3.合成孔径雷达数据融合

用于伪装评估的机载合成孔径雷达试验既复杂又昂贵，除此之外，研究团队希望从相同的视角测量相同车辆上伪装措施的性能。合成孔径雷达图像混合的想法，在地面ISAR试验中测量的目标与背景合成孔径雷达杂波混合，因此是一种非常有趣的估计伪装效果的方法。在本文中，研究人员使用了一种压缩感知方法。有或没有伪装的目标的ISAR图像被分解成散射体，同样的程序用于将测量的背景分解成散射体，散射体的集合随后被用于创建目标(有或没有伪装)、背景和阴影的混合。该方法的详细描述包括以下步骤：

1）从ISAR测量中提取目标特征；

2）从合成孔径雷达测量中提取杂波；

3）创建杂乱的背景；

4）在混乱中创建阴影和衰减；

5）结合杂波和目标特征；

6）添加合适的噪声等级。

图 6 从ISAR数据中提取目标特征

图 7 合成背景数据（由合成孔径雷达图像生成）

图 8 雷达阴影是从3D计算机辅助设计图像创建的。

图 9 图1和图3的数据合并并添加噪声。

4.伪装效果评估

在本节中，研究团队使用ISAR数据(见第2章)，并将其与地面合成孔径雷达数据相结合。这是通过第3章中描述的合成孔径雷达混合技术完成的。合成孔径雷达数据的分辨率为0.3米，图10中的上框被识别为树冠，下框是草。树的后向散射系数比树高大约10dB。当然，任何类型的背景都可以从大型校准合成孔径雷达图像中提取，例如MSTAR数据集包含校准的合成孔径雷达杂波图像。

图10  从地面合成孔径雷达图像中提取不同类型的背景。箭头标出了一片树叶和草地。

在合成孔径雷达混合图像的第一个示例中（参见图11），研究人员将ISAR数据重新采样到1米的分辨率，这是有效合成孔径雷达的典型分辨率。合成孔径雷达图像显示，在上述定义的两个杂波水平的背景下，标准计算机辅助制造系统未伪装和伪装。研究人员将伪装效果定义为目标的雷达截面与背景的比值。通过提取目标的雷达截面，研究人员计算两幅图像中背景的对比度，该值作为有效性的值。在图11a)和11b)中，很明显与背景的对比度太高从未判定为无效伪装。但是在高杂波环境下，对应落叶乔木，这个伪装网会非常有效。请注意，在这个例子中，研究人员只研究了标准体的前部，这是四个主要方向之一，其中RCS明显高于其余角度。

图11  所有合成孔径雷达图像分辨率均为1米。

a)低杂波中未伪装的STANDCAM。b)低杂波下伪装的STANDICAM c)高杂波下未伪装的STANDICAM d)高杂波下伪装的STANDICAM。

分辨率为0.3米时，合成孔径雷达图像看起来非常不同，出现了几个新的特征（如图12所示），雷达阴影非常明显，目标周围有一个阴影，这是由伪装网的衰减引起的。也可以从车辆中分辨出单个散射体。在这种分辨率下，为了计算对比度，更难确定目标的相关感兴趣区域。只有目标的感兴趣区域没有考虑自动目标识别可能利用的所有新特征，因此在高分辨率下低对比度可能不够。有了足够的计算机能力，就有可能跳过自动目标识别中的预筛选阶段，直接尝试对车辆进行分类。

图12  所有合成孔径雷达图像的分辨率为0.3米

a)低杂波中未伪装的STANDCAM。b)低杂波下伪装的STANDICAM c)高杂波下未伪装的STANDICAM d)高杂波下伪装的STANDICAM

5.总结

本文提出了一种确定合成孔径雷达图像中伪装目标伪装效果的方法。该方法利用合成孔径雷达融合技术将伪装目标的ISAR数据和SAR杂波数据相结合。混合图像可用于确定与背景的对比度，从而确定伪装的有效性。该方法使用基于标准化设计的STANDCAM和静态伪装网。

结束语

本文编译自2015年Saab Barracuda AB的相关研究资料，数据结果仅供参考。由于大量资料从互联网多个渠道收集整理，加之作者水平有限，可能存在认识或理解不当之处，更多精彩的国内外测试、仿真以及数据分析等内容，欢迎各领域专家联系本公众号探讨研究，交流指正。

需要英文原文及更多国外装备伪装隐身技术资料欢迎联系010-86468585，13810077682（微信同号）