多域RD数据利用技术提升基于无人水面船（USV）的MIMO-HFSWR系统的空间感知能力

《Digital Signal Processing》：Multi-Domain RD Data Exploitation for Improving Spatial Sensing of USV-borne MIMO-HFSWR

　　

作者：曲友敏、王一鸣、赵成庚、毛星鹏

哈尔滨工业大学电子与信息工程学院，中国哈尔滨 150001

摘要

为了满足高机动性的需求，诸如无人水面船（USV）之类的紧凑型平台已被广泛采用。然而，它们的有限尺寸限制了机载雷达的物理孔径，从而导致角分辨率下降。传统的孔径扩展技术依赖于对目标回波的直接处理，在高频表面波雷达（HFSWR）场景中效果不佳，因为目标回波中包含大量的非目标成分。此外，这些方法通常只利用单域信息，导致回波数据未能得到充分利用。为了克服这些限制，我们提出了一种基于多域数据利用的虚拟孔径扩展方法（MDE-RD），用于USV搭载的MIMO-HFSWR系统，旨在提升系统的空间感知能力。该方法首先在RD域进行孔径合成，从而将目标信号与主要干扰分离，克服了传统技术的根本限制。然后，它联合利用从目标RD单元中提取的多域信息（时间域、空间域和信号域），生成比单域处理更大的虚拟孔径。仿真和实验结果验证了所提出的MDE-RD方法的有效性，显著提高了USV搭载HFSWR系统的角估计和分辨率精度，从而提升了复杂海洋环境中的雷达空间感知能力。

引言

高频表面波雷达（HFSWR）由于其独特的表面波传播特性，被广泛用于超视距海洋遥感和海上监视[1,2,3]。为了提高机动性，HFSWR系统被部署在诸如无人水面船（USV）之类的紧凑型平台上。然而，由此导致的有限物理孔径严重降低了角分辨率。为了解决这个问题，孔径生成技术旨在从接收到的回波中合成虚拟阵列元素，从而扩展有效孔径。下面分别介绍了关于HFSWR和孔径扩展技术的现有研究。

现有的HFSW研究主要集中在以下几个关键领域。在运动补偿方面，Ji等人最初提出了一种使用校准姿态数据的双站配置下的目标回波校正方法[4]，随后开发了一种基于自动识别系统（AIS）的补偿技术来处理动态平台引起的失真[5]。在目标检测方面，Wang等人系统地评估了不同平台运动状态下的雷达检测性能[6]，而Zhang等人利用三维回波信息开发了一种在海洋杂波区域检测和提取目标的方法[7]。杂波抑制也得到了广泛研究：Li等人首先通过估计多天线位移改进了一阶海浪回波的建模[8]，然后实施了一种多域协作策略来有效抑制海浪杂波并便于目标提取[9]；同时，Xie等人利用平台运动引起的海浪杂波的多普勒展宽特性，从一阶布拉格光谱峰值中反演波高参数[10]。此外，人们还投入了大量精力研究船载HFSWR的到达方向（DOA）估计。为了抵消海浪杂波对方位精度的影响，Wang等人引入了一种基于机器学习的方位校正框架[11]，并进一步建立了一个六自由度姿态运动模型来量化其对方位测量的影响[12]。在另一项互补研究中，同一研究小组利用平台航向变化解决了在线性阵列两侧同时接收时导致的左右方向不确定性[13]。对于岸基HFSWR，DOA和源数估计也得到了积极研究。Wang等人使用分布式超嵌套阵列改进了DOA估计并增加了可检测源的数量[14]。最近，Golubovi?等人开发了高分辨率方位检测方法，解决了信号子空间维度确定问题[15]，引入了一种用于高分辨率距离-多普勒（RD-HR）图估计的噪声子空间确定方法[16]，并将高分辨率RD-HR图框架扩展到双频操作，以改进小目标检测[17]。

