前，后續(xù)可以進一步研究與相位有統(tǒng)計學意義的相位相干因子或者其他在BP成像中抑制效果不錯的加權因子，也可以在坐標轉換部分就對抑制因子進行加權。

參考文獻

[1]保錚，邢孟道，王彤.雷達成像技術[M].北京：電子工業(yè)出版社，2005.

[2]張磊，李浩林，邢孟道，等.快速后向投影合成孔徑雷達成像的自聚焦方法[J].西安電子科技大學學報，2014，41（1）：69-74.

[3]LI S，AMIN M，AN Q，et al.2-D coherence factor for sidelobe and ghost suppressions in radar imaging[J].IEEE Transactions on"antennas and propagation，2020，68（2）：1204-1209.

[4]邢孟道，馬鵬輝，樓屹杉，等.合成孔徑雷達快速后向投影算法綜述[J].雷達學報，2024，13（1）：1-22.

[5]AN Q， HOORFAR A， ZHANG W， et al.Range coherence

factor for down range sidelobes suppression in radar imaging through

multilayered dielectric media[J].IEEE Access， 2019（7）：66910-66918.

[6]晉良念，歐陽繕，周麗軍.UWB MIMO穿墻雷達的陣列設計和成像方法[J].電子與信息學報，2012，34（7）：1574-1580.

[7]宋葉江，崔振茂，安健飛，等.太赫茲稀疏陣列相干因子柵旁瓣抑制方法[J].紅外與毫米波學報，2020，39（4）：434-440.