实验设置如图9-14所示，由矢量网络分析仪和初始导航单元组成。网络分析仪用作射频信号发生器和接收器，产生频率扫描，对接收信号进行解调和匹配滤波，并在输出端给出频域“范围压缩”信号。

在每个脉冲处，触发信号经过网络分析仪发送到INS。将时间戳位置XYZ记录为20Hz，并且每当接收到触发时都记录时间戳。

图9-14　系统示意图

应该注意的是，该系统的主要限制是网络分析仪的数据读出速率，它将脉冲重复间隔限制在0.1~0.5s的范围内。因此，该系统只能用作评估，而不能在快速移动的平台上操作。在实验过程中将装置安装在皮卡车上，如图9-15所示。

图9-15　实验装置

实验数据是在西拉斐特的普渡大学停车场获得的。频率输出设置为1.7GHz至2.0GHz，带宽为300MHz，相当于0.5m的范围分辨率。天线的-3dB波束宽度为13.3度，因此等效方位角分辨率约为0.35m。扫描路径如图9-16所示，观察方向位于图的左侧。

图9-16　实验位置和方位角轨迹图

距离多普勒算法通常用于卫星雷达，其中诸如距离、方位角频率等变量以慢速时间表示。考虑具有最近R0范围的目标，作为方位角x的函数的范围R是：

方位频率Ka是：

位置x的方位角频率为：

转换为距离-多普勒域后，作为方位角频率函数的范围为：由于信号在接收时被去除，因此可以写为：

注意，范围偏移与范围-多普勒域中的范围（R）成反比。通过将距离-多普勒域中的信号与方位角调制的复共轭相乘来完成方位角压缩：(www.daowen.com)

GNSS-INS安装在卡车上，GNSS天线尽可能远离雷达天线，以尽量减少干扰。数据以20Hz的速率记录在车身框架的笛卡儿坐标中，每个雷达脉冲上都有一个时间戳。通过假设平台以近似线性轨迹行进，使用特征分解来找到具有最大特征值的方位矢量的方向。剩余的两个矢量可以通过略微“S”轨迹或假设高度变化为零来区分。

其中P∈R3是原始位置数组，P＇是旋转位置数组，v是特征向量，λ是特征值。

来自PNA的信号在接收时进行范围压缩。它沿着距离进行均衡和滤波，并根据雷达的位置沿方位角进行插值，然后在距离多普勒域中对距离单元的迁移和方位角进行校正，并将逆傅里叶变换为最终图像。步骤如图9-17所示。

图9-17　数据处理流程图

聚焦图像的结果如图9-18（a）所示，而图9-18（b）是图像在地图上的叠加。图9-18（a）中，（X，Y）≈（25，20）m和（35，35）m处的短水平线是停车场上的汽车。Y值约为20m和60m处的2个点是灯柱；Y值约为40m处的簇是树木；Y值约为80m处的点线是来自道路围栏的反射，其与角落反射器非常相似；Y值为120~140m范围的大型集群是一个蜂窝塔，钢结构有多次反射。

图9-18　具有位置校正的聚焦图像

方位角校正在移动SAR中至关重要，因为无法保证平台的恒定速度。这里利用测井轮记录沿方位角行进的距离。这项工作使用GNSS-INS系统记录了位置，该系统应该更灵活地进行系统部署和安装。

图9-19显示了没有方位角位置校正的数据的直接处理。请注意80m范围内的路边围栏的点图案不再可见。

图9-20显示了范围单元迁移校正（RCMC）和方位角压缩之前的图像，以更好地说明使用INS的运动补偿。

注意，在图9-20（a）中，在大约20m的范围内，由于雷达在大约5m的方位角处减速，因此在X≈-40m和5m处的2个灯杆的反射率非常不同。并且在图像的左边缘和右边缘存在区域，其中没有平台的运动并且在多个脉冲上显示恒定的反射率。通过使用GNSSINS数据进行插值的运动校正了这些伪影并产生更均匀的数据集，以便在范围单元迁移校正（RCMC）和方位角压缩中进一步处理。

图9-19　无INS位置校正的聚焦图像

图9-20　W和W/O位置校正的图像比较