在孔径生成方面，当前算法主要利用目标回波中的单域信息，包括时间域、空间域或信号域信息。在时间域，Stergiopoulos首次提出了一种基于船载阵列重叠元素运动的孔径扩展方法，提高了角分辨率[18]。基于这一概念，Bai等人首次探索了其在船载HFSWR中的适用性，并提出了一种虚拟孔径方法[19]；然而，这种方法并未完全解决HFSWR环境的复杂性，因此存在实际限制。为了克服这些问题，Mao等人利用船载平台的运动特性改进了传统的HFSWR处理流程，在复杂场景中实现了虚拟孔径扩展，从而提高了雷达角度测量性能[20]。除了船载雷达，类似的基于运动的孔径扩展技术也被应用于汽车毫米波雷达，以实现超分辨率DOA估计[21,22]，并进一步扩展到稀疏传感器阵列配置[23]。在空间域信息方面，Swingler等人首次使用线性预测技术实现了元素级数据校正和阵列孔径扩展[24]。后来，Wan等人利用空间外推方法实现了近距离目标的超分辨率[25]。这种空间域方法在汽车[26]和船载雷达系统[27]中得到了广泛应用，并且近年来继续吸引研究关注[28,29,30]。最后，在信号域，孔径扩展主要通过多输入多输出（MIMO）技术实现[31]。一方面，MIMO在高频雷达系统中得到广泛应用[32]；另一方面，利用信号和空间多样性原理，MIMO技术也被有效用于扩展阵列孔径[33,34]。

关于船载HFSWR阵列的有限孔径问题，现有方法利用时间域信息（例如平台运动）和空间域信息（例如阵列元素位置）来扩展虚拟孔径。然而，这些方法存在固有的限制：时间域技术受到平台实际运动范围的限制——在紧凑型USV平台上，有限的移动距离严重限制了可以合成的虚拟元素数量；而空间域方法在外推的虚拟元素中会出现误差累积，预测误差逐渐累积，降低远端虚拟元素的质量。为了克服这些限制，本文进一步结合了基于MIMO技术的信号域信息，提出了一种基于多域数据利用的虚拟孔径扩展方法（MDE-RD），用于USV搭载的MIMO-HFSWR。该方法的主要贡献如下：1）通过在RD域进行孔径生成，该方法在以非目标信号为主的复杂场景中仍然有效，例如典型的HFSWR环境，传统的时间域扩展技术往往失效；2）该方法充分利用了目标回波的多域信息，包括时间域、空间域和信号域，实现了更全面的孔径合成；3）通过利用多域信息，该方法克服了单域扩展策略的固有限制，进一步提升了USV搭载HFSWR系统的角分辨率性能。

本文的其余部分结构如下。第2节介绍了所提出方法的理论基础，涵盖了操作场景、天线发射/接收（Tx/Rx）配置和USV搭载平台运动模型。然后，第3节详细描述了所提出的MDE-RD方法。接下来，第4节通过仿真分析验证了MDE-RD方法的有效性，第5节通过实验数据进行了验证，并进行了详细的性能分析。最后，我们在第6节总结了本文并得出结论。

符号说明：表1列出了本文中使用的符号。

章节片段

理论背景

在介绍所提出的孔径生成方法之前，我们首先概述了本节的相关理论基础，包括USV搭载MIMO-HFSWR的操作场景、相关的发射-接收（Tx/Rx）天线配置和平台运动模型。

概述

所提出的MDE-RD方法的概述如图4所示，主要包括五个步骤。步骤1展示了多域目标RD单元数据的表示。步骤2至4分别基于信号域、时间域和空间域信息进行孔径扩展。最后，步骤5提供了最终扩展阵列的RD域数据表示。

详细描述

• 步骤1（多域目标RD单元数据构建）： 在步骤1中，我们利用

仿真与分析

本节对所提出的MDE-RD方法进行了全面的性能评估。首先，我们使用基于CBF方法的仿真实验验证了其在DOA估计方面的有效性。随后，我们在一系列参数配置下测试了其性能。最后，我们与现有的孔径生成方法进行了比较分析，以突出其优势。仿真参数设置详见表2和表3（针对算法）

实验验证

为了进一步验证所提出的MDE-RD方法在现实条件下的有效性，使用了2019年7月从渤海的一艘船载HFSWR平台收集的现场数据。具体来说，一艘长度为86米、波束宽度为13米的货船作为移动雷达平台。一个现有的紧凑型HFSWR系统，即用于海上监视的紧凑型超视距雷达（CORMS），被适应性修改以适应船载操作，如图18所示。

结论

本文提出了一种用于船载HFSWR的MDE-RD方法，该方法利用目标回波的时间域、空间域和信号域信息来合成扩展阵列孔径。通过完全融合这些多维信息，所提出的MDE-RD方法克服了单域方案的局限性，从而提高了HFSWR系统的角分辨率和空间感知能力。

总结来说，我们工作的核心贡献如下。首先，我们明确了

作者贡献声明

曲友敏：撰写——原始草稿、软件开发、验证、方法论。王一鸣：撰写——审稿与编辑、数据整理、资金获取。赵成庚：软件开发、方法论。毛星鹏：撰写——审稿与编辑、监督、方法论、资金获取。

数据可用性

数据可根据请求提供。